当你很多年只做同样的工作时会发生什么？即使你在开始你的工作时，你在此领域里有很少或根本没有专业知识-比如说供应链管理 - 毫无疑问，当你花了几年时间来执行相同或类似的任务时，你会获得新的技能，并改进你已经拥有的技能。
由于你对供应链的了解比你还是新手的时候
更多，因此你可以更好地预测它将如何应对不同的中断，并且你可以更快速更容易地做出快速决策，以保持供应链的敏捷性并维护最佳性能和准时交付。简而言之，你可以学习，并通过学习，你可以使相关的生产和运输过程运行得更顺利、更有效、更有益。
组织内部规划人员学习和发展其技能的能力对于任何制造企业的成功都至关重要，但对于一个公司来说，企业的成长和发展已经不够。现在，同样重要的是，你的技术要做同样的
事情，变得更加智能和更具响应性，因为它花更多时间与各种数据和系统进行交互。在工业4.0时代，这种技术自我提升的程度可以通过高级分析来实现。这里有一些鲜为人知的
事实：
1. 高级分析可以分为两类
先进的分析技术可以通过改进供应链流程并为小规模任务（如补货订单和调度运输）进行自主决策，从而成为跨运营的增值的重要推动力。然而，许多人并没有意识到，企业可以利用两种截然不同的分析类型：
- 预测性分析可收集有关定价，需求甚至交通报告的现有数据和实时信息，以创建更准确的预测。通过在公司价值链上的所有接触点上提供这些预测，规划人员可以采取更积极主动的方法，同时必须避免出现意想不到的瓶颈和干扰。
- 另一方面，规范性分析可以通过在与特定业务流程有关的数据集上进行训练，从而对各种价值流产生特定的、可操作的洞察力。这种类型的分析有助于发现现有的浪费和低效率的领域，并建议可能的改变来以优化相关流程。
2. 是工业4.0的重要组成部分
企业一直以来使用分析来确定其运营的有效性，那么什么使得高级分析如此特殊呢？ 简而
言之，现代大数据分析是第一个与新的工业4.0工作流程和环境相集成的分析。随着工业4.0的采用导致智能工厂的兴起，使得整个供应链中的所有接触点能够连接到自适应的、可互操作的系统和流程，产生数据集成的新度量和方法是必须的。如果没有这些更现代的分析
框架，制造商就会冒着实施多种组织变革或生产流程变化的风险，而无法评估其有效性。其结果是，应该成为工业4.0系统主要内涵的效率和可视性的提升未被充分利用，导致企业错失了增加价值和获得竞争优势的关键机会。
3. 与机器学习有关
如上所述，现代大数据分析使生产和运输流程能够随着时间的推移而学习和发展，甚至有时学会在没有人为干预的情况下做出小的决策。 使这种自主改进成为可能的部分原因是与机器学习技术的整合。 机器学习是一个产生大量炒作的术语，但在本质上是一个过程，在其中通过使用大量数据对各种算法进行训练，以便找到难以辨别的不同因素之间的关系。 在制造
业中，这可能有助于揭示不可靠的库存补货一直使得规划人员高估需求，或者机器或车队维护安排过于频繁。在很多情况下，现代分析技术将精确依靠这项技术来为运营提升提供改进的预测和建议。
4. 可以加快上市速度
对于很多人来说，分析是可用来确定一个已经推出的特定计划的是否成功，但是在工业4.0时代，分析实际上可以通过使整个供应链更快地和更直接地预测和响应问题来加快上市
速度。这里的相关因素是，供应链规划人员可以避免在任何充满变化的生产过程中出现的减速和中断，同时更好地了解如何复制过去的成功经验。从本质上讲，大数据分析可以驱动智能规划过程，在所有供应流接触点增加价值。
5. 高级分析促进可视性
我们已经谈到了规范性和预测性分析，但是许多人并没有意识到，大数据分析解决方案还可以通过自动生成非技术决策者可以理解的数据可视化来改善数据的跨运营的可访问性。
结果是，新的见解和预测不仅可以提供给那些能够解开复杂输出的数据科学家，而且还可以提供给对公司运营有基本了解的任何人，使得建议的变更更容易理解和实施。许多制造商目前缺乏真正可以利用工业4.0的供应链可视性，但通过大数据分析，他们可以实现实时
集成，端到端（E2E）可见性，以及其他关键的增值主张。
