在全球化進程中，供應鏈網絡日益復雜，企業(yè)與企業(yè)的競爭業(yè)已逐漸演變?yōu)楣溑c供應鏈的競爭，在應對高度復雜性和更高端到端可見性等訴求之下，供應鏈控制塔受到更多關注和應用，本公號之前對供應鏈控制塔的基本定義和涵蓋范圍做了簡要介紹，文后附鏈接。接下來將對供應鏈控制塔出系列文章，基于SCOR模型體系，系統(tǒng)講述控制塔在不同的分析階段、使用的不同的技術能力，不同的應用環(huán)節(jié)和對象、建立控制塔的渠道并結合案例等等這些方面綜合講述供應鏈控制塔。歡迎感興趣的同行友人交流討論。

本篇文章為開篇，我們從分析方法在不同階段的體現(xiàn)做展開介紹，因為這其實是我們做任何數字化項目的建設的基礎路徑。

分析階段深度與不同的技術場景

1.1 五個分析階段

在大數據，智能化時代之下，分析工具日益增長的可用性等，將基于數據的分析帶到新的階段。托馬斯 達文波特和珍妮 哈里斯在其《分析競爭》一書中（下附書籍鏈接），引入一個矩陣的思考維度，橫軸將分析方法本身分為五個階段，即描述性分析、診斷性分析、預測性分析、規(guī)范性分析和認知性分析五種。縱軸將不同的分析階段對應到其在應用中的描述性的信息，將某一現(xiàn)象從基本的描述到原因追溯，到預測，再規(guī)定，最后到認知層面。

這五種分析方法通常是分階段實現(xiàn)的，可以解決不同層面不同角度的問題，不過我們不能簡單地說哪種分析方法比其他方法更好，無論在哪個層面，其都有對應的應用場景以支持決策。

1.2 舉個供應鏈場景為例子

假設在某一個供應鏈業(yè)務部門，其日常會遇到的問題典型的例子就是供應短缺，滿足不了客戶需求。我們第一個要問的問題是，發(fā)生了什么？這是個描述性的分析，是哪個產品出現(xiàn)了交付不及時的問題；接著，下一個問題是為什么會交付不及時造成短缺？這個分析就涉及診斷性分析了；我們需要往深了查詢，是哪顆子物料或者組裝流程或者供應商排產比預期節(jié)奏晚了嗎？當診斷出這個問題后，我們基本就可以判斷由于這個問題的產生，后續(xù)的影響，接下來這種短缺會持續(xù)多久，預計何時會解決，這就到了預測性分析的層面了。然后，我們能做什么，有什么資源可以來改善這個預警到的問題呢，從而盡可能最優(yōu)地平衡供需？于是，在這種優(yōu)化措施的干預之下，我們會看到一個“修正”，一個我們期望的供應改善結果，這里稱其為規(guī)范性分析；最后，達到智能程度的認知性分析，即試圖學習到目前的供應鏈問題，采取的改善措施，這些路徑所給予的信息、經驗。基于此，可以發(fā)展比如基于AI的預測模型，從數據出發(fā)，到信息整合和相當程度的洞察。

上面結合一個供應場景的問題簡要說明了當我們分析問題時，在企業(yè)想快速看到問題到尋找方案解決問題，以及回顧做lesson learned的時候，這其中所遵循的不同分析階段的基本規(guī)律。可以想見，達到人工智能層級的狀態(tài)，是我們一直說的數字化供應鏈所能實現(xiàn)的最優(yōu)局面。而供應鏈控制塔在不同分析階段的主要功能也會有所側重，并且可以在不同的應用場景下將多個分析階段的功能做融合。

1.3供應鏈控制塔在各分析階段中的應用場景 

這幾個階段是基于使用的不同的技術能力做區(qū)分的，這里簡單介紹如下6個典型的控制塔應用可能性：

• 數據實時智能連接: 實施獲取數據用于商務過程監(jiān)控，流程監(jiān)控等

• 問題分析: 使用預測性、描述性的分析方法使得數據本身從反應型朝著預測型轉變

• 影響分析: 理解某個預警信號的影響，從數字化本身的生態(tài)系統(tǒng)到公司業(yè)務中的供應鏈

• 場景建模: 對于不同的場景，提供合適的模擬模型做仿真，給定某個輸入后預測可能的響應情況

• 協(xié)同響應: 在整個生態(tài)系統(tǒng)中互相連接，互相協(xié)作

• AI智能: 通過AI/機器學習等技術實現(xiàn)高度自動化

那么，從供應鏈控制塔出發(fā)，在不同的分析階段之下，數字供應鏈所涉及的對應的技術趨勢有哪些？下篇文章我們做展開介紹。

文中提及的《分析競爭》書籍鏈接：

參考文章：

How can supply chain technology leaders realize a control tower?-Gartner

The difference between descriptive, diagnostic, predictive & cognitive analytics- Eric Wilson