近期关于供应链数字化的一些观察

本文是笔者对供应链数字化的一些观察。欢迎朋友们拍砖指正~

一. 实体产品/服务的模块化

在IT领域，微服务/模块化等思想已经深入人心。而在实体世界，也有类似的模式在涌现。例如，某物流服务商将自己的服务类别“A"细分为A1/A2/A3等子项目，让C端用户可以在“菜单”上勾选，按需获得自己想要的服务内容。

对于实体产品也有类似的问题：如今的实体制造商需要满足用户越来越个性化的需求，但是SKU过多又会给供应链带来沉重的负担。可能的解决思路：1.减少SKU数量，聚焦于最受用户欢迎的那些种类；2.设计标准化的产品“底座”，在底座上搭配各种个性化的“插件”；3.硬件标准化，但其搭配的软件可以持续升级，给硬件赋予新的功能（类似于智能网联汽车的OTA）。

相关产品模块/服务模块的组合过程必须是非常敏捷的。针对客户需求，在短时间内搭配成功、快速交付。

二. “万事不决加一层”

在数字化转型过程中，各种历史遗留的信息系统林立是普遍现象。面对“数据孤岛”问题，大厂和新兴初创公司都在采用类似的方法解决，即通过一个“中间层”把各种来源的数据连接起来，经过一定处理之后再集成使用。只不过在处理细节上有一定差异。

在建立这种“中间层”的过程中，会遇到许多麻烦的细节。例如：各种数据库/物联网连接设备的格式不同，会带来兼容方面的问题。乐观人士认为：格式总共就那么多种，兼容问题总会慢慢解决的，就像早期PC电脑的驱动程序问题慢慢已不再是个问题。

三. 全链数据可视

在之前文章《“数据治理”对数字化供应链为何如此重要?》提到：企业数字化转型可以分为业务标准化、局部在线化、全局在线化等几个阶段，其中一个核心观念是：数据在线可视是必由之路，是“必答题”而非“选择题”。德国工业4.0成熟度评估等体系也体现出类似的思想。

对于这个进程的推进速度，各方可能会有不同的观点。笔者认为，传统企业（“非数字原生企业”）应该以尽可能快的速度推进这个进程。诚然，数字化基础建设可能在短期内看不到明显的经济收益，这会让企业管理者感到犹豫。但是，当同行竞争对手率先实现数字化运作，其供应链迭代优化速度将大大加快。如果对手以“周”为单位进行迭代，而你还在以“月/年”为单位迭代，谁会占据先机一目了然。

全链数据可视意味着：1）数字化供应链系统中需要有各个职能部门的数据，不仅是物流交接的单据数据，而且还需要生产计划数据、质量检测数据等。2）随着自动化程度提高，“机器”（生产设备、机器人）在供应链运作中占的比重越来越大。我们不仅需要将人的操作数据可视化，而且还需要将各种机器的数据接进来，实现“人+机”的可视化。

四. 关于“制造业电商化”

一些业内人士认为，制造业近些年来体现出“电商化”的趋势 - 订单在越来越定制化的客户需求之下向“多品种、小批量”方向发展，体现出碎片化特征。如何看待这种趋势？

A. 这种现象确实在肉眼可见地发生。传统工业时代的大批量推式生产正在向按需定制的拉式生产转移。“电商化”的另一表现是：许多电商巨头正在介入制造业，利用自己在信息技术、海量数据等方面的优势来重塑制造业流程，甚至反向定制实体产品。

B. 但这种趋势并不意味着电商对制造业的全面颠覆。从系统流程来说，制造业以ERP为基础的系统内核强调稳定、高可靠性，并且牵一发而动全身。这样的后台流程是不能轻易被颠覆的，也不可能象电商系统那样频繁地迭代。

C.在可预见的未来，制造业供应链将体现出“双模”的特征：与终端消费者打交道的前端应用程序会变得更加灵活和人性化、迭代速度相对较快，并且从电商运营中借鉴许多经验；而后端的应用系统内核仍然会强调流程、强调稳定，更新速度相对较慢。这两者并不矛盾，并且会长期共存。

五. 关于数字化转型的相关KPI

数字化转型的终极目的，还是要给供应链带来效益上的提升，尤其是体现在质量、成本、响应速度等方面（Q/C/D）。在之前文章《 供应链数字化转型，能给企业带来哪些回报？》中，也从降本、增效、提产等几大方面讨论了这些具体效益。

除此之外，值得注意的方面还有：

A. “响应速度”可以从不同的方面去理解。首先，传统的供应链响应能力更多体现在lead time，即从开始接到订单到最终完成交付的时间长短。其次，我们也必须关注异常情况下的“问题处理速度”。比如：当生产线出现故障，或者用户提出投诉的时候，我们能够以多快的速度响应？有些行业对响应的要求是分钟级的，甚至有可能更苛刻。再次，供应链响应能力也取决于相关IT系统的数据更新能力，系统中的数据要足够“实时”才行。

B.另一个值得关注的KPI是手工报表的数量。某种意义上说，公司每天需要“表哥表姐”们处理的人工报表越多，就说明数字化水平越低。在良好的数据治理之下，符合财务规范的报表应该全自动生成，不给人留下“粉饰”的空间。

C. KPI需要持续改进 - 精益管理的这一经典观念，在数字化时代也依然成立。对于成本等QCD指标，我们有了足够多的数据之后，可以更加精准地跟踪，并且对于改进成果获得实时的反馈；对于数字化系统本身的打造，也是一个持续进化的过程，例如机器人在“劳动力”中所占的比例会越来越高。或许，将来大多数行业都会与“摩尔定律”为伴：每过XX个月，行业的面貌就会焕然一新。