Топ ошибок в данных о цепочке поставок и как их избежать

Недостоверные сведения о логистических процессах способны спровоцировать каскад проблем, затрагивающих каждое последующее звено операционной цепочки. В то же время продуманная работа с подключенными данными позволяет купировать риски ещё до того, как они материализуются. По словам Николь Брэкетт, руководителя направления корпоративных клиентов в TradeBeyond, «неверные данные порождают дорогостоящую уверенность»: неточная или фрагментарная информация подталкивает организации к решениям, оборачивающимся дефицитом запасов, срывом сроков поставок, нарушениями требований и иными бюджетными потерями.

Масштаб ущерба подтверждается статистикой: согласно отчёту IBM за 2025 год, более четверти опрошенных компаний оценивают свои ежегодные потери от низкого качества данных в сумму, превышающую 5 миллионов долларов. Одна из причин — неоправданное замораживание оборотного капитала. Когда прогнозирование спроса не согласовано с управлением поставками и маркетингом, избыточные запасы остаются нереализованными, что ведёт к вынужденным распродажам и снижению цен.

Не менее распространена и проблема неравномерного распределения товаров. Как отмечает Дэниел Ванг, директор консалтинговой компании по цепочкам поставок LIDD, «некоторые узлы в сети испытывают нехватку, в то время как другие имеют избыточные запасы». Столкнувшись с дефицитом, менеджеры нередко делают повторные заказы, что дополнительно расходует оборотные средства и складские площади. Добавляют сложностей и риски комплаенса: Макс Шлихтер, партнёр McKinsey, указывает, что неверные данные о стране происхождения или классификации опасных грузов приводят к задержкам на таможне, штрафам и сбоям в доставке.

Задачи, которые необходимо решить

Ошибки в размерах, весе или маршрутной информации, по словам Шлихтера, способны привести к нерациональной маршрутизации грузов и завышению транспортных расходов. Кроме того, нередко возникает расхождение между заявленным поставщиком составом отправки и фактически поступившей продукцией. Приходится задействовать трудоёмкие процедуры ручной сверки, которые сами по себе становятся источником новых инвентаризационных неточностей. По мере внедрения автоматизированных систем и искусственного интеллекта перечисленные риски многократно возрастают: модели, обученные на неполных или искажённых данных, начинают тиражировать неверные решения в геометрической прогрессии, так и не повышая реальную эффективность. Шлихтер подчёркивает, что результативность подобных систем напрямую зависит от качества лежащей в их основе информации.

Успешная практика GE Appliances

Примером того, как правильно выстроенная стратегия данных приносит ощутимые плоды, служит опыт GE Appliances. Компания внедрила в 2025 году агента по сотрудничеству с поставщиками, функционирующего на базе платформы Google Gemini Enterprise, которая объединяет искусственный интеллект и разнообразные бизнес-инструменты. Агент автоматизирует рутинные проверки поставщиков, подтверждает статусы заказов и эскалирует проблемы, когда это необходимо. Результат — сокращение объёма невыполненных заказов на рынке запасных частей более чем на 25% и заметное улучшение доступности продукции для клиентов.

Вице-президент по логистике GE Appliances Марсия Брей поясняет: «Возможность — это не просто больше данных. Это лучшие сигналы». Её команды управляют информационными потоками между поставщиками, транспортом, заводами, складами и службой доставки. Запоздалые, противоречивые или неполные сведения способны снижать доступность товаров, провоцировать ручной труд и откладывать принятие решений. Искусственный интеллект помогает распознавать закономерности, аномалии и ранние признаки сбоев, проблем с качеством или повторяющихся операционных трудностей. В итоге сотрудники тратят меньше времени на сбор данных (а речь идёт о более чем 700 поставщиках и примерно 27 миллионах деталей и аксессуаров ежегодно) и больше — на решение содержательных задач.

GE Appliances использует данные и искусственный интеллект, чтобы улучшить то, как мы видим, понимаем и действуем в логистической сети.

Марсия Брей
Вице-президент
Логистика, GE Appliances

Как демонстрирует этот кейс, оптимизированная стратегия обработки данных способна не только упорядочить операции и повысить производительность, но и существенно улучшить качество обслуживания клиентов.

