公司在转型为数字供应链时面临的主要障碍之一是他们无法从客户和供应商那里获取数据 - 甚至无法从他们自己公司的其他部门获取数据。没什么新鲜的吧?新的是“交易数据”的想法，以克服这一障碍，并用作数字供应链转型的催化剂。让我解释。公司正积极转向人工智能和机器学习(AI / ML)以获得竞争优势。但要使该战略取得成功，公司必须开发依靠AI / ML技术来运营业务的算法。算法背后的生命力是什么?数据。很多数据。这使得内部以及与客户和供应商的数据交易对于释放AI / ML的能力至关重要。

关键的管理问题是如何做到的?

了解如何与其他部门以及与价值链合作伙伴一起评估和交易数据，首先要考虑数据，而不是资金。一旦你考虑像金钱这样的数据，很明显你必须在战略上使用它。

考虑您与组织中其他部门的谈判。也许是关于预算以及谁将从他们的预算中支付一些费用。就像金钱一样，您的供应链部门拥有的数据可能对产品开发或销售等其他部门非常有价值。其他部门肯定有数据可以帮助您的供应链更好地了解需求和风险。

然而，数据交易的真正力量来自您的供应链。数字供应链最重要的一个方面是超出组织范围的协作。就像您为商品和服务兑换货币一样，您可以将数据与供应商和客户的数据进行交换。这是有趣的地方，因为与金钱不同，数据的价值是相对的。这取决于背景以及它如何适应每个公司的战略难题。

根据我们对商业领袖的采访，大多数公司都对与客户和供应商缺乏数据共享感到沮丧。当然，一个问题是希望保护专有数据而不是失去竞争优势。但另一个根本原因是数据共享对每家公司意味着什么的模糊性。让我们切合实际，没有公司会给你他们所有的数据。你可能不需要它或者甚至不需要它。

为了让事情发生变化，您需要从与客户和供应商的数据共享的一般概念转变为您想要的具体数据以及您愿意交换的价值。与许多业务关系和业务流程改进一样，如果从小规模开始，更有可能发生这种情况。

这意味着您需要确切地确定哪些数据对您最有用。例如，一个消费品品牌希望从主要零售商那里获得最终消费者的年龄和性别。一家汽车轮胎制造商希望从汽车公司获得租赁汽车的里程和结束日期。一家电子元件制造商希望从智能手机制造商那里了解终端消费者所需的新产品功能。在每家公司中，都有非常具体的数据可以帮助您完成拼图。从谈话到行动，公司必须超越一般性的谈话，并且变得非常具体。

您还需要清楚地了解驱动数字供应链的算法。服用相关算法的库存是非常重要的。对于许多公司而言，当您看到它们之间存在脱节时，这是一项令人大开眼界的工作。您需要充分了解当前数据的价值以及您需要哪些数据来优化当前算法的性能。

随着您在数据交易策略中变得更加复杂，请考虑您的数据对第三方的价值。从战略角度思考，让自己陷入困境。想想哪些具体的数据可能有助于填补他们的难题。您知道您缺少哪些数据拼图，您可以推测您的客户或供应商缺少的部分。我们知道公司在清理数据上花费了大量时间和资源。如果您可以在一个非常特定的区域向客户提供干净的数据，以换取获取您需要的关键数据，该怎么办?除了合作伙伴想要的数据之外，还有其他有价值的东西。例如，他们可能希望提前发布产品或有利的定价或首要支持。

准备对于有效的数据交易至关重要。我们开发了一个全面的DSCI数据交易框架，概述了您可以遵循的流程，以释放与价值链合作伙伴共享数据的价值。DSCI数据交易框架包括三个关键阶段。

准备：

思考客户或供应商可能想要的东西。但是，在进入谈判之前，请确保您在内部就您可以提供的数据达成一致。清楚地了解您需要的数据以及您需要的频率。

谈判：

数据交易谈判中需要解决一些具体问题。对您的需求和实际使用要切合实际。

治理：

将数据保护和网络安全的控制纳入您最终构建数据交易协议的方式。

数字供应链转型具有独特的挑战，例如从客户和供应商处获取关键的新数据。开发数据交易框架可以帮助您获得所需的数据，从而释放数字供应链的潜在优势。另一个好处是：它有助于打破孤岛并促进协作，并为您提供系统地识别，评估和获取所需特定数据的方法。

标签：