※ 专家介绍 ※
唐隆基，软件工程博士，中国数字化学会特聘终身顾问、罗戈研究特聘专家，曾任职于美国IBM、卡特彼勒和联邦快递、广州捷世通等企业，并在2017年间担任罗戈研究副院长，对数字化供应链有持续、深入的研究，在2018年2月主导撰写了罗戈研究与京东物流联合发布的《数字化供应链综合研究报告》。
唐博士相关文章：
※
数字化供应链的进展和未来趋势（二）
——数字化供应链的进展
唐隆基 博士
2018年是供应链发展的大好时机，许多公司在实施真正的数字化供应链，以降低成本、增加收入。2018年，那些引进新技术、探索新商业模式、引入拥有正确的数字化技术人才的企业，将在未来几年内大展拳脚，改变所处行业的现状。
当然，并不是所有数字化供应链转型都是顺利的。本文将分为三个部分来展开，其中包括十大数字化供应链的未来趋势：
1. 数字化供应链转型进展缓慢，少数领军企业获得巨大效益；
2. 2019年及未来的十大数字化供应链发展趋势：
1) 供应链全球化和复杂化需要供应链融合，数字化将使其成为主流。
2) 供应链孪生是供应链和数字孪生的融合，它有助于优化供应链。
3) 供应链运营模式转型是数字企业成功的基础，供应链运营参考模型(SCOR)已开始它的数字化转型之旅。
4) 人工智能和算法将成为数字化供应链的大脑。
5) 高级分析是一个重要的变革供应链的技术，它将为数字化供应链转型奠基。
6) 区块链是构建可信数字化供应链的关键技术，但它目前尚不成熟。
7) 数字化采购是供应链采购的未来，随着采购的数字化技术日趋成熟，未来已来。
8) 供应链控制塔技术是实现供应链数字化转型的重要主措，但供应链主管不要相信炒作，要注重它的与供应链融合的价值。
9) 将走向商用，供应链是5G的重要应用市场，5G将助力供应链数字化。
10) 是供应链管理的核心系统之一，为适应数字化转型，传统的ERP正走向智慧ERP。
3. 经历概念炒作，理论形成和企业实践之后，数字化供应链转型将变得更加务实，创造价值才是最终目标。
在上一篇 中国数字化学会顾问唐隆基博士 | 数字化供应链的进展和未来趋势（一） 中，我们回顾了中国数字化供应链发展的历程，本篇将简要讨论2019年，数字化供应链发展的十大趋势（鉴于篇幅，将通过两篇来阐述），其中许多关键趋势是数字化供应链前几年的延续，然而，细节、进展和强度将大不相同。
以下未来趋势的描述主要来自于作者对加特纳（Gartner）、德勤、凯捷、埃森哲、IDC等研究机构以及SAP，IBM，华为等优秀企业的研究报告的综合研究。所引用的报告和文章请参考文献章节。
---
1. 数字化供应链融合（Digital SC Convergence）
随着供应链越来越全球化和复杂化，消费者的需求越来越高，市场竞争越来越激烈。企业的发展需要更智能、高效的供应链作支撑。一个解决方案是供应链执行融合（SCEC），这是Gartner在2009年首次提出的一个概念【15】，后来他们将此概念定义为供应链融合（Supply Chain Convergence）【16】，并出现在后面的文章和它的制造业创新成熟度曲线（图1），它代表更为广泛和深远的意义。
供应链执行融合或供应链融合是Gartner供应链成熟度模型的第五级（最高级）的基本要求之一，被认为是供应链的最高境界。供应链融合包括在供应链网络在横向和纵向上全方位的融合。横向融合就是要把今天大部分还是高度分割的供应链部门（计划，采购、制造、物流、仓储等）统一在在一个满足企业供应链战略的框架下，以改进整个流程，优化供应链整体效益。这里还包括各种供应链的管理执行系统(ERP，S&OP，SCP，WMS，TMS等)的融合。纵向融合则包括两大方面：供应链网络与其系统的融合、新兴数字化技术与整体供应链的深度融合，如IT和OT的融合、实体/物理供应链与虚似/数字供应链的融合。
英文“Convergence”一词源于数学中的“收敛”，此处译作“融合”，其义可以看做使供应链所有方面全局收敛到一个最佳的供应链，也就是数字化的智慧供应链，以达到使企业和产业增加利润，降本增效的目的。另一方面，只有实现数字化供应链转型，供应链融合的概念才真正能获取它变革全球供应链所需的动力和能力，并使其成为现实。
图1：制造技术创新成熟度曲线，Gartner，2018年