от 14 ошибок в данных о цепочке поставок, на которые следует обратить внимание.

1. Ручной ввод данных

В большинстве случаев плохое качество данных является результатом не одного серьезного сбоя, а «смерти из-за 1000 электронных таблиц», — говорит Брэкетт. Ручной ввод является одной из причин. Когда команды копируют информацию между системами, отправляют обновления по электронной почте или полагаются на автономные инструменты, количество ошибок естественным образом увеличивается. Это может означать, что решения принимаются на основе неточной информации.

2. Процессы обработки данных, которые тормозят операции

Некоторые компании расширяют поиск поставщиков в новых регионах еще до того, как установили стандартные процессы сбора и проверки информации о поставщиках. Это оставляет менеджменту без надежного контроля над базой поставщиков, отмечает Брэкетт.

Аналогичным образом, слияния и поглощения могут привести к увеличению количества информационных систем. Из-за такого объема сложно обеспечить актуальность и точность всех данных во всех системах.

3. Фрагментированные потоки данных

Расхождения в данных могут подорвать решения о выполнении заказов, ожидания клиентов и показатели рентабельности. Решения для электронной коммерции, такие как Rithum, помогают автоматизировать сбор данных и снизить риски.

Разрозненные, фрагментированные информационные потоки создают «слепые зоны» во всей цепочке поставок, говорит Шлихтер. Например, наборы информации, связанные с электронными заказами, предварительными уведомлениями об отправке, отслеживанием транспортировки, запасами, закупками и обновлениями ERP, среди прочего, часто находятся в отключенных системах. Обновления содержатся в электронных таблицах, электронных письмах или других разрозненных инструментах отслеживания и не передаются автоматически в ERP, WMS или другие системы. Одна команда может подумать, что инвентарь доступен, тогда как другая уже распределила его.

В более сложных сетях, например в тех, которые используют модели рынка, проблемы, связанные с неточными данными о запасах, описании продукта, статусе заказа и эффективности работы поставщиков, могут усугубляться, поскольку данные извлекаются из нескольких систем и партнеров одновременно, говорит Блейн Нильсен, президент розничной торговли компании Rithum, поставщика коммерческих решений. Например, отображаемый контент продукта может не соответствовать тому, что доступно для продажи. Даже небольшие расхождения могут подорвать решения о выполнении заказов, ожидания клиентов и рентабельность.

Чтобы по-настоящему извлечь выгоду из современных информационных решений, информационная архитектура должна быть синхронизирована для организации в целом, — говорит Оливер Гриц, основатель и главный исполнительный директор Ontegos Cloud, которая предлагает операционную систему для экспедиторов. Цель – это общий источник реальности для всех отделов.

4. Не сравнивать наборы данных

Совместный анализ различных наборов данных может дать ценную информацию. Например, оценка операционных данных с данными о выполнении заказов и производительности может показать, где проблемы повторяются, и помочь поставщикам выявить проблемы на более ранних этапах процесса, говорит Нильсен.

Просмотр записей о наличии и заказах, а также данных, показывающих, что происходит после размещения заказа, например исключений при доставке и причин возврата, может помочь установить более точные ожидания по доставке. Это также может помочь определить, какие проблемы влияют на конверсию или прибыль.

5. Недостаточно данных о продукте

Важность таких данных о продукте, как размеры, вес, время выполнения заказа, правила обращения и требования к маркировке, часто недооценивается, говорит Кайл Брандт, менеджер по маркетингу продуктов SPS Commerce. Тем не менее, эта информация определяет, каким образом продукты планируются, получаются, хранятся, выполняются и выставляются счета.

Данные о размерах и весе также напрямую влияют на стоимость доставки, а также на эффективность конфигурации слотов и стоек. Если размеры продукта или измерения веса неверны, часто бывает трудно определить точные размеры слотов, что затрудняет понимание истинной мощности предприятия.

