大家好，这里是供应链日常。物流人的茶水间，职场人的充电站。
供应链日常智库团队在之前有六个专题系列，分别是订单生命周期全过程管理、供应链团队管理与数字化、OTD-MTO模式探索，零库存与准时化模式探索、碳中和与供应链、共享供应链，今天和大家分享的系列文章是：智能供应链-硬实力-数据质量
--供应链日常
1、什么是数据质量
数据质量指的是在经过数据收集后，还要通过一系列的筛选、归类和处理，最终得到可以使用的数据的状态，这种数据状态体现在数据的完整性、可调用性、可用性等多个方面，也是能够为决策带来价值的前提。
2、数据质量的重点
无论是主数据还是元数据，数据的质量都决定了后续流程的连贯和持续，其中包括但不仅限于以下内容：
①准确性：数据所表达的内容是否与客观事实保持一致，或者在将客观事实数据量化后是否失真。
②完整性：数据中是否包含了所有的必要信息，是否存在丢失和遗漏，从而导致整个数据的错误和不可用。
③一致性：不同根源的数据在被获取的时候，在相同字段规则定义下要保持一致内涵，不会出现同一字段不同涵义的情况。
④可更新性：数据可以根据工况的变化、环境的变化、以及周围参数的改变而实时更新，保持数据的新鲜度。
⑤相关性：数据和相关业务紧密相关，没有务虚的字段和内容，可以为决策提供直接的支持。
3、数据质量在金融领域的体现
①金融风险
金融风险包括但不仅限于信用风险、市场波动、操作风险等，在这些风险中，尤其考量数据质量的高低，比如在信贷业务中，客户信用等级的评估就高度依赖历史交易数据、资产情况、甚至个人征信，如果数据质量不高就会直接导致信用额度评级失效，可能给金融机构带来损失的风险。
②合规监管
比如金融领域常常涉及的反洗钱，需要对交易过程进行监控，根据字段和数据发展规律，判断可疑交易对象，迅速开展冻结和追溯，如果数据质量不高，容易造成误判或者更大的遗漏，造成不必要的损失。
③客户管理
通过高质量的数据字段和内涵，可以精准定位数据消费者和金融产品客户的画像，根据画像内容推导客户的生活与消费习惯，进一步精准的定位产品和使用场景。
④交易结算
交易和结算讲求的是数据质量的100%准确和实时，在结算领域毫秒级的偏差以及单个字段的错误都可能导致交易的失败，更甚者造成千万和上亿资产的损失。
⑤投资决策
很多投资领域的专家除了经验以外，还是要依靠数据的深度解析，如果质量不高的数据参与分析的过程，导出结果一定会造成决策的偏颇，造成客户和股东的财产损失。在金融领域的体现。
4、数据质量在医疗领域的体现
①医疗数据
医疗数据包括但不仅限于医师建议、处方、药品、手术单、设备清单等和医疗相关资源的数据，如果这些数据可以完整，就有条件实施整个医院的数字化管理，以及患者全程在线操作；如果这些数据的字段可以100%准确，就可以最大程度的避免可能出现的医疗事故，对患者是最大的保障；如果这些数据可以根据患者情况个性化建档，完全和患者绑定，就可以因地制宜的设计个性化治疗方案，有的放矢的追踪。
②患者数据
患者数据包括但不仅限于患者的个人基本信息、家属信息、工作工种信息、历史病例信息、过敏原信息、药物使用历史信息等，这些数据的质量直接影响医疗诊断结果，患者数据质量不仅要求全面，还需要准确无误，尤其是病历和药物食物过敏情况，数据描述也必须统一，不能是地方性描述以免造成误解带来的用药用医风险。
③机构数据
机构数据包括但不仅限于本院医疗分支机构布局、科室布局、功能区布局、兄弟单位布局（转院决策）、还有上游医保机构等，这些数据的质量决定了该医疗机构在上下游联合作业的水平和效率。数据质量在医疗领域的体现
5、数据质量在制造领域的体现
①生产控制
按照生产计划管控生产过程，实现目标是核心，对于数据的准确性和实时性的要求很高，以免做出错误的判断和操作，通常情况下从PLC等工业网关中获取数据，或者是各类传感器中获取一手环境参数，最终根据这些数据字段的描述根据规则做出操控反应，如果过程中的数据存在丢失和不完整，也会造成失控。
②质量追溯
生产过程的质量追溯应该从原材料的生产、包装、运输、上线、成品生产、包装、运输、交付的全过程开展，这些细节过程中的厂家信息、检验记录、工艺参数都应该保证质量完好，以便在出现质量问题时快速精准的定位到具体问题、时间段和批次。
③设备管理
对于设备的状态评估和预防式维修，特别依赖数据质量，比如在设备的电压承载、电流过载、能耗状态、震动频率、润滑状态等数据情况的准确度上尤其能够得到体现，数据质量低会造成误判。
④制造成本
