供應(yīng)鏈作為四流合一的產(chǎn)物，集合”信息流、資金流、物流、商流“，其數(shù)字化轉(zhuǎn)型是必經(jīng)之路，也是供應(yīng)鏈在目前人力、原料、設(shè)備、場地等成本已經(jīng)無法壓低的情況下，再進一步降本增效的突破口。

? ?目前也有很多企業(yè)在進行供應(yīng)鏈數(shù)字化轉(zhuǎn)型，比如華為的Smart SC，瑪氏的數(shù)智化，SHEIN的供應(yīng)鏈，包括很多傳統(tǒng)消費品企業(yè)如伊利、蒙牛，都在做供應(yīng)鏈的數(shù)字化轉(zhuǎn)型。

? ?其實，智能供應(yīng)鏈ISC（intelliegent supply chain），智慧供應(yīng)鏈（smart supply chain），數(shù)字供應(yīng)鏈（digital SCM）都是一樣的東西，基本都是基于供應(yīng)鏈產(chǎn)生的數(shù)據(jù)資產(chǎn)，做隱藏信息的提取、輔助商業(yè)決策、仿真模擬等。

? ?但是這條路，在業(yè)界還是道阻且長，目前來看，絕大部分的阻礙不是在技術(shù)水平上，而是在企業(yè)的業(yè)務(wù)本身，和人、組織之間的關(guān)系。

? ?主要原因有五點。

1、公司資源分配問題。

? ?相比E-commerce的數(shù)字化程度，SCM還只是個小孩。因為E-commerce的數(shù)據(jù)可以更方便存儲，且直接與企業(yè)的經(jīng)營收入相關(guān)，自然而然可以獲得更高的資源。

? ?而SCM許多時候是支持部門，和人資、財務(wù)、法務(wù)部門一樣，都是重要，但是優(yōu)先級一定是排在經(jīng)營和產(chǎn)品之后的。只是供應(yīng)鏈的特殊性，在一些行業(yè)，它是可以影響全局，從運營的生產(chǎn)、研發(fā)到銷售的客戶履約與服務(wù)的，而這一類行業(yè)的SCM相對來說話語權(quán)就更高，資源傾斜更多（比如服裝-ZARA SHEIN），所以，這一些公司的SCM的數(shù)字化轉(zhuǎn)型，相對來說會更快一點。

2、企業(yè)商業(yè)模式問題。

? ?企業(yè)的供應(yīng)鏈模式是依托與其商業(yè)模式的，如同為生鮮行業(yè)，社區(qū)團購的短鏈供應(yīng)鏈，和目前大火的預(yù)制菜的中央廚房與前置預(yù)生產(chǎn)的供應(yīng)鏈模式，以及傳統(tǒng)生鮮行業(yè)（商超/制造）的模式就截然不同。

? ?目前商業(yè)模式限制ISC轉(zhuǎn)型的最經(jīng)典問題就是經(jīng)銷商數(shù)據(jù)的獲取，以傳統(tǒng)消費品行業(yè)為例，許多公司有80-90%的貨物是由經(jīng)銷商售賣的，品牌無法得知貨物在生產(chǎn)后，究竟賣給了誰，賣的怎么樣，甚至，如果品牌不全程掌管生產(chǎn)，在生產(chǎn)供應(yīng)鏈的話語權(quán)也相對會更弱。

? ?而在這樣的商業(yè)模式下，ISC的升級必然會要求品牌調(diào)整自己的商業(yè)合作方式，觸犯部分經(jīng)銷商的利益，會為ISC帶來更大的調(diào)整。

3、企業(yè)的數(shù)據(jù)底層問題。

? ?智能算法（AI）基于數(shù)據(jù)（DSA），而數(shù)據(jù)分析可以分為四步：data obtaining 、data storage、data modelling、 data processing，其中前兩步筑基了數(shù)據(jù)資產(chǎn)的底座，后兩步是在reshaped data上的合理利用和進一步開發(fā)。

