Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
Tarea Académica 3
Sección: IS72
Integrantes:
Lima, 2022-02
2
ÍNDICE DE CONTENIDO
2.1. Ventajas................................................................................................................. 6
4.3. Paper 3: A Review on Data Analytics for Supply Chain Management: A Case
study 14
4.5. Paper 5: Protecting the Public Through Advanced Supply Chain Analytics. “... 16
5. Bibliografía: ............................................................................................................. 20
3
ÍNDICE DE FIGURAS
Eccles (1954) define la evolución de la cadena de suministros como una unidad que ha
época actual está orientada hacia una estrategia de mejorar la distribución física y el empleo de
cadena de suministros con el fin de minimizar los riesgos presentes. En la siguiente figura se
Figura 1
Nota: Tomado de Escuela de Ingeniería Civil Industrial, Universidad del Bío-Bío, Chile
encargan de utilizar los datos en grandes volúmenes de información de tipo interna y externa
para producir conocimientos innovadores que contribuyen a las cadenas de suministro a reducir
costos y riesgos mientras mejoran la agilidad operativa y la calidad del servicio, a través de
por medio de los datos, descubriendo patrones de comportamiento que conduzcan a modelos
2.1. Ventajas
abastecimiento de insumos por parte de la organización, por ello el uso de Analytics permite
Krupnik (2013) menciona que los principales beneficios del uso de analitycs sobre la
• Pronosticar inventario
2.1.2. Visibilidad
Ittmann, H. W. (2015) afirma que la visibilidad es una necesidad esencial para realizar
Además, menciona que gracias a la visibilidad obtenida por el uso de Analytics se podrá
modelar datos de la cadena de suministro con mayor precisión con el objetivo de agilizar y
futuro.
Analytics sobre las organizaciones es fundamental para optimizar de forma adecuada sus
siguientes razones:
7
artículos.
• Account receivable – next best action: Es una herramienta que mediante el análisis
Ittmann, H. W. (2015) describe a DHL como una de las principales empresas mundiales
cambiante. Donde, el uso de Technologies and Analytics avanzadas permitió a DHL adaptarse
a su entorno, además innovar sus procesos, también cabe resaltar las ventajas del empleo de
y todas ellas sin ningún daño. Expresado de otro modo, este indicador revela la ruta
de capacidad.
acertada.
8
demanda se debe controlar y crear mecanismos contra los mencionados por medio
2.2. Desventajas
realizaba.
organización. Algunas empresas optan por tener toda esa información en la nube, sin embargo,
2.2.3.Ciberseguridad
Analytics de SCM es relativamente alto, debido a que muchas empresas deciden almacenar su
difícil de mantener por sus altos gastos. Por ello es necesario en la mayoría de los casos
Science (2014) define a Analytics como metodología necesaria para implementar en la SCM,
como el proceso científico de transformar datos en nuevos saberes para la mejor toma de
analizado en los análisis anteriores, estas decisiones son resultados que tienen por meta
Figura 2
Nota:
Tomado de Wordpress.com
mencionar que Amazon en el año 2012 con el objetivo de crear modelos predictivos, capaces
de detectar las futuras necesidades del cliente, empleo data Analytics a lo largo de todo su
cadena de suministro para determinar cuáles productos son lo más demandados por sus
usuarios, y también para determinar cuál es el destino más recurrido para sus usuarios, donde
primero realizaron un análisis descriptivo de los productos ofrecidos, posterior a ello un análisis
inquisitivo, y por último la creación de un modelo predictivo de la demanda, en conjunto del uso
mercado. Es así como Amazon mediante el uso de Analytics obtuvo los siguientes resultados.
11
A. Detectar cual fue el rubro o sector entre sus existencias que generaba mayores
rotaciones de inventario, para este caso fueron los celulares, con la salida del iPhone 4
en aquella época.
aproximadamente 3.67%.
sector.