供应链融合在2018年Gartner的制造业创新技术成熟度曲线中处于泡沫破灭的谷底期(Trough of Disillusionment)：在历经前面阶段所存活的科技，经过多方扎实、有重点的试验，逐渐明确了客观、与实际相符的使用范围及限制情况，并成功应用到企业经营模式中，这要经过十年以上的努力才能真正成为供应链的主流方式，这说明了供应链融合的复杂性和实现的艰难性。此外，从最初的概念到今天，它已经历了近九年的发展期，本文预测数字化供应链将会给它带来成为主流的曙光。它也会成为数字化供应链的强大驱动力。苹果，宝洁，和亚马逊等大师级供应链企业，以及其它世界顶级的供应链，都是供应链融合成功的典范。
2. 供应链数字孪生（SC Digital Twins）
Gartner描述数字孪生（Digital Twins）是真实物体的虚拟表示。数字孪生旨在优化资产运营或业务决策，包括模型、数据、与对象的一对一关联以及监视的能力、实体或系统。 Gartner早在2016年就把数字孪生作为十大战略技术之一【17】。
数字孪生可能包括以下数据：
从数字孪生外部接收的外部数据；
从物理事物接收到的观测事件，例如来自资产的传感器、日志或仪表数据，或从其他主要输入计算出的虚拟传感器等数据；
从其他来源收到的数据，如卡车上所载货物的信息、设备所有者的姓名、设备序列号和历史维护记录等；
衍生数据——由数字孪生内的逻辑计算的数据；
指向链接数据的指针——如有关事物环境（例如环境温度、当地天气条件）或与事物间接相关的对象（例如所有者的姓名和地址以及所有者身份之外的其他细节）的数据。这些不是事物本身的属性，因此这些数据不属于数字孪生。但是twin中的逻辑，或者使用twin的应用程序中的逻辑，可能需要访问这些数据。
数字孪生可能包括的逻辑：
作为数字孪生系统的一部分实现的逻辑，操作数字孪生系统内的输入数据或存储在数字孪生系统外的数据。例如，数字孪生可以通过对卡车观察到的燃油水平、油箱尺寸和平均速度，应用公式来计算和存储卡车耗尽燃油前的剩余时间。
数字孪生在外部（物理上）实现的逻辑，但由数字孪生的一部分访问的逻辑。例如，孪生逻辑可以向外部决策服务调用API，例如计算卡车预期到达时间的地理空间映射服务。这可以使用卡车当前位置和计划路线（下一个目的地的标识）上的数字孪生数据，以及获取不在孪生中的外部信息（地图和其他系统中保存的实时交通信息）。
从上面的描述可见，数字孪生与供应链非常有缘，并导致供应链数字孪生（简称供应链孪生）应运而生，它实质就是一种数字孪生与供应链的融合。数字孪生技术可帮助优化供应链，如制定最佳的计划，优化设施维护供应链等等。下面的图2描述了供应链孪生的架构和应用场景。供应链孪生是一数字化供应链新的发展趋势，它将有望在帮助优化供应链方面扮演一个重要的角色。
图2：供应链孪生（来源：ToolsGroup）
图2所定义的供应链孪生包括实体的供应链及其执行系统和设施，以及它们的数字表示，也就是数字孪生：供应链云平台和一个数据及高级分析平台。
3. 运营模式转型是企业数字化转型成功的基础
多家有名的研究机构，如埃森哲、IDC、德勤等指出运营模式的转型是数字企业成功的基础，尤其是数字化供应链成功的基础（请见【8】5.3.5节）在传统供应链中存在一些传统的运营模式，其中最有名的是供应链运营参考模型（Supply chain operations reference），英文简写为SCOR。
SCOR是由管理咨询公司PRTM（后被PwC普华永道收购）和AMR Research（后被Gartner收购）于1996年发布的，并得到供应链委员会（SCC）的认可，是APICS的一部分，作为跨行业供应链管理战略、绩效管理和过程改进诊断工具的标准，到2017年已经有二十多年的历史。2017年SCOR12.0的发布标志着这个传统的供应链运营参考模式开始向数字化供应链运营模式转型【11】，数字化供应链第一次被写入SCOR。12.0几乎用新兴的数字化供应链技术重写了实践部分，但整体上仍保留了原来的模式。实质上，传统的SCOR模式反映的是图3中传统的供应链。APICS正在与德勤合作研究基于数字化供应链网络(DSN)的现代数字化的SCOR【18】。此项目由APICS的副总裁Peter Bolstorff负责，并给出了一个数字化SCOR发布的时间表：
2019年10月第一版测试版
2020年年中第二版测试版
2023年正式版本发布
图3：从传统供应链向数字供应网络的变革（来源：Deloitte 德勤）
为什么数字化SCOR的发布要经过五年长的时间呢？
首先正如【7】指出的“供应链的数字化转型不单单是技术的革新，而是一场关于战略、组织、人才、流程和运营等供应链所有方面的深刻变革，不是短时间可以完成的，是一场攻坚的持久战”。而数字化SCOR要成为跨行业数字化供应链管理的标准，也必须经过多重研究和实践检验，是一个艰难的过程，不是短时间可完成的。
