Роль Big Data в повышении прозрачности цепочек поставок: SAP EWM 9.5, версия для ритейла, анализ данных по поставкам обуви Adidas

1.1. Традиционные методы управления цепочками поставок: ограничения и недостатки

Привет, коллеги! Сегодня поговорим о наболевшем – цепочках поставок ритейла. Традиционные подходы, основанные на ручном вводе данных и периодических отчетах, уже не отвечают требованиям современного рынка. Анализ данных поставок становится критически важным, особенно для таких гигантов как Adidas поставки. По данным Gartner, 80% компаний, использующих устаревшие системы, теряют до 5% прибыли из-за неоптимизированных запасов и логистики.[https://www.gartner.com/en/supply-chain/research/supply-chain-visibility]

Ранее, управление запасами sap строилось на прогнозах, основанных на исторических данных. Однако, это часто приводило к переизбытку или дефициту товаров. Например, в 2022 году, из-за сбоев в логистика ритейла, Adidas потеряла около 300 миллионов евро из-за невозможности доставить обувь к началу сезона.[https://www.reuters.com/business/retail-consumer/adidas-warns-sales-fall-china-covid-disruptions-2022-07-27/] Прогнозирование спроса ритейл было недостаточно точным, а трассировка поставок – сложной и дорогостоящей.

Проблема усугубляется отсутствием прозрачность цепочек поставок. Покупатели все чаще хотят знать, откуда взялся товар, какие материалы использовались и как он транспортировался. Это напрямую влияет на репутацию бренда. Согласно исследованию Nielsen, 73% потребителей готовы заплатить больше за товары, произведенные этичным и устойчивым способом. Big data ритейл может помочь решить эту проблему, но для этого необходима цифровая трансформация и внедрение современных инструментов, таких как SAP EWM 9.5.

Data mining цепочки поставок в традиционных системах ограничивается простыми отчетами о запасах и продажах. SAP analytics cloud не всегда интегрирована с системами управления складом, что затрудняет анализ данных в режиме реального времени. Риск-менеджмент в цепочках поставок основан на предположениях, а не на данных, что делает его неэффективным. Отслеживание товаров adidas ограничивается информацией о местонахождении товара на каждом этапе, но не предоставляет данных о его состоянии и условиях транспортировки. Big data в логистике требует новых подходов и технологий.

Типы традиционных методов:

• ERP-системы (SAP R/3): Базовое планирование ресурсов, ограниченный функционал для складского учета.
• Системы управления складом (WMS): Оптимизация складских процессов, но без интеграции с другими системами.
• Системы планирования спроса: Прогнозирование на основе исторических данных, низкая точность.
• Ручной ввод данных: Высокий риск ошибок, низкая скорость обработки информации.

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

1.2. Влияние непрозрачности на бренд и потребительский опыт (пример Adidas)

Приветствую! Сегодня поговорим о том, как отсутствие прозрачность цепочек поставок напрямую влияет на репутацию бренда и, как следствие, на потребительский опыт. Adidas поставки – отличный пример для иллюстрации этой проблемы. Согласно исследованию Cone Communications, 87% потребителей покупают товары у компаний, чьи ценности совпадают с их собственными.[https://www.conecomm.com/news/consumer-trust-study] И одним из ключевых факторов, определяющих доверие, является этичность и устойчивость производства.

В 2010-х годах Adidas столкнулась с критикой из-за условий труда на фабриках в Бангладеш и других странах Азии. Расследования показали, что работники подвергаются эксплуатации, работают в небезопасных условиях и получают низкую заработную плату. Это привело к негативной огласке в СМИ и снижению продаж. По данным Statista, продажи Adidas в сегменте спортивной обуви упали на 5% в 2011 году после серии публикаций о проблемах в цепочке поставок.[https://www.statista.com/statistics/270601/adidas-sportswear-sales-worldwide/] Управление запасами sap не могло оперативно реагировать на изменения в потребительском спросе, вызванные негативным PR.

Потребители все больше интересуются происхождением товаров. Они хотят знать, из каких материалов сделана обувь, где она произведена, какие условия труда были соблюдены. Отсутствие этой информации подрывает доверие к бренду и может привести к потере клиентов. Big data ритейл позволяет собирать и анализировать данные о всей цепочке поставок, обеспечивая полную прозрачность. Data mining цепочки поставок помогает выявлять риски и предотвращать проблемы. SAP EWM 9.5, интегрированная с SAP analytics cloud, предоставляет инструменты для мониторинга и анализа данных в режиме реального времени.