(Cao, L., Zhu, C., enero 2022) en su artículo “Personalized next-best action
tema de la toma de decisiones por parte de una red neuronal que trabaja con grandes bases de
datos.
cuenta y más profundo se investige, se estará más cerca de tomar la mejor decisión y asegurar
un mayor márgen de contribución. Además del criterio profesional, las empresas buscan aplicar
sistema secuencial que divide la decisión mayor en otras decisiones. Se busca que las
decisiones que forman la secuencia lleguen a metas locales positivas, mientras que el conjunto
de las decisiones que asegure el resultado óptimo entre las combinaciones. En este artículo se
utiliza CRN (Coupled Recurrent Network), un modelo que representa vectorialmente estados,
12
y resultados útiles para las próximas corridas. En este caso se aplicó el modelo para determinar
las mejores acciones a tomar sobre el cobro de deudas por parte de una agencia
las mejores decisiones determinadas por el modelo con las decisiones reales tomadas en los 5
años de estudio y su impacto. Sin embargo, se menciona que se pudo validar la efectividad del
modelo, sobre todo frente a otras propuestas como las markovianas. Esto debido a la
profundidad de dependencias que analiza el modelo CRN en comparación con otros. Por lo
decisiones. Esto a su vez hace que la cadena de suministro de la organización sea más
como decisiones comerciales o incluso médicas. Por lo tanto, es importante conocer estas
herramientas y su correcta aplicación, pues ofrecen una ventaja competitiva que añadir a la
Approach
(Brotcorne, L., Perboli, G. Rosano, M., Wei, Q., junio 2019) en su artículo “A Managerial
optimización.
causaron que, en primera instancia, surgieran empresas de envío para paquetes pequeños,
con meta en aumentar la rápidez de envío y reducir el costo. No obstante, en años recientes
con el creciente interés sobre el impacto ambiental, el modelo de envíos tuvo que cambiar para
adpatarse a modelos amigables con el ecosistema como el uso de bicicletas. Sin embargo,
actores que rodean el negocio. En este artículo, se evalúan 10 diferentes escenarios para el
buscando la optimización de Last-mile). Para esto se toma como base data histórica para
Resultados: Como era de esperarse, los modelos que trabajan con la subcontratación
y negocios de entrega de paquetes por medio de bicicletas reducen las emisiones de CO2
hora (nD/h) se reduce en los escenarios que trabajan con estas empresas y que le dan mayor
entiende que, además de tener claros beneficios medioambientales, los modelos que utilizan la
simulaciones (Monte Carlo en este caso) es siempre una herramienta útil si se utilizan
sustentos en data histórica. Además, es importante para el caso de empresas dedicadas a los
4.3. Paper 3: A Review on Data Analytics for Supply Chain Management: A Case study
(Anitha P & Malini M. Patil, septiembre del 2018) en su artículo “A Review on Data
Analytics for Supply Chain Management: A Case study” habla sobre los dominios de la ciencia
de datos en la gestión de la cadena de suministro y los datos utilizados para analizar para la
inteligente. Sin embargo, a medida que los SCM se vuelven más complejos, también lo son las
demandas de los niveles de servicio y los tipos de datos para administrar y analizar.
Resultados: Los resultados encontraron que las empresas están adoptando soluciones
de macrodatos para problemas como una mejor colaboración entre empresas, clientes,
más grandes y complejas, impulsadas por requisitos de mayor nivel de servicio, los tipos de
predictivo desarrollado sobre datos de ventas de muestra usando el método de regresión lineal
está cerca del 80% de los resultados disponibles. Este modelo también proporciona
este trabajo proporciona una excelente plataforma para el análisis de big data y la posible
(Morales M. & Morales S., enero del 2018) en su artículo” Inteligencia de negocios
datos de forma muy rápida y radical, lo que llevó a la implementación de la tecnología in-
memory. Las bases de datos en memoria (IMDB) pueden combinar sistemas OLTP y OLAP,
por lo que utilizan RAM como medio de almacenamiento principal y sus operaciones no
requieren una migración de disco a disco. Las bases de datos almacenan datos en el disco,
que es muy lento en comparación con la memoria RAM, pero IMDB tiene tecnología de
almacenamiento en columnas y análisis en tiempo real que permiten un acceso rápido a los
datos. Además, esta organización hace que los valores sean más fáciles de entender y también
determinó que implementar In Memory Data Base (IMDB) permite el acceso a datos con
capacidades de análisis rápidas y en tiempo real. Esto se debe a que organizar los valores en
16
filtrado rápidos. Asimismo, brindo ventajas sobre los sistemas de bases de datos a través de la
coherente en la memoria.
