本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
如何產生 Insights?
Amazon Connect Decisions 使用系統化程序來監控您的供應鏈資料、偵測問題,以及透過可行的建議產生洞見。了解此程序可協助您設定有效的規則,並解譯您收到的洞見。
Insight 產生程序
Insight 產生遵循四階段程序,將您的供應鏈資料轉換為可行的智慧:
1. 指標計算
系統會根據您的供應鏈資料持續計算指標。這些指標是可量化的測量,可評估整個操作的效能,例如:
預計庫存層級
供應天數
庫存周轉
前置時間變異性
預測準確性
指標是根據您定義的精細程度計算,例如依產品、網站或產品網站組合。系統會根據您設定的頻率 (每日、每週或新資料送達時) 更新這些計算。
2. 規則評估
計算指標後,Amazon Connect Decisions 會根據您設定的指標型規則進行評估。指標型規則會定義您希望收到潛在問題提醒的特定條件。
每個指標型規則都包含三個基本元件:
指標:正在監控的可量化測量
閾值:交叉時觸發洞見的邊界值
範圍:規則套用的產品、網站或其他維度
例如,規則可能表示:「當預計庫存低於安全庫存下限時提醒,直到缺貨為 14 天或更少,且客戶影響風險超過 25,000 美元。」
當符合規則的條件時,系統會啟動受影響項目的洞見產生程序。
3. 根本原因分析
觸發規則時,Amazon Connect Decisions 會自動執行根本原因分析,以了解問題發生的原因。系統:
檢查跨多個維度的相關供應鏈資料
檢閱歷史模式和最近的變更
分析不同因素之間的關係 (需求、供應、庫存、訂單)
套用以政策為基礎的規則,以提供業務內容
政策型規則透過提供系統應如何考慮和分析問題的定性指導方針來引導此分析。例如,以政策為基礎的規則可能表示:「對於庫存短缺洞察,請一律分析下列根本原因:需求預測錯誤、供應商前置時間問題、生產容量限制。」
根本原因分析可識別問題背後的主要驅動因素,並提供促成因素的詳細說明。
4. Insight Creation and Recommendation Generation
完成根本原因分析後,系統會使用下列項目建立洞見:
清楚描述問題
根本原因說明
相關指標和資料視覺化
根據您設定的優先順序因素進行優先順序分類
解決問題的建議動作
要考慮的替代動作
根據您的業務規則、操作限制條件和問題的特定內容產生建議。制定建議時,系統會考慮其他位置的可用庫存、供應商前置時間、生產容量和財務影響等因素。
時間和頻率
洞見是根據您在指標型規則中設定的頻率產生 (通常是每日或每週)。系統會根據您的資料重新整理排程處理新資料、重新計算指標、評估規則,並針對偵測到的任何新問題產生洞見。
當新資料顯示問題不再符合設定的閾值時,現有的洞見會自動更新或標記為完成。