供应链控制塔
2021-11-06 20:33:28 2 举报AI智能生成
供应链控制塔
作者其他创作
大纲/内容
供应链控制塔【是什么】？
什么是供应链？
供应链为一个流通链（网络），流通的是基于企业上下游供给服务产生的商流、资金流、信息流、物流等数据；是商品从最原始的状态，例如：原材料，经过【采购-->生产-->仓储-->运输-->销售-->配送-->消费者】等多个环节，围绕着供应方（Supply Side）与需求方（Demand Side）之间的服务匹配而形成的复杂的流通链（网络）。
什么是控制塔？
控制塔的概念比较好理解，起源于机场中用于指挥飞机起飞、降落的控制塔台，主要起到协调、决策的作用。
什么是供应链控制塔？
供应链控制塔是通过集成内外部软硬件系统，内部通过打通系统间的数据孤岛，外部通过收集影响企业供给协同，从【采购-->生产-->仓储-->运输-->销售-->配送-->消费者】等上下游多个环节的多源异构数据，经过数据处理（清洗、治理、标签化等），提供给上层智能化的应用，结合应用中的算法模型，最终输出强业务属性和强价值关联的预测数据，并提供给企业基于全业务域的穿透式（供应链各个环节数据，环环相扣）数据展示，帮助企业供应链加强风险管控，优化资源配置，辅助运营决策，最终实现提效降本的建设目标。
【为什么】企业需要建设供应链控制塔？
【外部市场环境分析】：「推式供应链」VS「拉式供应链」
企业发展到现在，从供应链的角度来看，经历了以下几次发展变革的浪潮：
1）第一次浪潮： 特征：生产商大权在握
生产商数量少、规模小，市场需求不断扩大，导致需求远远大于供给，形成以“生产商”为主的推式供应链；
2）第二次浪潮： 特征：品牌商的紧平衡
随着原有生产商规模的扩大和新生产商的加入，供给能力快速扩大，为解决生产过剩，很多的生产商发展为品牌商，品牌商通过营销刺激大众的需求，维持推式和拉式供应链间的紧平衡；
3）第三次浪潮： 特征：消费者的主权时代
随着品牌商的增多，消费市场逐渐下沉，消费者的需求呈现多元化、复杂化、碎片化，绝对的买方时代到来，形成了以“消费者”为主的拉式供应链；
4）第四次浪潮： 特征：多方间的动态平衡
第四次浪潮是企业正在经历的阶段，为满足消费者个性化的需求，形成了复杂的供应体系，造成上下游企业间协同效率低，成本高，如何在保障消费者需求的基础上有效的降本提效，实现拉式与推式供应链的动态平衡是企业的重点；
5）VUCA的时代
未来的市场充满了易变性、不确定性、复杂性和模糊性，如何快速根据市场需求的变化，灵活调整供给能力，为企业提出了新的考验，企业需要在第四次浪潮中实现推式与拉式供应链的动态平衡来面对未来VUCA的时代。
【企业内部问题分析】：运筹帷幄，需要思考那些问题
企业在上下游中扮演不同的角色，在不同的环节，企业为实现运筹帷幄，需要站在全局协同的角度，思考以下几个问题：
1）生产环节：如何进行科学合理的计划排产，解决企业不同生产工厂的物料预测、生产能力均衡？
2）仓储环节：如何通过智能化规则策略，自动化设备作业，减少人工干预导致的差错率，提升仓库运营管控能力？
3）运输环节：如何加强运输全生命周期的可视化管控？
4）销售环节：如何通过门店端销售数据的销量预测实现智能的分货、补货？
5）配送环节：物流网络实现全面覆盖时，如何解决最后一公里终端配送的问题？
【内外结合】：「Supply Side」VS 「Demand Side」
通过对企业外部环境和内部问题的分析，可以将企业在供应链方面遇到的问题转换为供应方（Supply Side）和需求方（Demand Side）在全链条各个环节服务匹配中过程遇到的问题。
通过建设传统的管理类系统已经无法满足企业发展的需要，要想解决这些问题，应该利用人工智能技术、运筹优化学的算法，帮助企业实现从以“加强管理”为目标的执行履约阶段向以“提效降本”为目标的统筹优化阶段和“全链条协同”为目标的战略规划阶段转型。
在这个转型的过程中，数据是第一生产力，通过数据驱动业务的发展，而供应链控制塔就是对数据最好的赋能方式。
