图三：每种分析的平均使用水平
受访者再次需要用一个7分制的量表来选择他们企业目前使用的每种类型的分析来说明他们供应链决策的程度（1分表示没有使用，7分表示大量使用）。平均而言，受访者对描述性分析的评分为4.61分（在“部分使用”和“经常使用”之间），对诊断性分析的评分为4.02分，对预测性分析的评分为3.16分（在“部分使用”和“偶尔使用”之间），对规范性分析的评分为3.56分，对认知性分析的评分为2.27分（“不经常使用”）参见图三。这些分数与去年相似，或者略低于去年。调查结果表明，在现实生活中的许多供应链中，复杂的分析类型仍然比基本的方法使用得少。
图四：分析类型与现实收益的关联性
通过对调查结果进行回归分析，企业使用的分析类型与他们报告所获得的收益之间存在显著的相关性。标注1通常，越复杂的分析往往与越广泛的结果相关联。在图四中显示了描述性分析的使用至于客户服务的改进相关。这一发现是有道理的，因为了解供应链中正在发生的事情，可以帮助企业在客户发现问题之前，更好地告诉他们所面临的问题。虽然诊断分析的使
用与需求规划略有关联，并且与协作程度相关，但是没有发现与任何其他已实现的好处有关联。（所谓“轻微”我们的意思是，有90%以上的把握，而不是95%以上的把握）然而，预测分析可以与许多好处联系，比如需求规划、风险管理和协作方面的改进。
有些违反直觉的是，规定分析与这些已实现的好处没有任何相关。事实上，他于需求计划的改进呈轻微的负相关。当公司达到规定性分析的水平时，他们可能不仅对需求规划做出了一些改进，而且更加意识到自己的问题所在。如果没有更高级的分析能力，他们可能难以解决这些问题，而现在他们对这些问题有了更多的了解。从很多方面来看，这种负相关知识我们在2024年报告中看到趋势的一个缩影。企业开始实施更复杂的流程，并在此过程中开始认识到他们尚未克服的困难。
最后，我们发现最有帮助的分析类型是认知分析，与风险管理和生产力有很强的相关性，与客户服务、可见性和协作有轻微的相关性。换句话说，使用的分析类型越复杂、越有前瞻性，企业就会意识到更多的好处。
在调查企业用于执行分析的软件工具类型时，调查题型再次使用7分制（其中1分表示“不使用”，4分表示“某些用途”，7分表示“大量使用”）以衡量企业目前使用各种分析工具。这些工具包括：Microsoft Excel或类似的电子表格程序；运营点解决方案（OPS），如仓库管理系统和运输管理系统，与企业资源规划（ERP）系统相关的高级分析工具和商业智能（BI）工具。与去年的调查结果一样，Excel电子表格程序是试用最广泛的分析工具，平均得分为5.80分，表示“频繁使用”。OPS平均得分4.64分，ERP和商业智能工具分别是3.97分和3.88分。
图五：软件工具和实现的利润之间的相关性
调查小组进行了多次分析以确定实现的有形大数据分析利益与这些平台的使用之间是否存在联系。（参见图五）虽然Microsoft Excel是这些平台中使用最广泛的，但它也是最不实用的。实际上，在使用Excel或OPS作为主要大数据分析平台，与客户服务、需求规划、风险管理、供应链可视性、协作或整体生产率等方面不存在任何切实改善的关联。这说明，很多企业现有的大数据分析是无效的。他们可能对目前的状态有所帮助，但是不是一个长久的使用工具。如果不改变方法，企业不太可能看到状态的改变。
相反，尽管ERP和BI系统是最少使用的平台，但回归分析表明他们是最有益的。ERP的使用与客户服务、需求计划、风险管理、库存管理、供应链可见性和增加盈利能力的实现有着显著的关联性。BI系统在客户服务、供应链核实性、端到端供应链协作以及整体生产力方面性能的改进提供了最佳解决方案。这些结果表明，要让大数据分析发挥作用，企业需要使用正确的工具。
希望在哪里？
尽管大多数受访者只实施了一些不太复杂的分析类型，但是他们对这些分析的结果都抱着很
高的期望。根据报告显示，这些受访者通过大数据的分析和实践在预计未来12个月客户服务、供应链可视性、生产力以及盈利能力上都有显著的改善。但实际上，仅有40%的受访者计划在未来12个月之内对认知分析进行中等或非常大的投资，只有52%的受访者计划在预测分析方面进行大量投资。相比之下，近三分之二（63%）的受访者都在计划投资描述性的分析。
2024年的调查结果表明现实与预期结果之间存在脱节的状态。企业似乎将重点放在基础解决方案商，但是希望获得的是复杂解决方案的相关结果。
图六 实施大数据分析的障碍
尽管很多现象令人担忧，但是仍有希望。在调查中的受访者普遍表示，与去年相比，实施大数据分析的阻碍变得越来越少。在实施大数据分析中的障碍调查中，分为七个等级，其中潜在障碍从5（中等重要）和4（无显著或无意义）的平均分数下降到了4或3（中等无关紧要）之间的分数。（见图六）
在分析数据之后可以看到，管理支持是今年和去年之间的关键差异。拥有强大管理支持的企业不认为他们会投资额外的软硬件或将价值主张理解为大数据分析实施的重大阻碍。他们也不相信安全风险会阻碍大数据分析的采用。范围，他们认为大数据分析在实施当中人才的获取、整合孤岛式系统以及获得新工具的能力是最大的阻碍。
大数据分析计划获得越来越多的公司高管的重视，对于遇到困难或失误时继续推动成功的大数据分析计划至关重要。它还确保在未来所需工具、人员以及培训所需的资金支持。
前方的路
在调查结果中可以看到，虽然很多公司已经增加了大数据分析的项目，但是他们的大数据分析的满意度以及预期效果有所下降。企业似乎对开展和投资这项技术没有足够的信心。实际上，任何新兴技术的实施都会经历这个阶段，正如知名分析机构Gartner在其定义的“炒作周期”中所描述的那样。许多技术专家观察到，当引入新技术时，通常会有一段时间不断增长的炒作和建立期望。当技术最初没有达到比预定过高的期望时，Gartner经常会称之为“幻灭的低谷”在此期间，企业对技术的期望在没有达到预期或者过高的期望时就会迅速下面。然后，随着企业发现技术在实际应用当中的作用，期望再次上升。在接下来的时间，企业重新获得他们在幻灭的低谷中失去的一些期望，但他们再也没有达到炒作周期开始时所见的高度。许多企业似乎对大数据分析实施中遇到的阻碍和迷茫是在成长过程中必不可少的一部分。
大数据分析有可能进入“幻灭的低谷”，因为企业需要投入很大的时间和精力来进行清理数据和扩展其他类型的分析。同时为了获得更加可靠的数据，企业不仅需要自身拥有一个中央数据存储库，同时还需要寻找一个跨组织的合作伙伴进行数据的收集和分析。这样就需要建立一个合作机制，包括问责、可重复性工作以及主题验证等内容，同样还需要商务沟通的时间
大数据的成长之痛 附供应链数据分析最佳实践流程 - 图文
