供应链管理是一种策略概念，它的顺利实现是基于高速发展的信息系统电脑管理技术，将处于供应链上游的原料材料采购、中游的制作加工、货物运输等环节以及处于供应链下游的经销商的销售环节集成为一个无缝接续的流程。大数据时代的来临以及数据分析技术的发展为供应链管理提供了新的机会和挑战。
数据分析在供应链管理中的应用分为以下4点
1：组织、机制和人才改善
若要实现数据分析技术在公司的供应链管理中发挥作用，必须首先落实组织架构、机制改善和人才培养3 个方面。
组织架构制定上可以探索成立大数据中心，原先的信息部门改为大数据分析部门，从而实现大数据分析嵌入供应链管理的组织保障；机制上，将大数据的搜索、分析和价值应用贯彻到整个供应链管理的业务工作层面，形成全方位、立体化的大数据搜集、分析和应用模式；在人才发展方面，要自主培养和人才引进相结合。做到以上3
个方面，数据分析技术发挥的基础已经搭建完成。
2：明确大数据搜集途径
直接面向客户的供应链前端是数据搜集最有利的途径。为此，要搭建统一的前端信息系统和公司信息系统，形成前端交易数据和市场需求信息到公司大数据分析部门的快速通道。大数据分析部门做出统一的数据分析结果，包括交易信息、市场需求等，形成准确定位、快速响应的物流供应链条，从而降低成本。
3：实现无缝对接的供应链条
无缝对接的供应链条中要保证大数据一方面连接着需求者，另一方面连接着供给者。数据分析过程中要在3个层面进行数据挖掘：一是挖掘会员数据信息，二是管理平台数据，三是构建良性循环的生态圈，借助数据平台的优势和大数据分析技术消除信息孤岛的状态，打造智能供应链生态圈，使得供应链发展成为更加智能的、过程简化的、具体可视化的。为此，供应链管理者要做的就是建立渠道、数据收集、数据挖掘，最终实现数据价值发现，实现精准地上下游无缝对接。
4：数据分析对品牌发展的作用
通过与大数据的深度结合提升供应链实力。核心是对用户需求信息的收集及分析，战略指导原则是高度重视用户体验。通过设计和发起丰富的互动环节，实现用户粘性的提高，进一步实现用户信息和意见的搜集。接下来利用精准信息甄别、处理和价值发现系统实现信息的全方位数据价值挖掘，形成以数据分析为背景的供应链管理策略，形成双向整合互推式的信息闭环，从而提升供应链的整体影响力。
当然，经营数据的分析有着很多方法，也有很多的管理会计方面的书籍可以参考。如图便是著名的杜邦分析法：
1、交叉表分析
交叉列表分析法是指同时将两个或两个以上有一定联系的变量及其变量值按照一定的顺序交叉排列在一张统计表内，使各变量值成为不同变量的结点，从中分析变量之间的相关关系，进而得出科学结论的一种数据分析技术。
简单的说就是将一份数据的两个列做交叉进行分析。比如一列数字是性别，一列数字是消费金额，做成交叉表就是男性和女性分别的消费总额是多少。所谓交叉表说的高大上，平时也可以叫透视表分析。其实excel的透视表基本可以满足，稍微大型一些数据，用SQL语句也完全可以查询出来。
2、聚类分析
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。
聚类分析最经典的案例要算啤酒与尿布的购物篮算法，至于其中的故事，网上有好多，此处不予赘述。购物篮分析最常用的便是Apriori算法，现在使用R语言或者Python便可以轻松调用其相关算法包，进行支持度和置信度的计算。
2、回归分析
回归分析常用在预测模型当中，回归分析主要是分析两个事物之间的相关情况，然后寻求其中的规律，如线性回归、logistic回归等等。
3、杜邦分析
杜邦分析一般是财务上常用的分析方法，其将利润或者毛利进行细致拆分，通过各个指标的变化比较，来分析其多总体的影响。一般情况，杜邦分析多采用多个企业或项目进行比较，对于单个企业或项目的杜邦分析，意义较小。
4、RFM分析
RFM分析是在客户运营和会员运营方面最最常用的方法，通过看客户在一段时间内的购买次数、最近购买时间和购买金额，来对客户进行分类，对客户进行打标签，进而对其进行有针对性的精准营销。
当然，数据分析的方法模型，不仅仅限于这几种，对于数据分析来说，涉及供应链不同环节的企业，分析方法和分析指标也有所区别，其数据分析的侧重点也有所不同。
数据可视化工具最最重要的作用，是更加直观的去观察数据，而不是去炫科技，很多朋友在初步接触可视化工具时，会产生这样的误区，过于追捧图表的美观、颜色，而并没有注意其中的数据的意义，反倒喧宾夺主。若为了展示，专业的美工会比数据分析师做的图更加漂亮，数据分析师当以数据直观展示为主，下面是在实际画图中，图表选型的方法：
注：图片来自百度
第一章 采购分析
1 1.1 采购成本及周期分析 1 1.2 采购价格分析 1 1.3 采购费用分析 2 1.4 采购准时交货率分析 2 1.5 采购交货合格率分析 2 1.6 供应商绩效分析2
第二章 销售分析 2 2.1 产品销售分析 2 2.2 毛利贡献分析 3