在供應鏈管理領域，我們應該如何做好數據分析，從海量數據中得到有用的信息呢?

  在數字化時代，企業擁有越來越豐富的數據，數據分析逐步成為從業人員的必備技能之一。數據分析師、數據科學家等職業，也變得越來越熱門。這類職業并非IT出身人士的專利，而是越來越多地需要將IT技能和相關的業務知識相結合。

  在供應鏈管理領域，我們應該如何做好數據分析，從海量數據中得到有用的信息呢?本文將試著解析三種經典思路的特點。注意：數據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據轉化為有意義的“輸出”。

  (一)數學公式

  “數學”在許多朋友聽來好像有點頭疼，但它是現代商業(也包括相關的各種數字化系統)運行的基礎。我們日常用到的各種KPI計算也都是數學公式。而一些經典的公式則滲透到供應鏈運作的各個環節，例如Little's law：

  平均排隊長度 = 平均吞吐速率 * 平均排隊時間

  這個公式可以應用于各種場合，例如：如果某商超柜臺在一段時間內的客戶平均排隊時間是1分鐘，平均吞吐速率(服務能力)是每分鐘可以為三名客戶完成服務，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)。

  數學公式的優點是：類似little's law這樣的經典公式，可以透過紛繁復雜的現象直擊問題本質。無論外界環境如何變動、人員工作方式如何、應用了什么信息系統，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所耗的時間”，實質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)，減少對企業資金的消耗和對場地的占用。

  數學公式的主要缺點是：供應鏈各個環節涉及的場景紛繁復雜，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。隨著現代供應鏈涉及的人員、設備、系統等要素越來越復雜，我們就不能只靠數學公式了。

  (二)計算機算法

  如果說數學公式的計算更多給人一種手工時代的“親切感”，那么在數字化時代，我們會更多依賴算法的運行來解決問題。例如，對于全國范圍內電商物流的庫存布置、每天跨區調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，我們在各行各業都會需要“阿爾法狗”，因此也會越來越需要(懂得行業知識的)算法工程師。

  在算法的幫助下，供應鏈系統能夠發掘出的潛力是十分巨大的。例如，某農產品公司基于數字化系統和AI優化現有的供應體系，可以為農業供應鏈帶來10%-15%的成本節約。某大型制造業企業應用算法來求解現有生產線資源的最優配置，實現了20%以上的效率提升。有個“不成文”的經驗說：如果一個供應鏈系統以前從未做過整體效率優化工作，那么發掘出20%以上的降本增效空間是不難的。

  計算機算法的優點是：能夠適應更加復雜、更加大規模的問題，在腦力勞動的層面實現“機器換人”。

  其缺點在于：

  1)受目前發展階段的制約，算法在很多場合還不能確保計算出結果。比如說，一個物流路徑優化算法，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，離實戰應用的要求往往就有較大距離了，尤其是工業場景往往要求(接近)100%的可用性。

  2)算法計算出結果的“可解釋性”往往較差。許多時候，我們只看到一個冷冰冰的數字，而不清楚背后的邏輯。這也是導致很多一線員工抵制算法工具的原因。所以，近年來供應鏈領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果的，以及結果究竟好在哪兒(可以體現在一些關鍵的KPI)。

  (三)仿真工具

  仿真是比數學公式、算法更加直觀的一種思路。即：無論供應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。現場有多少倉庫設施，我們就在數字世界里描繪多少倉儲設施。現場的貨物分揀是什么順序，我們就在數字世界里按一模一樣的順序來分揀。最終，我們實現物理世界和數字世界的一一對應。

  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，就可以預知實際世界會產生什么效果。試錯的成本被大大降低了。

  和供應鏈管理相關的仿真工具，至少包括下列一些類型：

  - 模擬離散或連續流程制造的生產線。

  - 模擬整個工廠內部的設備運行，包括設備和CAD, ERP等軟件的通信。

  - 模擬AGV、自動化立體庫等智能裝備;

  - 模擬長途物流網絡運行，包括相關的財務指標;

  - 模擬短途配送物流，以及廠內/場地內物流。

  仿真工具的優點是：

  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。

  其缺點是：商業化的仿真軟件，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，以至于可以在數字世界“元宇宙”里面真的復制出一條完整的供應鏈。到那個時候，也許我們不需要再去刻意“分析”供應鏈的性能，只要“觀察”就夠了。

  因為，所見即所得。

  小結

  常見的供應鏈數據分析工具，包括數學公式、計算機算法和仿真工具。

  總的來說，三者能夠應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鏈系統做到“未卜先知”。

  然而，這并不意味著數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，而算法的實質性進展又要依靠數學的進步。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展打下了基礎。

  在未來的供應鏈運行中，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、架構支撐則會變得越來越復雜。也許這就是創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。

  本文來源于羅戈網，不代表九州物流網(http://www.ruyi818.com)觀點，如有侵權可聯系刪除，文章所用圖片來源于網絡，文章圖片如有侵權可聯系刪除。