? ?但是因為供應(yīng)鏈的性質(zhì)（鏈條長、勞動密集、線下操作多），供應(yīng)鏈上產(chǎn)生的數(shù)據(jù)是龐大的，且被抓取困難的，甚至會有人為噪音的存在。比如，公司對快遞站有每日攬收指標的考核，他們可能為了達到KPI而刷數(shù)，導(dǎo)致數(shù)據(jù)失真；比如倉庫趕波次時的“開飛機”生產(chǎn)，而下游只能收到系統(tǒng)數(shù)據(jù)而無法得到實物，這些都會對數(shù)據(jù)抓取的準確性帶來很大的影響。

? ?而在數(shù)據(jù)存儲中更是，越是大型的企業(yè)、越是大型、復(fù)雜的、環(huán)節(jié)眾多的鏈條，它的數(shù)據(jù)庫集成就越困難，經(jīng)常出現(xiàn)數(shù)據(jù)同步不及時、或者數(shù)據(jù)孤島的現(xiàn)象。且數(shù)據(jù)存儲還涉及員工權(quán)限問題，沒有哪一個員工，哪怕是數(shù)據(jù)分析師，能看到企業(yè)數(shù)據(jù)全貌。這樣的數(shù)據(jù)分析，就只能是“管中窺豹”，而無法站在規(guī)劃層的角度去利用數(shù)據(jù)資產(chǎn)。

? ?此外，還有一點在原始數(shù)據(jù)→特征指標的問題，不同部門有不同的業(yè)務(wù)需求，其數(shù)據(jù)統(tǒng)計口徑也不一樣，如僅僅是收入數(shù)據(jù)，就可以有十幾種定義，我所知道的就有應(yīng)收、實收、操作地收入、簽約地收入等等。

4、技術(shù)人員對業(yè)務(wù)的了解度問題。

? ?供應(yīng)鏈是極其業(yè)務(wù)導(dǎo)向的，只有懂了業(yè)務(wù)，才能理解數(shù)據(jù)分析中，指標選取，特征工程，模型選取的原因和邏輯（即DSA的后兩步，data modelling、 data processing）。比如，我在什么時候需要納入收入數(shù)據(jù)的考慮，以及，在上述“應(yīng)收、實收、操作地收入、簽約地收入”等十幾種收入指標中，我在什么時候應(yīng)該選擇哪一種。比如在數(shù)據(jù)清洗中，理解各噪音和“臟數(shù)據(jù)”的原因，對其做更恰到的數(shù)據(jù)預(yù)處理。

? ?而目前來看，因為數(shù)據(jù)底層混亂+技術(shù)人員不懂業(yè)務(wù)，ISC的數(shù)據(jù)利用是較差的。舉個例子，在數(shù)據(jù)分析的最基礎(chǔ)運用“需求預(yù)測”中，在某次大促時，各種高級的機器學習模型算出來的結(jié)果和實際偏離10%，而業(yè)務(wù)部門的業(yè)務(wù)預(yù)測師拿EXCEL做匹配和調(diào)整的，偏差值在5%。而這兩方法差的5%，可能都還不夠補一些產(chǎn)品的損益。

5、組織架構(gòu)問題。

? ?在我看來，目前很多技術(shù)問題其實是業(yè)務(wù)問題，而很多業(yè)務(wù)問題會落足于人與組織的問題。畢竟，一個企業(yè)中，一切的執(zhí)行都是靠的人。

? ?ISC轉(zhuǎn)型，從組織架構(gòu)來看，有兩個問題：1、權(quán)責不對等；2、部門的組織地位與話語權(quán)問題。

? ?第一點，我覺得是目前公司的組織通病，即技術(shù)部門和業(yè)務(wù)部門不是同一個部門，那就必然產(chǎn)生決策層和執(zhí)行層的割裂。比如上述大促預(yù)測的案例，機器學習模型是大數(shù)據(jù)部門訓(xùn)練給出結(jié)果的，而EXCEL模型是業(yè)務(wù)部門自己跑的，且不論結(jié)果精度如何，如果你是業(yè)務(wù)部門的領(lǐng)導(dǎo)，你會聽哪個？如果用了大數(shù)據(jù)部門給的預(yù)測值，一旦出現(xiàn)了偏差，及時可以靠臨時的調(diào)度來解決，那影響的業(yè)務(wù)、指標、成本哪個部門來承擔？

