引言

2018年是供應鏈發展的大好時機，許多公司在實施真正的數字化供應鏈，以降低成本、增加收入。2018年，那些引進新技術、探索新商業模式、引入擁有正確的數字化技術人才的企業，將在未來幾年內大展拳腳，改變所處行業的現狀。

數字化供應鏈的進展

1. 數字化轉型的整體狀況——步伐滯后進展緩慢

戴爾科技集團曾聯合英特爾對全球42個國家和地區的4600位在十二個不同工業領域的企業高管，進行了一次數字化轉型的調研，并于2018年10月發表了《數字化轉型指數II研究報告》。

（圖片來源：埃森哲《中國企業數字轉型指數》報告）

2. 2018年出現的超級供應鏈的理念和對數字化供應鏈的看法

供應鏈數字化并非一帆風順。在福布斯發表的一篇由數字化供應鏈研究院的George Bailey寫的文章中，列舉了2018出現的超級供應鏈的理念和對數字化供應鏈的看法，并指出它們對供應鏈數字化的影響。

下面是該文章指出的五個要點：

（1）算法是數字化供應鏈的核心和大腦

（2）區塊鏈是所有數字化供應鏈問題的答案

（3）數字化供應鏈推動收入增長

（4）雖然會帶來改變，但感覺并不明顯

（5）人才短缺是個問題

3. 期望和現實之間的差距

凱捷研究院在2018年4月至5月，對1000多家跨消費品、制造業和零售業機構的供應鏈主管進行了數字化供應鏈調查，以了解他們正在采用的數字化計劃，以及由此帶來的好處。

報告指出盡管供應鏈的數字化是當今企業價值和增長的關鍵驅動因素之一，但許多方法缺乏方向性，無法充分實現價值和增長潛力。

4. 飛速發展中的中國數字化供應鏈

中國的數字化供應鏈的發展從總體上落后于歐美發達國家，主要處于概念引入、初期發展階段。中國數字化供應鏈成功的企業包括華為、阿里、京東、美的、海爾、富士康等一批優秀的企業，供應鏈的數字化給他們的業務帶來了巨大的效益。

數字化供應鏈的未來趨勢

1.數字化供應鏈融合（Digital SC Convergence）

隨著供應鏈越來越全球化和復雜化，消費者的需求越來越高，市場競爭越來越激烈。企業的發展需要更智能、高效的供應鏈作支撐。一個解決方案是供應鏈執行融合，這是Gartner在2009年首次提出的一個概念，后來他們將此概念定義為供應鏈融合，并出現在后面的文章和它的制造業創新成熟度曲線（圖1），它代表更為廣泛和深遠的意義。

圖1：制造技術創新成熟度曲線，Gartner，2018年

供應鏈融合在2018年Gartner的制造業創新技術成熟度曲線中處于泡沫破滅的谷底期：在歷經前面階段所存活的科技，經過多方扎實、有重點的試驗，逐漸明確了客觀、與實際相符的使用范圍及限制情況，并成功應用到企業經營模式中，這要經過十年以上的努力才能真正成為供應鏈的主流方式，這說明了供應鏈融合的復雜性和實現的艱難性。

2.供應鏈數字孿生（SC Digital Twins）

Gartner描述數字孿生是真實物體的虛擬表示。數字孿生旨在優化資產運營或業務決策，包括模型、數據、與對象的一對一關聯以及監視的能力、實體或系統。

數字孿生可能包括以下數據：

• 從數字孿生外部接收的外部數據。

• 從物理事物接收到的觀測事件。

• 從其他來源收到的數據。

• 衍生數據——由數字孿生內的邏輯計算的數據。

• 指向鏈接數據的指針——如有關事物環境或與事物間接相關的對象的數據。

從上面的描述可見，數字孿生與供應鏈非常有緣，并導致供應鏈數字孿生（簡稱供應鏈孿生）應運而生，它實質就是一種數字孿生與供應鏈的融合。下面的圖2描述了供應鏈孿生的架構和應用場景。

圖2：供應鏈孿生（來源：ToolsGroup）

3.運營模式轉型是企業數字化轉型成功的基礎

多家有名的研究機構，如埃森哲、IDC、德勤等指出運營模式的轉型是數字企業成功的基礎，尤其是數字化供應鏈成功的基礎在傳統供應鏈中存在一些傳統的運營模式，其中最有名的是供應鏈運營參考模型，英文簡寫為SCOR。

SCOR是由管理咨詢公司PRTM（后被PwC普華永道收購）和AMR Research（后被Gartner收購）于1996年發布的，并得到供應鏈委員會（SCC）的認可，是APICS的一部分。傳統的SCOR模式反映的是圖3中傳統的供應鏈。

圖3：從傳統供應鏈向數字供應網絡的變革（來源：Deloitte 德勤）

4. 人工智能和算法將成為數字化供應鏈的大腦

Gartner指出，2018年八大供應鏈技術趨勢（圖4所示）。供應鏈領導者必須評估其對公司的風險，以確定他們是否準備好探索和采用這些新興數字技術產品。

圖4：Gartner 2018年8大供應鏈技術趨勢

人工智能及算法將成為數字化供應鏈的核心和大腦，是因為：

• 人工智能具有巨大的潛力，可應用于增強自動化決策、重塑商業模式和生態系統以及重塑客戶體驗的能力，革新供應鏈流程。

• 人工智能中認知計算是下一代智能計算系統的核心。

• 算法是人工智能三大關鍵基礎基石（算法、算力、數據）之一。

• 盡管目前的人工智能解決方案能夠找到模式并預測未來的場景，但它們仍然缺乏決策能力。