数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
对于仓储物流、计划体系等场景，着重可以使用经典的供应链统计学，里面有大量的算法可以使用，包含运筹学等。在这里对于制造型企业并未有太大的突破，更多的是怎么使用好现成的方法和算法，不再赘述。比如对库存控制的领域，经典的供应链统计学中有结合库存逻辑和服务水平（六西格玛）和方差来控制最大库存、最小库存、安全库存的量对应销售预测的波动，也可以做到动态安全库存的控制。对于物流仓储设点，配送等可以使用运筹学方法，也可以使用机器学习的算法，最终实现的都是最短路径/最短时间/最小成本/最XXXX。分析工具层面可以使用Excel, JMP, SPSS以及专用的仓储物流仿真工具和分析工具。在数据分析体系上建议使用六西格玛体系。 数字化转型网www.szhzxw.cn
声明：本文来自智能制造IMS，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含： 数字化转型网（www.szhzxw.cn）
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于智能制造IMS；编辑/翻译：数字化转型网萍水。