制造成本相对科目较多，包括但不仅限于能源消耗、废品率、人工工时、辅材消耗等数据，这些数据的质量决定了制造成本管控的精细程度，比如对于人工工时的核算，数据质量高、统计准确，变化实时动态，可以依此精准的推测出所需人工和劳率分布等信息。
6、数据质量在零售电商领域的体现
①客户分析和推荐
客户消费行为的关键数据字段，比如浏览习惯、购买倾向、付款习惯等，这些数据的准确性决定了分析客户对产品偏好和消费习惯的关键，如果可以和客户本身的数据，如年龄、性别、家庭情况等数据结合在一起，则可以分析出产品的用户群体和潜力。
②销量预测与价格策略
销售预测不仅仅是销售策略制定的前提，也是整个企业运营的起动机，如果销售预测相对实际生产非常贴合，则可以最大程度减少生产经营过程的不稳定性，这里包括但不仅限于：价格信息、销量信息、SKU需求布局、季节与销量、区域与销量、公共事件与销量等要素。
③市场营销与广告
广告的定位和传播需要极强的目的性，它的前提是能够专营客户，准确的解析潜在用户心智，这就需要通过市场信息调研准确的描绘用户画像，并且将画像数据化，数据的准确和质量决定了客户需求的准确性，也就决定了广告投放的准确性和性价比。
④用户体验与售后
收集用户使用产品后的数据，按照喜好和习惯进行分类，包括对客户的回访数据，为产品的二次回购做好准备和导向策略，也可以根据高质量数据，确保订单和售后关联准确，快速响应客户投诉，避免负面口碑的扩散。
7、数据质量在政府与公共部门的体现
①政策制定和决策
高质量的数据包括但不仅限于人口普查数据、经济统计数据、民意调查数据、健康状态数据等，这些数据的准确性和颗粒度可以决定政府在进行政策决策和下发时的合理性，如疫情防控、气候变化应对等。
②公共服务优化
公共服务是具有公益性质的政府行为，比如医疗、教育、社保等系统数据的整合，这些数据不仅依赖于原有领域的质量，整合后再拟合后的质量尤为重要，高质量的数据可以让百姓画像更加准确，就可以更加精准的施策，提升公共服务质量。
③应急管理
尤其是灾害预警、疫情追踪的依赖，及时准确的数据（如气象数据、病例报告，还有灾害出现的精准坐标数据，人员情况，居住布局，资源调度，公共资源布局和决策等）。
8、数据质量在教育行业的体现
①教育资源
根据学校、师资、学生信息的高效整合和分析，对于不同区域的教育资源进行整合，对于部分片区划分、资源配置进行优化，启动教育资源共享和公平的作用。
②个性化教学
利用学生学习行为、作业完成度、考试成绩等数据，构建个性化学习模型，这是将学生看作是客户的工况，分析不同学生的实际学习情况，再有的放矢的制定分类施策的方法，当然数据的质量决定了分析和决策结果。
③教育管理和评价体系
之前的传统以考试成绩为主的评价模式被教育体系要求的多维数据替代，包括但不仅限于通过分析学生在项目协作、创新能力、实践能力等方面的数据，构建综合素质评价体系，除此之外还应该有个人信用和品德的评价维度，避免高才低德的现象出现，这些数据不仅仅指向个人，还考核学校作为教育的载体，当然这里需要很好的数据质量，尤其是字段的完整性和正确性。
9、数据质量在物流供应链领域的体现
①需求预测
需求预测是供应链最需要依赖数据质量的点位之一，可以参考历史销售数据、市场趋势、促销信息、竞品产品发布和市场情况等数据，相对精准的预测出下个销售周期的SKU品种和数量，好的预测依赖于上述数据的质量，好的全链运营又依赖于源头的预测准确性。
②库存管理
库存管理的基础在于对于每个库区库位以及之中所存储的货品的精准把握，包括货品本身的属性、在库中的放置时长等，做好定置定位和先进先出的管理，依赖于对于仓库数据质量的要求，包括但不仅限于SKU、数量、时间、位置等。
③在途管理
无论是空运、海运、陆运，都需要对在途状态进行监控、分析和优化，包括但不仅限于路线规划、承运商选择、运费计算、运输状态跟踪促进等，当然对于数据的准确性（比如目的地、货品本身）、时效性（实时地理位置、在途状态、货品参数等），完整性、一致性（订单、车辆、货品、状态的一致）都提出要求。
④供应商管理
在这个领域的数据质量主要集中在对于供应商本身运营数据的管理，以及供应商上下游之间供货关系的梳理，供应商本身运营数据的质量高低决定了对于供应商绩效评价的准确性和公平性，供应商上下游之间的供货关系数据质量决定了在供应链出现公共事件或者异常时资源核查的效率和推进速度。
本期主要分享了智能供应链-硬实力-数据质量相关，下期聊聊硬实力-数据使用-安全相关。
©版权声明
文章版权归供应链日常所有
转载请注明来源，投稿请后台留言
↓点赞👍↓分享 ↷↓推荐♡