? ?還有如當下智能供應(yīng)鏈的許多硬件應(yīng)用，如AGV，無人生產(chǎn)線等，短期內(nèi)他們的成本都是高于人工的，而這些費用也是讓業(yè)務(wù)部門承擔。技術(shù)部門達成了應(yīng)用指標，業(yè)務(wù)部門的用工成本上升了，這件事情，在組織里如何衡量？且，業(yè)務(wù)本身就是“活在當下”的，其KPI考核通常最緊張。再有情懷的老板，也不能拋下KPI陪后端玩理想游戲，目前很多智能應(yīng)用，在業(yè)務(wù)側(cè)更多是宣傳和門面的功能，而沒有辦法直接給業(yè)務(wù)帶來效益。

? ?第二點，部門的組織地位與話語權(quán)問題也是基于第一點的衍生。在決策層和執(zhí)行層的矛盾中，如果沒有一個統(tǒng)一的領(lǐng)導(dǎo)去做決策和承擔責任，那么就是看西風壓倒東風，還是東風壓倒西風了。有些公司是強業(yè)務(wù)主導(dǎo)，不愿承擔轉(zhuǎn)型陣痛，那技術(shù)部門話語權(quán)弱的情況下，就很難在內(nèi)部推廣ISC技術(shù)。如果有些公司的高層極其看重技術(shù)發(fā)展，就可能會強壓業(yè)務(wù)側(cè)執(zhí)行，這樣帶來的隱患更多。所以目前沒有什么公司是一邊倒的，更多還是在技術(shù)x業(yè)務(wù)之間膠著和纏纏綿綿。

? ?對于個人來說，如果想做數(shù)字供應(yīng)鏈，有三個建議：

? ?1、選擇合適的行業(yè)與公司，該公司是重視ISC的，能夠傾斜資源去做轉(zhuǎn)型和升級，且技術(shù)部門的話語權(quán)不弱；

? ?2、技術(shù)人員需要更多了解業(yè)務(wù)（可通過在校實習、輪崗等方式），而業(yè)務(wù)側(cè)也可以多學一些技術(shù)知識，尤其是業(yè)務(wù)側(cè)產(chǎn)品，如果想轉(zhuǎn)ISC產(chǎn)品；

? ?3、不論是技術(shù)側(cè)還是業(yè)務(wù)側(cè)，多學一點項目管理，以及數(shù)據(jù)庫技術(shù)，至少在ISC項目中可以更加游刃有余。

? ?對于公司來說：1、資源傾斜；2、給予真實的輪崗機會；3、需要有人宏觀統(tǒng)籌 技術(shù)x業(yè)務(wù)；4、組織設(shè)置權(quán)責對等。

? ?但是吧，每一項都看似容易，但是每一項都很難。

? ?資源有限，一定是優(yōu)先給更重要的部門；

? ?輪崗如何不浮于表面，而是讓后端能真實接觸到業(yè)務(wù)；

? ?人才市場上，能宏觀統(tǒng)籌 技術(shù)x業(yè)務(wù)的人又有幾個；

? ?權(quán)責對等這句話不論是技術(shù)x業(yè)務(wù)，還是業(yè)務(wù)內(nèi)部的經(jīng)營x運營，都是一筆爛賬，很難分割清楚。

? ?總的來說，還是很看好ISC的發(fā)展，尤其是在現(xiàn)在疫情+政策的影響下，供應(yīng)鏈的“國際路”難走通時，數(shù)字化是其發(fā)展的最光明的路了，且一旦形成，其邊際成本低，可持續(xù)獲利。我覺得是一個很不錯的研究/就業(yè)方向。