8大维度，30项硬核落地工作，用数据做实供应链韧性

一份面向企业采购与供应链管理者的落地手册。全书以"用数据做实"为主线：每一项工作都给出做什么、怎么用数据做实、关键指标/公式、落地要点四段式结构，让韧性从口号变成可度量、可追踪、可考核的日常动作。

unsetunset为什么韧性必须"用数据做实"unsetunset

过去几年，供应链中断从"小概率黑天鹅"变成了"天气式常态"。多项权威研究把这一判断量化得相当直白：

• 麦肯锡研究显示，企业平均每 3.7 年就会经历一次持续一个月或更长时间的供应链中断；在十年周期内，这类中断累计可侵蚀相当于约半年的利润，消费品行业十年损失可达 EBITDA 的约 30%。
• SAP 援引的测算进一步指出，企业每十年因供应链中断造成的损失预计接近一年 EBITDA 的 42%，风险敞口已使韧性从"防御性策略"变成"战略要务"。
• Gartner 的成熟度评估给行业泼了冷水：约 63% 的供应链仍处于脆弱状态，真正可被评为"有韧性"的只有约 8%，达到"反脆弱"级的仅约 6%；在那些计划在 2026 年前实现韧性目标的企业中，约 95% 中途放弃。
• 高管态度也在转向：约 89% 的首席供应链官认为不确定性将持续甚至加剧，约 93% 的高管重视韧性建设，约 44% 的企业愿意以部分效率换取韧性。

问题不在于"要不要做韧性"，而在于韧性做了没有、做到什么程度、有没有在下一次冲击中真正见效。凭感觉、靠经验、看大屏的做法，无法回答这三个问题。只有把每一项韧性工作绑定到可测量的指标、可复算的公式、可追踪的看板上，韧性才能被管理、被考核、被持续改进。

这正是本手册的立场：不谈玄学，只谈能落地、能算账、能复盘的硬核工作。

unsetunset维度一　风险识别与量化评估unsetunset

核心命题：你无法管理你没有测量过的风险。本维度把"模糊的担忧"转化为"带数字的风险台账"，解决"风险在哪、有多大、断了要多久、损失几何"四个问题。

工作 1　建立供应链风险地图与风险登记册

• 做什么：系统性识别覆盖"供应、需求、物流、运营、财务、合规、地缘"七类来源的风险事件，形成可持续维护的风险登记册（Risk Register），而不是一次性的 PPT。
• 怎么用数据做实：对每个风险项，用"发生概率 × 影响程度"两维打分（各取 1–5 分），计算风险优先级数（RPN = 概率 × 影响 × 可探测性倒数，借鉴 FMEA 思路），按分值排序进入"红/橙/黄"分层清单；每季度用最新中断事件、供应商异动、舆情数据刷新评分。
• 关键指标 / 公式：
• 风险暴露值 Risk Exposure = 发生概率 P × 影响金额 I
• RPN（风险优先级数）= S(严重度) × O(发生度) × D(难检度)，阈值（如 RPN≥100）触发缓解计划
• 风险登记册覆盖率 = 已登记风险数 / 识别出的风险总数，目标 100%
• 落地要点：先覆盖"关键少数"（营收贡献前 20% 的产品链路）再铺开；每条风险必须指定责任人、缓解措施和复查日期，否则登记册会退化为摆设。FM Global《韧性指数》将国家风险归为经济、风险质量、供应链三维，可作为外部地缘打分的参照底座。

工作 2　关键物料风险敞口量化（单点依赖识别）

• 做什么：找出"一旦断供就会让产线停摆"的关键物料与单一来源（Single Source）节点，量化其敞口，避免"一颗芯片停一条线"。
• 怎么用数据做实：对每个物料计算"采购集中度"与"可替代性"，用支出金额 × 单点依赖度加权排序；结合 BOM 展开，识别那些金额不高但不可替代、替代开发周期长达数月的"隐形关键件"。
• 关键指标 / 公式：
• 供应商集中度（HHI 赫芬达尔指数）HHI = Σ(各供应商份额)²，越接近 1 越集中、越脆弱
• 单一来源物料占比 = 单源料号数 / 关键料号总数，设定下降目标
• 替代准备度 = 已验证合格替代源的关键料占比
• 关键指标 / 公式：某电子制造实操中，一颗特定封装电源管理芯片的唯一供应商产能调整，曾导致整机上市推迟约 4 个月——这类"替代开发周期"必须量化入敞口模型。
• 落地要点：敞口排名前列的料号应强制进入维度三的"双源/多源"计划；对无法短期双源的，用维度四的"战略缓冲库存"兜底。二者缺一，敞口只是被"看见"而没有被"消化"。

