商务智能与决策支持——案例及案例分析
- 格式:doc
- 大小:36.50 KB
- 文档页数:6
商务智能与决策支持——案例及案例分析随着互联网技术的不断发展,大量数据被生产出来,这些数据中蕴含着巨大的商业价值。
商务智能和决策支持系统可以利用这些数据,提供决策制定者与业务分析师期望的数据驱动洞察,以优化业务决策。
以下是几个商务智能和决策支持系统的案例及案例分析。
案例1:超市销售决策支持系统在某家超市中,决策制定者需要决策哪些产品需要采购、以及量级的大小,以及哪些产品需要促销,以达到推广和促进销售的目的。
为了实现这些目的,该超市实现了一个决策支持系统。
决策支持系统采用商务智能数据仓库,从行业数据中导入了大量销售数据,包括每天、每周、每月、甚至每小时的交易、营销、库存和采购等数据。
该系统采用了高级数据可视化来表示销售数据,以帮助决策制定者快速识别有趣的数据趋势。
该系统还使用了预测分析,以辅助决策制定者预测某种产品的销售情况,并为其提供推荐;也使用了关联分析,以查找哪些产品最常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常在一起出售。
通过使用这个决策支持系统,超市看到了显着的效益。
决策支持系统帮助他们预测哪些产品将具有更高的需求,帮助他们采购了更合适的库存量,以及哪些产品需要进行促销以提高销售。
超市转型成了一个以数据为驱动的企业。
案例2:在线零售商的数据分析一家在线零售商使用商务智能、数据挖掘与分析技术来对订单,商品,顾客及销售数据进行分析,以帮助经营者做出更加精准的商业决策。
他们使用了大量的内部和外部数据来源,以建立一个全面的数据仓库,数据包括订单历史、销售历史、客户数据、产品数据和行业趋势等。
他们使用了数据挖掘和预测性分析来发现顾客的需求以及未来销售趋势。
通过分析他们的数据,该在线零售商能够快速识别哪些产品的销售量增加,哪些产品的销售量下降,哪些产品的客户评分较低,并能及时调整库存和价格等策略来优化他们的销售。
此外,经营者能够更好地识别他们的目标客户及其需求,以提供更好的客户服务。
当今社会信息技术飞速发展,经济全球化趋势日益明显,市场竞争激烈。
生存在这样一个“信息爆炸”时代,企业管理者能否利用信息进行快速而有效的决策已直接关系到企业的生死存亡。
越来越多的企业提出对商务智能的需求,商务智能的出现和飞速发展,成为必然趋势。
商务智能实质上是数据转化为信息的过程,这一过程也可称为信息供应链,其目的是把初始的操作型数据变成决策所使用的商务信息。
商务智能是什么?通常业外人士会误以为,商务智能就是近两年各大品牌手机争相推出的商务智能型手机里所涉及的功能。
事实上,迅速窜红手机界的“商务智能”和迅速走红电子商务界的“商务智能”是有根本区别的。
商务智能型手机所指的商务智能是使手机实现了电脑上的某些功能,方便了商务人士的出行、交流等等。
那真正的商务智能是什么呢?商务智能其实就是能够帮助用户进行数据分析,获得信息,从而对自身业务经营做出正确明智决定的工具2.商务智能背景知识2.1 商务智能的产生很多人以为商务智能是新兴的技术和理念,应用也刚刚开始。
而事实并非如此,商务智能早已在潜移默化中渗透到企业的应用中去了,像金蝶和用友的财务软件很早就加入了智能分析的功能,只不过没有将其单独区分开来。
最初在商务交易中引入计算机辅助管理时,开发人员是根据企业已规定好的业务规则来编写交易系统,其主要目的是让“商务流程自动化”,从而缩短业务周期,提高效率,增强企业的竞争力,最终为企业创造更大的利润。
随着计算机在商业管理中的普及,企业的部门框架和业务规则随着社会分工的日益细化,原有的商务管理系统面对日益变化的业务规则逐渐变得力不从心。
因此,软件厂商针对新出现的商业部门和业务规则,推出了一系列的自成体系的,专门针对某块商业数据管理的管理软件,如财务管理软件,客户关系管理软件,产品数据管理软件,人力资源管理软件等。
但是,这些自成体系的的管理软件之间,数据很难共享从而在企业各个部门之间形成了“信息孤立” 的局面。
于是,软件厂商又推出了更大块集成的企业资源规划(ERP)系统,把之前推出的各块独立的管理系统整合起来。
