現(xiàn)在，隨著新冠疫情逐漸離我們遠(yuǎn)去，數(shù)據(jù)的數(shù)量和復(fù)雜性繼續(xù)增長，其速度比新冠疫情之前更快。因此，首席采購官 (CPO) 和其他供應(yīng)鏈專業(yè)人員發(fā)現(xiàn)他們需要有效的端到端數(shù)據(jù)管理功能，以跨眾多不同類型的來源無縫實(shí)時(shí)提供數(shù)據(jù)視圖。事實(shí)上，2018 年德勤 (Deloitte) 開展的一項(xiàng)調(diào)查發(fā)現(xiàn)，超過 3/5 的 CPO (65%) 對(duì)于一級(jí)供應(yīng)商之外的了解有限，甚至完全沒有了解。一年后，德勤發(fā)現(xiàn)將數(shù)據(jù)質(zhì)量列為采購的主要障礙之一。

多年以來，各組織一直在努力解決其供應(yīng)鏈中的數(shù)據(jù)管理問題，并為企業(yè)尋找正確解決方案，與此同時(shí)，一個(gè)強(qiáng)大的替代方案一直在幕后滲透，這就是邏輯數(shù)據(jù)倉庫 (LDW)，它是轉(zhuǎn)換和交付數(shù)據(jù)的基礎(chǔ)，具有較高敏捷性。Gartner 的 Mark Breyer 早在 2008 年就首次提出了這個(gè)術(shù)語，來指稱數(shù)據(jù)倉庫的下一次演化，因?yàn)樗皩Ｗ⒂谛畔⒌倪壿嫸皇菣C(jī)制”。從那時(shí)起，邏輯數(shù)據(jù)倉庫在數(shù)千家公司得到成功部署和應(yīng)用，其復(fù)雜性和可靠性也在不斷提高。與傳統(tǒng)的數(shù)據(jù)倉庫不同，邏輯數(shù)據(jù)倉庫支持跨多個(gè)不同系統(tǒng)（包括基于云的存儲(chǔ)庫和流數(shù)據(jù)源）提供實(shí)時(shí)數(shù)據(jù)視圖。

邏輯數(shù)據(jù)倉庫和當(dāng)今的供應(yīng)鏈

最近，Gartner 闡述了如何將邏輯數(shù)據(jù)倉庫用于供應(yīng)鏈。他們繪制了一個(gè)架構(gòu)，相對(duì)于數(shù)據(jù)基礎(chǔ)設(shè)施的其他關(guān)鍵組件（包括操作數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)倉庫、數(shù)據(jù)集市和數(shù)據(jù)湖），邏輯數(shù)據(jù)倉庫構(gòu)成該架構(gòu)中的核心角色，以滿足從事一系列分析工作的不同用戶（如業(yè)務(wù)分析師、數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家）的特定需求，這些分析工作涉及操作智能、業(yè)務(wù)報(bào)告和情報(bào)、高級(jí)分析和數(shù)據(jù)科學(xué)。

Gartner 建議供應(yīng)鏈主管圍繞 Gartner 的數(shù)據(jù)和分析基礎(chǔ)設(shè)施模型 (DAIM) 構(gòu)建自己的分析和情報(bào)方法，DAIM 是一個(gè)四象限模型，涵蓋數(shù)據(jù)和分析的大多數(shù)應(yīng)用場(chǎng)景，并且基于以下兩個(gè)維度：

1. 已知數(shù)據(jù)與未知數(shù)據(jù)：“已知”數(shù)據(jù)是結(jié)構(gòu)化的，具有明確的業(yè)務(wù)價(jià)值，而“未知”數(shù)據(jù)是非結(jié)構(gòu)化的，尚未證明其業(yè)務(wù)價(jià)值。
2. 已知業(yè)務(wù)問題與未知業(yè)務(wù)問題：已知問題是在定期報(bào)告活動(dòng)中經(jīng)常提出的問題，而未知問題是在應(yīng)對(duì)不斷變化的業(yè)務(wù)或市場(chǎng)條件時(shí)出現(xiàn)的問題。

Gartner 的報(bào)告顯示了數(shù)據(jù)基礎(chǔ)設(shè)施的五個(gè)關(guān)鍵組成部分（邏輯數(shù)據(jù)倉庫、運(yùn)營智能組件、數(shù)據(jù)倉庫、數(shù)據(jù)湖和數(shù)據(jù)科學(xué)組件）與 DAIM 的對(duì)應(yīng)關(guān)系，以及每種場(chǎng)景中傾向于應(yīng)用的角色和技能。

有兩點(diǎn)觀察非常明確：首先，除了邏輯數(shù)據(jù)倉庫之外，其他四個(gè)基礎(chǔ)設(shè)施組成部分及其相關(guān)的角色和技能，大致按以下方式與四類 DAIM 數(shù)據(jù)和分析應(yīng)用場(chǎng)景對(duì)應(yīng)：