Отслеживание товаров adidas с помощью RFID-меток и блокчейна позволяет потребителям получить доступ к информации о каждом этапе производства и транспортировки. Это повышает доверие к бренду и улучшает потребительский опыт. Риск-менеджмент в цепочках поставок становится более эффективным благодаря возможности прогнозировать и предотвращать сбои. Прогнозирование спроса ритейл основывается на данных о поведении потребителей и позволяет оптимизировать запасы. Логистика ритейла становится более гибкой и устойчивой к внешним факторам. Big data в логистике открывает новые возможности для повышения эффективности и снижения затрат.

Влияние на потребительский опыт:

• Снижение доверия к бренду: Непрозрачность вызывает подозрения и сомнения.
• Потеря лояльности клиентов: Потребители выбирают бренды, чьи ценности совпадают с их собственными.
• Снижение продаж: Негативный PR и бойкоты могут привести к потере прибыли.
• Повышение требований к этичности: Потребители все чаще интересуются условиями труда и экологической устойчивостью.

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

2.1. Обзор технологий Big Data: Data Mining, машинное обучение, SAP Analytics Cloud

Приветствую! Сегодня углубимся в мир Big Data и рассмотрим ключевые технологии, позволяющие повысить прозрачность цепочек поставок, особенно в контексте Adidas поставки. По данным IDC, объем мировых данных в 2025 году достигнет 175 зеттабайт.[https://www.idc.com/doc/com797635] Это колоссальный объем информации, который требует современных инструментов для обработки и анализа.

Data Mining – это процесс извлечения полезной информации из больших объемов данных. В контексте цепочки поставок ритейла, это может быть анализ данных о продажах, запасах, поставщиках, логистических маршрутах и т.д. Существуют различные алгоритмы data mining, такие как кластеризация, регрессия, классификация и ассоциативные правила. Например, алгоритм кластеризации может помочь выделить группы клиентов с похоими потребностями, а алгоритм регрессии – прогнозировать спрос на определенный товар. Анализ данных поставок становится более точным и эффективным.

Машинное обучение (ML) – это подраздел искусственного интеллекта, который позволяет компьютерам учиться на данных без явного программирования. В логистика ритейла ML может использоваться для оптимизации маршрутов доставки, прогнозирования задержек, выявления мошеннических операций и персонализации предложений для клиентов. По данным McKinsey, компании, активно использующие ML, увеличивают свою прибыль на 10-15%.[https://www.mckinsey.com/capabilities/quantumblack/our-insights/machine-learning-and-artificial-intelligence-a-guide-for-business-leaders] Управление запасами sap может быть значительно улучшено с помощью ML.

SAP Analytics Cloud (SAC) – это облачная платформа для бизнес-аналитики, которая позволяет визуализировать данные, создавать отчеты и дашборды, а также выполнять прогнозный анализ. SAC интегрируется с другими системами SAP, такими как SAP EWM 9.5 и SAP S/4HANA, обеспечивая единый источник информации для принятия решений. SAC позволяет отслеживать ключевые показатели эффективности (KPI) в режиме реального времени и выявлять тренды и аномалии. Прогнозирование спроса ритейл становится более точным и надежным. Риск-менеджмент в цепочках поставок улучшается благодаря возможности выявлять и предотвращать сбои.

Сравнение технологий:

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

2.2. RFID-технологии и блокчейн в отслеживании товаров Adidas

Приветствую! Сегодня разберем, как RFID-технологии и блокчейн революционизируют отслеживание товаров adidas, повышая прозрачность цепочек поставок и укрепляя репутацию бренда. По данным ABI Research, рынок RFID достигнет 40,5 миллиардов долларов к 2027 году.[https://www.abiresearch.com/press/rfid-market-reach-405-billion-2027/] Это подтверждает растущий интерес к этой технологии.

RFID (Radio-Frequency Identification) – это технология, которая использует радиочастотные метки для автоматической идентификации и отслеживания объектов. В контексте Adidas поставки, RFID-метки могут быть прикреплены к каждому изделию, позволяя отслеживать его перемещение на всех этапах производства и доставки. Это обеспечивает полную видимость цепочки поставок ритейла и позволяет быстро реагировать на любые проблемы. Например, RFID-метки могут помочь выявить подделки и предотвратить кражи. Логистика ритейла становится более безопасной и эффективной.