大数据背景下的企业商务智能应用分析1. 引言1.1 大数据与商务智能的关系在当今信息大爆炸的时代,大数据已经成为企业发展的重要资源。
而商务智能则是帮助企业有效利用这些大数据资源的关键工具。
大数据和商务智能之间有着密不可分的关系,二者相互倚重,相互促进,共同推动着企业的发展。
大数据为商务智能提供了丰富的数据支持。
在传统的商务智能系统中,数据量较小、数据质量不高是普遍存在的问题。
而随着大数据技术的发展,企业可以通过收集、存储和分析海量的数据,从中挖掘出更加精准的商业洞察。
大数据为商务智能系统提供了更加全面、深入的数据基础,使其能够更好地服务于企业决策与发展。
商务智能又为大数据的应用提供了核心技术支撑。
大数据虽然包含了海量的数据资源,但如果缺乏有效的分析工具和技术手段,这些数据就无法转化为有用的信息。
而商务智能正是通过数据挖掘、分析与可视化等技术手段,帮助企业从大数据中提炼出有价值的商业智慧。
商务智能系统的智能化分析能力,使得大数据能够更好地为企业的决策与创新服务。
可以说大数据和商务智能是一对相辅相成的关系。
大数据为商务智能提供了数据基础,而商务智能则通过技术手段实现对大数据的深度分析和应用,使企业能够更好地理解市场需求、优化业务流程,提升竞争力。
在大数据背景下,企业需要充分发挥大数据和商务智能的优势,将二者有机结合,才能在激烈的市场竞争中立于不败之地。
【字数:407】1.2 大数据背景下的企业商务智能应用意义在大数据时代,企业商务智能应用变得越来越重要。
大数据的兴起带来了企业数据量的爆炸性增长,传统的数据处理方法已经无法满足企业对于数据的需求。
企业需要借助商务智能技术来帮助他们更好地利用大数据,进行数据分析和决策。
企业商务智能应用的意义主要体现在以下几个方面:1. 提升数据分析效率:通过商务智能应用,企业可以更快速地收集、整理和分析大数据,帮助企业管理者更快速准确地做出决策。
2. 挖掘数据潜力:大数据中蕴含着丰富的信息和价值,通过商务智能应用,企业可以深入挖掘数据潜力,发现隐藏在数据中的商机和潜在问题,为企业发展提供更多的可能性。
商务智能应用案例商务智能(Business Intelligence,简称BI)是指通过各种技术和工具来收集、整理、分析企业内外部的数据,以支持企业决策制定和业务运营的过程。
商务智能应用已经成为现代企业管理的重要工具,它可以帮助企业更好地理解市场趋势、客户需求和企业内部运营情况,从而提高决策的准确性和效率。
一、零售行业。
在零售行业,商务智能应用可以帮助企业更好地了解消费者的购买行为和偏好,从而优化产品组合和促销策略。
例如,一家超市可以通过商务智能系统分析销售数据,发现某种商品的销量与天气变化有关,进而调整库存和采购计划,以应对不同的季节和气候。
此外,商务智能还可以帮助零售企业进行客户细分,制定个性化营销方案,提高客户满意度和忠诚度。
二、金融行业。
在金融行业,商务智能应用可以帮助银行和保险公司更好地了解客户的信用风险和投资偏好,从而制定更加精准的风险管理和投资策略。
例如,银行可以通过商务智能系统对客户的贷款还款记录和资产状况进行分析,预测客户的信用风险,并据此调整贷款利率和额度。
另外,商务智能还可以帮助金融机构监控市场风险和资产配置,及时调整投资组合,降低投资风险。
三、制造业。
在制造业,商务智能应用可以帮助企业优化生产计划和供应链管理,提高生产效率和产品质量。
例如,一家汽车制造商可以通过商务智能系统分析生产线上的传感器数据,及时发现设备故障和生产异常,从而减少停机时间和生产成本。
此外,商务智能还可以帮助制造企业预测市场需求,调整生产计划,避免库存积压和产能浪费。
四、跨境电商。
在跨境电商领域,商务智能应用可以帮助企业了解不同国家和地区的消费习惯和市场趋势,优化产品定价和推广策略。
例如,一家跨境电商平台可以通过商务智能系统分析不同国家和地区的用户行为数据,发现不同市场的热门产品和购买偏好,据此调整商品定价和营销活动,提高销售收入和市场份额。
总结。
商务智能应用已经成为各行各业提高管理效率和决策水平的重要工具,它可以帮助企业更好地理解市场和客户,优化业务流程和资源配置,提高竞争力和盈利能力。
