供應鏈管理是一種策略概念，它的順利實現是基於高速發展的信息系統電腦管理技術，將處於供應鏈上游的原料材料采購、中游的制作加工、貨物運輸等環節以及處於供應鏈下游的經銷商的銷售環節集成為一個無縫接續的流程。大數據時代的來臨以及數據分析技術的發展為供應鏈管理提供了新的機會和挑戰。
數據分析在供應鏈管理中的應用分為以下4點
1：組織、機制和人才改善
若要實現數據分析技術在公司的供應鏈管理中發揮作用，必須首先落實組織架構、機制改善和人才培養3 個方面。
組織架構制定上可以探索成立大數據中心，原先的信息部門改為大數據分析部門，從而實現大數據分析嵌入供應鏈管理的組織保障；機制上，將大數據的搜索、分析和價值應用貫徹到整個供應鏈管理的業務工作層面，形成全方位、立體化的大數據搜集、分析和應用模式；在人才發展方面，要自主培養和人才引進相結合。做到以上3 個方面，數據分析技術發揮的基礎已經搭建完成。
2：明確大數據搜集途徑
直接面向客戶的供應鏈前端是數據搜集最有利的途徑。為此，要搭建統一的前端信息系統和公司信息系統，形成前端交易數據和市場需求信息到公司大數據分析部門的快速通道。大數據分析部門做出統一的數據分析結果，包括交易信息、市場需求等，形成准確定位、快速響應的物流供應鏈條，從而降低成本。
3：實現無縫對接的供應鏈條
無縫對接的供應鏈條中要保證大數據一方面連接着需求者，另一方面連接着供給者。數據分析過程中要在3個層面進行數據挖掘：一是挖掘會員數據信息，二是管理平台數據，三是構建良性循環的生態圈，借助數據平台的優勢和大數據分析技術消除信息孤島的狀態，打造智能供應鏈生態圈，使得供應鏈發展成為更加智能的、過程簡化的、具體可視化的。為此，供應鏈管理者要做的就是建立渠道、數據收集、數據挖掘，最終實現數據價值發現，實現精准地上下游無縫對接。
4：數據分析對品牌發展的作用
通過與大數據的深度結合提升供應鏈實力。核心是對用戶需求信息的收集及分析，戰略指導原則是高度重視用戶體驗。通過設計和發起豐富的互動環節，實現用戶粘性的提高，進一步實現用戶信息和意見的搜集。接下來利用精准信息甄別、處理和價值發現系統實現信息的全方位數據價值挖掘，形成以數據分析為背景的供應鏈管理策略，形成雙向整合互推式的信息閉環，從而提升供應鏈的整體影響力。
當然，經營數據的分析有着很多方法，也有很多的管理會計方面的書籍可以參考。如圖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時將兩個或兩個以上有一定聯系的變量及其變量值按照一定的順序交叉排列在一張統計表內，使各變量值成為不同變量的結點，從中分析變量之間的相關關系，進而得出科學結論的一種數據分析技術。
簡單的說就是將一份數據的兩個列做交叉進行分析。比如一列數字是性別，一列數字是消費金額，做成交叉表就是男性和女性分別的消費總額是多少。所謂交叉表說的高大上，平時也可以叫透視表分析。其實excel的透視表基本可以滿足，稍微大型一些數據，用SQL語句也完全可以查詢出來。
2、聚類分析
聚類分析指將物理或抽象對象的集合分組為由類似的對象組成的多個類的分析過程。
聚類分析最經典的案例要算啤酒與尿布的購物籃算法，至於其中的故事，網上有好多，此處不予贅述。購物籃分析最常用的便是Apriori算法，現在使用R語言或者Python便可以輕松調用其相關算法包，進行支持度和置信度的計算。
2、回歸分析
回歸分析常用在預測模型當中，回歸分析主要是分析兩個事物之間的相關情況，然后尋求其中的規律，如線性回歸、logistic回歸等等。
3、杜邦分析
杜邦分析一般是財務上常用的分析方法，其將利潤或者毛利進行細致拆分，通過各個指標的變化比較，來分析其多總體的影響。一般情況，杜邦分析多采用多個企業或項目進行比較，對於單個企業或項目的杜邦分析，意義較小。
4、RFM分析
RFM分析是在客戶運營和會員運營方面最最常用的方法，通過看客戶在一段時間內的購買次數、最近購買時間和購買金額，來對客戶進行分類，對客戶進行打標簽，進而對其進行有針對性的精准營銷。
當然，數據分析的方法模型，不僅僅限於這幾種，對於數據分析來說，涉及供應鏈不同環節的企業，分析方法和分析指標也有所區別，其數據分析的側重點也有所不同。
數據可視化工具最最重要的作用，是更加直觀的去觀察數據，而不是去炫科技，很多朋友在初步接觸可視化工具時，會產生這樣的誤區，過於追捧圖表的美觀、顏色，而並沒有注意其中的數據的意義，反倒喧賓奪主。若為了展示，專業的美工會比數據分析師做的圖更加漂亮，數據分析師當以數據直觀展示為主，下面是在實際畫圖中，圖表選型的方法：
注：圖片來自百度
第一章 采購分析
1 1.1 采購成本及周期分析 1 1.2 采購價格分析 1 1.3 采購費用分析 2 1.4 采購准時交貨率分析 2 1.5 采購交貨合格率分析 2 1.6 供應商績效分析2
第二章 銷售分析 2 2.1 產品銷售分析 2 2.2 毛利貢獻分析 3