工作 3　中断恢复时间（TTR）与生存时间（TTS）测算

• 做什么：对关键节点测算两个核心时间参数——TTR（Time-to-Recover，恢复时间）：某节点中断后恢复到正常供货所需时间；TTS（Time-to-Survive，生存时间）：在该节点中断时，企业凭现有库存和替代能力还能维持正常运营的时间。
• 怎么用数据做实：对每个节点比较 TTR 与 TTS：当 TTR > TTS 时，说明该节点一旦中断，企业会在恢复之前就"撑不住"，这正是需要优先投资（加库存、加备源、加柔性）的高危点。以"TTR−TTS 缺口"从大到小排序投资优先级，用数据回答"钱该先花在哪"。
• 关键指标 / 公式：
• 风险敞口缺口 Gap = TTR − TTS，Gap > 0 的节点为必须干预对象
• 节点生存覆盖率 = TTS ≥ TTR 的关键节点占比，目标逐年提升
• 落地要点：TTR 要向供应商实测取数（问"你的工厂失火后多久能恢复"），不要用乐观估计；TTS 由库存、在途、替代产能共同决定，需跨采购—计划—生产协同核算。该方法源自 MIT 等机构的供应链风险研究，是把"韧性投资"从拍脑袋变成算账的关键工具。

工作 4　供应链风险价值量化（Value-at-Risk 思维）

• 做什么：把分散的风险项汇总成一个"企业级供应链风险敞口金额"，用货币语言向管理层和董事会讲清楚韧性投资的必要性。
• 怎么用数据做实：借鉴金融 VaR（风险价值）思路，对关键中断情景做蒙特卡洛或情景模拟，估算"在给定置信度下，未来一年因供应链中断可能造成的最大损失"；与韧性投资成本对比，算出投资回报。
• 关键指标 / 公式：
• 供应链 VaR = 在 95% 置信度下的年度潜在中断损失上限
• 韧性投资回报 ROI = (规避的预期损失 − 投资成本) / 投资成本
• 预期损失 EL = Σ(情景概率 × 情景损失)
• 落地要点：数据不足时，用"每十年约损失一年 EBITDA 42%"（SAP 口径）或"消费品十年约损 30% EBITDA"（麦肯锡口径）作为行业基准反推企业量级，并在报告中注明"基于行业基准估算，存在误差"。关键是让董事会看到"不投资的代价"，而非只看到"投资的成本"。

unsetunset维度二　供应网络多级可视化unsetunset

核心命题：约 60% 的企业只能看清一级供应商，对二级、三级供应商几乎是"盲区"，而真正的断链往往发生在看不见的深层。本维度把供应网络从"黑箱"变成"可实时监控的透明网络"。

工作 5　N 级供应网络图谱测绘

• 做什么：绘制从一级（Tier-1）一直穿透到关键二级、三级（Tier-2/3）的多级供应网络图谱，标注每个节点的地理位置、产能、单点依赖关系。
• 怎么用数据做实：以 BOM + 采购数据为骨架，向 Tier-1 发放"下级供应商与原产地"问卷逐级穿透；对关键物料强制要求披露 Tier-2 产地，用图数据库（节点—边）建模，自动识别"多条链路汇聚到同一个 Tier-3 工厂"的隐藏共振点。
• 关键指标 / 公式：
• 多级可视化覆盖率 = 已测绘节点数 / 应测绘节点数（分 Tier-1/2/3 分别统计）
• 单点汇聚度 = 汇聚到同一深层节点的产品链路数，越高越危险
• 学界有一条重要洞察：引入缓冲库存后网络拓扑才真正起作用，企业应优先选择"宽而短"而非"长而窄"的供应结构（源自 Physical Review Letters 复杂网络建模研究）。
• 落地要点：Tier-1 配合度是最大障碍，可把"下级披露"写入合同与供应商评分；先穿透关键物料，不求一次测全。

工作 6　供应链控制塔与实时看板

• 做什么：建设供应链控制塔（Control Tower），把订单、库存、在途、产能、异常事件汇聚到统一看板，实现从"T+1 报表"到"分钟级全景可视"的跃迁。
• 怎么用数据做实：整合 ERP/SRM/WMS/TMS 等系统数据流，设定异常自动预警规则（如港口拥堵指数超阈值、某节点库存跌破安全线自动告警）；麦肯锡 2022 年研究指出，具备数字看板的企业规避中断的概率高出约 2 倍，这是控制塔价值最直接的量化依据。
• 关键指标 / 公式：
• 数据刷新时延（目标从 T+1 降到分钟级）
• 异常自动识别率 = 系统自动发现的异常数 / 实际发生异常数
• 端到端可视化节点覆盖率
• 落地要点：控制塔的价值不在"大屏好看"，而在"异常能自动触发行动"。参照中国物流与采购联合会《企业供应链控制塔建设指南》，先打通数据再谈智能；避免建成"只看不管"的 3D 大屏。

