如何校准实时数据?

　　2005年，分别来自佐治亚理工学院和北卡罗来纳大学的两名研究人士：Nicholas Lurie和Jayashankar Swaminathan着手分析加快实时数据的更新频率会不会“提高公司业绩”。他俩想知道，能不能更迅即地响应环境出现的变化、看到采取的行动带来的影响。

　　结果他们发现，更频繁地收到数据点的经理做出的决策反而更糟。Lurie说：“实时数据的危险在于，它可能频繁出现在你面前，也许是每小时;如果你响应这些数据，要是存在某种随机性事件，而你把它当成系统性事件，确实可能会让你犯错。”

　　麻省理工学院交通与物流中心主任Yossi Sheffi著有《弹性企业》一书，他觉得实时数据没有错，而是错在人们使用数据的方式。

　　Sheffi说：“问题不是‘实时信息是好还是坏?’实时信息有益无害。实时数据的危险在于，如果你过快响应，没有等趋势显露出来。”Sheffi举例说明：宝洁公司不会根据每5分钟收到的数据，就开始针对沃尔玛销售“汰渍”洗衣粉的情况做出库存或者计划决策。

　　他说：“你不需要对买走5箱洗衣粉的顾客作出响应。你应当找出产品销售的趋势，并结合历史数据——比方说在过去的几天或者几周，然后与其他事件型数据关联起来，比如可能影响销售额的店内促销或者天气信息。”他说：“使用实时数据一定要明智。”眼下有些公司在这方面比其他公司要做得好。

　　在Priceline.com，Rose似乎找到了把实时数据提供给IT用户和业务用户的这个最有效点。公司创办于1998年，此后实时数据文化就发展起来。Rose说：“一开始我们就在动态收集业务度量指标。”

　　被问及为什么公司更喜欢每小时的报告，他回答虽然能够为用户提供每分钟的数据(业务活动监控系统具有这功能)，但他们发现，15分钟内提供的任何数据极有可能不足以构成需要注意的趋势或者其他方面。

　　Rose说：“每小时提供的数据足够准确了。”

　　袜子市场

　　国际袜子集团(ILG)生产很多袜子。作为美国第三大袜子生产商，ILG每周都要运行处理客户订单的周期，客户大到沃尔玛、小至夫妻店。总的来说，ILG的规划和预测人员能够满足零售商的袜子需求，并且让这些需求与ILG在全球各地的供应商的需求保持同步。

　　但如果你对袜子市场有所了解，就知道ILG规划人员的工作其难度有多大。ILG的CIO Alex Moore说：“袜子销售非常依赖天气。如果炎热的天气持续到秋天，我们的销售额就不会开始攀升。”或者，如果南部地区出现寒冷天气，袜子销售额就会上升;这种天气延续多久，上升势头就会保持多久。他说：“我不关心你的软件预测系统有多好;你无法预测何时天气会变冷。”

　　导致公司供应链系统出错的不可预测性和随机性就是所谓的杂音——无论是冰暴、地震、大肠杆菌发作还是恐怖分子袭击。杂音只会导致计算机系统、尤其是实时系统神经紧张。这样一来，需求和库存规划面临的危险显得更大了。Moore说：“若使用神经紧张的系统，你对每一丁点信息都会响应。如果每出现一丁点信息，你就改变计划，这确实很糟糕。”

　　因而，公司制订过滤掉杂音和紧张的某种战略就显得很重要。对销售突然出现随机性增长反应过度，会引发供应链出现致命的连锁反应：从上到下的每个供应商会增加订单和供应需求，因为它希望有足够库存来适应这种虚假的增长需求。这就是所谓的“牛鞭效应”(bullwhip effect)。

　　1997年，斯坦福大学的Lee与人合著了这方面的重要文章：《供应链的信息失真：牛鞭效应》。文章以宝洁公司帮宝适产品的需求规划方面的变化及挑战为例，如今这成了最有名的一个典例。Lee提醒：“你一定要能够区别杂音和真正的系统性转变。”