首次发表于《美国金属市场》2016年12月22日

技术正在从工厂车间发展到前台

2016年12月22日|上午11:20 | Bette Kovach

在过去30年中，数据管理和可访问性的世界从手动收集和输入Excel得到了巨大的发展。剪贴板、计算器和大型机的时代一去不复返了。随着信息技术的发展，数据收集和分析以越来越快的速度从手工驱动的过程进入数字时代。

今天，企业资源规划（ERP）系统是金属行业的基本工具，特别是对于生产商、加工商和分销商。但有些企业资源规划是以生产过程为中心的，可能不包括"前台"功能，如计划、预算和预测，这些功能对于准确、实时地查看业务至关重要。

"使用Excel访问数据导致围绕特定功能或机器创建数据仓库。根据这些数据，公司特定的商业模式被建立起来了，"据位于德国斯图加特的埃森哲公司的常务董事兼企业商业服务主管Andrew Zoryk说现在，我们的复杂业务需要企业范围内的解决方案，而这些解决方案在很大程度上是通过企业资源规划（ERP）实现的。但是，技术的加速和对访问实时数据的需求不仅推动了业务的生产方面，而且也推动了业务规划过程。越来越多的公司必须沿着整个价值链进行横向整合，这不仅包括销售和运营，好评返现文案，还包括财务规划。"

总部位于底特律的德勤咨询有限责任合伙公司（Deloitte Consulting LLP）董事拉吉·查布拉（Raj Chhabra）指出，"尽管在企业资源规划、客户关系管理和其他企业系统方面进行了大量投资，许多公司没有做出正确商业决策所需的信息。在大多数情况下，问题不在于缺乏信息，而在于缺乏洞察力和信息的准确性。"计划、预算和预测不准确的原因包括缺乏对损益表的关注，业绩高级经理安德鲁•卡拉汉（Andrew Callaghan）表示，企业资源规划系统（ERPs）的出现确实允许公司"将所有设施的数据放在一个公共平台上"，并使整个公司都可以访问这些数据咨询总部位于芝加哥的克罗霍瓦特律师事务所。"现在的挑战是从数据中获得见解。为了扩展到预测和规划领域，公司开始投资商业智能（BI）和机器学习软件，这些软件能够识别大量数据中的模式，从而实现更精确的规划和预测，"他说，

克罗·霍瓦思将机器学习在预测中的应用视为一个三步过程：1。从ERP收集历史交易数据。使用预测分析技术生成基线预测，以建立数据模式；以及3。在将数据提交到业务计划时间表之前，请检查并调整预测。"机器学习软件通过算法提供分析，大数据挖掘，以创建将影响预测的预测因素，从而影响整个业务的销售和运营预期，"Callaghan说，

企业资源规划通常是业务部门或国家特定的，从而创建需要整合在一起的数据仓库，SAPAG的詹妮弗斯科尔兹说，全球铅，磨坊产品和采矿，总部设在波士顿。SAP的s/4HANA等工具提供了一个更为集成的综合解决方案，可以"将数据仓库集中到一个位置"，并为整个公司的数据提供标准化。埃森哲的Zoryk说："通过利用云计算，数据可以在整个企业和全球范围内实时呈现和访问。"越来越多的公司需要更灵活地管理数据。他们需要将数据从结构化的层次结构中分离出来，这样你就可以很容易地看到什么时候你需要改变你的操作。"

许多领先的软件供应商已经推出了"基于云的部署技术、高级功能、更快的计算引擎和特定用途的预测模型和加速器"，德勤的Chhabra说他说利用领先的流程实践访问大型计算能力、数据存储和特定应用程序，可以提高准确性，同时降低总体拥有成本。使用云计算平台进行预算和预测也将扩大中端市场公司的可用性，"他说，

根据需要使用云计算和其他IT工具可以降低计算成本，同时扩大组织内部对它们的访问"软件即服务"的概念允许公司只在访问时支付计算时间和计算能力。这种模式不仅降低了IT和软件的资本支出，而且为所有用户提供了最新的技术，"SAP的Schloze说，

通过SAP的s/4HANA等数据统一平台提供的数字粘合剂可以扩展到公司的供应链。埃森哲的Zoryk认为"扩展的视野超越了筒仓，中移物联网，为您的业务提供了最广阔的视野。对于钢铁生产商来说，可以看到运送原材料的进港船舶的时间表，从而在进港前确定对未来价格的影响，更准确地确定将影响最终销售价值的投入成本。这种类型的数据集成可以帮助建立一个更准确、更频繁的商业周期滚动视图，而不仅仅是季度视图。这种预测的变化表明，对销售和运营计划的承诺更加坚定。"