供应链所面临的环境正变得愈发复杂，而数据驱动的供应链管理（SCM）的实施是支撑管理的基础

 
                                                                                                             引      言
供应链管理 （SCM） 是一项优化公司开发、制造和向客户提供产品和服务的整个系统的计划。 这不是一个新概念，但在最近商业环境变化和数字技术进步的背景下，其关注范围、实施方法和寻求的价值都发生了重大变化。 本文将解释 SCM 的基础知识和数字技术利用的趋势。
SCM(供应链管理 )是一种企业管理方法，旨在审视并改进公司将产品、服务提供给顾客的整个流程，以实现整个过程的效率化和最优化。尽管这不是一个新的词汇，但近年来，人们重新认识到了SCM的重要性，并且加强对供应链的复审以及相关机制的发展之势正逐渐扩大。

2024 年 4 月，生产家庭、办公室和商业设施用电气设备材料的 Panasonic Electric Works Co., Ltd. 开始全面推行需求预测系统。其目的是全面整合和分析来自日本和海外 3,000 多家供应商和工厂的数据，并确保即使在发生灾难或商业环境发生变化时也能维持约 200,000 个零件的供应。
在需求预测方面，将整合来自20种业务系统（如生产、销售、库存和零件采购）的数据，以可视化大约 200,000 个产品编号的库存和订单信息。此外，根据过去5年主要零部件的销售结果生成 300 种预测模型，并在公司全面优化 PSI （生产、销售、库存）计划和零部件采购计划。

富士胶片集团开发并运营了自己的数字信任平台 （DTPF），这是一个使用区块链技术的信息平台。 该平台的应用之一是“X”系列数码相机的供应链管理。 原因是由于新冠疫情导致零件供需平衡显着恶化，这使得零件采购和调整交货日期变得困难。
因此，富士胶片集团在 DTPF 上开发了一个新的业务应用程序“SRM（供应商关系管理系统）”，以便与供应商进行更高效且更安全的信息共享。目前，该系统作为与主要供应商的信息基础平台，正稳定运营，实现了部件采购的可视化。未来，还计划根据交货期回复信息，优化每次部件订购的数量，并进一步合理化部件库存量。

麒麟啤酒开发了一个应用程序，该程序能够自动计算1到2周后的生产数量，并自2023年7月开始投入使用。通过这一举措，预计将减少70%创建生产计划所需的时间，并每年创建超过1000小时的时间节省。传统上，负责人会根据最近的发货成绩、未来的需求预测和库存数量等数据，使用电子表格软件等工具来计算生产数量。

新开发的应用程序能够自动创建生产计划，并自动将其反映在生产计划系统中。它会基于工厂的生产要求和仓库的存储能力等限制条件来制定计划，并且具备一个警报功能，方便人工高效地检查制定的生产计划内容。

德国默克这家医药化学制造商，针对半导体短缺问题，正在致力于构建面向同行业供应链的数据分析平台“Athinia”。该平台使用人工智能(AI)技术使供应链相关数据的分析成为可能，并促进各相关公司间的信息共享。其目的是缩短产品上市时间，并解决半导体短缺和供应链相关的问题。

正如上述例子中各公司加强供应链管理(SCM)的情形一样，背后有着企业周围环境的巨大变化。这可以大致归纳为以下三个趋势（见图1）。

                                                                                                             图 1：SCM 环境的三个趋势

例如，2019年起的新型冠状病毒（COVID-19）大流行导致物品的生产和流通停滞，许多企业不得不重新考虑其业务模式。此外，最近由勒索软件代表的网络攻击造成生产设施和社会基础设施停摆的情况也接连不断。为了应对这些影响业务持续性的风险，整个供应链的协同应对是不可或缺的。

结构性的劳动力短缺正日益影响到整个供应链。例如，在物流行业，随着2024年4月开始实施的工作方式改革相关法律，驾驶员短缺问题愈发严重，单靠物流行业自己来应对是困难的，需要包括供应商、制造商、零售商在内的各方协同合作。

在原材料和部件采购方面，也需要确认是否存在非法制造、质量是否有问题、是否满足各种标准等，并努力确保生产和交易的透明性和可信度。在整个供应链中确保合规已成为商业上不可或缺的一部分。

为了预测消费者需求并精细化生产和销售计划，以及发现制造和流通过程中的瓶颈并提高业务效率，数据分析已成为不可或缺的元素。
近年来，在工厂、仓库、配送中心的物联网(IoT)数据，以及电子商务(EC)网站、社交网络服务(SNS)的帖子等多个数据源的整合与分析活动也愈发活跃。
随着机器学习、深度学习、生成式AI等技术的发展，分析方法及基于结果的改进手段也在不断进化。在追求更加全面优化的供应链管理中，数据利用已变得至关重要。

在这些趋势中，近年来特别得到关注的是，基于数据进行决策的所谓“数据驱动”的方法。正如文章开头介绍的案例所显示的，最近的供应链管理(SCM)不仅在分析手头现有的数据，还在通过引入外部数据和利用AI技术进行分析等，加速了提高预测精度和可靠性的努力。
其背后是分析技术的进步、以及基于云计算和AI等技术的数据分析平台的出现，所需的技术也在不断发展。物联网(IoT)、区块链、生成式AI等技术领域也在扩大。利用这些技术使得解决数据不足、流程复杂化、人才和技能短缺等问题变得比过去更加容易。