Блокчейн – это децентрализованный реестр, который хранит информацию о транзакциях в зашифрованном виде. В сочетании с RFID, блокчейн обеспечивает неизменяемость и прозрачность данных о товарах. Каждая транзакция, связанная с товаром (производство, транспортировка, продажа), записывается в блокчейн, создавая полную историю его перемещения. Это повышает доверие потребителей и позволяет им убедиться в подлинности товара. Data mining цепочки поставок становится более надежным и точным.

В 2019 году Adidas начала пилотный проект по использованию блокчейна для отслеживания производства спортивной обуви. Результаты показали, что блокчейн позволяет сократить время на проверку подлинности товара на 30% и снизить затраты на логистику на 15%. SAP EWM 9.5 может быть интегрирована с блокчейн-платформами для обеспечения бесшовного обмена данными. Управление запасами sap улучшается благодаря возможности отслеживать товары в режиме реального времени. SAP analytics cloud позволяет анализировать данные, хранящиеся в блокчейне, и выявлять тренды и аномалии. Прогнозирование спроса ритейл становится более точным.

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

3.1. Функциональность SAP EWM 9.5: от приемки до отгрузки

Функциональность EWM 9.5 охватывает все этапы складского цикла: приемка товаров, размещение на хранение, управление запасами sap, комплектация заказов, упаковка и отгрузка. На этапе приемки система автоматически проверяет соответствие товаров заказу, выявляет расхождения и регистрирует их в системе. Размещение на хранение оптимизируется с помощью алгоритмов, учитывающих размеры товаров, частоту обращений и доступное пространство. Управление запасами осуществляется в режиме реального времени, позволяя оперативно реагировать на изменения спроса.

Особое внимание в EWM 9.5 уделяется комплектации заказов. Система поддерживает различные стратегии комплектации, такие как комплектация по партиям, по заказам и по зонам. Для автоматизации процесса комплектации могут использоваться мобильные устройства и голосовые команды. Упаковка товаров осуществляется в соответствии с требованиями логистических компаний и потребителей. На этапе отгрузки система формирует необходимые документы (накладные, упаковочные листы) и передает информацию в транспортные системы.

EWM 9.5 поддерживает различные типы складского хранения: паллетирование, стеллажное хранение, блочное хранение и складской двор. Система также поддерживает работу с различными видами товаров: серийные номера, партионные номера, дата истечения срока годности. Логистика ритейла значительно упрощается благодаря автоматизации процессов и повышению точности данных. Отслеживание товаров adidas становится более надежным и эффективным. Big data в логистике позволяет оптимизировать складские процессы и снизить затраты.

Основные модули SAP EWM 9.5:

• Inbound Process: Управление приемкой товаров.
• Storage Management: Управление размещением и хранением товаров.
• Outbound Process: Управление комплектацией и отгрузкой товаров.
• Inventory Management: Управление запасами в режиме реального времени.
• Cross-Docking: Прямая перегрузка товаров без размещения на хранение.

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

3.2. Интеграция SAP EWM 9.5 с другими системами: SAP S/4HANA, SAP Analytics Cloud

Интеграция с SAP S/4HANA позволяет синхронизировать данные о заказах, товарах, поставщиках и клиентах. Это обеспечивает единый источник информации для всех подразделений компании и позволяет принимать более обоснованные решения. Например, при поступлении заказа в S/4HANA, информация автоматически передается в EWM 9.5, где запускается процесс комплектации и отгрузки. Управление запасами sap становится более точным и эффективным. Adidas поставки могут быть оптимизированы за счет автоматизации процессов и сокращения времени выполнения заказов.

Интеграция с SAP Analytics Cloud (SAC) позволяет визуализировать данные о складских операциях, создавать отчеты и дашборды, а также выполнять прогнозный анализ. SAC предоставляет инструменты для мониторинга ключевых показателей эффективности (KPI), таких как точность выполнения заказов, скорость комплектации и уровень запасов. Big data ритейл позволяет выявлять тренды и аномалии, а также принимать меры для улучшения складских процессов. Data mining цепочки поставок становится более эффективным благодаря возможности анализа данных в режиме реального времени.

Существуют различные варианты интеграции: прямая интеграция через API, интеграция через промежуточное ПО (например, SAP PI/PO) и интеграция через облачные сервисы. Выбор варианта зависит от архитектуры ИТ-инфраструктуры компании и требований к производительности. Логистика ритейла улучшается благодаря возможности отслеживать товары на всех этапах цепочки поставок ритейла. Риск-менеджмент в цепочках поставок улучшается благодаря возможности прогнозировать и предотвращать сбои. Прогнозирование спроса ритейл становится более точным.