大数据时代的商业智能与数据分析1. 引言1.1 概述在大数据时代的到来之前,商业决策往往是基于经验和直觉进行。
然而,随着社会的不断发展和技术的迅速进步,大量的数据被生成和存储,这使得传统商业决策方法显得无法满足对信息和洞察力越来越高的需求。
1.2 商业智能与数据分析概念商业智能是一种利用各种技术和工具处理、分析和可视化企业数据以支持商业决策的方法。
它包括了从数据仓库和在线分析处理(OLAP)到报表、仪表盘和数据挖掘等多个方面。
数据分析是通过使用统计学、数学建模、机器学习以及其他相关技术,从大规模的数据中提取出有价值信息,并将其转化为洞察力和见解的过程。
1.3 目的和意义本文旨在深入探讨在大数据时代背景下商业智能与数据分析的重要性与应用。
通过研究定义及特点,我们可以更好地理解商业智能如何应对大量的企业数据,并将其转化为有意义的信息。
同时,通过实践案例分析,我们可以了解数据分析在商业中的具体应用,并探讨数据驱动决策对企业发展的重要性和影响。
此外,本文还将讨论大数据时代对商业智能和数据分析带来的挑战。
包括数据隐私与安全问题以及技术和人才需求的增长。
最后,我们将总结关键观点与结论,并展望未来发展趋势与挑战克服方向,以期为读者提供有关商业智能与数据分析在大数据时代下的重要性以及发展前景的全面认识。
2. 大数据时代的商业智能2.1 定义及特点在大数据时代,商业智能(Business Intelligence)是指利用大数据分析技术和工具,将海量、复杂的数据转化为有价值的信息和知识,以支持企业决策制定和战略规划。
商业智能通过收集、整合、分析和可视化多源异构数据,帮助企业发现趋势、模式与关联性,并提供准确、可靠的决策支持。
其特点如下:- 数据驱动:商业智能基于事实数据进行分析与决策制定,强调依据客观数据进行经营管理。
- 实时性:大数据的快速处理使商业智能能够实时监控和反馈企业运营情况,及时作出调整与优化。
- 可视化展示:通过数据可视化手段,商业智能将抽象的数据转化为直观的图表、仪表盘等形式,更加易于理解和传播。
商业智能(BusinessIntelligence)介绍前言2007年3月,甲骨文以33亿美元价格收购企业绩效管理软件厂商Hyperion(海波龙),同年4月,BusinessObjects宣布收购Cartesis,BusinessObjects公司需要支付的总交易金额为2.25亿欧元(约合3亿美元)现金。
10月8日,德国软件巨头SAP周日表示,将以48亿欧元(约合68亿美元)现金收购法国商业智能软件开发商博奥杰(BusinessObjects)。
商业智能并购金额如此巨大,显示必须有相应的市场规模,BI公司才会拥有如此市值。
昂贵的商业智能分析软件,必然伴随着商业智能分析项目的高额软件使用许可费用和实施成本,这还不包括项目实施潜在的失败风险!最重要的,商业智能看似日益普及,中小企业是否可以从中受益?什么是商业智能呢?先让我们来看看有关权威机构是如何对商业智能定义的!第一部分权威机构对商业智能的定义GartnerGroup--(全球最具权威的IT研究与顾问咨询公司。
其研究范围覆盖全部IT产业,就IT的研究、发展、评估、应用、市场等领域,为客户提供客观、公正的论证报告及市场调研报告,协助客户进行市场分析、技术选择、项目论证、投资决策)l商业智能描述了一系列的概念和方法,通过应用基于事实的支持系统来辅助商业决策的制定。
2商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处。
IDC--(是IDG(国际数据集团)旗下子公司,全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商)l商业智能是一组软件工具的集合:(1)终端用户查询和报告工具:专门用来支持初级用户的原始数据访问,不包括适用于专业人士的成品报告生成工具(2)OLAP工具:提供多维数据管理环境,其典型的应用是对商业问题的建模与商业数据分析。
OLAP也被称为多维分析(3)数据挖掘(DataMining)软件:使用诸如神经网络、规则归纳等技术,用来发现数据之间的关系,做出基于数据的推断。
