“未来数字化供应链”：数据驱动认知决策

引言

近年除了疫情带来的挑战，随着市场转向以客户为中心、需求驱动和自动化网络，供应链管理面临重大的变化。企业需要作出更快、更准的决策、不断寻求优化空间、增强内外部协同能力，为客户提供高质量的服务水平以保持竞争力。企业在自动化和数字化升级后，产生大量且不断增加的数字信息，但毕马威在全球高管调研中发现只有23%的高管认为他们已经非常有效地利用数据形成洞察、制定可行动的改善计划。

企业应该考虑什么

我有哪些可用的数据，我需要哪些数据？如何利用这些数据？谁在什么时候需要什么数据？如何使用高级分析来提供更高的客户价值？如何预测客户行为并改进决策？

现存痛点

痛点一：缺乏体系化价值导向分析

停留在业务统计报表，没法形成洞察型分析；

未有全面考虑供应链总体绩效指标KPI，形成一致目标，只注重单部门绩效考核。

痛点二：未能有效赋能供应链协同

数据口径不一，跨部门数据没有贯通；

管理层与跨部门沟通缺乏可视化数据展视；

上下游数量能见度低。

痛点三：无法有效支持科学性决策

数据量大，人工无法做有效决策；

战略到战术层比如仓网布局、销售预测、供需计划等欠缺工具辅助。

供应链数据分析与决策的未来 ：

认知决策中心 （CDC）

领先企业正在引进认知决策中心，推动供应链自主决策，续步解放人员的资料做更多决策性事务。

CDC比传统的供应链控制塔有两大主要不同

1、增加新功能

利用所有供应链数据并提供洞察、指导和建议；

充当干扰和意外事件的“永远在线”的哨兵；

成为顾问，甚至决策者。

2、驱动新价值、新效益

消除信息和组织中的孤岛，增强协作；

用数据驱动的洞察力增强人的判断力；

展示成本、收入、利润和指标影响之间的权衡。

认知决策中心的四大关键部分确保它能够接收大量数据、提供范围广泛的能见度、支持决策制定并智能执行相关决策。认知决策中心的组成部分是借助组织内外的生态系统的能力构建出来的。认知决策中心是由不同的数据来源（内部/外部、结构化/非结构化) 、分析引擎、事务系统和认知工具（自然语言处理、机器学习）组成的生态系统创建。通过整合供应链数据源、学习供应链领域的原则、并充当供应链教练/专家的角色。

企业应该了解数字化及数据应用现状并制定路线图，续步提升分析能力，未来借助人工智能和机器学习实现自主决策，以达到效率和效能最大化。

转变对企业供应链的价值

能够权衡KPI，为整个企业提供最佳绩效。

支持从战略到战术的多个场景和决策范围。

数字化模型和算法模拟供应链，为每个职能创建真实情况的模拟版。

决策中心是整个上游供应链协作的焦点；团队专注于解决业务问题和交付价值。

预测性分析工具通过模拟未来绩效来规划最佳改进路线。

重新调整运营模式，以支持企业范围内的协作和绩效文化。

以正确的文化、行为和激励为动力，增强专注力和责任感的敏捷团队。

“人”保留最终的决策权，对于模拟和实际知识范畴的最佳决策点。

如何开展

建立认知决策中心是一场马拉松，而不是短跑，需要管理层积极参与、高效的管理和积极的转型团队。以下四点是搭建认知决策中心的前题，企业必须明确目标，以最终供应链绩效表现为前题。

明确策略：企业需要清晰供应链策略，是以服务水平驱动？还是成本为先？还是多种细分策略？

制定指标：基于总体供应链权衡设计有效指标，同时按业务策略定立目标值。

规划场景：按战略、战术、运营到执行层设计场景化分析，嵌入相关指标，拉通数据进行关联及问题根因分析等。

梳理数据：按落地要求，梳理及补齐数据，确保数据真实呈现业务状况。

应用场景示例

以消费品为例，通过整合内部与上下游的库存数据，实现全链条库存监控。通过有效指标监察，识别存在库存风险的相关产品进行预警。在寻找调拨来解决缺货或滞销风险后，可以通过其他分析场景，识别相关原因，比如物流时效、生产质量、计划准确性、原材料交付等因素。通过机器学习，不断优化库存及补货计划，形成闭环。

启示

1、不是一蹴而就，而是需要逐步、稳步进化

认知决策中心建设需要一步步、稳扎稳打的进行，数据的完善、业务流程的优化、整体规划的落地都需要一个进化过程。

2、不仅是数据分析，而是数字化经营理念转变

业务的快速增长给企业整体运营管理造成了极大的压力，企业也越来越难以掌控全局，这不仅需要运用数字化技术与分析方法，更需要经营理念的转变。

3、不仅是IT的事，而是面向业务的战略变革

供应链数字化工程是面向业务的战略变革，需要端到端供应链中的各部门的支持。

4、不仅是领导层的事，而是与团队每个人息息相关

数字化供应链不仅帮助领导层了解企业运营情况，更可赋能业务、帮助业务人员提升效率、持续改善。

来源： 毕马威KPMG