1. 基礎(chǔ)核心應(yīng)用場(chǎng)景：在此場(chǎng)景中，數(shù)據(jù)和業(yè)務(wù)問題均已知：主要由臨時(shí)用戶及分析師利用運(yùn)營智能組件和數(shù)據(jù)倉庫執(zhí)行。
2. 擴(kuò)展、理解和調(diào)查應(yīng)用場(chǎng)景：在此場(chǎng)景中，數(shù)據(jù)已知但業(yè)務(wù)問題未知：主要由分析師及數(shù)據(jù)科學(xué)家利用數(shù)據(jù)倉庫和數(shù)據(jù)湖執(zhí)行。
3. 創(chuàng)新和探索應(yīng)用場(chǎng)景：在此場(chǎng)景中，數(shù)據(jù)和業(yè)務(wù)問題均未知：主要由數(shù)據(jù)工程師及數(shù)據(jù)科學(xué)家利用數(shù)據(jù)湖和數(shù)據(jù)科學(xué)組件執(zhí)行。
4. 建立價(jià)值應(yīng)用場(chǎng)景：在此場(chǎng)景中，數(shù)據(jù)未知但業(yè)務(wù)問題已知：主要由數(shù)據(jù)工程師利用數(shù)據(jù)科學(xué)組件執(zhí)行。

其次，邏輯數(shù)據(jù)倉庫包含 DAIM 中的所有四個(gè)類別。這是因?yàn)樗梢栽诠粳F(xiàn)有的基礎(chǔ)設(shè)施之上實(shí)施，包括運(yùn)營智能組件、數(shù)據(jù)倉庫、數(shù)據(jù)湖和數(shù)據(jù)科學(xué)組件，從而實(shí)現(xiàn)對(duì)存儲(chǔ)在不同組件中的所有不同類型數(shù)據(jù)的無縫、實(shí)時(shí)訪問。

由Denodo數(shù)據(jù)虛擬化提供支持的供應(yīng)鏈數(shù)據(jù)管理

數(shù)據(jù)虛擬化使現(xiàn)代數(shù)據(jù)管理成為可能，因其用于數(shù)據(jù)集成和管理的邏輯方法支持跨不同數(shù)據(jù)源提供實(shí)時(shí)視圖，用戶無需首先將數(shù)據(jù)以物理方式復(fù)制到整合存儲(chǔ)庫中。Denodo數(shù)據(jù)虛擬化可以在所有不同底層數(shù)據(jù)源之上建立抽象和語義層，這些底層數(shù)據(jù)源包括本地和云端數(shù)據(jù)源、結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)源、靜態(tài)和流式處理數(shù)據(jù)源，以及舊式和新式數(shù)據(jù)源，它們構(gòu)成了邏輯數(shù)據(jù)倉庫。

很多公司正在利用數(shù)據(jù)虛擬化建立邏輯數(shù)據(jù)倉庫，以解決其供應(yīng)鏈問題。此類示例之一是 Hastings Deering Pty Ltd（Sime Darby Industrial 旗下的一家公司），它是最大的 Cat? 經(jīng)銷商之一，為全球的采礦、建筑、電力系統(tǒng)和海洋行業(yè)提供服務(wù)。截至 2022 年，Hastings Deering 已經(jīng)進(jìn)入為期五年的數(shù)字化轉(zhuǎn)型的第二年，這項(xiàng)轉(zhuǎn)型包括機(jī)器人自動(dòng)化、紙質(zhì)表格數(shù)字化、數(shù)字應(yīng)用程序開發(fā)以及數(shù)據(jù)和分析，旨在為改善員工和客戶體驗(yàn)提供支持。利用數(shù)據(jù)虛擬化，Hastings Deering 得以迅速追蹤其分析能力，擴(kuò)展其自助服務(wù)分析能力，并簡(jiǎn)化其零件流的數(shù)據(jù)交付。隨著經(jīng)濟(jì)和市場(chǎng)條件的不斷變化，數(shù)據(jù)方面的難題不斷出現(xiàn)，盡管如此，Hastings Deering 仍然通過采用邏輯數(shù)據(jù)倉庫并使用適當(dāng)方法，邁出了奠定正確基礎(chǔ)的第一步。邏輯數(shù)據(jù)倉庫提供了所需架構(gòu)，因此 Hastings Deering 可以通過其新的數(shù)據(jù)市場(chǎng)提供報(bào)告、情報(bào)、數(shù)據(jù)共享和數(shù)字程序，搭建建立持續(xù)數(shù)據(jù)素養(yǎng)和數(shù)據(jù)治理程序所需的平臺(tái)。

下一代供應(yīng)鏈分析

由Denodo數(shù)據(jù)虛擬化提供支持的邏輯數(shù)據(jù)倉庫對(duì)供應(yīng)鏈至關(guān)重要，因?yàn)樗鼈冊(cè)诙喾N應(yīng)用場(chǎng)景中為組織提供幫助，讓組織能夠獲得實(shí)時(shí)可見性并具備強(qiáng)大的分析能力。如上例所示，通過公司的新技術(shù)和方法舉措，Hastings Deering 已經(jīng)能夠加速獲取重要數(shù)據(jù)集，創(chuàng)造更多價(jià)值，并進(jìn)一步增強(qiáng)預(yù)測(cè)能力，滿足業(yè)務(wù)需求。正如 Gartner 建議的那樣，邏輯數(shù)據(jù)倉庫使組織能夠從企業(yè)數(shù)據(jù)中獲取最大價(jià)值，并且可能彌補(bǔ)現(xiàn)有方案的不足，讓供應(yīng)和制造公司能夠產(chǎn)生推動(dòng)數(shù)據(jù)制作所需的洞察。