Помимо сбора данных о продуктах, организациям цепочки поставок часто нужны контекстные данные об товарах, которыми они управляют, говорит Эшли Беркл, директор по продажам и развитию бизнеса компании Identiv, которая создает решения для Интернета вещей (IoT). Сюда могут входить данные об изменениях температуры или влажности, а также закономерности, сигнализирующие о порче или потере, что может помочь организациям понять события, происходящие в ходе операции. Тогда они смогут отреагировать и предотвратить или смягчить проблемы.

6. Неспособность высказаться

Сотрудники должны чувствовать себя комфортно, если заметят данные, которые выглядят неправильно. «Чем быстрее вы это поймаете, тем меньше беспорядка у вас будет», — говорит Джон А. Эванс, президент и главный исполнительный директор Evans Distribution. «Все участники должны внимательно следить за своей стороной, чтобы сообщать о несоответствиях и быстро решать проблемы».

Это особенно актуально при работе с крупными аккаунтами, которые ежедневно обрабатывают тысячи заказов. Точность данных помогает каждому выполнять свою работу без дорогостоящих задержек, ошибок или сбоев, а также является важным инструментом для выявления проблем и снижения риска сбоев.

7. Неподтверждение того, что поставщик логистических услуг может поддерживать прозрачность данных

По словам Гритца, при привлечении партнеров по логистике грузоотправители должны подтвердить, что они могут обеспечить прозрачность всей транспортной цепочки. Собственные данные компании настолько надежны, насколько надежны данные, которые она получает от своих партнеров.

8. Недостаточная видимость поставщика

Многие компании знают своих прямых поставщиков, но им не хватает информации о поставщиках второго и третьего уровня. Поскольку цепочки поставок становятся более диверсифицированными, управлять этими «слепыми зонами» становится сложнее.

9. Данные, которые не отражают реальность

Надежные и точные данные о поставщиках имеют решающее значение для компаний, расширяющих свою базу поставщиков или регионы поставок. Такие платформы, как TradeBeyond, обеспечивают процессы обработки данных, которые поддерживают операции.

Самые разрушительные ошибки в данных обычно не являются результатом опечатки. Вместо этого они возникают, когда данные в системе выглядят нормально, но не отражают операции. Например, записи могут показывать, что запасы существуют, но на самом деле они повреждены или недоступны. Организация может принимать решения на основе ошибочной информации.

10. Данные, не готовые к использованию ИИ

Поскольку все больше организаций, занимающихся цепочками поставок, внедряют искусственный интеллект, им нужны данные, «готовые к использованию ИИ», — говорит Василиос Плессас, директор-аналитик Gartner. Качество данных имеет решающее значение.

Хотя почти все (94%) руководителей цепочек поставок, опрошенных Gartner недавно, желают и пытаются интегрировать ИИ в свои цепочки поставок, только 17% говорят, что действительно способны его масштабировать. По словам Плессаса, препятствием, по мнению примерно половины, является качество данных. Чтобы по-настоящему эффективно использовать ИИ, данные должны быть связаны и многофункциональны, а не разрознены. Также требуется достаточный бизнес-контекст, чтобы механизм искусственного интеллекта мог его видеть и понимать.

Например, один и тот же поставщик может фигурировать под несколькими разными именами, в результате чего инструмент искусственного интеллекта будет рассматривать одного поставщика как трех и предполагать, что база поставок компании более диверсифицирована, чем есть на самом деле.

11. Игнорирование управления, владения и управления данными

Организации могут использовать технологии для очистки данных, но не могут исправить неверные данные, говорит Плессас. Вместо этого им необходимо предотвратить повторение плохих данных.

Надежное управление данными с помощью протоколов и политик может помочь предотвратить попадание неверных данных в цепочку поставок. Например, организация может потребовать проверки дублирования, прежде чем разрешить ввод новых поставщиков в информационную систему.

Определение владельцев данных также имеет решающее значение. Без чувства причастности сотрудники могут не обеспечить целостность данных, говорит Боб Патель, управляющий партнер, руководитель практики планирования цепочек поставок и розничной торговли Highspring, организации, предоставляющей профессиональные услуги.

