新冠疫情爆发后，随之而来的经济冲击跨越国界和行业广泛蔓延。从制造业到金融服务，各行各业都在竭力减轻疫情对利润底线的影响。对于许多企业而言，这成为了一次紧迫的警示，促使它们采取主动措施，在全球供应链中识别并消除风险——这些供应链通常涵盖分布在世界各地的多个层级的供应商。实时供应链风险可见性在避免业务中断方面发挥着关键作用。
经济风险
企业在运营全球供应链时，面临着巨大的经济风险。在疫情初期，我们目睹了不可避免的多米诺骨牌效应，不仅波及多个行业，也影响到多个不同层级的供应商。例如，3.74% 的次级供应商在国防部的生态系统中因疫情而关闭。75% 的小企业报告称，他们手头现金仅够维持 2 个月或更短时间。随着供应商陷入困境或倒闭，供应链中断的情况十分普遍。
这种不稳定性加上世界面临的其他多种经济危机，例如与中国的持续贸易摩擦，可能导致我们熟知的全球商业体系发生根本性崩溃。我们必须比以往任何时候都更加密切地监控我们的供应链，以发现更多潜在的风险暴露点。
数据安全风险
自疫情开始以来，计算机黑客攻击增加了 330%。此外，全球企业还需要考虑在多个国家拥有供应链以及涉及数百或数千家供应商所带来的网络安全风险。全球供应商的数据系统可能成为品牌或政府机构数据系统的潜在入口，这给全球供应链带来了重大挑战。组织必须能够评估并持续监控供应商数据安全措施的强度及其相关的、不断变化的网络安全风险。
即使疫情消退，对扩展数字供应链进行实时风险监控的需求仍将持续存在，尤其是随着网络攻击手段日益复杂化。
用于物理和数字供应链风险管理的新兴技术
在监控多层级供应商相关风险方面，大多数企业仍然远远落后。根据 Gartner 的数据，仅有 27% 的公司开展持续的第三方监控，而直接监控其第四方和第五方供应商的公司仅占 2%。尽管公司意识到自身容易受到次层级供应商中断的影响，但仍有足够多的公司未被引导或未获得有效主动监控这些供应商的工具。
历史上，大多数企业试图识别、评估和管理供应链风险是手动且仅定期进行的。这是因为，此前专注于从大量扩展的供应链生态数据中提取洞察的自动化技术尚未胜任这一任务。情况已发生巨大变化。全球机器学习市场在 2017 年的估值仅为 15.8 亿美元，目前预计到 2024 年达到 208.3 亿美元，复合年增长率（CAGR）为 44.06%。基于人工智能和机器学习的新兴技术正在迅速崛起并改变行业格局。这项新技术能够立即揭示全球供应链各层级的风险，因为对数千万家供应商的数据从物理和数字供应链视角以及众多风险因素方面进行持续监控。
将 AI 驱动解决方案纳入您的供应链风险管理策略，可以自动化识别深嵌于供应链中的风险。此外，采用该技术可确保组织获得连续、实时的信息，以支持持续的风险管理工作，并在问题威胁业务之前将其识别出来。
我们无法预知疫情及其后续影响何时结束，也无法知道下一次全球性事件将在何时何地发生。展望未来，成功的企业将做好准备，无论面临何种挑战，都能以安全、稳健的方式持续运营。对于无法有效识别和映射风险的机构而言，供应链相关的盲点及其引发的中断可能造成重大复杂问题。新冠疫情加剧了弥补这些问题的紧迫感。用于端到端供应链自动化、持续监控的新技术为实现运营韧性、业务连续性和整体健康开辟了新路径。
___________________________________________________________________