800-819-0199Sage ERP X3成功案例赛捷解决方案:Sage ERP X3 满足欧尚管理需求在使用Sage ERP X3之前,欧尚有几种不同的系统来管理各个部门的运营,几套系统之间无法时间无缝集成,对于采购及库存也无法管理,对于外币交易结算也出现很大的障碍。
同时,欧尚贸易很难满足集团的财务报表需求。
Sage ERP X3 解决方案将全部的信息和商业流程都整合在一个软件系统中。
系统包括了整体化数据和全面的功能、强大的工作流引擎、易用的报表和商务智能工具,带给企业实时控制和活动的可视化,提升了对企业在关键业务领域的决策支持。
为了确保提高企业效率,Sage ERP X3在一个数据库中共享企业管理的全部信息。
它全面的整体功能覆盖了财务、采购、销售、物流、客户关系和制造等管理工作的各个方面,可以在一个系统环境中并发进行。
实施成果:针对欧尚所面临的集团化企业多币种采购,交易以及结算等问题,当欧尚在采用了Sage ERP X3之后,问题就迎刃而解。
Sage ERP X3是一项符合多国法规、多种语言和多种货币的解决方案,完全适用于欧尚集团各国分支机构之间的财务结算要求。
赛捷软件帮助欧尚贸易基于Sage ERP X3开发出了个性化的银行自动付款功能,实现了银行交易自动化,Sage ERP X3定期产生银行付款建议,经过审批后,系统产生银行付款文件导入到银行系统中作为付款指令,银行付完款后传回付款的信息给Sage ERP X3,在Sage ERP X3中直接完成记帐。
这对欧尚多币种间的付款提供了强大的支持,如美元与欧元之间的付款,系统可以自动传回确认付款的汇率,大大提升了工作效率。
针对欧尚的库存管理问题,Sage ERP X3为欧尚提供库存、采购、物流等一体化管理,,赛捷帮助欧尚在ERP系统中配置了按订单库存管理这一特殊管理功能,实现同一个产品针对不同的订单,可以进库存或不进库存的模式,这也同时是Sage ERP X3灵活性的体现。
商务智能与决策支持教学案例案例1:光大银行商务智能系统得实施一、案例内容成立于1992年8月得光大银行, 作为国内最大得股份制商业银行,拥有众多客户群,几百个分支机构遍布国内外;同时光大银行以领先得理念为客户提供种类繁多得金融服务。
对于一个如此庞大得机构,如此繁多得金融服务,管理得复杂性可想而知。
近年来,通过综合柜台业务系统、阳光卡系统、网上银行系统与办公自动化系统等一系列信息化基础建设,光大银行率先实现了业务系统全国联网与总行数据大集中。
在成功实现业务系统全国联网与总行数据大集中后,经营管理分析方面又出现了一些亟待解决得新问题,如:统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心得经营管理模式提供充足得信息支持、业绩考核没有理想得IT系统为支撑等等。
众多新问题得出现就是银行管理层始料未及得。
为了尽快突破海量数据得“封锁”,挖掘其中蕴涵得知识与信息,光大银行决策层于2002年初开始立项商业智能及数据仓库系统。
光大银行根据自身情况,以实际需要为导向,对各家方案得优劣进行仔细分析、反复考察、综合考虑。
最终,菲奈特软件公司得高端商务智能产品BI、Office以其领先得技术与简便得操作从众多竞争者中脱颖而出,赢得了光大银行决策层得一致青睐。
经过商议,双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。
为了降低实施风险,将从国际结算业务统计分析系统开始,各个项目逐步实施。
成功得选型就是光大银行商业智能应用系统成功实施得开始。
国际业务部商业智能得应用证明,光大银行所采取得“以部门为基础实施数据处理”得决定就是正确得,也就是务实得。
从2002年12月开始,菲奈特BI、Office商业智能应用平台相继应用于光大银行其她几个业务部门,形成相应部门得商业智能系统。
这些商业智能系统以数据仓库技术为基础,把分散在各个业务系统得数据进行整合,数据经过清洗、转换,加载到数据仓库;再采用OLAP与Data Mining等技术,为管理决策人员提供强大、灵活得日常查询与决策支持。
一个应用实例:有一段时间存款余额持续不断得增长,但就是同期得流失客户数也在不断增长,这个问题引起了业务部分析人员得高度重视。
