Sat
isf
ac
tion
is
do
wn
Alt
h
ou
g
hi
m
ple
m
ent
ati
on
sw
ere
u
p,res
p
o
nd
ents
we
re
l
esssat
isfie
d
wit
hth
eir
bi
g
dat
aa
nal
yti
cseffort
si
n20
18
t
ha
ni
n
201
7.
4.
1
4. 2
4.
0
4. 4
4. 2
3. 8
4. 4
4.
1
3
. 9
3.
9
3.
7
4. 1
3. 8
3.
3
3. 9
3. 6
P
ro
fi
t
ab
ili
t
y
I
nv
en
t
o
ry
Ma
na
ge
me
n
t
Vi
sib
ili
t
y
t
o To
t
al
Co
s
t-
t
o-S
e
r
ve
Cu
s
to
m
e
r
S
e
r
vi
ce
De
m
and
Pla
nni
ng
Ri
s
k
an
d
R
e
sili
en
c
y
M
an
ag
e
men
t
Sup
pl
yC
ha
in
Vi
s
ibi
li
ty
End-
t
o-E
nd
Su
ppl
y
Cha
in
Co
lla
bo
r
a
tio
n
201
7
201
8
Su
r
v
ey
r
e
sp
on
den
t
s
w
e
r
ea
s
ke
d
to
ra
nk
on
a
s
c
ale
o
f
1
t
o7
ho
w
m
uc
ho
f
ab
en
e
fi
ci
al
im
pa
c
t
t
he
y
had
a
l
re
ad
y
r
ec
ei
ve
d
f
ro
m
big
d
a
ta
an
al
y
ti
c
si
n
t
he
f
oll
o
win
ga
r
ea
s
.
Areun
sophi
sti
cated
to
ols
to
bla
me
?
Th
atla
ck
ofs
atisfa
cti
on
ma
yref
lect
th
efa
ctt
hat
ma
n
y
co
m
pa
ni
esar
estill
us
in
gr
elati
v
el
y
uns
o
p
histic
ate
d
an
al
ytics
to
ols
.
Su
r
v
ey
r
e
sp
on
den
t
s
w
e
r
ea
s
ke
d
to
ra
nk
on
a
s
c
ale
o
f
1
t
o7
th
e
ex
t
en
t
to
wh
i
ch
t
he
y
a
re
u
sin
g
th
e
f
oll
ow
ing
a
nal
y
ti
c
s
t
o
su
pp
o
rt
s
upp
ly
c
ha
in
de
ci
s
ion-
m
aki
ng,
whe
r
e
1
equ
al
s
no
u
se
,
7e
qu
al
s
he
av
y
u
se
,a
nd
3
eq
ual
s
o
c
ca
si
on
al
u
se.
De
fi
ni
tio
n
s
of
da
ta
a
n
aly
ti
c
s
ty
p
e
s
fr
om
l
ea
st
to
m
o
st
so
p
hi
s
ti
ca
te
d
:
•
D
es
cr
ip
tiv
e
:A
na
lyt
ic
s
t
hat
d
e
s
cri
b
e
w
ha
ti
s
h
ap
p
e
ni
ng
/
ha
s
h
ap
p
en
e
d.
•
Di
ag
n
os
ti
c:
An
al
yti
c
st
h
at
d
e
scr
ib
e
why
so
me
th
i
ng
h
ap
p
e
ne
d
.
•
Pr
ed
ic
tiv
e
:A
n
aly
ti
cs
t
hat
pr
ed
ic
t
wh
at
w
il
l
h
ap
p
en
.
•
Pr
es
cr
ip
tiv
e
:A
n
aly
ti
cs
t
ha
tt
e
ll
u
s
er
s
w
hat
t
h
ey
s
ho
ul
d
b
e
d
oi
ng
.
•
C
og
ni
tiv
e
:A
n
aly
ti
cs
t
hat
us
e
m
ac
hi
n
e
l
ear
ni
ng
t
ot
e
ll
u
s
er
s
w
ha
t
s
ho
ul
d
or
c
ou
ld
be
do
n
e.
T
he
stu
d
yf
o
un
dt
he
fo
ll
owi
n
gc
orre
lati
o
ns
betw
ee
nt
het
y
pes
of
a
nal
yt
ics
an
dt
he
b
en
efits.
