企業如何在疫情環境中使用大數據分析

孟文出

當新型冠狀病毒肺炎疫情2020年初在全球爆發時，許多企業和政府部門發現自己處于一個前所未有的危機中，他們努力在適應和調整。但新型冠狀病毒的病例在全球各地迅速劇增，導致需要發布出行禁令，很多人無法出外工作，而視頻通信軟件提供商Zoom公司和Teladoc公司的身價飛漲，如今人們仿佛進入了虛擬世界，并充滿了太多的焦慮和假設。

雖然諸如Zoom、Teladoc和亞馬遜這樣的科技公司業績大幅增長，或者是因為他們屬于必不可少的業務，或者是因為他們是這場突然加快的數字革命的一部分，但除此以外許多公司的運營都經歷了嚴重的中斷。

在疫情持續蔓延期間，全球一些國家的制造廠停止生產，并且出現資金緊迫的問題，主要是基于健康安全和需求不足這2個因素。應該關閉多長時間，何時才是重新開放工廠的適當時機，造成這種客戶需求的不確定性因素有很多：

①很難預測疫情何時會結束或放緩，有許多預測模型試圖解決這個問題，但是這些模型提供估算的方式各不相同，并且只提供了范圍寬泛的預測。

②消費者的信心，在2020年4月達到了自2008年以來的最低點，目前尚不清楚其恢復程度以及未來幾個月會有多大的變化。

③人們需要的產品類別發生了明顯的變化，人們對數字產品或支持數字世界的產品有更高的需求。

歷史數據對于預測需求已變得無關緊要，且由于市場條件不同，試圖從以前的危機中尋找合適的數據并不完全有效。

供應商對全球供應鏈產生巨大影響，許多供應商在經營中面臨著極其嚴峻的條件。在這種前所未有的環境下，一些供應商可能會違約，而對于手頭沒有足夠現金和沒有流動資金的小型供應商來說，情況可能尤其如此。

貨運物流，在疫情發生的最初幾個月中，全球各地的一些港口被關閉，運輸方式和路線都發生了變化，并還在定期進行調整。

疫情政策變化，世衛組織和各國政府執行的防疫措施以及人們遵守這些準則的方式決定了病毒的傳播速度，從而決定了對行業發展的影響。

盡管企業在疫情期間面臨許多挑戰，但還是可以使用數據分析方法來應對大多數挑戰。例如，可以在計劃恢復時開發儀表板，該儀表板能夠使企業在全球各地工廠的位置實現可視化，跟蹤每天的疫情變化，估計特定地區病例數量是在峰值階段、平穩狀態還是下降，并遵循當地政府的指導，考慮首先重新開放哪些工廠。

除了安全健康方面，還要結合疫情期間的庫存信息，考慮特定工廠在此期間生產的產品需求發生了多大變化。如果對特定產品的需求消失，重新開通工廠或產品線可能不合邏輯。為了減輕不相關的歷史數據對需求預測的影響，針對特定行業利用其外部經濟或財務指標，以量化他們與產品需求之間的因果關系，并使用他們預測機器學習模型。

盡管這只是制造廠商如何改進數據驅動型決策的一個例子，但在疫情持續蔓延期間，數據分析還可以提供許多機會。根據不斷變化的需求，更改銷售和營銷渠道以及更好地了解客戶來優化產品組合，這些只是一些分析用例，可能會在組織內產生巨大影響。

歸根結底，不同行業廠商的運營將隨著不同的時間表復蘇，但是在疫情期間，許多公司加快了數字化轉型的步伐，顯而易見的是，大數據分析將在這一轉型中發揮關鍵作用。