工作 7　地缘与自然风险热力图

• 做什么：把供应网络节点叠加到地理地图上，结合地缘政治、自然灾害、贸易管制数据，生成动态风险热力图，提前识别"高危区域集中度"。
• 怎么用数据做实：对每个产地节点赋地缘风险分（关税、出口管制、实体清单、区域冲突、自然灾害频率），用采购金额加权，计算"高风险区域采购占比"；接入全球供应链压力指数（GSCPI）等外部指标做宏观预警。
• 关键指标 / 公式：
• 高风险地区采购集中度 = 高风险区采购额 / 总采购额
• 地缘风险加权敞口 = Σ(节点采购额 × 节点地缘风险分)
• 受管制物料占比（涉 EAR/实体清单传导风险的料号比例）
• 落地要点：热力图要和维度三的"区域化布局"联动——看到某区域红了，就要有对应的转移预案。数据显示约 60% 企业正推进区域化、约 44%→64% 的企业在推进区域化与双源，热力图正是这类决策的依据。

unsetunset维度三　供应商组合管理与多元化unsetunset

核心命题：鸡蛋不放一个篮子，但也不能无限分散（分散会推高成本、稀释议价权）。本维度用数据决定"哪些品类该分散、分散到什么程度、供应商健康不健康、会不会突然倒闭"。

工作 8　Kraljic 采购品类分级量化

• 做什么：用经典的 Kraljic 矩阵（1983 年《哈佛商业评论》提出）把所有采购品类分为杠杆型、战略型、瓶颈型、常规型四类，对不同类别采取不同的韧性与寻源策略。
• 怎么用数据做实：以"采购金额/利润影响"为横轴、"供应风险/供应复杂度"为纵轴，对每个品类打分定位；战略型（高金额高风险）和瓶颈型（低金额高风险）是韧性投入重点，常规型追求流程效率，杠杆型追求议价。
• 关键指标 / 公式：
• 横轴 = 品类年采购额占比 + 对最终产品的利润影响度
• 纵轴 = 供应商数量稀缺度 + 替代难度 + 地缘集中度
• 四象限料号分布比例，作为寻源策略分配依据
• 落地要点：分级不是一次性动作，品类会随市场迁移（如某物料因管制从"常规"变"瓶颈"）；每年复评一次。瓶颈型品类最容易被忽视——金额小但断了同样停线，要专门给缓冲和备源。

工作 9　双源/多源采购份额配比

• 做什么：对关键品类建立双源（Dual-Source）或多源（Multi-Source）供应，并用数据确定各源的份额配比，而不是形式上签两家、实际只下一家。
• 怎么用数据做实：设定"主源份额上限"（如任一供应商≤70%）和"备源最低活跃份额"（如≥15%，保证备源产线不生疏、随时可放量）；跟踪实际下单份额，偏离阈值自动预警。
• 关键指标 / 公式：
• 单一供应商份额上限（如关键件任一供应商 ≤ 70%）
• 双源覆盖率 = 已实现双源的关键料号 / 关键料号总数
• 备源激活时间（从主源断供到备源放量所需天数）
• 落地要点：行业调研显示约 73%–78% 的企业在推进双源策略与库存缓冲，约 39% 的受关税冲击企业专门推进关键物料双源采购。但"签了不下单"的备源等于没有——必须给备源真实订单保持其产能和品质在线。贝尔实验室（Lucent）曾将供应商从约 3000 家整合到约 60 家、采购集中度从 40% 提到 80%，说明多元化不等于越多越好，而要在"抗风险"与"议价集中"之间用数据找平衡点。

工作 10　供应商健康度评分卡

• 做什么：建立覆盖质量、交付、成本、服务、韧性五维的供应商评分卡（Scorecard），定期打分、分级管理、动态淘汰。
• 怎么用数据做实：从 ERP/SRM 自动抓取质量合格率、准时交付率、价格竞争力等客观数据，辅以主观评估，加权算总分；按分数分 A/B/C 级，差异化管理（A 级战略合作、C 级整改或淘汰）。
• 关键指标 / 公式：
• 综合得分 = Σ(各维度得分 × 权重)，质量/交付通常权重最高
• 准时交付率（OTD）、来料合格率（PPM 不良率）、响应时效
• 评分卡覆盖率 = 已评分供应商 / 活跃供应商
• 落地要点：评分要和采购决策真正挂钩（份额分配、续约、整改），否则沦为形式；韧性维度（如供应商自身是否双源、是否有 BCP）应单列，专门考核供应商的"抗风险能力"。