建设供应链控制塔需要【怎么做】？
第一步：【上下游企业协同数据的获取及治理】
企业建设供应链控制塔的第一步是解决数据从单一到多元、互联互通的问题，从数据的来源看，分为了内部数据和外部数据。
1-内部数据的打通
当前很多企业内部都存在数据孤岛的现象，这和企业的系统架构是紧密关联的，企业之所以会出现数据孤岛的现象，究其原因是企业当前系统架构建设仍处于一个较为老旧的阶段或者对数据重要程度的认知没有跟上系统架构升级的步伐。
了解到原因后，对症下药，内部数据的打通就是围绕着解决企业系统架构升级和数据标准化处理两个方面开展。
1.1-系统架构升级
系统架构升级需要对企业IT进行一系列的评估改造，系统架构升级对于企业而言等同于换血，这个过程很难一蹴而就，需要缓慢而艰辛的迭代历程。为避免企业再次出现数据孤岛的现象，就需要解决系统架构老旧这个最根本的原因；非常认可一句话，技术更多的是一种工具或者手段，没必要为了上平台而上平台，适合自己企业业务发展就好，当下火热的数字化转型方式的经验是值得参考借鉴的，但是否适合需要因企业而异，盲目跟风往往都是碎了一地。
当然并不是说企业短时间内无法完成系统架构升级就没有办法解决数据孤岛的问题，可以曲线救国，通过<2>系统数据标准化处理的方式，实现内部数据的打通，当然在实现这个步骤的过程中实际就是已经开始了对系统架构的升级改造，只不过划分了几个阶段进行，并将数据标准化处理阶段的优先级调整至重要且紧急。
1.2-系统数据标准化处理
系统数据的标准化处理主要考验企业对多源异构数据从采集、存储、治理等方面的服务能力。
【采集存储】数据采集工作，对于整体质量较高的数据，通过接口对接、ETL工具等不同的方式即可完成数据的简单清洗/收集；对于整体质量较差的数据，更加考验企业对数据填补能力，如何在已有数据中找到相对的规律，并按照规律对数据进行梳理、补齐，最后结合业务完成数据的验证；同时数据存储工作，也需要考虑操作、性能、效率等多方面因素制约。
【数据治理】需要考虑数据格式、查询效率、操作语句等多方面因素，对于一些开发能力适中的企业，对数据的各方面要求不是太高，可以自己基于Hadoop体系进行改造；对于一些开发能力较强的企业，可以自己架构一套数据存储、治理体系，像现在比较火的数据中台，但是95%的企业是不具备这种能力，拥有搭建一整套完整数据治理体系能力的企业一定是在数据这个领域内深扎多年，拥有了丰富的面向“数据”开展各种工作的经验，沉淀了丰富的面向多场景开发应用的数据模型，并能根据实际的业务场景，基于自己的沉淀多年的产品体系进行快速反应。
2-外部数据的收集
想要提升企业对全链条业务的快速反应能力，单靠自身的业务数据是远远不够的，必须结合外部链条其他企业的数据，才能提升整体的协同能力，所以外部数据的收集尤为重要。
企业外部数据的收集与企业在链条中的地位紧密相关，分两种情况来看。
2.1-若企业在链条中占据主导地位，企业可以通过拉式的方法，将上下游的其它企业全部拉到自己的系统（例如：SRM）中，此时企业需要关注的是系统中具备什么样的功能模块才能帮助企业收集影响上下游协同的更多数据，即需要什么样的数据，就增加对应的功能模块，其它企业就会提供对应的数据；
2.2-若企业在链条中处于较弱的地位，不具备太多的话语权，这时的企业想要通过拉式的方法收集上下游占据主导地位企业的数据，是非常困难的。这类企业通常需要采用推式的方法，首先判断出自身需要什么样的数据，再通过企业间业务数据的价值关联关系，倒推出需要主动提供给其它企业什么样的数据才能回传得到自己想要的数据，通过主动推送，被动接收的方式获得想要的数据，此时企业需要更加关注的是自身业务数据与其它企业业务数据的价值关联关系，即需要什么样的数据就先提供给其它企业有价值关联的数据，通过数据回传的方式拿到自己想要的数据。
【第二步】：【基于底层数据构建智能化应用】
通过第一步的建设，企业打通内部系统数据和外部协同数据，实现全业务域数据的汇聚，完成基本数据的治理；接下来就需要考验企业在不同业务模块对智能化应用的构建能力。
