2022年，海信憑借其廣告語“中國第一，世界第二”在世界杯成功出圈，背后展示了其發力海外市場的決心，也折射出國內家電行業現狀：后疫情時代地產需求驅動乏力，家電內需疲軟。在此情況下，海外增長成為家電企業重要的發力點。

  困境

  疫情過去后，艱難的經營環境和快速變化的風險與機遇加劇了家電企業的挑戰和難題：

  1)家電渠道較多，管理難度大。除了傳統線下經銷渠道外，京東、天貓、抖音、小紅書等新興渠道層出不窮，渠道分散進一步加快，且渠道間互通性較差，對企業準確感知市場需求提出的更高要求。難以適應如此變化的企業會疲于應付劇烈變化的市場環境，增加經營負擔;

  2)供需信息斷層，供應鏈協同差。不同渠道，不同區域的數據分離，使得企業內部無法做到銷售，庫存、物流業務全局協同;企業本身與上下游供應商協同效率低、信息延遲、反應不及時，導致后端需求評審得不到有效保障，供給側與需求側的匹配度下降，影響整體運營效率。

  3)倉網布局不科學帶來高成本。隨著用戶對時效的要求越來越高，供應鏈長度不斷縮短，涌現出了大量的前置倉、門店倉，增加了管理難度，大量倉庫間調撥使得企業物流成本居高不下;4)商品布局及庫存結構亟需優化。一方面，企業需求預測、庫存調撥及補貨計劃往往缺少系統支撐，需求預測的不準確會導致庫存積壓或短缺;另一方面，企業缺少科學的商品分類布局策略和多階庫存優化計算方法，庫存結構有待改善。

  破局

  海信為了應對這些挑戰，認為必須大幅度提升供應鏈決策能力。殊途同歸，行業內各個先進企業其實也在紛紛采取動作，與專業的合作伙伴共同展開供應鏈轉型，提升供應鏈能力。海信經過審慎的評估和比較，最終決定使用SCATLAS供應鏈決策平臺來支撐其決策能力的提升和轉型。

  海信供應鏈數字化能力結構示意

      在SCATLAS供應鏈決策平臺的框架基礎上，結合海信的業務現狀，海信集團數字化決策能力建設被拆分為了三個主要步驟：

Step1：建立數據標準，挖掘數據資產價值

Step2：建設業務決策五大基礎模型，應對市場挑戰

Step3：培養供應鏈數字化決策人才，持續產生價值。

  海信數字化決策能力建設三大要素

  數據標準化

  供應鏈決策優化的基礎決策模型需要可靠的數據輸入，好的數據通過科學的算法可以得到可靠的供應鏈決策建議，差的數據只能得到不準確的結果，可以說數據是供應鏈數字化智能決策能力的基石。

  由于供應鏈決策需要考慮各方面的業務情況，模型的數據來源于各種不同的業務執行和計劃系統，這些系統因為建設時間有先后，采用的系統供應商各有不同，執行的數據標準也千差萬別，更不用說數據的質量也是參差不齊的。所以說要想做好供應鏈智能決策，首先要建立一個標準化的數據體系，為數字化決策提供堅實的基礎。

  實現數據標準化的途徑：標準化產品+標準化模型輸入模型的標準化數據是復雜多樣的，不同應用場景下有些數據是共通的，另外一部分數據又是相異的。

  海信集團因其主營的產品不同劃分了不同的產品公司，這又給標準化數據體系整理提出了另一個挑戰：不同產品公司的數據框架又有共通和差異，容易產生數據二異性問題，即相同性質的數據在不同產品公司有不同的字段名稱，也可能有相同字段名稱代表著不同類型的數據。海信集團以往的做法是由IT部門收集業務部門的需求，按照業務的要求進行數據的開發工作，這種方式在系統集成時難以應對上述的數據復雜度。

  藍幸軟件的SCATLAS平臺提供了一套標準化數據框架結構，將各產品公司、各業務場景的數據規范成一套統一的數據邏輯，再由海信的大數據平臺進行數據轉化和對接，接入標準化數據模型，解決了IT團隊在梳理業務部門需求時會遇到的技術方面和業務方面的困難。同時，標準化數據框架也幫助海信發現IT數據治理的缺失環節，幫助海信提高數據質量

