具有價值的靈感，往往不是源於單一的「靈光乍現」
供應鏈管理需要機器學習大改造
How Machine Learning Will Transform Supply Chain Management
關於本文藝術作品／比利時攝影師迪迪埃．恩格斯（Didier Engels）常拍攝歐洲各地的碼頭、貨船、貨櫃。這些圖像是先空拍五顏六色的貨櫃，再後製成精彩的構圖。
近年來，企業的供應鏈不斷遭受各種因素干擾，但企業採取傳統的規畫方法，降低了供應鏈的敏捷性與韌性。本文提出一套「最佳機器學習」規畫方法，運用歷史與當前的數據，為企業提供更好的決策建議。
(不符合) 小於6段 & 小於700字 (段落: 1/ 字數: 187)
近年來，新冠疫情、烏俄衝突、貿易戰與其他事件干擾了供應鏈，凸顯出企業亟需改善規畫，以提高敏捷性與韌性（resilient，或譯復原力）。然而，企業疲於因應這項挑戰，一個主要原因是採用有缺陷的預測方式，導致交貨延遲、庫存水位（inventory levels）與需求嚴重脫節、財務績效令人失望。這些結果並不令人意外。畢竟，需求預測普遍不準時，怎麼可能有效做出庫存與生產的決策？
本文觀念精粹
已經是會員？立即登入
閱讀完本模組的文章／個案後
我們建議您思考下列問題
Q.
什麼是數位轉型的真實意義？
Q.
你是否已盤點組織數字化、數位化與數位轉型的目標與能耐。
Q.
如何運用企業智慧決策分析學找出組織明確的發展盲點與機會點？
Q.
如何培養組織與時俱進的頂尖員工？
Q.
如何擬定組織的數位轉型策略？
Q.
如何讓組織數位轉型策略落地？
Q.
如何制定推動「分析成性，公私兩利」組織文化的戰術？
Q.
什麼是「轉識成智」？如何協助組織轉識成智進而推動智慧決策？
