随着客户需求持续增加，今天的供应链必须实现更大的价值。作为全球供应链基础的现有系统无法跟上业务的发展速度或满足客户需求。供应链数据和可视性解决方案难以为实时的商业活动提供支持。拼凑在一起的解决方案存在数据延迟问题，阻碍了用户实时获取数据。因无法与贸易合作伙伴直接建立联系造成的执行延迟导致无法实现迅速的感知响应能力。数字化变革创造的机会将为真正的数据驱动供应链打下基础，但只有供应链能够通过控制网络连接让贸易伙伴参与其中，并能够实时利用数据，数字化变革才能产生明显影响。

一种新的供应链编排和执行方法即将到来，该方法以网络为中心，可以实现多租户共享，从而实现预测性和描述性的智能结果。

根据2017年Gartner数字供应链调查，受访者中62%的供应链从业者表示，他们预计未来两年数字业务将为其创造一半以上的收入。但只有25%的供应链从业者表示他们的数字项目通过统一的管理流程确保一致。

跟上业务发展速度

受Amazon等在线零售企业提出的两日闪电交付规范影响，客户对B2B领域的预期提高，商业不得不进化到一种“始终在线的”状态。为了满足客户需求，这场竞赛正在引起供应链的数字化变革，但任务依然是艰巨的。在企业中，实现数字化通常是一项庞大的工程，供应链组织发现，如果要统一和整合数十甚至数百个使用不同技术、应用、流程和术语的供应链合作伙伴，数字化工作将难比登天。这会产生一个分散且脆弱的连接网络，以便实现多方协作和可视性。由于各方之间，甚至同一组织的内部团队之间缺乏统一的公共网络，组织壁垒、延迟和无法实时进行反应和反馈等问题随之而来。供应链团队成员的创新能力受到限制，甚至无法通过积极执行来解决问题。企业深陷被动模式的泥潭，不得不解决随时出现的问题。由于缺乏了解优质的跨组织数据的单一渠道，无法与贸易伙伴建立联系，或者不具备灵活的执行能力来实时、迅速地调整订单或工艺流程，奋斗在一线的人们陷入了永无休止的追逐游戏。

最近对欧洲、中东和非洲（EMEA）近1500家企业（来自所有行业）进行的一项调查发现，平均来看，受访者认为只有14%的数据是业务关键型数据，另有32%是多余、过期或不重要的数据，剩余54%是“黑色数据”，即内容不明的数据。

截至2018年底，90%的制造型供应链企业使用B2B商业网络作为主要的协作工具，来满足客户需求、提供产品和服务以及进行产品开发。

网络方法

数十年前，许多企业改变了自己的流程和系统，以便通过ERP系统中单一的记录制度来开展工作。他们消除了壁垒和重复数据，来解决效率低下以及团队和个人存在摩擦的问题。这让企业统一了执行流程，提高了速度和工作效率。在单个企业中，对话中枢模型可以让单一的记录制度实现充分的连接性。所有数据位于中央，其他系统和团队参与其中。

另一方面，供应链是由组织和人组成的网络。这个网络随着客户需求和市场条件不断改变和发展。事实证明，根据现有的解决方案，在网络中连接所有贸易伙伴，并保证数据传输流畅和工作流程无缝融合是一项艰难的挑战，甚至是不可能完成的。ERP系统被融合到WMS、TMS和供应商门户的其他系统中，实现了分散的连接性。

人们开发出传统的控制塔来提供更高的可视性，但这些解决方案在许多方面只是加固了组织壁垒，无法降低复杂性和促进多方交易。

典型的解决方案本质上是独立的，更多专注于位于中心位置的企业而不是整个网络。但真正能改善供应链服务水平、生产效率和盈利能力的因素并不是供应商、物流服务提供商和其他合作伙伴。用于运行供应链的数据大约80%来自外部合作伙伴。领先的供应链企业可以利用协作工具和资源为合作伙伴赋能，让每个人都能优化执行情况，同时从客户的最大利益出发开展工作，但出现这样的企业尚需时日。

做到这一点需要心态转向一种由内而外的方法：高度互联的网络方法要求所有合作伙伴“始终在线”，形成一个实时数据和实时措施的环境。供应商或制造商参与接收订单、修改和在系统中付款，并根据最终客户的需求变化，更改计划，直接向最终客户交付。在网络化的供应链中，每个人都从客户的最大利益出发开展工作，网络中就会出现主动采取措施的机会，从而创造价值，提高生产力和工作效率。供应链主管可以从被动解决问题转变为主动实现新形式的价值。

过滤无效数据

如今，供应链主管获得的数据大幅增加，了解哪些数据需要查看并决定哪些需要采取措施是一项挑战。网络化供应链让企业能够利用所有网络数据并过滤多余的数据，从而避免信息过载，将注意力集中到当前最紧迫的事情上。

网络的强大功能

网络信号可以指出更深层次的系统问题。例如，出现延期交付时，供应链中通常有多个环节出现延误。这种情况下可能存在一个普遍的问题。在实时网络中，传感器持续监控活动聚合点，系统从多个角度查看延期交付情况，并利用智能技术确定根本原因。出现问题的原因可能来自普通承运人或供应商，或者恶劣天气等外部因素。网络控制中心可以指出整个网络中多个环节反复出现的某个特定的根本问题，而不是解决多个独立的问题。基于历史规律、实时网络可视性和预测智能，可以得出一项或多项最佳措施。

智能

在掌握全网络信号和优质数据的前提下，机器学习可用于处理信息，学习信息，并提供预测性、最终性和规范性智能结果。网络智能让供应链团队和最终用户能够根据最佳决策和主动见解提高工作效率，供应链变为自主学习模型，从而在日常运行中变得更智能、更高效、更可靠。

让工作更智能，让网络更高效

一家成品供应商在交付牛仔裤时出现了延误。网络化供应链的传感器监控活动的聚合点，从多个角度了解延期交付情况。系统使用智能技术发现根本原因：棉花供应商的原料被延期交付了。受该供应商的影响，系统发现了网络中12个其他异常情况。该企业找到根本问题以便过滤无效数据，而不是解决12个独立的问题。基于历史规律、实时网络可视性和预测智能，控制中心给出解决措施，并在某些情况下推荐能快速供货的原料供货渠道。其他情况下，控制中心可以发现网络中可以调给牛仔裤生产商的多余原料，以便防止影响利润或客户服务。

网络化供应链可以立即感知商业动态，通过一系列实时控制点感知网络流，从而实现动态监控。它了解是否出现了变化，确定“正常状态”，并迅速查看网络流移动情况以发现规律变化。系统甚至可以在问题出现之前发现问题。

在网络化供应链中与贸易伙伴建立直接联系可以主动应对业务条件变化。应用是网络原生的，日常执行可以提供实时、准确和内容丰富的数据。网络协作可以分享见解，在部门和企业之间提供统一的信息观点，以便做出更明智的决策。在基础设施、数据和网络保持同步的前提下，AI和机器学习就可以用于让执行获得预测性和规范性分析功能。机器学习和记分让供应链变为自主学习工具。

迅猛的变化

供应链处于不断变化之中，速度可达每秒50次。供应链团队每天要面对大量的潜在问题、挑战、中断、甚至简单的需求变化信号和物料流数据。时刻关注真实动态并着手解决迫切问题变得尤为重要。借助网络方法，您可以看到事物不同的一面，并准确、高效地采取措施。

2019年02月18日 于上海

版权作品 未经许可 请勿转载