Databricks Lakehouseプラットフォームのブルームバーグ・データを活用したサプライチェーンの混乱とESGリスク管理

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。

Databricks Lakehouseでよりレジリエントなサプライチェーンを構築する

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。

ケーススタディ大手自動車メーカーにおけるサプライチェーンリスクの分析

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。

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。