其次要认清数字化供应链与传统供应链的关系。数字化供应链是方向，是未来，但传统供应链仍然是基础。正如【18】的作者采访Peter Bolstorff时，Peter 指出的：“传统供应链是基础，大家还是要打好传统供应链的基础，才能更好的使用数字化供应链，况且数字化供应链替代传统供应链是一个逐步探索的过程，目前的传统供应链模型依然长时间有效。”
4. 人工智能和算法将成为数字化供应链的大脑
Gartner指出，2018年八大供应链技术趋势（图4所示）【20】。人工智能、物联网、高级分析和区块链等是推动供应链数字化竞争优势的一些关键技术。供应链领导者必须评估其对公司的风险，以确定他们是否准备好探索和采用这些新兴数字技术产品。其中人工智能是首推的供应链技术趋势。其实其它七项技术也都与人工智能有关或者需要人工智能的支持。
图4：Gartner 2018年8大供应链技术趋势
人工智能及算法将成为数字化供应链的核心和大脑，是因为：
人工智能具有巨大的潜力，可应用于增强自动化决策、重塑商业模式和生态系统以及重塑客户体验的能力，革新供应链流程；
人工智能中认知计算是下一代智能计算系统的核心，它将用人类语言交互并通过理解复杂的大数据来帮助专家做出更好的决策。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。它能够帮助供应链具有自学习自适应的能力。正如【14】指出的“认知技术能使供应链变得智慧——提高透明度、恢复力和可预测性”。
算法是人工智能三大关键基础基石（算法、算力、数据）之一。基于人工智能的算法，如现代机器学习、神经网络等能帮助提高供应链预测和预报的精度。一些讨论供应链预测的文章说"有预测比没有预测好"，说的是预测对制定供应链计划的重要性。另一个说法说"预测都是错的"，虽然说法有些过头，但的确反映了现在大多数基于传统统计模型的预测和预报精度非常底，这使制定供应链计划因难，甚至造成所谓的"牛鞭效应"和库存的不准确等问题。研究和实践证明。采用基于人工智能的组合算法能大大提高供应链预测的精度，从而帮助企业制定出合理供应链计划，大量节省成本，提高效率。Toolsgroup 是一个基于人工智能的供应链计划解决方案供应商，它是第一个采用机器学习的算法提高预测精度的公司。它的研究和实践指出采用人工智能算法可提高90%的精度，将错误减少到10%，需求建模和机器学习相结合的算法可减少错误和销售损失达33%。【22】
尽管目前的人工智能解决方案能够找到模式并预测未来的场景，但它们仍然缺乏决策能力。因此，将模式功能与更高级的规范功能结合起来，以提高其决策能力，这对于供应链广泛采用人工智能及算法至关重要，从而使用户能够将其技能专门用于更高阶的用例，如战略网络设计或容量规划。
数字化供应链研究院（DSCI）为推进人工智能和算法成为数字化供应链的核心和大脑【21，23】，特别成立了算法委员会(Algorithm Council)——当今公司缺失的管理部分，并建议企业根据自身的需要创建类似的委员会。同时指出能快速开发和管理专有智能算法的公司将更具竞争力，并有能力获胜。在包括人工智能（AI）、机器学习（ML）和物联网（IOT）在内的新兴技术的推动下，全球供应链领导者都在竞相利用供应链内外可获得的数据并构建算法，以提高公司的市场份额、增加收入、降低风险和优化运营。下面图5给出了算法委员会成功的六个步骤。
图5：DSCI 算法委员会成功的六个步骤
5. 分析技术为供应链数字化转型奠定基础
高级分析（Advanced analytics）是另一个重要的变革供应链的技术【20】。wiseguyreports.com发布了一份《供应链分析、市场分析、战略评估、趋势展望和商业机会（2019-2023）》的市场研究报告【24】。研究报告指出物联网智能设备（如RFID、传感器标签和条形码）的兴起有助于供应链的自动化发展，并促进了大量数据的生成（包括非结构化数据），通过预测和优化模型帮助企业降低运营和资本支出。此外，大多数企业家和专家都认识到，将人工智能与供应链分析相结合可能是一种有效的增长战略，可以预测可能的结果，并在处理库存管理方面提供积极的行动计划。这种集成预计将作为实施供应链分析的关键，通过改进寻源和物流活动来降低成本波动。
