Analityka Big Data w zarządzaniu łańcuchem dostaw żywności

• Autorzy: Kosior K.

Identyfikatory

DOI

10.15199/65.2018.9.2

Warianty tytułu

EN

Big Data analytics in food supply chain management

• Języki publikacji: PL

Abstrakty

PL

Analityka dużych zbiorów danych oferuje nowe możliwości zwiększania konkurencyjności na coraz bardziej wymagających rynkach produktów i usług. Z jednej strony pozwala na monitorowanie wielu procesów i aktywności w czasie rzeczywistym, z drugiej strony prowadzi do odkrywania nowej wiedzy i zależności o potencjalnie dużym znaczeniu dla poprawy trafności i skuteczności podejmowanych decyzji. Łańcuch dostaw żywności – z uwagi na specyfikę produktów rolno-spożywczych – jest szczególnym rodzajem łańcucha dostaw. Wykorzystanie Big Data i zaawansowanych narzędzi analitycznych mogłoby rozwiązać wiele problemów, które pojawiają się na różnych etapach i w różnych ogniwach zarządzania łańcuchem. Wśród podstawowych korzyści związanych z wykorzystaniem analiz Big Data wymienić należy: zwiększoną przejrzystość działania łańcucha, skuteczniejszy system śledzenia i identyfikowania żywności, precyzyjne wykorzystanie środków produkcji, ograniczenie marnotrawstwa żywności, poprawę jakości produktów żywnościowych i kastomizację produkcji. Uzyskanie tych korzyści wymaga jednak stworzenia efektywnego ekosystemu analiz dużych zbiorów danych oraz współpracy wszystkich podmiotów zaangażowanych w łańcuch dostaw.

EN

Big Data analytics offers new opportunities for enhancing a competitive edge on increasingly demanding markets for products and services. On the one hand, it allows one to monitor various processes and activities in real time, on the other it leads to discovering new knowledge and correlations that are potentially of great importance for improving the accuracy and the effectiveness of decision-making. The food supply chain – due to specific characteristics of agri-food products – is a special type of supply chain. The use of Big Data together with advanced analytical tools could solve many problems that emerge at various stages and in various levers of food supply chain management. The fundamental advantages accruing from Big Data analytics include increased transparency of the supply chain operations, more effective traceability and identification systems, precise input use, food waste reduction, increased quality of food products and customization of production. However, to reap these benefits an effective ecosystem for Big Data analytics and cooperation of all entities involved in the supply chain would be required.

Słowa kluczowe

PL

big data; zarządzanie łańcuchem dostaw; sektor rolno-spożywczy

EN

big data; supply chain management; agri-food sector

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przemysł Spożywczy
• Rocznik: 2018
• Tom: T. 72, nr 9
• Strony: 10--13
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Kosior K.

• Zakład Ekonomiki Przemysłu Spożywczego, Instytut Ekonomiki Rolnictwa i Gospodarki Żywnościowej – Państwowy Instytut Badawczy, Warszawa

Bibliografia

• [1] Ahearn Mary Clare, Walt Armbruster, Robert Young. 2016. „Big Data’s Potential to Improve Food Supply Chain Environmental Sustainability and Food Safety”. International Food and Agribusiness Management Review 19 (A) : 155-172.
• [2] Ji Guojun, Limei Hu, Kim Hua Tan. 2017. „A study on decision-making of food supply chain based on big data.” Journal of Systems Science and Systems Engineering 26 (2) : 183-198.
• [3] Juchniewicz Małgorzata. 2015. „Innowacje w logistyce łańcucha dostaw żywności”. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Problemy Zarządzania, Finansów i Marketingu 2 (41) : 473-482.
• [4] Li Dong, Xiaojun Wang. 2017. „Dynamic supply chain decisions based on networked sensor data: an application in the chilled food retail chain”. International Journal of Production Research 55 (17) : 5127-5141.
• [5] Moufaddal Mariam, Asmaa Benghabrit, Imane Bouhaddou. 2018. Big Data Analytics for Supply Chain Management. W Ahmed Mohamed Ben, Anouar Abdelhakim Boudhir (eds). Innovations in Smart Cities and Applications. SCAMS 2017. Lecture Notes in Networks and Systems, vol 37 : 976-986. Cham, Springer.
• [6] Osmólski Waldemar. 2017. „Cyfryzacja łańcucha dostaw. Wspólne platformy integracyjne”. Przemysł Spożywczy 71 (7) : 12-15.
• [7] Rozados Ivan Varela, Benny Tjahjono. 2014. Big Data Analytics in Supply Chain Management: Trends and Related Research. 6th International Conference on Operations and Supply Chain Management, Bali.
• [8] Singh Akshit, Nagesh Shukla, Nishikant Mishra. 2018. „Social media data analytics to improve supply chain management in food industries”. Transportation Research Part E: Logistics and Transportation Review 114 : 398-415.
• [9] Ting S. L., Y.K. Tse, G.T.S. Ho, S.H. Chung, G. Pang. 2014. „Mining logistics data to assure the quality in a sustainable food supply chain: A case in the red wine industry”. International Journal of Production Economics 152 : 200-209.
• [10] Tiwari Sunil, H.M. Wee, Yosef Daryanto. 2017. „Big data analytics in supply chain management between 2010 and 2016: Insights to industries”. Computers & Industrial Engineering 115 : 319-330.
• [11] Waller Matthew A., Stanley E. Fawcett. 2013. „Data science, predictive analytics, and big data: a revolution that will transform supply chain design and management”. Journal of Business Logistics 34 (2) : 77-84.
• [12] Zhong Ray, Xun Xu, Lihui Wang. 2017. „Food supply chain management: systems, implementations, and future research”. Industrial Management & Data Systems 117 (9) : 2085-2114.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).