  五大業務基礎模型

  海信業務決策模型與供應鏈計劃職能模塊間的關系

  五大模型分別為：1)指導倉網布局的倉網模型，由物流部承接使用2)指導庫存策略的庫存模型，由產品公司供應鏈計劃團隊承接使用3)指導產能布局和供應計劃的產能模型，由產品公司生產運營計劃團隊承接使用4)指導需求預測的預測模型，由產品公司供應鏈計劃團隊承接使用5)指導補調貨計劃的補貨模型，由產品公司供應鏈計劃團隊承接使用得益于海信長久以來的數字化建設，業務部門各自均有一套基本完善的基于現有業務流程的計劃或執行系統。供應鏈決策能力建設中的核心部分包含五大業務決策模型，將現有系統中的數據輸入進模型，通過模型和算法進行智能決策運算，再將運算結果輸出回到海信原有計劃和執行系統中，指導業務決策。

  a)倉網模型倉網模型用于指導全國乃至全球的物流網絡規劃。通過分析歷史運輸記錄，結合未來重點發展的市場區域和業務模式，得出最適合的倉網結構、倉庫數量、倉庫位置等結果，同時結合運輸、倉儲、裝卸等成本項，確定倉庫-客戶之間的覆蓋關系，工廠-倉庫之間以及倉庫-倉庫之間的補貨和調撥關系，以實現在滿足客戶服務時效水平條件下的物流成本最優。除了得出指導物流配送的標準規則之外，倉網模型還為其他各模型提供規則支持。例如，為庫存模型提供倉庫覆蓋關系規則、為補貨模型提供補貨路徑規則等，深刻地影響著供應鏈計劃和日常運營的方方面面。由于其影響范圍廣，不宜經常改動規則，因此倉網模型的常規刷新周期為一年。

  b)庫存模型庫存模型用于指導各倉庫的庫存策略。通過分析產品需求和供應特征，結合產品市場策略，得出產品在各倉的庫存廣度(是否備貨)和庫存深度(目標庫存天數)，在滿足合理的倉庫有貨率要求下實現庫存水位和金額最優。庫存策略的輸出結果直接指導著兩方面業務活動：①指導需求計劃。目標庫存天數結合需求預測和銷售單位的需求提報，在需求計劃中得出凈需求量;②指導補調貨計劃。目標庫存天數輸入進補調模型，計算得出各分倉分貨量、補調貨路徑及補調貨貨量。同時，庫存策略作為供應鏈運營的“變速箱”，對供應鏈其他業務模塊也有著間接影響。例如，庫存水位與供應策略有密切聯系，因此庫存模型幫助計劃團隊與生產運營團隊共同制定供應和補貨策略，如提高生產/補貨頻率以降低周轉庫存水位、縮短生產鎖定期以降低安全庫存水位等;再者，庫存水位與物流網絡和發運規則也息息相關，同樣也幫助計劃團隊與物流團隊共同決策物流網絡和發運規則，如縮短供應鏈路長度以降低在途庫存水位，允許采用更小車型發運以降低湊車天數，從而降低周轉庫存等。

  c)產能模型產能模型可劃分為長周期產能模型和短周期產能模型。長周期產能模型主要用于指導一年或幾年時間長度下全球產能配置。結合未來市場的發展趨勢，綜合考慮生產成本、物料采購成本、運輸成本、關稅、開啟/關閉產線一次性投入、模具復制一次性投入等成本項的全局最優，確定未來各工廠應當具備哪些產品的生產能力、應當配備多少產能、應當供應多大的區域范圍等決策項。短周期產能模型是在長周期產能模型所確定的規則框架內，以月度和周度為時間長度，結合當前市場需求變化情況滾動刷新，考慮當前工廠產能可利用情況、產線產能均衡性、有限物料供應量等限制因素，同時考慮生產成本、物料采購成本、運輸成本、進出口關稅等端到端供應鏈路成本最優，確定未來一段時間各工廠生產量、向各區域的供應量，同時幫助決策產能缺口的情況下優先滿足哪些需求，原物料供應缺口的情況下怎樣實現生產齊套最大化。產能模型作為供應端計劃決策的核心中樞，對整個供應鏈規劃、計劃層都有著不可忽視的影響。長周期模型承擔著未來幾年產能資源布局的決策輔助工作，其結果基本上可以影響到整個供應鏈上至倉網，下至補貨計劃的方方面面。短周期模型上接需求計劃作為輸入，運算后的輸出通過供應計劃的制定和執行，間接成為補調貨計劃中未來可用貨量的輸入。