工作 11　供应商财务与中断预警

• 做什么：对关键供应商做财务健康监控，提前识别"可能破产或停产"的供应商，避免突发断供。
• 怎么用数据做实：接入第三方企业征信/财务数据和舆情监控，跟踪供应商的现金流、负债率、涉诉、欠薪、停产等信号；用机器学习模型对历史中断特征建模，提前 7–14 天识别潜在中断风险（数字化应急框架的典型能力）。
• 关键指标 / 公式：
• 供应商财务预警分（基于负债率、流动比率、涉诉、舆情等）
• 预警提前期（目标提前 7–14 天）
• 高危供应商覆盖的采购金额占比
• 落地要点：预警要落到行动——对亮红灯的供应商立即启动备源激活和缓冲加码；不要等到对方真的停产才反应。AI 预警的价值已有实践佐证：有中国企业的 AI 系统在重大地缘事件登上头条前即发出预警，企业据此提前调整供应关系与产能布局，保住了生产连续性。

unsetunset维度四　库存与缓冲策略unsetunset

核心命题：库存是最直接的韧性缓冲，但也是最贵的。本维度的目标是"用科学方法把缓冲放在最该放的地方、放到刚刚好的量"，告别"要么缺货停线、要么呆滞压钱"的两难。约 45% 的受冲击企业选择增加库存，但盲目加库存只会把脆弱变成浪费。

工作 12　安全库存科学测算

• 做什么：用统计方法而非"拍天数"来设定每个 SKU 的安全库存（Safety Stock），让缓冲量与需求波动、交期波动、目标服务水平精确匹配。
• 怎么用数据做实：放弃"固定备 X 天"的经验法，改用服务水平驱动的统计公式，对高波动、长交期、高服务要求的料多备，对平稳料少备，用数据实现"差异化缓冲"。
• 关键指标 / 公式：
• 基础式 安全库存 SS ≈ z × σ_L（σ_L 为交期内需求标准差，z 为服务水平对应的安全系数）
• 考虑交期波动的完整式 SS = z × √(L×σ_D² + D²×σ_L²)（D 需求均值、L 交期、σ_D 需求标准差、σ_L 交期标准差）
• 再订货点 ROP = D×L + SS
• 服务水平与 z 值对应：90%≈1.28，95%≈1.65，98%≈2.05，99%≈2.33
• 落地要点：σ 要用真实历史数据滚动计算，不能凭感觉；需求呈间歇性的备件类，正态假设失效，应改用分位数预测（P90 等）。这是把"安全库存"从 1963 年的固定公式升级为动态缓冲的关键一步。

工作 13　战略缓冲库存配置

• 做什么：在安全库存（应对日常波动）之上，为关键物料额外配置"战略缓冲"（应对重大中断场景），并明确其存放位置、数量和释放规则。
• 怎么用数据做实：以维度一的 TTR/TTS 缺口为依据，为 Gap>0 的高危料配置缓冲，缓冲量 = 覆盖(TTR−TTS)期间需求；优先把缓冲放在"最上游可见、可共享"的节点（如中央仓），实现跨下游共享、降低总缓冲量。
• 关键指标 / 公式：
• 战略缓冲覆盖天数 = 战略缓冲量 / 日均消耗，需 ≥ (TTR − 现有 TTS)
• 缓冲资金占用 = 战略缓冲量 × 单位成本，纳入 ROI 评估
• 缓冲节点位置优化（中央集中 vs 前置分散）
• 落地要点：战略缓冲要有明确的"启用与回补"规则，防止长期趴库变呆滞；区分"安全库存"和"战略缓冲"两本账，前者归计划、后者归风险，考核口径不同。

工作 14　库存周转与呆滞监控

• 做什么：持续监控库存健康度，在"备足缓冲"和"不压死资金"之间动态平衡，及时清理呆滞。
• 怎么用数据做实：用库存周转率、库龄分布、呆滞金额三组指标建立看板，按 ABC-XYZ 分类（A 高值/X 平稳）差异化设定周转目标；对超龄库存自动触发清理或调拨流程。
• 关键指标 / 公式：
• 库存周转率 = 年销货成本 / 平均库存
• 库存周转天数 = 365 / 周转率（= 在库金额 / 日均销货成本）
• 呆滞库存占比 = 超过设定库龄的库存金额 / 总库存金额
• 落地要点：周转和韧性是一对矛盾——不能为了周转漂亮把缓冲砍到裸奔。正确做法是"安全库存+战略缓冲保韧性，其余部分压周转"，分层管理而非一刀切。

