上期，我们分享了海信通过数据标准化、业务决策模型构建及数字化决策人才培养的三阶段策略，分阶段、有步骤地推进其数智化转型进程。本期，让我们一同来看看海信取得的成果，并探讨这些成就对于其他企业实施供应链数智化转型的宝贵借鉴意义。
当前建设进度和成果
(1) 数字化决策能力建设的整体思路。
京东蓝幸团队通过对百余家世界五百强企业经验总结发现，数字化决策能力建设应当遵循自上而下的整体思路。因此，京东蓝幸团队为海信提出的建议也是遵循自上而下的建设路径，从仓网到库存策略再到需求预测、补货计划、供应计划，从规划到计划，从需求端延伸至供应端。海信业务决策模型建设路径如图 5 所示。
(2) 数字化决策能力建设进度和成果。
当前，京东蓝幸团队完成了仓网模型和库存模型的建设。在海信视像公司试点的预测模型和补货模型也通过了业务的验证，上线在即，海信集团也计划后续向其他产品公司复制推广产能模型的建设计划提上日程，预期在接下来一年中开启。
①数据标准化。
完成四个模型的集成工作，实现自动化工作流建模。海信通过模型搭建和集成，提高了相关数据准确性，推进了数据标准化工作。梳理出基地仓、RDC、FDC、机型、客户等标准主数据，运输成本、仓储成本、装卸货成本、库存资金占用成本等成本要素标准库，以及与各模型相关的标准规则库。
②各模型实现的业务价值。
b) 库存模型在保持库存有货率 97. 5% 的前提下为视像公司线下 RDC库存在原本较低的周转天数的基础上下降了约 6% 。线上部分设置“枢纽仓+全仓”的商品布局策略，以少量提高跨区运输成本为代价控制了慢流品的库存冗余风险。同时，对库存商品结构进行了合理化配置，控制跨区调拨履约比例，降低高端机型带来的问题资金风险。库存模型形成了月度刷新机制，月度回顾商品布局策略和库存策略，与生产供应和物流发运环节积极联动，平衡运输车型、跨区发运和生产补货策略，实现对库存问题资金风险的科学管理。
c) 预测模型实现基线预测准确率与专家预测持平，大部分机型月度准确率维持在 70% 以上。预测模型在时间颗粒度上从月度下钻到周度，在空间维度上从全国维度下钻到分仓维度，打破了专家预测提升的瓶颈。同时，预测模型和需求计划专家之间展开良性互动，通过影响因子权重分析和预测预警分析，帮助专家理解因子相关性，快速定位重点关注产品，实现“人机结合”的最优预测。
d) 补货模型经过测算，年年可以节约近千万的物流成本。补货模型可考虑的时间和空间维度远优于人工计算，再基于全局最优考量给出建议，因此在节约成本的同时还可以提高下级仓库的直补比例，进一步减少额外调拨的发生，对于成本的进一步节约、破损率的降低都会带来显著改善。
③数字化决策人才培养。
推广价值
(1) 明确数字化决策能力的地位：供应链数字化转型的驱动引擎，只有在运营中利用数据提供决策支持，才能最大化发挥数据资产的价值。
中国企业经过二十余年的信息化和数字化建设，积累了一定的运营数据和数字化能力，急需持续深化数字化变革、深度挖掘数据价值，在竞争日益激烈的市场环境和尤其追求利润的后疫情时代特征下，建立企业数字化竞争优势。
海信集团所进行的供应链数字化决策能力建设，为处于相同阶段的企业提供了一个极佳范例，明确了只有建立自身的数字化决策能力，才能最大化利用先前积累的数据资产，为业务提供持续变革的决策指引。这也侧面印证了 Gartner 发布的 CDO Agenda 2022 报告中提到的，提高业务决策能力是最多企业 CDO 关注的议题。
(2) 数字化决策能力建设三要素值得各行业数字化借鉴和学习。
(3) 数字化决策需要自上而下的建设顺序和全局优化的宗旨（SCOR-DS 模型）。
————— CONTACT US —————
