在關于設備機能，供給商要害績效指標（KPI）和庫存程度的每周陳訴之間，更多的數據大概是供給鏈打點者最不肯意處理懲罰的工作。

然而，天天有更多的數據不絕涌現：按照IBM公司的觀測陳訴，全球天天締造2.5EB字節的數據（即10億千兆字節）。但它并不老是這樣。按照IBM公司的計較，世界上90％的數據只是在已往兩年建設的，并且陳訴中顯示，企業利用數據可以節減數百萬美元，并以前所未有的方法提高事情效率。

當企業預算收緊時，打點人員回收大數據以提高效率，這并不奇怪。究竟，很多公司耗費十多年時間來引進或進級數據處理懲罰系統，并回收云計較和/或物聯網。此刻，供給鏈打點者被要求利用這些數據，因此這說起來容易，做起來難。

人們需要認識到盲目啟動項目所面對的挑戰，JDA軟件公司嘗試室認真人SureshAcharya對付大數據的應用舉辦了理會。

Acharya說，“沒有什么是令人望而生畏的，有一個要領可以做到這一點。”他指出，供給鏈打點者在啟動一個新項目之前必需問本身五個問題：

1.本身的業務案例是什么？

也許當打點人員試圖應用數據時，其最大的問題是在腦子中沒有一個可以或許辦理的案例。當開始一個新項目時，供給鏈打點者應該有一個特定的業務問題要辦理（好比，庫存過剩），并可以或許量化（淘汰5％，將節減幾多用度）。

“假如你從數據中找出需要辦理的業務問題，那么這真的是舍本逐末。”Acharya說。“你想要說的是：這是我想要辦理的問題，是我所擁有的數據。那么是否規劃收集可能購置和訂閱，以輔佐辦理這個問題？”

“所以，需要確保你有一個業務案例，并試圖辦理一個業務問題，”他增補說。

2.有正確的數據源嗎？

思量到一個大數據項目作為一個需要辦理的問題，而不是一個要完成的項目，這大概會表白今朝可用的數據不是辦理這個問題所需的信息。

“假如要查察庫存或缺貨環境，你有庫存的數據嗎？你有關于銷售點或訂單嗎？或任何工作都大概是數據。你應該對想要辦理的業務問題和擁有的數據源舉辦調解。”Acharya說。

提出此問題大概有助于在繼承實施項目之前確定必需收集哪些其他數據。也許需要來自供給商的附加產物信息，可能來自零售商的差異銷售點信息。假如相助同伴不能提供此信息，則大概需要一種新的要領。

3.你的數據是否可用？

與第二個問題雷同，供給鏈打點人員必需可以或許思量如何記錄和存儲可以用來辦理其業務案例的數據。

存在幾種范例的數據，但無論數據是布局化的還長短布局化的，內生的或外生的，可以基于數據項目標性質來區分。換句話說，零售商和制造商可以收集各類非布局化數據，譬喻對產物的客戶評論。可是，每一方收集，量化，闡明數據的方法差異，因此按照他們的業務案例的需要大概完全差異。可以或許收集數據集不使它可用；業務實例的參數抉擇它是否可用。

“假如你認為有很大都據，但卻沒有真正查抄是否會增加或輔佐辦理業務問題，那么你需要退一步并想步伐辦理。”Acharya說。

4.算法是否存在？

一旦貿易案例被確定，而且可用數據被判定為相關和有用，企業必需確保問題可以基于當前可用的算法來辦理...假如它不能，最好尋找一個更好的辦理方案。

“這并不是說只要有數據，就必然有步伐來輔佐你辦理它。無論對付學術界照舊業界來說，有些問題確實是新的，這些問題尚未獲得辦理。”Acharya說。

“大概有一種要領來辦理它，但這個詳細問題可大概沒有辦理，所以你也需要做好摸索算法的籌備。”他增補說。

5.樣本是什么？

假如所有上述條件都能滿意，那么大數據項目是可行的。然而，只是因為可以做到，并不料味著執行者應該急于實施。

“所有這一切都應該首先在一個很是小的樣本長舉辦測試。”Acharya說，“你想實驗一下小樣本，然后假如它是可行的，已包辦理了問題，那么可以開始擴大局限。“

就像出產運行需要原型和樣本一樣，大數據項目需要一個測試研究來確定可行性。在抱負環境下，這樣的項目將建設可操縱的功效，香港網存空間 北京主機，可是假如算法或實施要領有問題，功效大概得到錯誤的辦理方案。對付人們來說，不能實施項目總比錯誤實施項目要好。