The
bot
to
m
line
Alt
h
ou
g
ht
hes
ur
ve
yr
es
po
n
de
ntss
ee
m
u
nd
erw
hel
m
ed
b
yt
h
eres
ults
oft
he
irb
ig
d
ata
pr
oje
ctst
o
date
,t
hats
h
ou
ld
n’t
b
ese
en
asa
si
gn
of
fail
ure.
Te
ch
n
ol
og
y
e
x
pertss
ay
it’s
n
or
malf
or
c
o
mp
an
iest
oe
x
per
ie
nce
gr
o
wi
ng
p
ai
nswit
ht
he
i
mp
le
me
ntat
io
n
of
an
y
ne
w
t
ec
h
no
lo
g
y.
Fi
xi
n
gt
he
pr
ob
le
ms
willt
aket
i
mea
n
d
wor
k.
B
utast
he
y
b
eg
int
o
a
ddr
ess
iss
u
eslik
et
hel
i
mitati
o
ns
oft
heir
e
xisti
n
ga
nal
yt
icst
o
ols,t
her
e’sa
g
o
od
c
ha
nc
eth
e
yc
an
get
th
eir
pr
oje
cts
bac
k
on
trac
k.
SOU
R
CE:
“SE
C
ONDANNUA
L
BIGDATAANA
LYTI
C
SSTUD
Y”
B
Y
CS
CM
P’SSU
PPLY
CHAIN
QUA
RTE
R
LY
IN
CON
JUN
CTI
ON
WITHA
RIZ
ONA
STATEUNI
VE
RSIT
Y,
CO
L
ORA
DO
STAT
E
UNIVE
RS
ITY,
C
OM
PETIT
IVEI
NSIGHTS
L
L
C,ANDTH
E
LHA
R
RINGT
ONG
R
OUP.
THEST
UDYWA
S
BASED
ONTH
E
R
ESP
ONSES
O
F12
5SUP
PLY
CHA
INP
R
OFE
SSI
ONAL
SF
R
OM
NO
RTHAND
SOU
THAM
ER
ICA
.
1.
Vi
k
to
r
M
ay
e
rS
ch
onb
e
rg
e
r
and
K
enn
e
th
Cu
ki
e
r,
Bi
gDa
t
a:
A
re
vo
lu
ti
on
t
ha
t
w
ill
t
r
an
s
f
o
rm
ho
w
w
el
iv
e,
w
o
rk,
a
nd
t
hin
k,
Hou
gh
to
n
Mi
ffl
inH
a
r
co
u
r
t,
20
13
.
201
7
2
01
8
4.
74
4. 2
0
3
. 6
3
4.
61
4.
0
2
3.
16
3. 6
0
3
. 5
6
D
e
s
c
rip
ti
v
e
An
al
y
ti
c
s
Di
ag
no
s
ti
c
A
nal
y
ti
c
s
P
r
edi
c
ti
ve
An
al
y
ti
c
s
P
re
s
c
r
ip
ti
ve
An
al
y
ti
c
s
Cog
ni
ti
ve
An
al
y
ti
c
s
2.
8
1
2.
27
An
al
y
tic
s
Ty
p
e
S
e
rvi
ce
P
l
a
nn
in
g
Ri
sk
Ma
na
g
e
m
en
t
S
u
pp
l
y
Ch
a
in
Vi
s
i
bi
l
it
y
En
d
C
o
l
la
b
o
r
at
i
o
n
P
r
o
du
ct
iv
it
y
D
es
cr
i
pt
iv
e
An
al
yt
ics
y
es
n
o
n
o
n
o
n
o
n
o
n
o
n
o
n
o
y
e
s
n
o
D
i
a
gn
o
st
ic
An
al
yt
ics
sl
i
gh
t
ly
p
o
si
t
ive
n
o
y
es
n
o
s
l
i
gh
tl
y
p
os
i
tiv
e
n
o
Pr
e
di
ct
ive
An
al
yt
ics
ye
s
n
o
n
o
n
o
n
o
n
o
Pr
es
cr
i
pt
iv
e
An
al
yt
ics
sl
i
gh
t
ly
n
e
g
at
iv
e
s
li
g
ht
l
y
p
o
s
it
iv
e
y
es
s
li
g
ht
l
y
p
o
s
it
iv
e
y
e
s
C
o
gni
t
ive
An
al
yt
ics
n
o
s
l
i
gh
tl
y
p
os
i
tiv
e
