本文是筆者對供應鏈數字化的一些觀察。歡迎朋友們拍磚指正~

一. 實體產品/服務的模塊化

在IT領域，微服務/模塊化等思想已經深入人心。而在實體世界，也有類似的模式在涌現。例如，某物流服務商將自己的服務類別“A"細分為A1/A2/A3等子項目，讓C端用戶可以在“菜單”上勾選，按需獲得自己想要的服務內容。

對于實體產品也有類似的問題：如今的實體制造商需要滿足用戶越來越個性化的需求，但是SKU過多又會給供應鏈帶來沉重的負擔。可能的解決思路：1.減少SKU數量，聚焦于最受用戶歡迎的那些種類；2.設計標準化的產品“底座”，在底座上搭配各種個性化的“插件”；3.硬件標準化，但其搭配的軟件可以持續升級，給硬件賦予新的功能（類似于智能網聯汽車的OTA）。

相關產品模塊/服務模塊的組合過程必須是非常敏捷的。針對客戶需求，在短時間內搭配成功、快速交付。

二. “萬事不決加一層”

在數字化轉型過程中，各種歷史遺留的信息系統林立是普遍現象。面對“數據孤島”問題，大廠和新興初創公司都在采用類似的方法解決，即通過一個“中間層”把各種來源的數據連接起來，經過一定處理之后再集成使用。只不過在處理細節上有一定差異。

在建立這種“中間層”的過程中，會遇到許多麻煩的細節。例如：各種數據庫/物聯網連接設備的格式不同，會帶來兼容方面的問題。樂觀人士認為：格式總共就那么多種，兼容問題總會慢慢解決的，就像早期PC電腦的驅動程序問題慢慢已不再是個問題。

三. 全鏈數據可視

在之前文章《“數據治理”對數字化供應鏈為何如此重要?》提到：企業數字化轉型可以分為業務標準化、局部在線化、全局在線化等幾個階段，其中一個核心觀念是：數據在線可視是必由之路，是“必答題”而非“選擇題”。德國工業4.0成熟度評估等體系也體現出類似的思想。

對于這個進程的推進速度，各方可能會有不同的觀點。筆者認為，傳統企業（“非數字原生企業”）應該以盡可能快的速度推進這個進程。誠然，數字化基礎建設可能在短期內看不到明顯的經濟收益，這會讓企業管理者感到猶豫。但是，當同行競爭對手率先實現數字化運作，其供應鏈迭代優化速度將大大加快。如果對手以“周”為單位進行迭代，而你還在以“月/年”為單位迭代，誰會占據先機一目了然。

全鏈數據可視意味著：1）數字化供應鏈系統中需要有各個職能部門的數據，不僅是物流交接的單據數據，而且還需要生產計劃數據、質量檢測數據等。2）隨著自動化程度提高，“機器”（生產設備、機器人）在供應鏈運作中占的比重越來越大。我們不僅需要將人的操作數據可視化，而且還需要將各種機器的數據接進來，實現“人+機”的可視化。

四. 關于“制造業電商化”

一些業內人士認為，制造業近些年來體現出“電商化”的趨勢 - 訂單在越來越定制化的客戶需求之下向“多品種、小批量”方向發展，體現出碎片化特征。如何看待這種趨勢？

A. 這種現象確實在肉眼可見地發生。傳統工業時代的大批量推式生產正在向按需定制的拉式生產轉移?！半娚袒钡牧硪槐憩F是：許多電商巨頭正在介入制造業，利用自己在信息技術、海量數據等方面的優勢來重塑制造業流程，甚至反向定制實體產品。

B. 但這種趨勢并不意味著電商對制造業的全面顛覆。從系統流程來說，制造業以ERP為基礎的系統內核強調穩定、高可靠性，并且牽一發而動全身。這樣的后臺流程是不能輕易被顛覆的，也不可能象電商系統那樣頻繁地迭代。

C.在可預見的未來，制造業供應鏈將體現出“雙模”的特征：與終端消費者打交道的前端應用程序會變得更加靈活和人性化、迭代速度相對較快，并且從電商運營中借鑒許多經驗；而后端的應用系統內核仍然會強調流程、強調穩定，更新速度相對較慢。這兩者并不矛盾，并且會長期共存。

五. 關于數字化轉型的相關KPI

數字化轉型的終極目的，還是要給供應鏈帶來效益上的提升，尤其是體現在質量、成本、響應速度等方面（Q/C/D）。在之前文章《 供應鏈數字化轉型，能給企業帶來哪些回報？》中，也從降本、增效、提產等幾大方面討論了這些具體效益。

除此之外，值得注意的方面還有：

A. “響應速度”可以從不同的方面去理解。首先，傳統的供應鏈響應能力更多體現在lead time，即從開始接到訂單到最終完成交付的時間長短。其次，我們也必須關注異常情況下的“問題處理速度”。比如：當生產線出現故障，或者用戶提出投訴的時候，我們能夠以多快的速度響應？有些行業對響應的要求是分鐘級的，甚至有可能更苛刻。再次，供應鏈響應能力也取決于相關IT系統的數據更新能力，系統中的數據要足夠“實時”才行。

B.另一個值得關注的KPI是手工報表的數量。某種意義上說，公司每天需要“表哥表姐”們處理的人工報表越多，就說明數字化水平越低。在良好的數據治理之下，符合財務規范的報表應該全自動生成，不給人留下“粉飾”的空間。

C. KPI需要持續改進 - 精益管理的這一經典觀念，在數字化時代也依然成立。對于成本等QCD指標，我們有了足夠多的數據之后，可以更加精準地跟蹤，并且對于改進成果獲得實時的反饋；對于數字化系統本身的打造，也是一個持續進化的過程，例如機器人在“勞動力”中所占的比例會越來越高?；蛟S，將來大多數行業都會與“摩爾定律”為伴：每過XX個月，行業的面貌就會煥然一新。