至顶网CIO与应用频道 03月08日 北京消息:近日,IBM全球企业咨询服务部和魅族科技有限公司(以下简称“魅族”)联合宣布,由IBM为魅族规划、设计的全新S&OP(销售与运营规划流程)运营体系已正式上线并投入使用。新的体系对需求计划、产销协同以及供应计划进行了深度调优,使产销存达到合理平衡。自去年7月上线以来,该体系已经为魅族节省了3-4亿元的运营成本,为其实现“精简、高效、低成本运营”的经营理念提供了准确、高效、快速的决策平台。
魅族成立于2003年,是一家专注于智能手机等多媒体终端研发与设计的高科技企业。作为国内多媒体终端行业的知名品牌,魅族立足中高端市场,一直致力于向消费者提供国际一流性能和品质的电子产品。2017年,魅族全年总出货量近1681万台,销售额破200亿元。秉持着“追求源于热爱”的创业初衷,魅族更是将打造“千亿级企业”作为公司的全新战略目标。
随着5G、全面屏以及屏下指纹识别等新技术不断出现,手机市场的竞争愈演愈烈。在内外因素的共同驱动下,魅族决定全面升级自己的供应链管理体系,打造更加高效的产销协同与供需能力,以应对复杂多变的市场竞争,为实现战略目标奠定良好的基础。
在全球供应链咨询服务等领域拥有丰富的经验和实践。IBM在全球供应链领域有着从技术到实践的丰富经验,对电子制造行业、相关发展趋势以及关键成功要素有着深刻理解,自身的供应链转型历程也可以为客户提供实践经验和参考标杆。这些因素成为魅族选择IBM最主要的原因。
双方自2017年3月开始项目合作,花费近5个月的时间携手完成了共计三个阶段的工作。在前两个阶段,IBM通过访谈与调研等形式,对魅族所处行业与业务进行了细致的分析和梳理,并基于对魅族战略及运营目标的理解,对其产销存计划体系现状做出了评估。
评估结果显示,在需求端,魅族缺少与前端市场需求及时对接的通道,销售渠道无法参与需求计划管理,缺少完善的计划管理闭环,因此需求预测准确率偏低,无法较好的指导生产计划排程及物料备货;在供应端,由于缺少良好的产销协同,魅族后端整体交付水平较弱,产销协同计划达成率低,难以满足市场的需求。此外,各职能部门各司其职,缺少整体计划的运作视角,缺少对需求管理、计划管理、物料管理等重要业务过程的评价指标,也是魅族在运营管理中存在的问题。
针对这些问题,IBM以贯通魅族需求、产销协同与供应为重点,规划和设计了完整的S&OP运营体系,具体包括:
新的S&OP运营体系通过强化跨部门协同提升了需求计划准确率,保障物料准时供应,同时与外部客户和供应商建立协同,从而使魅族整体的运营效率与收益大幅提升。通过改用DOS(库存天数)管控机制,全面优化了计划制定的流程。对比项目前后,库存周转天数减少了4天,需求预测准确率提升8%。此外,在销售计划满足率提升了8%,关键物料交货达成率提升10%。
魅族科技供应链高级总监、魅族S&OP运营负责人杨岩
魅族科技供应链高级总监、魅族S&OP运营负责人杨岩表示:“魅族希望打造精简、高效、低成本的运营体系,更快地响应市场变化。IBM拥有丰富的行业经验、资深的行业数据积累,以及专业的咨询团队,为魅族量身打造的S&OP运营体系让魅族的资源调配达到最优化,对魅族业务的中长期发展提供了有效支撑。”
IBM全球咨询服务部副合伙人、采购与供应链业务负责人何畏表示:“IBM在供应链领域拥有从技术到实践卓越的领导力。我们期待与中国更多的制造业企业合作通过供应链进一步提升企业的核心竞争力。”
好文章,需要你的鼓励
大数据可观测性初创公司Monte Carlo Data推出全新Agent Observability产品,为AI应用提供全方位数据和AI可观测性。该工具帮助团队检测、分类和修复生产环境中AI应用的可靠性问题,防止代价高昂的"幻觉"现象,避免客户信任度下降和系统宕机。新产品采用大语言模型作为评判器的技术,能够同时监控AI数据输入和输出,提供统一的AI可观测性解决方案。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
网络安全公司Aikido披露了迄今最大规模的npm供应链攻击事件。攻击者通过钓鱼邮件获取维护者账户凭证,向18个热门JavaScript包注入恶意代码,这些包每周下载量超过26亿次。恶意代码专门劫持加密货币交易,监控浏览器API接口将资金转移至攻击者地址。受影响的包括chalk、debug等广泛使用的开发工具库。虽然攻击在5分钟内被发现并及时公开,但专家警告此类上游攻击极具破坏性,可能与朝鲜黑客组织相关。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。