Gambling Dataset

更重要的是，这有助于推动制造商“跳出固有的思维模式”，寻找IDC所描述的创新的、，比如人工智能，而不仅限于寻找“下一个最佳算法”。

IDC 供应链战略项目副总裁西蒙·埃利斯在接受采访时明确了这一点。

当被问及需要做些什么才能让制造商接受按照 IDC 的预测在 2023 年前使用人工智能实现供应链预测自动化时，埃利斯指出，人们普遍认识到，目前的预测方式，特别是短期预测方式，并不奏效。

“对于许多公司来说，他们目前的预测准确性比以往都要差，”他说。“这主要是因为需求大幅波动，难以预测。所以，我们不要再这样做了。并非所有公司都有他们所需的销售点（或可比数据），但这些数据大多存在，因此需要进行更广泛的数据收集工作。此外，公司需要认识到他们的响应能力可能不足。”

埃利斯随后表示，整个组织的数据管理是标准化和可衡量的，决策自动化工具是实时和全面部署的，用于战术任务替换和流程增强。

至于制造商如何应对预测变得“脆弱”的观点，即如果他们无法应 乌干达电子邮件列表 对预测之外的重大变化，埃利斯很直接，只是说，如果他们无法应对，那么他们就无法应对。

他表示，原因在于，严格按照预测来调整供应链不再是最佳做法。

“如果企业想要适应需求波动，就需要在预测和响应（或敏捷性）之间取得平衡，”他说。“这意味着灵活的库存，还是制造能力的灵活性。”

他还提出了以下一些相关想法：

- 应用数字采购工具可以更好地平衡大多数项目的成本和产能，并提高供应灵活性；
- 更广泛地预审备用供应； -
根据预测变化制定灵活的生产计划；
- 现代延期能力；
- 与所有企业系统完全集成，新旧系统/设备相互连接，可以实时查看供应链绩效和需求

就像许多其他事情一样，可以说供应链预测是一门不精确的科学。话虽如此，未来还是可以采取一些措施来缩小差距，提高准确性和预测能力。到 2023 年会实现吗？现在说可能还为时过早，但 IDC 的研究无疑有助于说明为什么应该实现。