このブログは、私たちが提携している業界をリードするデータ・プロバイダーやマーケットプレイスのデータ・プロバイダーを紹介するブログ記事の第一弾です。 ブルームバーグの協力者であるマイケル、マリス、ドンには、この旅を通してのサポートとこのブログへの貢献に感謝する。
サプライチェーンの回復力は、企業にとってますます重要になってきている。 調達マネジャーは、サプライチェーン・ネットワーク全体にわたって透明性のある監視を維持し、潜在的なリスクを認識していなければならない。 近年、サプライチェーンは多くの混乱に直面しており、世界的な大流行によって引き起こされた混乱は、労働者を自宅に留め置き、世界中のサプライチェーンを麻痺させた。 企業がパンデミック（世界的大流行）から脱却するにつれ、リーダーたちは次の大きな混乱にどう備えるべきかを自問自答している。
マッキンゼー・アンド・カンパニーが2022年に発表した、製造業を対象にした調査報告書によると、過去12ヶ月間にサプライチェーンのリスク管理を新たに実施した企業は全体の3分の2に上った。 このような取り組みの中には、サプライヤー関連のリスクを監視するプロセスの導入が含まれ、これは、顧客納期を厳守することを最優先とする企業にとって特 に重要である。 また、最近のサプライチェーンの不安定性の高まりを受け、企業の意思決定サイクルも短くなっている。
企業は、サプライ・チェーン・ネットワーク全体にわたるエンド・ツー・エンドの可視性と自動化を必要としており、そのためには包括的なデータ・ソリューションが必要である。 ブルームバーグは2006年までさかのぼり、10万社以上のサプライチェーンデータを提供している。 このブログでは、ブルームバーグが提供するESG、制裁、債務不履行などのリスクデータを紹介し、顧客が企業のサプライチェーンにおける潜在的な懸念事項を認識できるよう支援する。
企業はデータだけでなく、次世代のサプライチェーン管理ツールを開発するための、拡張可能で費用対効果の高いプラットフォームを必要としている。 Databricks Lakehouse Platformは、データレイクとデータウェアハウスの要素を組み合わせることで、お客様がコストを削減し、データとAIイニシアチブを迅速に実現できるよう支援します。 オープンソースとオープンスタンダードに基づいて構築されたこのプラットフォームは、歴史的にデータとAIを複雑にしてきたサイロを排除する。 この環境は、共同研究、MLflowによる高度な機械学習アプリケーション、データワークフローの生産化をサポートすることができる。
ガバナンスの観点からは、Databricks Unity Catalogは、強力なガバナンスとセキュリティの下で、企業の内部データとブルームバーグのデータソリューションをシームレスに統合することができ、顧客はさまざまなユーザーのニーズに合わせてカスタム分析を作成することができる。 これを可能にするため、ブルームバーグはUnityカタログへの個別データライセンス一括データセットのシームレスなロードを容易にしています。 複数のブルームバーグ・バルク・データセットおよび/またはブルームバーグ・パー・セキュリティのオンボーディングを検討している場合、ブルームバーグのデータライセンス・プラス（DL+）は、ブルームバーグ・データとマルチベンダーのESGデータの取得を同期させる負担を軽減し、すぐに使える統一データモデルをUnityカタログに役立てることができます。 DL+は、時間、地域、アセットクラスを超えたデータセットのモニタリング、継続的なロード、リンクを最小限の導入労力でコントロールします。
私たちは、複雑なデータセットを変換し、実用的なインサイトを抽出するために、Databricks Lakehouse Platformにロードされたグローバル自動車メーカーのサプライチェーンネットワークに焦点を当てています。 私たちは、クライアントがサプライチェーンのリスクを評価する際に考慮する3つのリスク要因（デフォルトリスク、制裁リスク、気候変動リスク）に焦点を当てています。
1.デフォルトリスク
ブルームバーグ独自のデフォルト・リスク・モデルは、企業の負債などのインプットを使ってデフォルト確率を計算する。 サプライチェーンとデフォルトリスクのデータを組み合わせることで、財務的に困難な状況にある川上のサプライヤーを特定することができる。 この自動車メーカーのサプライチェーンの中で、1年間の債務不履行確率が10％を超えるサプライヤー11社を特定した。 流動性の問題に直面しているサプライヤーは、商品／部品の流れに混乱を引き起こし、その結果、顧客にとって納品が困難になる可能性がある。
2.制裁リスク
デフォルトリスクと同様に、DL+テーブルからエンティティデータを使用し、世界的な自動車メーカーのサプライチェーンネットワークにおける制裁対象エンティティを容易に特定することができる。 制裁を受けるのは直接のサプライヤー（ティア1）1社だけだが、複数のティア2、ティア3サプライヤーには制 裁が適用される。
| サプライヤー層 | サプライヤー総数 | 認定サプライヤー数 |
|---|---|---|
| ティア1 | 653 | 1 |
| ティア2 | 10744 | 71 |
| ティア3 | 30652 | 264 |
マッキンゼー・アンド・カンパニーによると、2022年に同コンサルティング会社が調査したサプライチェーンリーダーのうち、Tier3サプライヤーを可視化しているのはわずか10％だった。 ブルームバーグのサプライチェーンと制裁データを利用することで、顧客は制裁対象企業への間接的なエクスポージャーを特定し、代替手段を特定するためにサプライヤーに働きかけることができる。
3.気候リスク
企業は、スコープ3の排出量（サプライチェーン活動から発生する排出量）を監視するようになってきている。 ここでは、相互のユーザーが、DL+を介して、自動車メーカーのサプライヤーの数階層にわたるエンティティレベルの排出量データを簡単に表示できることを示す。 世界的な自動車メーカー自体の排出原単位は高くないが、炭素原単位の指標が同業他社に遅れをとっているサプライヤーがすべての階層にいくつか存在する。 自動車メーカーは、そのようなサプライヤーの慣行に満足しているのか、それともサプライチェーンを積極的に修正したいのかを判断する必要がある。
洗練されたクラウドプラットフォームの登場により、サプライチェーンリサーチのワークフローは急速に変化している。 特にトレーサビリティと可視性が重要なサプライチェーン分析などの分野では、強力な方法でデータを活用できるようになった。 Databricks Lakehouseのような統合アナリティクス環境でDL+データセットを組み合わせることで、ビジネスや競合の状況に関する洞察を加速することができます。
我々のケーススタディでは、ブルームバーグのデータをDatabricks Lakehouseで使用することで、実用的なイン サイトを浮かび上がらせることができる3つの例を紹介している。 Databricks Lakehouseを使用することで、このようなリスクモデルを、組織全体で共有されるスケジュールされたワークフローに製品化することが可能です。 例えば、私たちのチームは、気候変動リスクデータを統合して、サプライチェーン全体における企業の環境脅威へのエクスポージャーを表面化することに取り組んでいます。
ブルームバーグのデータについての詳細、およびDatabricksのデモのご依頼は、こちらをクリックしてください。