Типы интеграции:

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

4.1. Прогнозирование спроса на обувь Adidas с использованием машинного обучения

Приветствую! Сегодня разберемся, как машинное обучение (ML) может революционизировать прогнозирование спроса ритейл, особенно в контексте обуви Adidas. По данным McKinsey, компании, использующие ML для прогнозирования спроса, увеличивают точность прогнозов на 30-50% и снижают уровень запасов на 10-20%.[https://www.mckinsey.com/capabilities/quantumblack/our-insights/machine-learning-and-artificial-intelligence-a-guide-for-business-leaders] Это критически важно для оптимизации цепочки поставок ритейла.

Для прогнозирования спроса на обувь Adidas можно использовать различные алгоритмы ML: линейная регрессия, случайный лес, градиентный бустинг и нейронные сети. Каждый алгоритм имеет свои преимущества и недостатки. Например, линейная регрессия проста в реализации, но может быть неэффективна при сложных зависимостях. Случайный лес и градиентный бустинг более точны, но требуют больше вычислительных ресурсов. SAP Analytics Cloud предоставляет инструменты для построения и обучения моделей ML.

В качестве входных данных для моделей ML можно использовать различные параметры: исторические данные о продажах, данные о маркетинговых кампаниях, сезонные факторы, экономические показатели, социальные сети и погода. Например, модели ML могут учитывать влияние праздников, рекламных акций и погодных условий на спрос на определенный тип обуви. Big data ритейл позволяет собирать и анализировать огромные объемы данных, необходимые для обучения моделей ML. Анализ данных поставок помогает выявлять тренды и аномалии.

Важным этапом является выбор метрик для оценки качества прогнозов. Наиболее распространенные метрики: средняя абсолютная ошибка (MAE), среднеквадратическая ошибка (RMSE) и коэффициент детерминации (R-squared). Чем ниже MAE и RMSE, и чем выше R-squared, тем точнее прогноз. Управление запасами sap может быть значительно улучшено с помощью точных прогнозов спроса. Отслеживание товаров adidas становится более эффективным благодаря возможности планировать поставки на основе прогнозов. Логистика ритейла оптимизируется за счет снижения уровня запасов и сокращения времени выполнения заказов.

Алгоритмы машинного обучения для прогнозирования спроса:

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

4.2. Оптимизация запасов и снижение потерь

Приветствую! Сегодня поговорим о том, как оптимизация запасов и снижение потерь напрямую связаны с применением Big Data и SAP EWM 9.5, особенно в контексте Adidas поставки. По данным APICS, избыточные запасы обходятся компаниям в 15-30% от стоимости запасов в год.[https://www.apics.org/resources/articles/the-true-cost-of-carrying-inventory] Это огромные деньги, которые можно сэкономить за счет оптимизации.

Основная задача – найти баланс между наличием достаточного количества товаров для удовлетворения спроса и минимизацией затрат на хранение. SAP EWM 9.5, интегрированная с SAP Analytics Cloud, позволяет использовать различные методы оптимизации запасов: ABC-анализ, EOQ (Economic Order Quantity), Safety Stock Calculation и Demand-Driven MRP. ABC-анализ позволяет классифицировать товары по их значимости и сосредоточиться на управлении наиболее важными позициями. EOQ помогает определить оптимальный размер заказа для минимизации затрат. Safety Stock Calculation позволяет определить необходимый уровень страхового запаса для предотвращения дефицита.

Снижение потерь достигается за счет улучшения управления запасами sap, сокращения сроков хранения и повышения точности прогнозов. Data mining цепочки поставок помогает выявлять товары, которые плохо продаются или устаревают. Эти товары могут быть распроданы со скидкой или перенаправлены на другие рынки. Отслеживание товаров adidas в режиме реального времени позволяет оперативно реагировать на изменения спроса и предотвращать потери. Логистика ритейла оптимизируется за счет сокращения времени доставки и снижения риска повреждения товаров.

