转自：Forbes.com；

作者：Cyrus Hadavi，福布斯商业委员会成员。

CyrusHadavi博士是Adexa的首席执行官，Adexa是一家领先的人工智能供应链规划公司，在五大洲拥有财富级客户。

        GETTY拍摄

早在2018年，人类每天都在创造2.5千亿字节的数据。随着我们继续上传更多视频、发送更多文本并连接更多物联网设备，这个数字无疑已经增长。

我们现在面临的挑战是弄清楚哪些数据是相关的，以及如何充分利用这些数据。如果海啸到达美国西海岸，亚太地区的海啸通知可能与洛杉矶居民有关。否则，可能会被忽略。就像空气和水一样，数据现在无处不在；我们需要知道如何消费它，如何为了我们的福祉而使用它。

数据的相关性应该通过它对我们的生活和目标的影响来衡量。智慧是了解如何减轻影响或最大化结果。智慧来自才智和经验。经验也是（生物学上）存储的数据。简单地说：数据是输入，智慧是输出。以上述指数级数据增长的速度，我们需要找到以非常高的速度处理相关数据的方法，以获得洞察力或智慧。人类吸收数据的能力在某种程度上受到限制。同样不足的是我们快速处理如此大量数据的能力。我们理解事件的关系和因果关系以及模式和趋势如何相互关联的能力有限。

我们都可以涉及的一个例子是所有人都可以获得股票市场的数据，但赢家通常是使用算法评估相关数据并做出快速及时决策（知识）的机构。在过去的几年里，我们都经历过社交媒体，是一个丰富的数据来源，但很难分辨什么是相关的，是真的还是假的。不幸的是，根据三位麻省理工学院的学者的说法，虚假数据的传播速度是真实数据的六倍。过滤所有这些并找到重要的东西需要付出很多努力和洞察力。

在业务运营，尤其是供应链方面，我们目前面临着同样的数据海啸。来自供应商、客户、市场研究、气象银行、地缘政治和社会经济事件等的数据。如上所述，我们需要弄清楚什么是相关的，什么不是。例如，如果我们知道某个地区的关税正在上涨，我们可以立即以较低的价格增加库存以对冲我们的损失。如果预计佛罗里达州会发生飓风，我们可能必须采取措施改变产品组合、寻找替代供应商、转换生产或开始预先部署保护和恢复供应品。

与那些不可见的事件相比，上述类型的事件相对容易处理。在任何供应链中，都有许多不可见的趋势，无论是内部还是外部，都可能影响供应链的运作。设备的效率可能呈下降趋势，供应商的交货时间可能会因季节而波动，由于安全库存不当等原因，使用替代零件可能会增加生产成本。机器学习可以检测此类趋势并采取纠正措施或通知用户。因此，知识是通过发现趋势、了解潜在原因并通过更新供应链模型采取纠正措施来形成的，以检测和避免未来的错误假设。

供应链计划系统正在变得越来越智能，以解释和应用适用的数据，并制定符合组织目标的计划和决策。集中式方法，例如大多数当前的S&OP解决方案，将面临过多的数据和决策延迟。考虑到来自世界各个角落的相关数据量，系统需要足够智能以感知数据，检查其相关性和影响，然后及时采取行动。响应可以是纠正措施、发送给另一个流程的消息或只是提醒最终用户。这种方法需要在一个由分布式和智能传感器组成的平台上，以评估数据、做出响应并从他们的经验中学习。

数据的增长没有终点或限制。未来，我们将接收来自外太空的数据、来自植物的脑电波和物联网信号。

供应链正变得越来越复杂和快速。来自气象站、送货无人机、自动驾驶卡车、供应商甚至地震数据的越来越多的数据都会对制造什么和存储在哪里产生影响。随着新数据的到来，实时数据分析和决策变得越来越重要。正如我们近年来所看到的，供应链中断可能会对运营和货物交付造成严重破坏。必须部署创建预测问题和降低风险的方法，以使供应链更具弹性。