• 
  工业设计史(第四版)（内容一致，印次、封面或原价不同，统一售价，随机发货）
  ￥25.80

《大数据供应链:构建工业4.0时代只能物流新模式》桑德斯博士对大数据分析法在供应链各个环节中的作用做了详细地讲述，指出向智能供应链转型的三大阻碍，并提供了一个系统地使用大数据的五步路线图。从中你能学到一些* 佳的方法，你会学会分割和分析顾客，确定每部分竞争优先权，调整功能背后的策略，感知需求，做出更好决策，确定适当的指标来支持以上的行为。使用这些技巧，你就可以充分利用大数据，解决供应链中的许多问题。

**部分 “大数据”驱动的供应链 / 1 /
第1章 游戏规则的改变者 / 3 /
大数据概要 / 5 /
有何不同 / 10 /
它意味着什么 / 14 /
向大数据分析企业转型 / 18 /
数据驱动的供应链 / 21 /
第2章 大数据推动供应链转型 / 23 /
贯穿供应链始末的四大部分 / 24 /
供应链系统 / 26 /
从生产源头到终端销售 / 30 /
协调整合 / 35 /
智能供应链 / 37 /
第3章 大数据供应链实施的障碍 / 43 /
为什么不是每家企业都在应用大数据分析法 / 44 /
应用大数据分析法存在的障碍 / 46 /
占得先机 / 55 /
第二部分 大数据分析法对供应链各个环节的影响 / 57 /
第4章 大数据分析法对销售的影响 / 59 /
驱动供应链 / 60 /
一切为了顾客 / 66 /
优化定价 / 73 /
推销规划 / 74 /
基于地点的市场营销 / 75 /
营销组合优化的全景 / 78 /
第5章 大数据分析法对制造的影响 / 83 /
制造我们销售的产品 / 84 /
产品设计与创新 / 91 /
改善制造流程 / 96 /
数字化工厂 / 100 /
由智能制造连接的价值链 / 103 /
第6章 大数据分析法对物流的影响 / 107 /
运送销售货物 / 108 /
大数据如何影响物流环节 / 115/
物流活动的整合 / 126 /
第7章 大数据分析法对采购的影响 / 127/
大数据与采购环节 / 128 /
企业到底有多需要大数据分析法 / 134 /
数据业务外包 / 139 /
风险管理 / 142 /
第三部分 构建大数据智能供应链 / 147 /
第8章 构建大数据智能供应链路线图 / 149 /
经验教训 / 150 /
精益求精 / 152 /
如何实现 / 156 /
拆分分区 / 157 /
战略联合 / 161 /
度量的重要性 / 165 /
大数据供应链进程 / 169 /
第9章 发挥大数据分析法的作用 / 175 /
企业战略确定企业发展方向 / 175 /
分析法策略基石 / 180 /
根据成熟路线图发展 / 188 /
销售与运营规划 / 192 /
根据大数据做出决策的人力 / 198 /
第10章 **企业大数据变革 / 201 /
必要转型 / 202 /
大数据变革的四个阶段 / 207 /
大数据时代的*** / 216 /
译者后记 / 219 /