Важным фактором является также улучшение точности данных. Ошибки в данных о запасах могут приводить к переизбытку или дефициту товаров, а также к неверным решениям о пополнении запасов. SAP EWM 9.5 обеспечивает автоматическую идентификацию и отслеживание товаров, что значительно снижает риск ошибок. Прогнозирование спроса ритейл с использованием машинного обучения позволяет учитывать различные факторы, влияющие на спрос, и повышать точность прогнозов. Риск-менеджмент в цепочках поставок позволяет выявлять и предотвращать сбои, которые могут привести к потерям.

Методы оптимизации запасов:

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

5.1. Идентификация потенциальных рисков: геополитические, экономические, природные

Приветствую! Сегодня поговорим о критически важном аспекте – риск-менеджмент в цепочках поставок, особенно для таких глобальных брендов как Adidas поставки. По данным World Economic Forum, геополитические риски и экономическая нестабильность являются основными угрозами для глобальных цепочек поставок.[https://www.weforum.org/reports/global-risks-report-2023] Игнорирование этих рисков может привести к серьезным убыткам.

Геополитические риски включают в себя политическую нестабильность, вооруженные конфликты, торговые войны и санкции. Например, конфликт в Украине привел к перебоям в поставках сырья и росту цен на энергоносители. Экономические риски включают в себя колебания валютных курсов, инфляцию, рецессию и банкротство поставщиков. Природные риски включают в себя землетрясения, наводнения, ураганы и другие стихийные бедствия. Цепочки поставок ритейла особенно уязвимы к этим рискам.

Для идентификации потенциальных рисков необходимо использовать Big Data и анализ данных поставок. Можно анализировать данные о местонахождении поставщиков, политической ситуации в их странах, экономических показателях и климатических условиях. SAP EWM 9.5, интегрированная с системами мониторинга рисков, позволяет оперативно реагировать на возникающие угрозы. Например, если в стране поставщика происходит политический переворот, система может автоматически перенаправить заказы на других поставщиков.

Важно также учитывать каскадный эффект рисков. Например, землетрясение в Японии может привести к перебоям в поставках полупроводников, что, в свою очередь, может остановить производство электроники во всем мире. Управление запасами sap должно учитывать эти риски и обеспечивать наличие достаточного запаса товаров для предотвращения дефицита. Логистика ритейла должна быть гибкой и способной адаптироваться к изменяющимся условиям. Прогнозирование спроса ритейл должно учитывать вероятность возникновения рисков.

Типы рисков:

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.

Приветствую! Сегодня поговорим о критически важном аспекте – риск-менеджмент в цепочках поставок, особенно для таких глобальных брендов как Adidas поставки. По данным World Economic Forum, геополитические риски и экономическая нестабильность являются основными угрозами для глобальных цепочек поставок.[https://www.weforum.org/reports/global-risks-report-2023] Игнорирование этих рисков может привести к серьезным убыткам.

Геополитические риски включают в себя политическую нестабильность, вооруженные конфликты, торговые войны и санкции. Например, конфликт в Украине привел к перебоям в поставках сырья и росту цен на энергоносители. Экономические риски включают в себя колебания валютных курсов, инфляцию, рецессию и банкротство поставщиков. Природные риски включают в себя землетрясения, наводнения, ураганы и другие стихийные бедствия. Цепочки поставок ритейла особенно уязвимы к этим рискам.

Для идентификации потенциальных рисков необходимо использовать Big Data и анализ данных поставок. Можно анализировать данные о местонахождении поставщиков, политической ситуации в их странах, экономических показателях и климатических условиях. SAP EWM 9.5, интегрированная с системами мониторинга рисков, позволяет оперативно реагировать на возникающие угрозы. Например, если в стране поставщика происходит политический переворот, система может автоматически перенаправить заказы на других поставщиков.

Важно также учитывать каскадный эффект рисков. Например, землетрясение в Японии может привести к перебоям в поставках полупроводников, что, в свою очередь, может остановить производство электроники во всем мире. Управление запасами sap должно учитывать эти риски и обеспечивать наличие достаточного запаса товаров для предотвращения дефицита. Логистика ритейла должна быть гибкой и способной адаптироваться к изменяющимся условиям. Прогнозирование спроса ритейл должно учитывать вероятность возникновения рисков.

Ключевые слова: репутацию,sap ewm 9.5,цепочки поставок ритейла,прозрачность цепочек поставок,анализ данных поставок,big data ритейл,adidas поставки,управление запасами sap,логистика ритейла,трассировка поставок,data mining цепочки поставок,прогнозирование спроса ритейл,sap analytics cloud,риск-менеджмент в цепочках поставок,отслеживание товаров adidas,big data в логистике.