Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Wie werden Erkenntnisse generiert?
Amazon Connect Decisions verwendet einen systematischen Prozess, um Ihre Lieferkettendaten zu überwachen, Probleme zu erkennen und Erkenntnisse mit umsetzbaren Empfehlungen zu gewinnen. Wenn Sie diesen Prozess verstehen, können Sie effektive Regeln konfigurieren und die Erkenntnisse, die Sie erhalten, interpretieren.
Der Prozess zur Gewinnung von Erkenntnissen
Die Generierung von Erkenntnissen folgt einem vierstufigen Prozess, der Ihre Lieferkettendaten in verwertbare Informationen umwandelt:
1. Metrische Berechnung
Das System berechnet kontinuierlich Kennzahlen auf der Grundlage Ihrer Lieferkettendaten. Bei diesen Kennzahlen handelt es sich um quantifizierbare Messwerte, mit denen die Leistung Ihrer gesamten Betriebsabläufe bewertet wird, z. B.:
Voraussichtlicher Lagerbestand
Tage der Versorgung
Das Inventar dreht sich
Variabilität der Vorlaufzeit
Genauigkeit der Forecast
Metriken werden mit der von Ihnen definierten Granularität berechnet, z. B. nach Produkt, Standort oder Kombination aus Produkt und Standort. Das System aktualisiert diese Berechnungen auf der Grundlage der von Ihnen konfigurierten Häufigkeit (täglich, wöchentlich oder sobald neue Daten eintreffen).
2. Bewertung der Regeln
Sobald die Metriken berechnet wurden, bewertet Amazon Connect Decisions sie anhand Ihrer konfigurierten metrikbasierten Regeln. Metric-based Regeln definieren die spezifischen Bedingungen, unter denen Sie auf potenzielle Probleme aufmerksam gemacht werden möchten.
Jede metrikbasierte Regel umfasst drei wesentliche Komponenten:
Metriken: Die quantifizierbaren Messungen, die überwacht werden
Schwellenwerte: Die Grenzwerte, bei deren Überschreitung Erkenntnisse gewonnen werden
Geltungsbereich: Die Produkte, Websites oder andere Dimensionen, für die die Regel gilt
Eine Regel könnte beispielsweise lauten: „Warnmeldung, wenn der voraussichtliche Lagerbestand unter die Mindestmenge an Sicherheitsbeständen fällt UND Tage, bis der Lagerbestand 14 oder weniger beträgt UND das Kundenrisiko 25.000$ übersteigt.“
Wenn die Bedingungen einer Regel erfüllt sind, leitet das System den Prozess zur Generierung von Erkenntnissen für die betroffenen Artikel ein.
3. Ursachenanalyse
Wenn eine Regel ausgelöst wird, führt Amazon Connect Decisions automatisch eine Ursachenanalyse durch, um zu verstehen, warum das Problem aufgetreten ist. Das System:
Untersucht relevante Lieferkettendaten in mehreren Dimensionen
Überprüft historische Muster und aktuelle Änderungen
Analysiert die Beziehungen zwischen verschiedenen Faktoren (Nachfrage, Angebot, Inventar, Bestellungen)
Wendet Ihre richtlinienbasierten Regeln an, um den Geschäftskontext bereitzustellen
Policy-based Regeln leiten diese Analyse, indem sie qualitative Richtlinien dazu enthalten, wie das System Probleme berücksichtigen und analysieren sollte. Eine richtlinienbasierte Regel könnte beispielsweise lauten: „Analysieren Sie immer die folgenden Hauptursachen, um Erkenntnisse über Bestandsknappheit zu erhalten: Fehler bei der Bedarfsprognose, Probleme mit der Lieferfrist, Engpässe bei der Produktionskapazität.“
Die Ursachenanalyse identifiziert die Hauptgründe für das Problem und bietet eine detaillierte Erläuterung der dazu beitragenden Faktoren.
4. Gewinnung von Erkenntnissen und Generierung von Empfehlungen
Nach Abschluss der Ursachenanalyse erstellt das System die Erkenntnisse anhand von:
Eine klare Beschreibung des Problems
Die Erklärung der Grundursache
Relevante Metriken und Datenvisualisierungen
Prioritätsklassifizierung auf der Grundlage Ihrer konfigurierten Priorisierungsfaktoren
Empfohlene Maßnahmen zur Lösung des Problems
Alternative Maßnahmen, die in Betracht gezogen werden sollten
Empfehlungen werden auf der Grundlage Ihrer Geschäftsregeln, betrieblichen Einschränkungen und des spezifischen Kontextes des Problems generiert. Das System berücksichtigt bei der Formulierung von Empfehlungen Faktoren wie verfügbares Inventar an anderen Standorten, Lieferzeiten von Lieferanten, Produktionskapazität und finanzielle Auswirkungen.
Zeitpunkt und Häufigkeit
Erkenntnisse werden auf der Grundlage der Häufigkeit generiert, die Sie in Ihren metrikbasierten Regeln konfigurieren (in der Regel täglich oder wöchentlich). Das System verarbeitet neue Daten gemäß Ihrem Zeitplan für die Datenaktualisierung, berechnet Metriken neu, bewertet Regeln und generiert Erkenntnisse für alle neu erkannten Probleme.
Bestehende Erkenntnisse werden automatisch aktualisiert oder als abgeschlossen markiert, wenn neue Daten zeigen, dass das Problem die konfigurierten Schwellenwerte nicht mehr erfüllt.