供应链控制塔的关键环节不在于最终数据的展示形式上，企业更加关注的应该是在【面向不同业务板块的智能化应用构建】方面的能力，如何围绕前文提到的从【采购-->生产-->仓储-->运输-->销售-->配送-->消费者】多个环节构建智能化应用。
【产品1】———智能配货平台
智能配货平台基于全渠道销售数据，对于常规类商品，结合销量预测算法，制定不同商品面向不同渠道、不同区域、不同门店的详细配货计划，帮助企业实现精准配货，提高商品的售罄率，降低配货不合理造成的物流成本；
【产品2】———智能调补平台
智能调补平台基于全渠道销售数据及库存数据，对于常规类商品，结合销量预测算法，设立安全库存阈值，缺货时进行及时的补货预警；制定配补周期，避免出现补货频繁造成的库存积压；结合商品销量、销售周期等条件，输出补货数量区间，指导门店进行补货；结合附近门店库存，推荐多种不同的补货方式，降低调拨成本，提升销售机会；
【产品3】———追单快返平台
目前新品商品种类繁多，而门店的陈列空间有限，传统无差异铺货模式会加大试错成本。我们建议零售企业可以利用门店规模优势，利用“小步快跑”的方式，先将门店进行聚类，新品前期小批量采购，按照统计抽样的方式铺货，仅到每种类型的门店而不是全部门店。待新品销售一周后，通过预测算法即可定位“爆品”范围，并且得知哪些商品适合哪类门店，由点及面的将适合的商品通过算法推广到全国门店，并预测出全国每个门店的销售，汇总后即是本次计划采买的数量，预测又是门店级别汇总上来的，也可得作为本批追单商品的分货计划。
【产品4】———智能促销平台
智能促销平台基于不同场景为企业提供线上、线下多种促销方案：线上协同各电商平台，根据商品属性、活动目标提供多种组合促销策略，并为企业提供活动后的成本效益分析；线下根据不同门店所在商圈、人群画像为不同门店提供面向不同商品的促销建议，并提供给门店多种促销组合，面向老客和新粉提供用户关怀，加速新粉转化，提升老客复购，从而提供整体的商品销量；
【产品5】———xWMS仓储管理
xWMS智能仓储解决方案，是新一代数字化仓储管理解决方案，在实现传统仓储管理软件通用功能的前提下，通过数字化手段结合运筹学以及机器学习算法，在仓储管理的各个环节提升作业效率，降低仓储管理成本。基于数据中台中人、货、场、设备等仓储关键元素的数据画像，通过运筹学算法实现入库、上架、盘点、拣货、出库等各个环节的作业与路线的智能调度优化，通过机器学习算法优化库内储位布局、动线动态优化、单量预测等，构建聪明的数字化仓储大脑。
【产品6】———xTMS运输管理
xTMS智能运输解决方案，是新一代数字化运输管理解决方案，在实现传统运输管理软件通用功能的前提下，利用数字化手段结合运筹学与机器学习算法，在运输管理的各个环节，基于订单、货物、司机及车辆数据画像的智能规划与调度，提升运输作业效率，降低运输成本，实现运输全程的透明可视及成效优化。
【产品7】———RoutingFix路径优化
RoutingFix路径优化解决方案，基于运筹学算法，结合行业经验的数字化，对运输路线和车辆的运输计划进行低成本、高效率的优化。在物流运输领域，运筹优化本质上就是在各种复杂条件的制约下，根据优化方向和策略可以在时效、里程、运力成本、配载效率和人员排班上得到最优化结果。
【产品8】———loadingFix装箱优化
LoadingFix装载优化解决方案，基于各种复杂的物流制约条件和因素，比如避免撞击、货物的重下轻上堆放原则、不同材质的包装强度限制、装载的容器的种类、尺寸、以及卸货先后顺序等，通过运筹学的优化算法得到一个最优的装箱方案，实现有限条件下最大化的装载率。目前装箱算法支持100多个装载规则和约束条件，可以实现从货物到托盘，到集装箱的迭代装箱，结合操作人员的经验可以进行手动调整，最后可以输出到手机小程序端以及装载指示图打印，指导现场的装载作业。
【第三步】：【数据展示】：数据可视化、数据可调节、数据可预测
供应链控制塔建设的最后一个步骤就是数据展示，通用一些二维的图标根据业务需求进行灵活的组合展示，帮助运营直观、清晰的观测数据的实时变化
0 条评论
下一页