dimensionales, que se conocen y utilizan desde hace décadas. Además, In-Memory BI parece
ser adecuado para responder con flexibilidad a los cambios constantes y la volatilidad del
entorno empresarial como un método informático que se puede utilizar sobre la marcha. Por
eso, es compatible con métodos ágiles de procesos de software, que se enfocan en responder
4.5. Paper 5: Protecting the Public Through Advanced Supply Chain Analytics . “
(Julie A. Carrera. Junio del 2018) en su artículo “Protecting the Public Through
incluso entidad pública, las buenas relaciones con los proveedores y clientes, logran volver una
organización más productiva y eficiente. El autor menciona que existen diversas herramientas y
contexto de la seguridad nacional, las soluciones para la cadena de suministro llegan a abordar
una logística de despliegue militar. De esta manera, un modelo de analytics que es utilizado
activamente es la plataforma de análisis de movilidad por sus siglas en inglés (AMP), este
de suma importancia ya que garantiza que las cadenas de suministro suministren recursos
necesarias para proteger al público más allá del entorno militar. Asimismo, se menciona que
esta satisface la necesidad que poseen los gestores de la cadena de suministro de hoy en día,
suministro complejas.
del laboratorio Argonne está trabajando con expertos y partes interesadas para avanzar en las
management”
artículo “An overview of big data analytics application in supply chain management” la
empresas para la optimización de sus cadenas de suministro. Según los autores, la aplicación
Asimismo, comentan que la big data se refiere a grandes conjuntos de datos que no
pueden ser analizados por herramientas comunes y tradicionales de análisis de datos; sino
más bien, que se necesitan métodos de manejo de la información más eficientes y con mayor
capacidad. La aplicación de estos elementos genera que las empresas puedan utilizar un gran
volumen de información y estén más interconectadas. Para la aplicación de data analytics los
Una empresa puede manejar diversos tipos de datos, tanta información interna, data de
de datos. A pesar de todos los beneficios de la big data y el análisis de datos en las empresas,
esta solo ha sido aplicada por un porcentaje muy bajo de empresas, muchas veces debido al
se pudo identificar que uno de los principales problemas de estas aplicaciones es saber cómo,
19
dónde y con qué medios recoger los datos útiles. Para ello, cabe mencionar que es de suma
importancia que el equipo y/o personal analista apliquen los métodos más precisos utilizando
una cantidad razonable de tiempo y de costes con el fin de obtener resultados favorables.
Conclusión: Por lo tanto, se concluye que estas tecnologías vienen siendo de gran
reconoce las ventajas que brindan a una empresa al ser aplicadas; la información suele ser el
elemento más valioso de muchas de las más grandes empresas. Por otro lado, se reconoce
que estas tecnologías demandan un presupuesto no tan accesible para cualquier tipo de
capacidad de manejarlas.
20
5. Bibliografía:
Brotcorne, L., Perboli, G., Rosano, M., & Qu, W. (2019). A managerial analysis of urban parcel
Carrera, J. A., Graziano, D. J. & Lewis, L. P. (2018). Protecting the Public Through Advanced
Cao, L., & Zhu, C. (2022). Personalized next-best action recommendation with multi-party
interaction learning for automated decision-making. PLoS One, 17(1) Recuperado de:
DHL, 2013b, Big Data in logistics – a DHL perspective on how to move beyond the hype, DHL
and Management Science, 2014, What is analytics?, viewed 22 October 2014, Retrieved
de 2022].
https://www.prod.org.br/article/doi/10.1590/0103-6513.20190140
Ittmann, H. W. (2015). The impact of big data and business analytics on supply chain
Krupnik, Y., 2013, ‘7 ways predictive analytics helps retailers manage suppliers’, Predictive
Maheshwari, S., Gautam, P., & Jaggi, C. K. (2021). Role of Big Data Analytics in supply chain
Morales Morales, M. R., & Morales Cardoso, S. L. (2017). Inteligencia de negocios basada en
https://revistapublicando.org/revista/index.php/crv/article/view/560/pdf_382 [Consulta: 27
de octubre de 2022].
P, A., & M. Patil, M. (2018). A Review on Data Analytics for Supply Chain Management: A Case
octubre de 2022].