工作 15　MEIO 多级库存优化

• 做什么：从全网视角（而非单仓孤立）优化多级供应网络中各层级的库存配置，实现"全网总库存最低、整体服务水平达标"。
• 怎么用数据做实：用多级库存优化（Multi-Echelon Inventory Optimization, MEIO）模型，考虑全网需求聚合效应、各节点交期与波动的相关性，自动决定"中央仓多备、门店少备"的最优分布；相比各节点独立设安全库存，MEIO 可显著降低全网缓冲总量。
• 关键指标 / 公式：
• 全网安全库存总量（MEIO 优化后 vs 各节点独立设定，对比降幅）
• 目标总服务水平下的最小资金占用
• 优先对前 10%–20% 的高值 SKU 部署 MEIO 以快速见效
• 落地要点：MEIO 对数据质量和需求预测准确率高度敏感，须先夯实维度五的预测基础；现代实践已从"静态安全库存公式"转向"MEIO + 分位数预测"驱动的动态缓冲，SAP IBP 等工具的 AI 代理可动态计算安全库存水平。

unsetunset维度五　需求预测与计划协同unsetunset

核心命题：预测错了，再好的库存和产能策略都是建在沙上。本维度用数据度量预测质量、拉通产销协同、为不确定性预留"多情景"方案。MIT 对全球 425 家制造企业的追踪研究显示：**预测准确率每下滑 10%，库存周转率下降 1.5–2 个百分点，调度成本激增 10%–15%**——预测质量直接等于真金白银。

工作 16　预测准确率度量（MAPE 与 Bias 双指标）

• 做什么：建立预测准确率的量化考核体系，既看"准不准"（精确度），也看"偏不偏"（系统性高估/低估），避免用单一指标误导决策。
• 怎么用数据做实：对每个 SKU/品类按周/月滚动计算 MAPE（衡量误差大小）和 Bias（衡量误差方向）；对间歇性需求改用 MASE/RMSSE 等更稳健指标，避免 MAPE 在小销量下失真。把预测准确率纳入计划与销售团队的 KPI。
• 关键指标 / 公式：
• 平均绝对百分比误差 MAPE = (1/n) Σ |实际 − 预测| / |实际|
• 偏差 Bias = (1/n) Σ (预测 − 实际)，正值系统性高估、负值系统性低估
• 预测准确率 = 1 − MAPE
• 建议将预测准确率作为 KPI，权重 20%–30%
• 落地要点：MAPE 在低销量、间歇性需求场景会严重失真，不要无脑用于所有品类；要把"精确度"和"偏差"分开看——一个平均误差小但系统性偏高的预测，会持续导致库存积压。预测考核要防"数字操纵"，把考核与真实业务价值绑定而非只盯数字达标。

工作 17　S&OP / IBP 数据化运营

• 做什么：建立销售与运营计划（S&OP）乃至集成业务计划（IBP）机制，用一套数据把销售、运营、财务的计划拉通对齐，解决"产销两张皮"。
• 怎么用数据做实：以统一的需求预测为输入，每月滚动召开 S&OP 会议，用数据对齐"需求计划—供应能力—财务目标"，对缺口量化并决策（加产能、调库存、改交期还是放弃订单）；IBP 进一步把财务和情景规划纳入闭环。
• 关键指标 / 公式：
• 计划达成率（计划 vs 实际的产量、交付、营收）
• 预测增值（Forecast Value Added, FVA，衡量人工干预是否真的改善了预测）
• S&OP 会议决策闭环率（决策事项的落实比例）
• 落地要点：S&OP 的灵魂是"一个数"——销售、生产、财务必须基于同一套数字讨论，否则会议变扯皮；FVA 是检验"规划人员的手工调整到底有没有用"的利器，常常发现人工干预反而降低了准确率。

工作 18　需求情景规划（多情景预测）

• 做什么：对高不确定性需求，放弃"单点预测"，改为"乐观/基准/悲观"多情景规划，为每种情景预置应对方案。
• 怎么用数据做实：采用分位数预测（P10/P50/P90）替代单点估计，P90 直接支撑服务水平与安全库存决策；对重大不确定事件（大促、新品、政策变化）做专项情景模拟，预置产能与库存弹性方案。
• 关键指标 / 公式：
• 分位数预测 P10 / P50 / P90（分别对应保守、基准、激进备货）
• 情景覆盖率 = 已制定应对预案的关键情景数
• 情景触发后的响应时效
• 落地要点：2026 年的主流判断是"分位数预测成为默认，仍只卖单点预测的方案应保持警惕"；多情景规划的关键不在于"预测得多准"，而在于"每种情景都有现成的行动手册"，冲击来临时能立即执行而非临时拍脑袋。