供应链管理（SCM）由被称为“计划系”的“SCP（Supply Chain Planning）”和被称为“执行系”的“SCE（Supply Chain Execution）”组成。SCP负责预算计划、需求预测、销售计划、库存计划、补货计划、生产计划等。SCE则根据SCP制定的计划执行订单管理、销售管理、交货期管理、库存管理、补货请求、生产请求等。数据驱动的方法适用于SCM的计划系，是一个重点。因为计划系比执行系更容易直接利用数据分析的结果，并容易导致持续的改进。

从SCP中的需求预测和销售计划等数据分析开始着手，同时综合管理各个流程处理的数据，并逐步将活动扩展到SCE的订单管理和库存管理等数据分析上。当然，也可以利用IoT数据或传感器数据，从执行系开始着手。实际上，越来越多的案例分析了店内库存和顾客行为，将结果反馈到订单接收和发放过程中，或者分析货运卡车的移动量来优化路线。

供应链管理（SCM）本身历史悠久。最初的提议是在1980年代的美国，到了2000年代，各种行业如制造业、食品业、服装业、IT业等在全世界范围内正式开始采用。

目前，有多个组织正推动SCM的标准化工作。最具代表性的活动是美国的专家组织ASCM（Association for Supply Chain Management），提供SCM标准“APICS”和按照该标准的认证资格“CPIM”。ASCM的构成组织美国供应链委员会（Supply Chain Council）开发了供应链过程的参考模型“SCOR”。

ASCM对SCM的定义如下：

"设计、计划、执行、管理和监控供应链活动，以创造价值、建立竞争力基础、利用全球物流、同步供需和全球绩效测试为目的”（https://www.ascm.org/topics/supply-chain-management/）。SCM关注的领域涵盖从原材料和零件的采购，至设计制造、物流流通、销售消费的一系列过程。具体业务内容包括生产计划、需求预测、采购管理、生产管理、库存管理、订单和退货管理、物流管理、质量管理、风险管理等。

SCM 的目标是提高效率并优化整个供应链。 通过朝着目标努力，将产生各种效果和好处，它大致可分为以下五类（见图 2）。

                                                                                                          图 2：实现 SCM 目标流程的 5 大好处

制造商通过重新评估与供应商的关系，或者共同化和标准化采购和配送流程，可以提高涉及的业务和系统效率，并期待能够降低成本。在物流流通领域，如果多家企业合作建立共同配送等机制，就可以减少配送成本，并能够应对物流配送司机的短缺。

如果制造商和零售商能够共享库存和销售信息，他们将能够顺利处理短缺、交货延迟、库存不足和积压等问题。 如果优化了库存，将更容易处理由于环境和消费者需求的变化而导致的需求显着增加或减少等情况。

通过消除制造、物流、销售等各个过程中的浪费，并实现效率化，可以缩短交货期（Lead Time）。如果能够共享信息并合理保持各自的库存，各个过程的配合会变得更加顺畅，从而能够更加迅速地做出反应。实时掌握销售情况，并将需求预测反映在生产计划中，可以实现生产量的最优化。

通过数据掌握需求预测、销售计划、生产计划等的实际情况，能够实时可视化市场和交易伙伴的状态，因此基于数据的客观决策变得更加容易。当发生退货响应或索赔等问题时，也能够更早发现问题，期待能够更早解决。基于数据的做法也使得应对供应链风险等变得更为容易。

在将制造到销售的过程进行最优化时，部门间或与交易伙伴的合作是必不可少的。通过建立良好的关系，可以更顺畅地进行库存信息的协调和问题信息的共享，从而提高客户满意度。为了使相关方获得益处，构建包括客户在内的生态系统是重要的。通过SCM构建的生态系统被认为是企业持续成长的关键。

虽然可以期待各种优点，但在SCM的实践过程中，也会面临一些挑战。比如，SCM的对象范围广泛，从原材料和部件的采购到设计制造、物流流通、销售消费，检讨和改进各个过程需要多方考量。仔细考虑的结果可能会导致过程变得复杂，合作变得困难，进而反而变得低效。

如何建立推进工作的人才、技能和体制也是一个重大挑战。如果业务在各部门或企业之间被优化而系统成了孤岛，要解开这些问题就需要新的人才、技能和体制。这是因为在负责现有业务的同时，还需要推动新的项目。

数据整备和系统构建也是一个重大挑战。即使在同一个集团内，如果各自采用不同的系统，就需要进行系统替换、系统协调和数据协调。就数据而言，相关方之间还需要决定使用哪些数据，按照哪些标准进行分析，以及如何进行共享。系统构建和运营、数据分析的费用和劳动力可能会导致低效率。

SCM 计划在广泛的领域都很困难，因为它们需要不断改进人员、流程和技术，同时不断考虑成本效益。 然而，业务连续性、合规性和数字化是全球管理问题，有必要从全球视角实现 SCM，而不仅仅是国内情况。

虽然该计划自 1980 年以来已有 40 多年的历史，但随着数字化的发展，使用 AI 技术的需求预测、生产和销售计划有可能创造前所未有的价值，我们正处于向数据驱动实现迈进的新起点的状态。 企业在未来如何应对SCM的改革，并刷新其商业模式，值得关注。

免责申明：
1、第三方机构如想转载天陈科技文章，请原文转载（不得修改）；如文章内容有改动，须在发布前获得天陈科技的审核批准。

2、因编辑需要，文字和图片无必然联系，仅供读者参考；文中所转载的资料版权归版权所有人所有，因非原创文章及图片等内容无法一一和版权者联系，如无意中侵犯了媒体或个人的知识产权，请联系后台，我们将立即予以删除。

3、本平台部分图片来源或改编自互联网，主要目的在于信息分享，让更多人获取所需资讯，版权归原作者所有，如侵犯到您的权益或版权，请及时告知我们，我们将及时进行删除。