向大数据分析企业转型
商业影响
请看下列运用大数据分析法的企业：
全球水泥巨头西麦斯（CEMEX）成功地应用大数据分析法优化了供应链与交货时间；
沃尔玛主要依靠分析法管理整条供应链；
迪尔公司（Deere&Company）在2000年到2005年期间，采用创新方法优化库存，为公司节省了约12亿美元的库存成本；
宝洁公司（Proctor&Gamble）于20世纪90年代中期运用运筹学方法重新制定采购与物流方案，为公司节约了约2亿美元成本；
亚马逊宣称其*新的**分析法能够提前预测消费者的购买行为，公司能够根据消费者搜索与光标停留在某一网站的时长，在实际购买行为发生之前将商品集中批量运送到物流**。
以往基于直觉与猜测的问题现在都可以得到客观量化的解答。大数据分析法能够回答下列问题：
企业前景如何？我们顾客的需求是什么？
我们为什么会成功？我们的战略有效吗？
我们未来应该怎么做？应该投资哪些资源？
我们应该怎样使风险*小化？应该怎样预防企业崩溃？
改变现状与未来
解决上述问题就能够改变整个商业的各个层面，上述问题让企业了解了现状与未来。通过解决上述问题，企业不仅能够更好地预测竞争与市场动态，提高自身竞争力，还能够大大提升运营与供应链管理的服务质量。企业应用大数据分析法，能够提高生产力，提**率，优化质量，提高预防性维修设备能力，更好地管理供应商与消费者、物流与运输，有效地评估战略，提高预测的准确性与应对破产的能力。总而言之，运用大数据分析法能够提高企业的风险管理能力。
应用大数据分析法使得企业提**率与效益，以*小成本获得*大产出，生产优质产品，增加产品与服务附加值成为可能。企业可以利用数据设计产品以更加迎合消费者的口味，更不用说了解消费者的需求了。企业通过分析消费者在商店中的购买行为与微观的消费者群体，能够优化市场细分，确切了解消费者需求。实际上，大数据分析法正在推动商业向“购物者营销”时代迈进，即无论消费者身在何处，只要他们在购物，企业都可以监控消费者的行为，为其打造全面的购物体验。例如，企业可以通过在线服务了解在网上购物的消费者，通过定位追踪在旅途中购物的消费者，通过店内监控了解在实体店购物的消费者。
在使用的产品方面，数据还可以用来提高产品性能。例如，一部手机若是能够了解使用者的习惯与偏好，那么其应用软件、图片和数据都会迎合这个使用者的口味。因此，这部手机与未量身定制的同类设备相比时会更加具有价值。
创造新商机
数据包含的潜在信息正在创造着各种商机。例如，企业能够获取关于汽车零件在汽车行驶时使用情况的数据，这种数据可以用来优化零件设计，成为企业的巨大竞争优势。让我们来看看能够获取汽车地理信息的Intrix公司。2012年，该公司进行了一项试验以分析汽车自动刹车系统在何时何地启动。试验假设在某一路面上频繁启动防滑刹车系统（Anti-skid Brake System，ABS）表明此时路况危险，因此，司机应该考虑改变行车路线。基于此，该公司提供了更加周到的服务，为司机们***短***的行车路线，这在整个商业领域是全面的创新。
大数据也在推动新型商业的诞生，特别是整合与分析数据的商业。数据是企业的新型资产，但是，由于它增长快、规模大、发展迅速，大多数企业都无法企及，也就无法使之成为企业的核心竞争力。因此，很多非信息技术企业都会寻求方案供应商应对这一难题，其通常的做法是利用第三方的相关技术，这也就催生了“第三方分析法供应商”，其中包括不同的分析与信息技术专家、数据代理商、软件销售商、方案咨询师。第三方分析法供应商与第三方物流供应商相似，后者侧重统筹实体商品，而前者则侧重整合、解读大量数据。
数据驱动的供应链
大数据分析法改变了许多商业领域，但是没有哪个领域的变化能够与供应链管理发生的变化相匹敌。除非有突发状况，例如，在网上订购的商品没有如期到货，或者是想购买的宣传商品已**，否则，多渠道销售的零售商必须要在当天交货，这一点早已经成为众多消费者的期许。没有大数据推动，点对点的运营模式、获得全球供应链管理的竞争优势就无从谈起。
以特易购为例，该公司从消费者忠诚计划中获取了大量消费者数据，通过分析这些数据为其向战略细分后的消费者群体进行促销宣传提供决策支持。亚马逊同样走在了大数据分析法的前沿，利用消费者的数据，亚马逊采用一种称为协同筛选的预测性模型使其**引擎更加智能化，可以显示“你可能也喜欢……”。不仅如此，通过分析数据决策，亚马逊不断地巩固其在同行业中的领导地位。沃尔玛也很早就开始利用大数据来管理供应链。它让零售店与供应商共享供求信息，实现供应链的决策*优化。例如，服务消费者、跟踪库存（像销售点数据与射频识别感应器）、基于供应商的自动购买订单等。
供应链内感应库存的射频识别标签已经成千上万，据估计，射频识别标签销售量将从2011年的1 200万个增长到2021年的2 090亿个。供应链在不断结合不同系统中的数据，以协调整条供应链的运作。市场销售通过零售店产生大量销售点数据，这些数据在零售商与供应商之间实现共享，以实现对存货的实时监控。射频识别标签既跟踪货架上与运送中的货物，又监控库存量，以保证订货补给。通过计算机辅助设计、计算机辅助工程、计算机辅助生产、协同产品开发管理与数字化生产等方式增加数据，并将这些数据跨组织区域地连接到点对点的供应链中。
若企业能够从其他资源中整合数据，则能够获取更多的价值。这些数据可能来自零售商，但又不局限于销售数据，可能是促销数据，例如，商品名、价格与折扣；可能是商品投入市场数据，例如，某些特定的商品以及增加或减少其产量的计划；也可能是库存数据，例如，每个仓库的存货量、每个商店的销售量。这些数据对于在供应链内将需求商品成功运送起着至关重要的作用。
企业通过供应链协同管理与规划，可以减小供应链的牛鞭效应①，从而促进供应链的各个环节流畅运行。目前，虽然许多企业将消费者数据据为已有，然而，也有许多成功的企业数据分享案例。例如，沃尔玛允许其所有的供应商利用零售链（Retail Link）平台，使得数据在不同企业之间实现交换与分享，提高了数据透明度，从而在不同企业之间实现了合作。
大数据分析法不仅改变了游戏规则，也催生了智能供应链。