unsetunset维度六　生产与物流弹性unsetunset

核心命题：有了料、算准了需求，还要"产得出、送得到"。本维度把生产和物流的弹性能力量化，确保冲击来临时产线能切换、货物有备路、时效看得见。

工作 19　产能柔性量化

• 做什么：量化企业及关键供应商的产能柔性——能否快速增减产量、能否在不同产线/工厂间切换生产，为需求突变和局部中断提供缓冲。
• 怎么用数据做实：测算"产能弹性系数"（短期内可上调/下调产量的比例）、产线切换时间、多工厂产能可互备程度；对关键产品建立"备用产能地图"，明确哪条线/哪个厂能顶上。
• 关键指标 / 公式：
• 产能弹性系数 = 短期可调产能 / 基准产能（上行/下行分别测算）
• 产线切换时间（换型时间，越短越柔性）
• 关键产品多点可产率 = 可生产该产品的工厂/产线数
• 落地要点：产能柔性要向供应商延伸考核——不仅自己要柔性，关键供应商也要能快速放量；切换时间的缩短常靠标准化、模块化和换型工艺改进（SMED 等），这些投入要和中断损失做 ROI 对比。

工作 20　物流多路径冗余

• 做什么：为关键货物建立多承运商、多运输方式、多路由的冗余，避免"一个港口堵了、一家货代出事"就全线瘫痪。
• 怎么用数据做实：对关键线路配置主备承运商和备用路由，设定承运商份额上限；接入实时港口拥堵、航线状态数据，当拥堵指数超阈值自动触发替代路线计算（自适应路由）。
• 关键指标 / 公式：
• 单一承运商份额上限（避免过度依赖单一货代）
• 关键线路备用路由覆盖率
• 路由切换响应时间（从异常到启用备路由）
• 落地要点：冗余是有成本的，要用数据区分"关键线路（必须冗余）"和"普通线路（成本优先）"；备用路由平时就要有少量真实货量跑通，否则紧急启用时会卡在资质、舱位、报关等细节上。

工作 21　OTD / OTIF 时效可视化

• 做什么：用准时交付（OTD）和准时足量交付（OTIF）两个硬指标，量化整条链路的交付可靠性，并实时可视化。
• 怎么用数据做实：从订单到交付全程打点取数，自动计算 OTD/OTIF，按供应商、线路、品类下钻分析失败原因；设定行业标杆目标值并持续改进。
• 关键指标 / 公式：
• 准时足量交付率 OTIF ≥ 95%（目标值）
• 破损/丢件率 ≤ 0.2%
• EDI 数据达标率 ≥ 98%、发票准确率 ≥ 99%
• OTIF = 准时 × 足量 × 完好 × 单证齐全（任一不达标即判失败）
• 落地要点：OTIF 是"全或无"指标，比 OTD 更严苛也更真实——90% 的 OTD 可能只对应 70% 的 OTIF；要把失败原因结构化归类（缺货、晚发、运输延误、单证错误），针对性改进而非笼统追责。

工作 22　区域化与近岸布局评估

• 做什么：评估并优化生产与采购的地理布局，通过区域化（Regionalization）、近岸（Nearshoring）降低长链路地缘风险，缩短交期。
• 怎么用数据做实：对比"集中低成本布局"与"区域化多基地布局"的总成本（含关税、物流、库存、中断风险成本）和交期，用数据决策迁移方向和节奏；结合维度二的地缘热力图，优先迁移高风险区域的关键产能。
• 关键指标 / 公式：
• 区域化采购/产能占比（跟踪迁移进度）
• 总到岸成本（Landed Cost）对比：含关税+物流+库存+风险
• 近岸后交期缩短天数、中断敞口下降幅度
• 落地要点：行业数据显示推进区域化的企业从约 44% 升至约 64%，近 75% 的 CEO 已把部分产能转移到销售所在国、超半数按区域板块重组供应链——这是趋势，但不是盲目跟风。区域化会牺牲部分单位成本，必须用"总到岸成本 + 风险成本"的完整账来决策，而非只看采购单价。

unsetunset维度七　数字化与数据基座unsetunset

核心命题：前面所有维度的"用数据做实"，都建立在一个前提上——数据本身是准的、通的、实时的。本维度夯实支撑韧性的数据底座，没有这一层，上面的指标和模型都是空中楼阁。供应链正经历从"经验驱动"到"数据智能驱动"的迁移。

