一、供应链大数据概述
供应链和采购管理的根本使命
供应链管理的最新发展趋势：七大要点
供应链大数据体系划分-“获取数据”、“分析处理数据”、“为供应链增值”
您从本课程中可以获得的五点收获
二、数字化企业架构：大数据分析的基础
视频观看：工业4.0时代先进的供应链管理
企业数字化体系介绍-“前端”和“后端”的概念
企业IT架构的类型-业务架构/应用架构/数据架构/技术架构
数据管理六大原则-如何采集数据、分享数据、保障数据安全等
企业架构的变迁史-从传统运营时代到“新零售”时代
大数据相关的最新法律法规
三、数据分析的核心步骤
五大分析步骤-数据的收集、清洗、规整、使用和更新
数据分析师是什么样的人才？–四大核心素质
企业大数据应用的六个层次：从Excel到更高层次的工具应用
实操教学：基于Excel的精益生产和精益物流分析模块
实操教学：基于Excel的客户需求可视化模块
实操教学：用Excel“运筹优化”模块来做采购最优决策
四、数据可视化和BI工具应用
如何让数据“看得见”？-常用的12种可视化图表及适用场合
让管理者决策更简单–BI（商业智能）基本概念
案例分析：基于BI工具作企业采购金额的可视化分析
案例分析：基于BI工具作供应商质量管理的可视化分析
实操教学：基于BI工具作BLM（业务领导力模型）可视化分析
小组讨论：关于BI/数据可视化的落地应用
五、Python数据分析
Python安装过程介绍；
Python语法简介
实操教学：Python快速提取企业年报中的大量数据
Python与Excel、PowerBI等分析工具的关系
Python和人工智能技术的关系
六、大数据应用前沿案例
案例分析：某先进制造企业的基础数据管理体系
案例分析：数字化工厂的快速复制”物联网技术+工业工程knowhow”如何在多个行业复制数字化工厂
案例分析：某电器公司的工业大数据体系及其效果
案例分析：某第三方物流企业如何打造跨运输方式、跨企业实体的数字化体系
案例分析：新零售巨头基于大数据的运营优化和闭环管理
案例分析：新能源领域的数字化供应链
案例分析：人工智能（AI）大模型及其对供应链的意义
小组讨论：供应链大数据应用落地的要点
七、大数据分析相关资源
行业前沿信息来源
后续学习资源推荐
讨论与答疑