  d)預測模型預測模型提供基線需求預測，用以支持需求計劃工作。通過對歷史銷量的統計特征、時間特征、產品特征和歷史銷量表現的學習，結合節日促銷活動、價格調整、銷售任務等影響因子的歷史情況和未來計劃，機器學習算法自學習得出未來每個SKU、每個分倉、每個時點的高準確率銷量預測。預測模型除了得出基線需求預測結果外，還可以輔助需求計劃團隊通過分析預測結果的過程，通過對模型預測因子使用權重的分析和解讀，深入理解影響銷量的各項因子，輔助市場團隊制定更高效的市場策略和促銷策略。預測是整個供應鏈鏈路的起點和開端，高質量、可解釋的預測結果可以對整個供應鏈的績效改善都帶來影響。例如，對于未來可售賣的庫存天數，更準確的預測結果有利于在正確的時間放置更正確的庫存品類和庫存數量，從而提高供應鏈效率，減少庫存分布不均的情況，減少站點間調撥和冗余庫存，同時輸入補貨模型從而獲得更準確的補貨計劃;再者，對于未來工廠排產的具體品類和數量，也需要未來的銷量預測作為指導，因此作為產能模型的輸入也可以獲得更準確的生產供應計劃。

  e)補貨模型補貨模型用于支持補貨計劃工作。通過分析各倉各分公司計劃需求量、各倉現有及在途庫存水位和各倉的目標庫存水位，結合工廠生產計劃，基地倉期初庫存，海信RDC期初庫存，物流運費報價及單車、湊車規則，各倉裝卸費，倉庫-客戶覆蓋關系，工廠-倉庫以及倉庫-倉庫的補貨和調撥關系，得出周維度基地倉-海信RDC、基地倉-商家倉、海信RDC-商家倉的最優補貨路徑、發運產品、發運量以及車型方量建議，以實現在滿足各倉需求均衡下的物流成本最優。補貨計劃承擔著保障商品向客戶做交付的最終工作，除了承接庫存模型、產能模型、預測模型等其他的輸入，補貨模型同樣可以對其他計劃層面給出建議和支持。

  例如，物流運費詢價時通常為體系化詢價，同時為了追求最大化折扣而與運輸車隊簽訂較高的起運方量規則，補貨模型可以在充分利用現有運費價格規則的同時，找出難以湊車的分倉或線路，此時可以有針對性的調整和詢價，以進一步降低物流成本。

  五大模型之間的價值承接關系五大業務決策模型基于各自的業務模塊，相互之間也有著密切的承接關系。從決策范圍和時間周期來說存在著戰略層模型指導戰術執行層模型，戰術層模型落地戰略層模型部分規劃價值，自上而下逐層規范，逐層承接價值的關系。正因為這樣，五大業務決策模型中既需要包含戰略層決策模型，也需要包含戰術執行層模型。

  戰術執行層模型需要戰略層模型輸入高階業務規則，戰略層模型輸出的優化規則也需要戰術執行層模型來落地。

  例如，倉網模型通過優化測算得出的最優補貨路徑，需要補貨模型考慮實時需求量和現貨庫存等實時因素，得出當前情況下最優的補貨路徑、發運量和車型方量建議;而補貨模型則需要倉網模型中得出的各方量下最優補貨路徑和車型作為規則輸入和物流部門的運力資源儲備，才有條件在補貨測算中使用對應補貨路徑和車型。

  因此可以說，兩部分模型是相輔相成、缺一不可的。缺少戰術執行層模型，則戰略層模型規劃的宏大變革策略無從落地，缺少戰略層模型，則戰術執行層模型只能小修小補，無法實現根本性變革。

  數字化人才

  大多數企業的數字化變革起始于外部團隊的一兩個項目，這些項目的成功僅能算作數字化變革的開始。

  隨著數字化變革的深化，會遇到諸多問題要求企業自身的數字化人才介入，例如：如何持續提升數字化變革所需數據的質量?如何有效落地智能決策模型給出的建議?如何保持決策模型始終與業務當前所面臨的挑戰匹配?這些問題無法依靠外部團隊解決，此時如果企業自身數字化人才建設跟不上，數字化變革往往會高開低走，逐漸艱難。

  數字化變革的瓶頸需要企業自身去突破，門檻需要企業自己的數字化人才帶領大家邁過。因此，數字化決策人才的培養，是鞏固數字化變革為企業持續帶來價值，持續擴大價值的重要保障。

  結語

  海信的數字化能力建設還在轟轟烈烈的進行，隨著其海外業務的不斷增長，其供應鏈將變得更加復雜。

  供應鏈變革及人才培養是一個長期且緩慢的過程，未來企業的競爭就是供應鏈的競爭，誰提前布局，誰就取得先機。

  中國企業經過二十余年的信息化和數字化建設，積累了大量的運營數據和一定的數字化能力，急需持續深化數字化變革、深挖數據價值，在日益競爭激烈的市場環境和尤其追求利潤的后疫情時代特征下，建立企業數字化競爭優勢，形成自己的護城河。專家團隊為海信設計的從框架，到功能，再到思維和行動方向的指導方案，為其數字化決策能力構建出一套完整、高效、靈活敏捷的邏輯閉環，源源不斷地為業務變革提供創新動力。

  本文來源于物流沙龍，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。