工作 23　主数据治理（MDM）

• 做什么：治理物料、供应商、客户、BOM 等核心主数据，确保"一物一码、一供一档"，消除因数据不一致导致的决策混乱。
• 怎么用数据做实：建立主数据标准和唯一数据源，清洗重复、冲突、缺失的主数据；用数据质量指标持续监控，建立主数据变更的审批与追溯机制。
• 关键指标 / 公式：
• 主数据准确率 / 完整率 / 唯一性（去重率）
• 一物一码覆盖率、供应商档案完整率
• 数据质量问题修复时效
• 落地要点：主数据是"脏活累活"但不可跳过——物料编码混乱会让库存、预测、风险模型全部失真；治理要和业务流程绑定（如新物料必须走编码审批），否则治理完很快又乱。

工作 24　端到端数据集成（ERP-SRM-WMS-TMS）

• 做什么：打通采购、计划、仓储、运输等系统的数据孤岛，实现订单—库存—在途—产能的端到端数据流动，为控制塔和分析提供统一数据源。
• 怎么用数据做实：用集成中台/数据平台连接 ERP、SRM、WMS、TMS 等系统，统一数据口径和接口标准（EDI/API）；实现关键数据的近实时同步，支撑分钟级可视化。
• 关键指标 / 公式：
• 系统集成覆盖率 = 已集成的关键系统数 / 应集成系统数
• 数据同步时延（目标近实时）
• 跨系统数据一致性校验通过率
• 落地要点：集成不是"把所有系统连起来"而是"把关键业务对象的数据流打通"；接口标准要先立规矩（统一编码、统一口径），否则连起来的是一堆对不上的数。协同交易平台已成为供应链数字化最热门的能力之一。

工作 25　预测性 AI 风险预警

• 做什么：用机器学习/AI 对历史数据建模，从"事后救火"升级为"事前预警"，提前识别供应、物流、质量等领域的潜在中断。
• 怎么用数据做实：对交期延迟、供应商异动、质量波动等建立预测模型，提前 7–14 天给出风险概率和预计影响；AI 不止做预测，还能直接对比合同条款风险、算出具体延迟天数并自动调整排产计划（从"问答"升级为"干活"）。
• 关键指标 / 公式：
• 预警准确率（命中率）与误报率
• 预警提前期（目标 7–14 天）
• 预警到行动的闭环率（预警后实际采取措施的比例）
• 落地要点：AI 预警的价值取决于"预警后有没有人/系统去行动"，要配套应急响应流程；模型需要持续用新数据训练，避免在新型中断模式下失效。预测性维护、需求预测等成熟 AI 应用已在持续创造可观的投资回报。

工作 26　数字孪生仿真

• 做什么：构建供应网络的数字孪生（Digital Twin），在虚拟环境中模拟中断情景、测试应对策略，实现"先仿真、后决策"的闭环优化。
• 怎么用数据做实：以实时数据、AI 算法、可视化模型为"三重底座"，建立可双向交互的孪生（既接收物理世界信号、又能反向下达指令）；用它跑"某供应商断供""某港口封锁"等情景，量化影响并比选最优应对方案。
• 关键指标 / 公式：
• 孪生模型与物理世界的同步时延（领先企业已达 10ms 量级）
• 情景仿真覆盖数、仿真驱动的决策采纳率
• 仿真预测与实际结果的吻合度
• 落地要点：德勤强调数字孪生不是"高配版控制塔"，必须把孪生嵌入决策流（Decision Intelligence），做到数据-模型-业务规则-治理四位一体，否则只是"3D 大屏"。数字孪生在 2025–2026 已从"可视化"转向"可执行+可决策"，但 ROI 周期通常 6–36 个月，要分场景、分阶段推进，先从高价值、数据成熟的场景切入。

unsetunset维度八　韧性度量与持续改进unsetunset

核心命题：韧性不是一次性项目，而是需要持续度量、定期压测、反复演练、螺旋上升的能力。本维度建立"韧性的仪表盘和体检表"，让前七个维度的努力有统一的量尺和改进闭环。

工作 27　KRI / KPI 韧性指标体系

• 做什么：建立一套覆盖"承受、适应、恢复、支撑"的供应链韧性指标体系，用关键风险指标（KRI）做预警、关键绩效指标（KPI）做考核。
• 怎么用数据做实：参照权威评价框架搭建分层指标。中国物流与采购联合会发布的《企业供应链韧性评价》团体标准（2024 年发布、同年 9 月实施）确立了涵盖承受能力、适应能力、恢复能力、能力提升支撑体系四个维度的评价指标体系；供应链韧性指数（SCRI）则从供应、需求、物流、运营四维度评估抗风险能力。企业可据此定制自己的 KRI/KPI 看板。
• 关键指标 / 公式：
• KRI（前瞻预警）：单点依赖度、地缘集中度、财务预警供应商占比、TTR-TTS 缺口节点数
• KPI（结果考核）：OTIF、预测准确率、库存周转、中断恢复时间、断供停线天数
• 韧性综合指数 = Σ(各维度得分 × 权重)
• 落地要点：KRI 和 KPI 要分开——KRI 是"还没出事的预警灯"，KPI 是"已经发生的成绩单"，混用会让预警失灵；指标不宜贪多，抓住每个维度的 1–2 个"牵引指标"，避免指标泛滥无人维护。该团标填补了国内企业供应链韧性量化评价领域的空白，可广泛用于各类市场主体的韧性评价。