该分析人员通过系统进行自助分析,最后发现,问题得根源在于很多客户经理为了完成揽存目标,费了大量得人力与成本开拓新行业、新客户,而忽略了对老客户得关系管理,才出现了存款余额与流失客户数同时增长得怪想象。
于就是马上向主管领导反映,当天就在全行下达了整改通知,及时阻止了不良趋势得蔓延。
”目前,光大银行得商业智能系统已经成为管理层进行战略实施、绩效考核不可或缺得工具;各级业务人员得日常经营分析在很大程度上也有赖于该系统得支持。
BI、Office在光大银行取得了圆满成功。
二、案例点评通过案例,我们了解到光大银行选择了BI(商业智能)系统,很好得解决了利用数据进行分析,从而为决策提供强有力支持得问题,提高了工作效率与质量,达到了较高得投资回报率。
其实,不难发现银行业得业务数据已经或者正在实现“大集中”,数据大集中为提高BI 系统得成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好得基础。
随着国内银行与境外银行竞争得加剧,应用BI系统进行风险分析、业务决策将就是国内银行提升国际竞争力得一个主流选择。
BI系统能够解决目前银行存在得几大问题,如统计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等,这也就是银行选择BI系统得重要原因。
三、案例思考1.光大银行为什么会选择商务智能系统?2.光大银行使用商务智能系统后,解决了哪些问题?案例2:大亚湾核电站备件库存控制与采购优化决策支持系统开发一、案例内容1、电站背景大亚湾核电站位于改革开放特区深圳市得大亚湾核电基地,就是我国大陆首座大型商用核电站,由广东核电合营有限公司建设与经营(从2003年3月起,电站委托大亚湾核电运营管理有限公司全面负责电站得运营管理),年发电能力近150亿千瓦时,70%销往香港,30%销往广东。
按照“高起点起步,引进、消化、吸收、创新”与“借贷建设、售电还钱、合资经营”得方针,主体工程于1987年8月开工,1994年5月6日全面建成投入商业运行,拥有两台装机容量为98、4万千瓦得法国成熟第二代压水堆核电机组。
大亚湾核电站投产以来已连续安全运行16年,在国际上衡量核电站安全运行管理水平得9项关键指标中,大亚湾核电站有8项指标达到世界先进水平。
截止2009年12月,累计发电2051、98亿千瓦时,其中供香港1401、50亿千瓦时。
2、电站备件库存控制管理中得问题大亚湾核电站于1994年开始商业运行,仓库于1993年开始接收现场安装剩余物资与备件,此后又有一些补充采购得备件验收入库,库存量增加很快,1995年达到验收得高峰期,仅这一年验收入库得物资达4千4百万美元。
1997年后,仓库验收得金额与使用得金额基本持平,库存金额持续保持在1亿美元左右得高位。
由于大亚湾核电站备件供应商大多在欧洲,为了防范缺货风险,需要库存大量备件,而核电站得维修特点也决定了这些备件得使用率不高,很难把握备件得需求规律。
库存多了,造成浪费;库存少了,影响生产,据估算,一台机组非计划停堆一天得损失在100万美元左右。
在这种情况下,如何进行科学合理得库存控制就显得非常重要了!在早期,主要依靠维修技术人员得经验来决定各类备件得库存水平。
后来随着数据得积累,以及掌握到基本得一些库存控制知识后,生产准备人员开始根据相关一些数据,例如过去得使用情况、维修手册得要求、备件得价格等等,来估计备件得库存量,但主要就是靠个人得经验判断,随意性较大。
1999年大亚湾核电站开始引入美国ISI公司开发得RUSL库存控制模型。
据了解,RUSL 已在美国及欧洲几百个仓库中得到应用。
由于大亚湾核电站前期得库存管理比较粗犷,采用RUSL进行计算后,迅速纠正了大量原先不合理得库存设置,使得大亚湾核电站得库存控制水平有了很大提高。
RUSL就是通过INTERNET把历史使用数量、价格、采购周期等数据上传到ISI公司得服务器,经过美国技术人员得操作运行,2~3天后再把结果传回来。
这种操作方式,要求电站得技术人员首先从自己得电站生产信息系统中导出基本数据,然后按照RUSL得要求,加工整理成模型计算所需要得数据并满足一定得格式要求,这样使得数据得搜集与整理工作量很大。