预计到2023年，全球供应链分析市场将达到约88.9亿美元，在2017-2023年预测期内复合年增长率为13.7%。然而，公共云部署缺乏数据隐私和企业间的货币约束，可能会阻碍供应链分析市场在预测期内的增长。公有云在这方面的改进或者采用混合云部署将会有助于供应链分析云化的发展。
关键参与者
供应链分析市场的一些关键参与者包括IBM Corporation（美国）、Microstrategy，Inc.（美国）、Oracle Corporation（美国）、Tableau Software，Inc.（美国）、SAP SE（法国）、Accenture plc（爱尔兰）、Genpact（美国）、SAS Institute Inc.（美国）、Manhattan Associates（美国）和JDA Software Group，Inc.（美国）。
主要发现
预计到2023年，全球供应链分析市场将达到88.9亿美元；
按组件划分，预计在预测期内，解决方案细分市场将在全球供应链分析市场上以显著的速度增长，
在解决方案里，预计供应链计划和采购细分将占据最大的市场份额，并预计在未来几年保持最高的市场份额。
按服务划分，托管服务细分市场可能是评估期间增长最快的细分市场。
预计供应链分析市场的云细分市场将在预测期内主导市场，并有望成为2018年至2023年增长最快的细分市场。
从纵向来看，预计零售部门在预测期内将是最大的贡献者，同时也将是未来几年增长最快的部门。
在地理位置上，北美预计将占据最大的市场份额，而亚太地区可能是供应链分析市场增长最快的市场。
除从以上市场分析报告体现了供应链分析之重要性外，哈克特集团研究了供应链分析的现状并对2018年及未来做了深度的洞察分析。
哈克特集团公司（The Hackett Group）的研究报告【25】指出分析可为供应链数字化转型奠定基础。供应链领导者为企业2018年及以后制定目标和战略时，数字化转型应是首要考虑的问题。根据哈克特集团最近的供应链趋势研究，94%的企业表示数字化转型将从根本上改变供应链，只有44%的企业有实现这一目标的战略。分析和洞察驱动的决策应该是供应链领导者的重点领域，因为它们是数字化转型的基础。下面简介此研究报告的重点：
66%的供应链领导者表示，先进的供应链分析对他们未来2至3年的供应链运营至关重要。哈克特集团发现，大多数供应链领导者对于实施先进的供应链分析并为当前和未来的运营做出贡献具有紧迫感，大多数人认可拥有能够在整个供应商网络中扩展的高级分析的价值。
图6：哈克特集团公司-未来2-3年高级供应链分析的预测重要性水平，2017
提高预测准确性、优化运输性能、改进产品跟踪和可追溯性、分析产品回报是为分析增长提供最大潜力的用例。这些用例中的每一个都有信息和知识缺口，高级供应链分析可以填补这些缺口。在这些顶级用例中，产品跟踪和可追溯性是增长最快的一个，因为美国食品药品管理局在《美国联邦法规汇编》第21章中定义了严格的质量标准，820.65适用于医疗产品制造商。遵守联邦授权报告和质量标准的将增加复杂性和成本，高级分析技术革新供应链的绩效就显得越明显。
图7：哈克特集团公司-供应链分析用例：采用率与重要性评级
优化生产和采购以降低总落地成本（56%），是未来2至3年高级供应链分析最重要的用例。Hackett集团汇总了四个类别的用例(见图7)，分别是降低成本、提高质量、改进服务和提高营运资本（优化库存）。受访者将改善营运资本（优化库存）列为最重要的综合得分39%，其次是降低成本（29.5%）、改善服务（28.6%）和提高质量（25.75%）。
44%的供应链领导者正在增强其企业资源规划（ERP）系统的功能和集成，以获得更大范围的企业和供应链可视性。受访者依赖传统的ERP系统作为其管理供应链运营的主要记录系统，并整合先进的供应链分析技术，获得端到端供应网络的可视性。94%的受访者认为，面向内部和外部使用的虚拟协作平台是他们在未来2至3年内能够实现的最高优先技术计划。
哈克斯的供应链分析成熟度模型按在数据处理及分析的成熟度分为以下四个阶段（见图8）:
图8：哈克特集团-供应链分析成熟度模型
成熟度阶段1：描述性的分析（Descriptive）
人工用Excel工具分析数据
数据和计祘的可靠性参差不齐
数据分析是现象描述性的（仅回答发生了什么）
成熟度阶段2：诊断式分析（Diagnostic）
关键决策者通过可视化的数据来了解运营状况
着重于整合内部的数据源
开始采用诊断式分析
成熟度阶段3：预测性分析（Predictive）
开发重心转移到预测性分析
采用高级数据可视化技术
采用实时数据主控靣板技术
外部数据被自动集成到分析平台
成熟度阶段4：规定指标性分析（Prescriptive）