工作 28　供应链压力测试

• 做什么：定期对供应链做"压力测试"（Stress Test），模拟极端但可信的冲击情景，检验供应链在压力下的表现和临界点。
• 怎么用数据做实：设计一组压力情景（关键供应商破产、主力工厂停产、核心港口封锁、需求骤增/骤降），用模型或数字孪生量化每种情景下的缺口、损失和恢复时间；识别"压力下最先崩溃的节点"，针对性加固。
• 关键指标 / 公式：
• 各情景下的供货缺口、营收损失、恢复时间
• 压力测试通过率 = 可承受情景数 / 测试情景总数
• 临界点识别（系统无法满足需求的"临界需求"水平）
• 落地要点：学界研究证实，有冗余库存和多条冗余路径的供应链在需求激增时更稳健；压力测试的价值不在"测出问题"，而在"测完就改"——每轮测试要产出具体的加固清单并跟踪落实。

工作 29　中断演练与业务连续性计划（BCP）

• 做什么：制定业务连续性计划（BCP），并通过定期演练把"纸上预案"变成"肌肉记忆"，确保冲击来临时团队能快速、有序响应。
• 怎么用数据做实：对关键流程设定恢复目标——RTO（Recovery Time Objective，恢复时间目标）和 RPO（Recovery Point Objective，恢复点目标）；按 ISO 22301 业务连续性管理体系搭建 BCP，定期做桌面推演和实战演练，用演练数据检验预案有效性并迭代。
• 关键指标 / 公式：
• RTO（可容忍的最长恢复时间）、RPO（可容忍的最大数据/进度损失）
• 演练频次与覆盖率、演练中暴露的预案缺陷数
• 实际中断时的预案执行达标率
• 落地要点：Gartner 曾警示，关键系统中断若超过 10 天，可能导致约 30% 的企业在当季度内破产——这正是 BCP 必须把 RTO 压到可生存范围内的理由；演练一定要"动真格"（真的切备源、真的启用备路由），只开会不动手的演练发现不了真问题。

工作 30　韧性成熟度评估与持续改进闭环

• 做什么：用成熟度模型定期评估企业供应链韧性所处的等级，设定进阶目标，形成"评估—改进—再评估"的持续提升闭环。
• 怎么用数据做实：参照成熟度分级（脆弱 → 稳健 → 韧性 → 反脆弱）对 8 大维度 30 项工作逐项打分，定位当前等级和短板；设定年度进阶目标，把改进项纳入管理考核，每年复评跟踪进度。
• 关键指标 / 公式：
• 韧性成熟度等级（如 Gartner 口径：脆弱/稳健/韧性/反脆弱）
• 30 项工作的自评达标率（作为企业自己的"韧性体检表"）
• 年度成熟度提升幅度
• 落地要点：Gartner 数据显示仅约 8% 的供应链达到"韧性"、约 6% 达到"反脆弱"，而约 95% 的企业中途放弃了韧性目标——成熟度建设最大的敌人是"三分钟热度"。要把韧性评估固化为年度例行动作，和预算、考核挂钩，才能避免"冲击来时狠抓、风头过去就松"的循环。反脆弱的更高目标，是让供应链从每一次中断中学习、越挫越强，而非仅仅恢复原状。

unsetunset最后：把韧性做成一张可以逐项打钩的清单unsetunset

供应链韧性之所以常年"重视却做不实"，根子在于它太容易停留在理念和口号。本手册的全部努力，就是把韧性拆成 8 大维度、30 项可以逐项打钩的具体工作，并为每一项配上可取数、可计算、可考核的量化口径——让"韧性"成为能被度量、能被追踪、能被持续改进的日常管理动作。

建议企业据此做三件事：一是自评，用 30 项当体检表给自己的供应链打分，找出最脆弱的短板；二是排序，用 TTR-TTS 缺口和风险价值量化决定"钱先花在哪"；三是闭环，把评估固化为年度例行动作，和预算、考核绑定，避免"冲击来时狠抓、风头过去就松"。

数据不会自动带来韧性，但没有数据，韧性一定做不实。愿这份手册成为你把韧性"算清楚、管起来、改上去"的起点。

END