于就是,大亚湾核电站曾提出购买ISI公司得软件与技术,希望实现本地在线计算,但对方一口拒绝。
另外,在RUSL得这种操作方式下,公司备件管理人员完全不了解RUSL得计算方式,仅仅就是被动地接受,无法满足改进工作、提升管理系统得要求,而且每年3万美元得服务费用也就是一笔不小得开支,因此公司开始考虑其她途径,寻求替代RUSL得更方便实用得库存控制决策软件。
3、库存控制决策支持系统开发2003年底,华中科技大学管理学院在对大亚湾核电站进行调研后,确定了联合开发“大亚湾核电站备件库存控制决策支持系统”得技术方案。
该方案将决策支持系统得开发划分为两个子项目。
一就是建立备件库存控制模型并验证其效果;二就是采用原型法根据所建模型完成决策支持系统得开发,并强调与现有电站生产信息系统实现无缝整合,能实时提供模型分析得功能。
建模子项目得推进中碰到得棘手问题就是如何验证模型得效果。
华中科技大学管理学院提出用蒙特卡罗方法验证得思路,但并未得到电站技术人员得认可,认为诸多假设太过理想,属于学术研究范畴。
经过讨论,双方决定用电站从1994年以来近10年得真实备件消耗数据来验证模型效果。
然后,新得问题又摆在面前,一就是数据质量存在问题,有相当比例得备件历史消耗数据不完整,二就是即使仅针对有完整历史数据得备件来进行验证,也面临巨大得数据计算工作量。
经过多轮讨论,最终达成“指定抽样+随机抽样”得方案,从上万种备件中抽取2000种左右得备件进行验证。
指定抽样就是指由生产准备部门与维修部门得备件准备工程师从影响生产系统运行得角度提出重要备件清单,合同采购部门从采购周期、采购费用角度提供重要备件清单,结合两者形成指定抽样备件清单,而随机抽样备件清单,则编制随机抽样程序抽取形成,最后结合可获得数据质量情况,确定用于验证模型效果得备件数据集。
整个建模子项目历时16个月,于2005年5月结束。
随后,进入库存决策支持系统开发子项目。
鉴于前期扎实得建模工作基础,系统得数据模型设计与基于已有生产信息系统得数据提取与整理得计算逻辑很快就确定了。
系统开发工作很快进入用户试用阶段,然而在此阶段碰到了预料之外得问题。
系统得开发人员对于库存模型得基本原理与计算流程都非常精通,但就是系统得使用人员普遍缺乏必要得知识与技能。
系统功能设计与界面设计常常处于两难得局面,一方面,希望系统能够提供更多得进行个性化分析得功能,一方面,又要兼顾缺乏建模专业知识得用户对于“傻瓜”式功能得需要。
系统开发工作曾一度陷入功能模块设计、取消、取消、再设计得尴尬局面。
为打破僵局,双方得工作小组启动了《建模与应用》培训项目,并将系统试用与改进工作穿插在培训项目中。
到2005年12月,系统开发工作进入尾声,马上就要上线运行了。
然而在一次上线投产前得讨论会上,采购支持科科长唐扬洋提出了另外一个问题。
合同供应处得另外一个主要工作就就是备件得采购。
原有得备件采购工作流程就是,当发现一种备件到达最小库存点时,就即时向备件采购部门发出一张采购单,要求采购该种备件,然后采购工程师审核后进入采购流程,完成询价、供应商选择、合同签订等工作。
由于此工作流程得对象就是单个备件,往往出现前脚刚刚完成对该备件供应商得商务合同签订,又出现了对该供应商供应得其她备件得采购申请,有时还就是紧急采购申请(对于此类采购申请,必须马上进入采购得商务流程),于就是采购工程师不得不又启动与该供应商得商务洽谈过程。
这样,不仅采购工程师得工作量大、采购效率低、采购费用高,而且供应商也多有抱怨。
瞧来,仅仅解决备件库存水平得合理确定问题还不够,还有必要进行采购优化决策支持系统得开发。
4、采购优化决策支持系统开发所谓采购优化就就是指当某一件备件到达最小库存量(该种备件称为“主采购备件”),需要向某一供应商采购时,先检查在该供应商所能提供得其她备件之中,就是否有需要顺带进行采购得备件(这些顺带采购得备件称为“从采购备件”,“从采购备件”可以有多种),如果有,则在一次采购中将这些备件全部采购到最大库存量。
该采购优化过程就是对库存控制模型得一种拓展,能有效提高采购效率。
大亚湾核电站与华中科技大学管理学院于2005年6月紧急启动了采购优化决策支持系统开发项目。