现在在搜索框中输入“汽车缺”，它都会自动告诉你“缺芯”。缺芯的焦虑从去年年底一直到现在还未消散，甚至有越来越焦虑的征兆，有分析人士称，本轮芯片短缺将延续到2022年。
“汽车公司通常以年制定生产计划，每季度、每月滚动更新，确定所需要零部件的数量。和供应商签订合同时，单件价格也与采购量挂钩。一台车上万个零部件，庞大的供应链系统需要缜密而精确的预测、供货、物流等管理，才能确保整个链条顺畅高效的运行。芯片危机发生后，原本相对稳态的节奏被打破，汽车公司不得不面临着因为缺芯片而导致的停产，为了最大化芯片使用调整产线、制造设备和人员的调配方式等频繁变动等压力。”
而受这波短缺影响的绝不仅仅是汽车行业，电脑、手机、游戏机以及数码配件等产业都被牵连其中。麦肯锡顾问Ondrej Burkacky表示:“当汽车制造商及零部件供应商意识到他们的需求超出预期时，为时已晚，芯片产品已经销往其他地方。”
由此，知名咨询公司德勤提出，汽车行业的竞争已经进入了产业链生态的竞争，未来的网络布局不仅仅是传统意义上供应链的物理节点布局，而是从能力角度对整个汽车供应链进行重新能力分解和组合。 应对难以预测的风险，只有加强供应链风险管理，积极利用数字化工具，主动介入上游风险管理，确保对上游供应商的风险及时把控和分析，提升风险管理的及时性和专业性。
在TigerGraph的Graph+AI 全球峰会上，来自捷豹路虎的Harry Powell分享了他们是如何用图分析解决供应链优化问题的。
像所有汽车制造商一样，捷豹路虎会提前几年做出其销售预测，以使供应商能够调整高度专业化的生产线。 根据这些预测，通常会达成购买特定数量零件的协议，每当实际购买量低于承诺金额时，就会被处以巨额罚款。 但是，由于消费者偏好和市场条件的变化，对特定车辆的需求可能会迅速变化。
由Harry Powell带领的捷豹路虎数据分析团队发现，可以通过在其所有车队中主动分配不需要的零件来抵消对一种车的需求变化，从而最大程度地减少合同处罚的风险。
变得更加灵活
在整个制造过程中获得透明性所必需的数据分布在多个部门的众多复杂数据源中，包括预测和供应链数据，来自PLM系统的零件数据以及通过汽车配置和制造组合输出的汽车配置数据模拟系统。 这些系统涵盖了各种各样的技术，从专用大型机一直到专用的企业/制造资源计划平台和定制的分布式汽车模拟应用程序。 数据多样化组合意味着不可能及时地全部查询。
通过将其供应链数据上传到具有混合事务处理/分析处理功能的图数据库，Harry团队能够组合12个单独的数据源。 图数据库中的信息包括有关数千个供应商提供的每个零件的数据，以及它们与车辆的特定模型的关系以及其中使用的每个子组件的物料清单。 该数据库还包括与这些车辆的制造顺序和订单预测有关的信息。 TigerGraph图分析平台的灵活性能够快速反映其即时图需求的变化，并允许将来进行扩展。
创新令人惊喜
两项创新使Harry的团队能够构建从供应到需求的业务关联视图，并通过TigerGraph高级图分析，从而产生了令人惊喜的成果：
首先，捷豹路虎团队意识到汽车只是一组相互连接的要素，而一个要素就是一组相互连接的零件。 这种认识带来了新的通用语言，从而促进了业务部门与数据和分析团队之间的协作。
其次，捷豹路虎团队了解到，图分析提供了最佳的视角来捕获和利用对业务的这种普遍理解。另外，图特别强调数据结构和分析中的对象和关系。这两点使得团队能够构建业务的关联视图并迅速回答关键业务问题。 这样，捷豹路虎通过降低库存成本和解决供应链瓶颈，提高了供应商的可靠性以及增强产品的获利能力，从而获得了丰厚的回报。
在意识到车辆只是功能部件和零件的集合之后，团队使用图技术快速构建了供需之间的清晰视图。 他们从表示要素和零件层开始，然后扩展到汽车和供应商层。最后就是需求-供应图。
在绘制图表时，Harry团队遵循一个关键原则：世界太复杂了，无法以自上而下的方式进行呈现。 相反，首先要代表一辆汽车，然后是一个系列汽车，然后是整条汽车生产线，依此类推。捷豹路虎团队将已知的业务作为最低限度的可行产品，将其供求关系图继续扩大到边际。
创造商业价值
捷豹路虎通过使用TigerGraph图技术，大大提高了生产力和效率，节省了成本，具体而言：
确定变化对车辆需求的影响现在只需要约45分钟，而过去，则需要三周的时间。
降低库存成本，降低营运资金和提高盈利能力，从而使企业价值提高了3倍。
供应商风险降低了35％，因为购买他们制造的零件的可能性更高。
Harry Powell说：“我不知道在这样复杂的行业中，其他企业是否都可以通过改变其供应链计划也获得这样的成果，捷豹路虎做到了！同时，盈利能力预计每年将提高超过1亿英镑，而这得益于图技术的成功应用。”
Harry和他的团队因其在改变供应链实践方面所做的巨大贡献而获得全球CIO 100这一荣誉。
关于TigerGraph
TigerGraph是一个基于关联数据（图模型）的高级分析平台，支持机器学习和可解释的人工智能。TigerGraph的使命是通过图和人工智能为企业基于大数据提供创新的分析能力，帮助客户连接数据孤岛，进行更大规模、更深入的运营分析，从云端和本地的数据中发现新的业务洞察。
全球排名前五的银行中有四家使用TigerGraph进行实时欺诈检测。3亿消费者通过TigerGraph支持的推荐引擎获得个性化推荐。TigerGraph对10亿人口的能源基础设施进行了优化，以减少电力中断。TigerGraph在欺诈检测、客户360°、供应链优化、身份解析、物联网(IoT)等应用场景效果显著，获得了金融、制造、电信、媒体、医疗等传统大型公司和网络安全、电子商务、新零售等创新型公司的认可。
免责声明：凡本网注明 “来源：XXX(非经济参考网)” 的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。
