您当前的位置: > 财商

北京筑龙:用AI让物料主数据供得出、流得动、用得好

来源:互联网 编辑:闻迅社 时间:2024-07-23

  今年1月,国家数据局联合十几个部委,印发《“数据要素×”三年行动计划(2024—2026年)》(以下简称《行动纲要》)。要求推进数据要素协同优化、复用增效、融合创新,强化场景需求牵引,带动数据要素高质量供给、合规高效流通,培育新产业、新模式、新动能,充分实现数据要素的乘数价值。

  对企业而言,物料主数据由于联通“研发——生产——采购——销售”全链路,成为众多的数据要素中最关键的一项。其准确、规范与否,直接决定业务推进是否顺畅。然而,物料主数据的梳理,也是最复杂、管理难度最大的一项,企业普遍存在以下困境:

  一物多码、有物无码、编码混乱、数据缺失等问题普遍存在;

  物料数据来源、命名、分类、存储不规范,导致数据质量差、统计不准确;

  历史数据体量大、手动梳理耗时耗力,还难以保证准确性。

  那么,怎样才够得上《行动纲要》中提及的“高质量供给、合规高效流通”的“物料数据要素”?如何打造高质量的“数据要素体系”?

  去年底,国资委官网刊载《中粮集团以MRO集中采购推进供应链管理水平提升》,介绍:中粮集团对10万余条MRO物资采购数据整理分析后,按照10大类7个层级的标准实施分类、分级定性管理,形成10.8万余条SKU,每一个集中采购标的物资拥有了“详细且唯一的身份标签”,为后续编制采购文件中的“标的物内容清单”提供科学依据。

  作为中粮物料主数据升级项目的合作团队——北京筑龙,深耕采购供应链20年,并对物料主数据有着深刻的洞察与前瞻实践。北京筑龙研究发现:目前大多业务杂、体量大的集团型企业,都适合中粮的这套升级方法论。这类企业业务横跨几个,甚至几十个行业,原始物料数据体量大、种类冗杂,每个业务板块对物料统计的命名和颗粒度也差异巨大。

  因此,引入“AI和智能赋码技术”“映射管控理念”,就成为这类大型集团“升级物料数据要素”的关键。

AI替代人工,让

  北京筑龙智能物料主数据治理方案(以下简称:智物方案),主要借助AI技术,对国家、国际、行业,以及企业的物料管理标准自主学习,智能对企业采购、生产、仓储中涉及的物料数据,建立结构清晰、干净可用的“物料数据要素”标准。

  基于智物方案中的NLP(自然语言处理技术)和知识图谱,能够从全量历史物料数据中,自动提取物料名称、规格型号等参数;原始物料描述中,关键参数、分类缺失,系统借助语义分析,智能推荐分类参数、提示补齐必填项;此外,不论是新增还是整合历史数据,系统能够自动对数据进行去重、合并,有效根治一物多名、一物多码等问题。

智能赋码,每个

  物料数据协同性差、复用性低,很大程度上源于“缺乏物料编码”或“编码不统一”。由人工处理少则几万,多则几十上百万的数据,并赋予相应编码,显然难以确保准确性。另外,每家下属企业的编码格式还可能不同。导致企业物资采购的需求,难以准确统计,影响规模化集中带量采购。

  智物方案提供赋码技术,企业可根据业务需求,灵活选择物料编码规则(连续数字编码、分级数字编码、区段数字编码、国际十进分类),系统智能为每个物料数据赋予唯一的“身份编码”,不论是存量还是新增的物料数据,系统都能快速匹配在库编码,也可以推荐需要新增的编码。让物料数据统计更精准、洞察更深刻,发挥数据要素“加乘”的作用。

映射管控,满足复杂集团“集中+多元”管控需求

  由于每家企业的体量、覆盖行业差异巨大,选择的管理模式也不尽相同。智物方案,支持集中、半集中、映射、分散等物料主数据管控模式,不论业务单一或多元、管理需求分散或集中,均能满足需要。

  值得注意的是,类似中粮这种“多元业务+集中管控”双需求的大型集团,智物提供的「映射管控」模式,集团和下属企业可以保留各自原物料数据体系,但二者之间形成映射关系,自动“翻译”。比如,下属企业命名的“平头改锥”“一字批”“平头螺丝刀”,到集团侧翻译成统一的“一字螺丝刀”。既满足集团集中管控物料数据、推进集采的目标,又对各业务单元的影响达到“最小化”。

四、系统无限开放,管理可闭环

  智物方案提供API接口,物料主数据能够与采购供应链、MDM、ERP、电子商城等外部系统快速打通,建立起跨系统、跨部门的统一物料主数据体系。此外,系统内置全流程SOP运营的管理模式,从管理制度、流转审批规范、各节点管理职责、可见数据范围等,让企业的物料主数据升级“闭环落地”。

  对企业来说,物料数据“供得出”“流得动”“用得好”,才是发挥乘数效应的基础:有价值的物料主数据越多,通过数据的多元融合,才能产生“乘数”效应;而高价值的物料主数据,也只有完全“流通”起来,深度与研发、采购、生产、销售等环节去融合,才能去决策、去管理、去创新,实现物料主数据价值的几何级增长。