分析驱动所有的决策
成熟的人员分析技能
数据驱动决策优化
一致使用规定指标性分析
大多数公司都在哈克特集团供应链分析成熟度模型的第1和第2阶段，有一小部分处于第3阶段的成熟度水平。供应链运营和绩效随着流程和工作流的建立而扩大规模，以提高数据质量，提供一致的实时数据，并依赖一个稳定的记录系统，最终提供端到端供应链分析的可视性。随着全球供应网络的激增，与外部数据的集成变得至关重要，同时也需要提高预测分析的准确性。
纵观中国企业供应链分析状况，本文认为大部分企业处于第1或第2阶段。少数优秀企业，如阿里的菜鸟，京东物流，华为，美的，海等的供应链分析成熟度处于阶段3或以上。
笔者认为上面的供应链分析成熟度模型是此报告最具参考价值的部分。企业或供应链组织可以根据此模型来检查当前分析的状态，也就是处在哪一阶段，找到差距，从而制定出进一步改进供应链分析的行动计划，向成熟度高一阶段发展。
※ 待续 ※
参考文献：
【15】供应链执行融合：实现端到端流程承诺（Supply Chain Execution Convergence: Delivering on the End-to-End Process Promise），加特纳（Gartner），2009，https://www.gartner.com/doc/1158912/supply-chain-execution-convergence-delivering
【16】用供应链融合统一端到端的供应链流程（Unify End-to-End Supply Chain Processes With Supply Chain Convergence），加特纳（Gartner），2018，https://www.gartner.com/doc/3883064/unify-endtoend-supply-chain-processes
【17】Gartner 2017年十大战略技术趋势，加特纳（Gartner），2016，https://www.gartner.com/smarterwithgartner/gartners-top-10-technology-trends-2017/
【18】从宇宙大爆炸看下一代数字化供应链模型，龚进-趋势咨询，秒懂供应链 2019/01/03
【19】Embracing a digital future，Deloitte（德勤），2018
【20】Gartner 2018年8大供应链技术趋势，加特纳（Gartner），2018，https://www.gartner.com/smarterwithgartner/gartner-top-8-supply-chain-technology-trends-for-2018/
【21】Driving Demand in the Digital Supply Chain: Algorithms and the Untapped Power of Applying Real-Time Big Data and AI/ML，DSCI，2017，https://www.dscinstitute.org/assets/documents/DSCI-AI-ML-White-Paper.pdf
【22】https://www.toolsgroup.com/images/The-Evolution-of-Forecasting.pdf
【23】 https://www.dscinstitute.org/assets/documents/Algorithm-Council-DSCI-2018.pdf
【24】http://www.wboc.com/story/39725299/supply-chain-analytics-market-analysis-strategic-assessment-trend-outlook-and-bussiness-opportunities-2019-2023
【25】https://www.thehackettgroup.com/wp-content/uploads/2017/12/hackett-analytics-supply-chain-digital-1711.pdf
※
作者：中国数字化学会特聘终身顾问 唐隆基 博士
此报告为本学会 顾问 唐隆基博士 撰写，欢迎转载，如需转载须注明作者及出处！
<点击以上图片即可查看.中国数字化学会白皮书>
欢迎点击“阅读原文”加入中国数字化学会，成为我们一员！