在供應(yīng)鏈管理領(lǐng)域，我們應(yīng)該如何做好數(shù)據(jù)分析，從海量數(shù)據(jù)中得到有用的信息呢？

在數(shù)字化時代，企業(yè)擁有越來越豐富的數(shù)據(jù)，數(shù)據(jù)分析逐步成為從業(yè)人員的必備技能之一。數(shù)據(jù)分析師、數(shù)據(jù)科學家等職業(yè)，也變得越來越熱門。這類職業(yè)并非IT出身人士的專利，而是越來越多地需要將IT技能和相關(guān)的業(yè)務(wù)知識相結(jié)合。

在供應(yīng)鏈管理領(lǐng)域，我們應(yīng)該如何做好數(shù)據(jù)分析，從海量數(shù)據(jù)中得到有用的信息呢？本文將試著解析三種經(jīng)典思路的特點。注意：數(shù)據(jù)采集和清洗的手段不在本文的討論之列。這里更多地討論，如何把手頭已有的數(shù)據(jù)轉(zhuǎn)化為有意義的“輸出”。

（一）數(shù)學公式

“數(shù)學”在許多朋友聽來好像有點頭疼，但它是現(xiàn)代商業(yè)（也包括相關(guān)的各種數(shù)字化系統(tǒng)）運行的基礎(chǔ)。我們?nèi)粘Ｓ玫降母鞣NKPI計算也都是數(shù)學公式。而一些經(jīng)典的公式則滲透到供應(yīng)鏈運作的各個環(huán)節(jié)，例如Little's law：

平均排隊長度 = 平均吞吐速率 * 平均排隊時間

這個公式可以應(yīng)用于各種場合，例如：如果某商超柜臺在一段時間內(nèi)的客戶平均排隊時間是1分鐘，平均吞吐速率（服務(wù)能力）是每分鐘可以為三名客戶完成服務(wù)，則我們可以通過兩者相乘，計算出這個柜臺處的平均隊列長度是三人（當然，實時的隊列長度會有所波動。但時間越長，平均值估計越準確）。

數(shù)學公式的優(yōu)點是：類似little's law這樣的經(jīng)典公式，可以透過紛繁復(fù)雜的現(xiàn)象直擊問題本質(zhì)。無論外界環(huán)境如何變動、人員工作方式如何、應(yīng)用了什么信息系統(tǒng)，類似的定律都成立。

由此我們可以更好地理解一些知名企業(yè)的管理實踐。例如，許多車企要求“盡可能縮短造車過程在廠內(nèi)所耗的時間”，實質(zhì)上就是要求縮短排隊時間，從而可以降低排隊長度（壓縮庫存），減少對企業(yè)資金的消耗和對場地的占用。

數(shù)學公式的主要缺點是：供應(yīng)鏈各個環(huán)節(jié)涉及的場景紛繁復(fù)雜，能夠用精確公式來測算的并不多，許多時候最多只能用一個近似公式來估計。隨著現(xiàn)代供應(yīng)鏈涉及的人員、設(shè)備、系統(tǒng)等要素越來越復(fù)雜，我們就不能只靠數(shù)學公式了。

（二）計算機算法

如果說數(shù)學公式的計算更多給人一種手工時代的“親切感”，那么在數(shù)字化時代，我們會更多依賴算法的運行來解決問題。例如，對于全國范圍內(nèi)電商物流的庫存布置、每天跨區(qū)調(diào)動貨物的物流流向等，這種問題可能會涉及成千上萬個變量，最優(yōu)的決策絕對不是靠人腦所能夠做出來的。

阿爾法狗打敗人類圍棋高手，就是一個最形象的例子：將來，我們在各行各業(yè)都會需要“阿爾法狗”，因此也會越來越需要（懂得行業(yè)知識的）算法工程師。

在算法的幫助下，供應(yīng)鏈系統(tǒng)能夠發(fā)掘出的潛力是十分巨大的。例如，某農(nóng)產(chǎn)品公司基于數(shù)字化系統(tǒng)和AI優(yōu)化現(xiàn)有的供應(yīng)體系，可以為農(nóng)業(yè)供應(yīng)鏈帶來10%-15%的成本節(jié)約。某大型制造業(yè)企業(yè)應(yīng)用算法來求解現(xiàn)有生產(chǎn)線資源的最優(yōu)配置，實現(xiàn)了20%以上的效率提升。有個“不成文”的經(jīng)驗說：如果一個供應(yīng)鏈系統(tǒng)以前從未做過整體效率優(yōu)化工作，那么發(fā)掘出20%以上的降本增效空間是不難的。

