供应链重启：最大的风险来自不确定
作者：Qlik解决方案与价值加速高级总监 陈进权（CK Tan）
【慧聪通信网】一直以来，在选择相应供应商、制定生产规划和协调库存量时，企业一般都会采取既不延误客户需求，也不会不积压太多库存的方式，其主要的考量因素是成本，而不是风险管理。但是，随着新冠疫情的爆发和全球局势的不稳定性凸显，这种管理模式存在着一些严重缺陷。
即使各种入境限制正在逐渐放宽，供应短缺问题依然严峻。电脑芯片、金属零件、塑料制品、原材料等等都存在着供应短缺问题，这影响着在全球销售产品的每一家制造商、供应商和企业。德勤开展的一项首席采购官调研显示，32%的企业表示因供应短缺导致收入减少，11%的企业表示品牌形象因此受损。
除了供应短缺，供应链中断问题更是雪上加霜。集装箱短缺、公路铁路运输不畅、工人因防疫隔离导致仓库无法满负荷运转等等，甚至像“长赐号（Ever Given）”货轮（有史以来最大的集装箱货轮之一）也可能被搁浅，类似这样的黑天鹅事件对供应链造成了严重影响。例如，长赐号货轮在途经苏伊士运河时搁浅，并堵塞这一连接亚欧的重要河道长达一周，这不仅加剧了物流的混乱，还造成了货物积压，需要几个月才能清理完毕。
这种供需不匹配的现象也曾在特斯拉出现过。当全球电动汽车订单激增时，受到电池短缺和中国市场供应中断的影响，这家全球最大的电动汽车制造商却被迫暂时停产。随着政策支持和驾驶员环保意识的增强，，2021年全球电动汽车销量翻了一番，而且今年的销量将保持强劲增长势头。特斯拉首席执行官埃隆·马斯克（Elon Musk）表示，该公司在美国德州和德国柏林的新工厂犹如“巨大的烧钱炉（gigantic money furnaCES）”，他们在努力提高产量的过程中损失了数十亿美元
这些挑战正在迫使供应链高管改变思维模式并迅速采取行动，否则可能面临诸多风险，如被迫减产、影响销售、将客户拱手让给竞争对手等。在多年专注于成本效率或成本节约之后，93%的供应链高管表示将计划提高整个供应链的韧性。
供应链领导者正在加大对技术和创新方法的投入，实现供应链上各个运营环节的可视性，涵盖规划、采购、生产和分销等。这种可视性可以发出潜在瓶颈的早期预警信号，并促使工作流实现自动化，助力企业提高计划的敏捷性，以及对突发业务事件做出响应。
作为全球最大的家具零售商，宜家（IKEA）的供应链较为复杂，并且非常依赖外部厂商。因此他们寻求创新的工作方式，例如在其供应商门户网站上推出供应商记分卡，为宜家供应商创造适当的先决条件，让他们可以跟进目标并全权负责自身的业绩表现。通过在网络内共享信息，他们能够更好地处理紧急事件和意外情况
要提高由数据驱动的供应链管理能力，需要用不同方式去分析数据。过去，数据往往被视为一种“副产品”，只有在后期企业才会对其进行审核，以促进销售与运营计划（S&OP）讨论、运营和物流规划，目的仅仅是提供信息。现在已截然不同，数据必须被整合起来，成为推动供应链流程和行动的要素。供应链团队和技术团队应该携手努力，共同制定业务行动，使用共同的基础技术来扫除障碍，提高供应链流程的敏捷性。
Urban Outfitters是在供应链领域中完全由数据驱动的最佳实践。该公司在美国和欧洲共设立了超过650多家门店，要求每位员工都使用店内绩效指标来考核，并且采用全新的购买模式。每一位员工都能够获得有关各门店KPI方面的最新数据，包括库存、门店调换、异常情况分析和销售额位列前50名的门店等，并立即根据这些洞察积极采取行动。所有这些洞察都非常有助于该品牌更好地匹配供应与市场需求。
下面是一些技术层面的建议，可以帮助企业转向“以防万一”的方法，该方法优先考虑将出现这些问题的可能性降至最低，包括：库存不足、生产进度滞后和无法按时完成订单。
提高云中的可视性
企业在制定数据策略时，应该将尽可能提升云的效率和可扩展性作为主要目标。通过云端部署，Urban Outfitters能够快速扩展对于近实时分析结果的访问。Urban Outfitters技术总监Paul Reigel表示：“我们在云上拥有的数据越多，就越容易增设新门店，并在全球范围内随时随地将它们连接起来”。
近乎实时的数据能够帮助人们快速做出决策
借助实时数据复制技术，每天等到工作结束时才能从SAP等供应链管理系统中提取数据的日子一去不复返了。通过实时为Snowflake云数据仓库提供数据，Urban Outfitters可以放心地让更多店内员工访问更多实时数据，并为门店经理提供门店运营的即时洞察。
将预测性分析功能直接应用到业务中
大多数企业都难以预测未来会发生什么情况，以及为什么会发生这样的情况——除非他们能够加大对数据科学家的投入，从而创建机器学习模型并基于此进行预测。借助自动机器学习（AutoML）技术，可以将易于使用的预测性分析功能直接应用到业务中。领先的音频配件制造商Skullcandy使用AutoML技术来预测产品需求，从而确保产品产量处于合理水平，同时预测该领域会失效的功能和部件，并在上市前加以改进。
在这个瞬息万变的世界里，我们面临着诸多不确定性。让我们摒弃传统的供应链实践（即采用准时生产制库存管理方法以及基于人类自然本能来制定决策），转向循证决策，借助机器智能和实时数据提升我们的直觉力。供应链重启：最大的风险来自不确定