Часто предполагается, что ИТ-отделы «владеют» любыми данными. Хотя ИТ-отделы могут быть распорядителями данных, они обычно ими не владеют, говорит Патель. Вместо этого право собственности часто принадлежит бизнес-подразделениям, таким как организация цепочки поставок. Данные не только влияют на то, как работают эти области, но и лучше всего подходят для понимания того, как данные будут использоваться.

12. Стратегия отсутствия данных

«Не все данные хороши», — говорит Брайан Капп, вице-президент по операциям, возможностям и стратегическим инициативам компании IntelliTrans, поставщика решений по управлению мультимодальными перевозками. Руководителям цепочек поставок необходимо выявить данные, имеющие отношение к их деятельности, и сосредоточиться на них. Грузоотправителю, перевозящему груз по Северной Америке, не нужны все сигналы GPS от каждого грузовика. «Это быстро становится шумом», — говорит Купп.

Более полезным является тщательно подобранный набор сигналов , который позволяет грузоотправителю предвидеть риск и принимать более обоснованные решения, объясняет он. Сюда могут входить данные о местоположении на основе исключений, чтобы команда получала оповещения, когда нагрузка неожиданно останавливается или задерживается слишком долго. Данные о затратах и ​​услугах на уровне полос могут помочь отделу закупок увидеть, где они платят слишком много за плохое обслуживание, и найти новых поставщиков.

13. Всегда в поисках совершенства

Хотя минимизировать ошибки важно, цель не в том, чтобы получить идеальные данные ради идеальных данных. «Это принятие обоснованных решений», — говорит Ван, добавляя, что не каждое решение требует высокого уровня точности данных.

Например, компании, работающей в сжатые сроки, возможно, придется начать поиск нового объекта параллельно с фактическими проектными работами. Используя приблизительные оценки и делая разумные предположения относительно критических факторов, таких как рабочее пространство и уровень автоматизации, можно получить приблизительные оценки площади здания. По словам Вана, они могут помочь в первоначальном поиске.

14. Плохие точки подключения

Данные о цепочке поставок — это проблема всего предприятия, — говорит Сусана Гонсало, управляющий директор и руководитель группы по цепочке поставок коммерческой отрасли в Huron Consulting Group. Ее невозможно решить, сосредоточив внимание на одной функции, поскольку многие проблемы с данными возникают в точках соединения между внутренними функциями и внешними партнерами. Также необходимо следить за пробелами во внешних данных, таких как сети поставщиков и транспортные потоки.

«Поскольку цепочки поставок становятся более динамичными, для принятия упреждающих решений крайне важно иметь видимость в реальном времени за пределами четырех стен», — говорит она.

В центре внимания: возможности прогнозных данных о деталях

Parts Town Unlimited отдает приоритет точным данным в режиме реального времени и тесно сотрудничает с клиентами и OEM-партнерами, чтобы обеспечить точность и доступность данных по всей цепочке поставок.

Немногие устаревшие информационные системы были созданы для поддержки скорости и сложности современной среды цепочки поставок, — говорит Эмануэла Дельгадо, вице-президент группы по росту и инновациям компании Parts Town Unlimited, поставщика запасных частей для оборудования общественного питания, бытовой техники и систем отопления, вентиляции и кондиционирования. Это затрудняет поддержание синхронизации данных о запасах, точной идентификации деталей и актуальной информации о замене между деловыми партнерами.

Как дистрибьютор, Parts Town отдает приоритет точным данным в режиме реального времени для клиентов и партнеров, говорит Дельгадо. Компания вложила значительные средства в повышение точности и доступности данных по всей своей цепочке поставок, тесно сотрудничая с OEM-партнерами и улучшая свою цифровую инфраструктуру. Одним из результатов является PartPredictor. Анализируя данные миллионов успешных технических ремонтов, эта платформа позволяет сервисным командам точно и быстро находить необходимые детали, сводя к минимуму время простоя.

«Цепочки поставок становятся все более управляемыми данными, и организации, которые отдают приоритет точной, связанной информации в режиме реального времени, будут иметь больше возможностей для быстрого реагирования и более эффективной работы», — говорит Дельгадо.