供应链**实践:供应链的量化管理

随着对于供应链精细化管理要求的不断提升，企业在近年来越来越重视供应链的量化管理，供应链的量化管理能够帮助企业快速识别供应链管理过程中的薄弱环节和改善方向，也让围绕供应链开展的各项管理和优化工作更加有据可依。近年来随着人工智能、物联网等技术的快速发展，数据采集点不断丰富，数据质量不断提升，为供应链的量化管理提供了良好的土壤。

英诺森认为供应链的量化管理不应当仅仅将作用发挥在绩效考核的单一层面，而应当具备穿透性，需要能够通过合理的指标体系把握整体的供应链工作方向，通过挖掘数据价值为供应链的关键决策提供输入，真正实现全面、有深度的量化管理。

量化的供应链指标体系

量化的供应链指标体系是供应链量化管理的重要构成，但是在企业进行量化指标体系实践的过程中，较常见的两个问题就是难以决策指标体系的构成和难以进行指标统计。

供应链的指标构成需要充分考量链路结构划分的模式，不同的划分模式反映了不同的链路核心价值，常见的结构划分包括根据需求管理结构划分、根据链路角色划分及根据供应链环节划分（如图一），不同的划分模式可以根据其环节打造不同的指标体系框架。体系框架搭建完成后，具体指标的构建则需要根据核心业务诉求及发展导向进行梳理，形成相互联动制约的供应链指标库，彻底避免出现业务场景中“拆东墙、补西墙”的业务操作。同时需要根据指标的重要程度进行分级，避免出现指标过多导致的工作重点不够**等执行问题，较终做到切实有效的提升整体供应链表现。

图一：链路解构的划分模式

图二：常见供应链业务指标示例

数据支撑的供应链运营决策

供应链的量化管理不应当仅仅停留在其指标体系的制定，也应该将量化管理的理念融入供应链的日常运营决策中，以数据产生洞见，由洞见支撑决策，这就要求企业在供应链管理过程中，通过信息化工具实现对影响决策的核心信息进行集成展示以及对于需求的前瞻性预测，从而实现变被动为主动，在决策过程中对用户产生影响、进行支持。

核心信息的集成展示其重点在于对业务决策过程中影响因子的梳理，并且深刻理解曾经每个纯人为决策背后的逻辑，进而对相应信息点进行提炼、整合，实现基于业务场景的有效决策支撑。例如，在能源行业进行物料领用提报时，在提报过程中有效整合库存水平、物料的预计到达时间、历史采购价格、物料技术文档、可选品牌及供应商等信息能够有效地支撑业务方决策是否领用库存，是否进行采购等一系列业务行为。

趋势预测则是基于历史数据及信息通过机器学习产生结果预判，从而为业务方前置性的业务决策提供依据。较常见的业务场景之一就是需求预测，而需求预测的结果则能够进一步用于指导采购、库存优化等系列业务决策（如图三）。