計算機算法的優(yōu)點是：能夠適應(yīng)更加復(fù)雜、更加大規(guī)模的問題，在腦力勞動的層面實現(xiàn)“機器換人”。

其缺點在于：

1）受目前發(fā)展階段的制約，算法在很多場合還不能確保計算出結(jié)果。比如說，一個物流路徑優(yōu)化算法，在80%的情況下能夠求出解，在20%的情況下求不出來 。 如果是這樣的話，離實戰(zhàn)應(yīng)用的要求往往就有較大距離了，尤其是工業(yè)場景往往要求（接近）100%的可用性。

2）算法計算出結(jié)果的“可解釋性”往往較差。許多時候，我們只看到一個冷冰冰的數(shù)字，而不清楚背后的邏輯。這也是導(dǎo)致很多一線員工抵制算法工具的原因。所以，近年來供應(yīng)鏈領(lǐng)域的一個趨勢是算法的“白盒化”，要讓用戶理解算法是怎么計算出結(jié)果的，以及結(jié)果究竟好在哪兒（可以體現(xiàn)在一些關(guān)鍵的KPI）。

（三）仿真工具

仿真是比數(shù)學公式、算法更加直觀的一種思路。即：無論供應(yīng)鏈實際場景是什么樣，我們都盡可能將這個場景在計算機中模擬出來。現(xiàn)場有多少倉庫設(shè)施，我們就在數(shù)字世界里描繪多少倉儲設(shè)施?，F(xiàn)場的貨物分揀是什么順序，我們就在數(shù)字世界里按一模一樣的順序來分揀。最終，我們實現(xiàn)物理世界和數(shù)字世界的一一對應(yīng)。

這樣，我們可以達到的效果是：只需要在電腦中對各種元素作排列組合，就可以預(yù)知實際世界會產(chǎn)生什么效果。試錯的成本被大大降低了。

和供應(yīng)鏈管理相關(guān)的仿真工具，至少包括下列一些類型：

- 模擬離散或連續(xù)流程制造的生產(chǎn)線。

- 模擬整個工廠內(nèi)部的設(shè)備運行，包括設(shè)備和CAD, ERP等軟件的通信。

- 模擬AGV、自動化立體庫等智能裝備；

- 模擬長途物流網(wǎng)絡(luò)運行，包括相關(guān)的財務(wù)指標；

- 模擬短途配送物流，以及廠內(nèi)/場地內(nèi)物流。

仿真工具的優(yōu)點是：

1）比較直觀和圖形化，在電腦屏幕上能直接看到各種方案及其運行的效果；

2）現(xiàn)代的計算機仿真工具也在與時俱進，能夠把越來越多的元素都包括進來。例如：可以模擬AGV小車的充電過程、以及模擬最新的自動化立體庫運作的各種細節(jié)。

其缺點是：商業(yè)化的仿真軟件，價格往往較為昂貴，并且能夠模擬的場景總的來說還是比較標準化的，各家公司的個性化特征不一定能模擬得出來。

總的來說，仿真軟件的功能會越來越強大，以至于可以在數(shù)字世界“元宇宙”里面真的復(fù)制出一條完整的供應(yīng)鏈。到那個時候，也許我們不需要再去刻意“分析”供應(yīng)鏈的性能，只要“觀察”就夠了。

因為，所見即所得。

小結(jié)

常見的供應(yīng)鏈數(shù)據(jù)分析工具，包括數(shù)學公式、計算機算法和仿真工具。

總的來說，三者能夠應(yīng)對的場景是越來越全面，分析功能越來越強大。隨著我們擁有的算力越來越強大，筆者相信，仿真工具是最終極的解決方案。通過仿真模擬，我們真的可以對供應(yīng)鏈系統(tǒng)做到“未卜先知”。

然而，這并不意味著數(shù)學公式和計算機算法是“無用”的。事實上，新一代的“元宇宙”仿真工具背后都有強大的算法在支撐，而算法的實質(zhì)性進展又要依靠數(shù)學的進步。所以，這三者就如同金字塔的不同層級，每一層都為更高層級的發(fā)展打下了基礎(chǔ)。

在未來的供應(yīng)鏈運行中，前臺操作會變得更加簡單，或許只需要圖形化的簡單拖拽就能完成各種功能。而后臺的算法、架構(gòu)支撐則會變得越來越復(fù)雜。也許這就是創(chuàng)新弄潮兒們的使命吧。用自己幕后的艱難工作，讓前臺用戶的體驗更加輕松、感受更加美好。