|
|
|
1，行为供应链 |
>>> 理性理想
有一次，我读行为经济学，萌生了行为供应链的探究，同行为经济学中理性经济人的假设一样，在供应链管理中，传统的供应链管理模型似乎也是建立在理性经济人的假设上。如果给供应链管理中的理性经济人贴标签，同样可以概括出几个要点，它们可能是这样的：
完全理性： 拥有无限的信息处理能力，能精确计算所有选项的成本和收益
目标单一： 仅以利润最大化或成本最小化为唯一目标
无认知偏差： 不受情绪、经验主义、社会压力等因素影响
信息完美： 拥有决策所需的全部、准确的信息
独立决策： 决策不受他人行为或组织环境显著影响
>>> 现实偏差
然而，现实世界中的供应链决策是由“人”做出的。 大量的实证研究和实验证据表明，实际决策行为往往系统地偏离这些理性假设，比如：
信息不对称与扭曲： 上下游之间信息传递存在故意隐瞒、过滤或无意失真，如销售夸大预测
认知局限与启发式偏差： 决策者依赖经验法则简化复杂问题，导致系统性错误，如锚定效应、可得性偏差、过度自信
风险偏好异质： 个体对风险的态度（规避、中性、喜好）不同，且受情境影响，导致对不确定性的应对策略差异巨大
社会偏好与激励冲突： 公平感、互惠、信任、声誉等社会因素以及部门间、企业间目标不一致，如价格和质量之间的对抗选择，会影响合作意愿和决策
情绪与压力影响： 在时间压力、危机事件下，决策可能更冲动或保守
组织文化与政治因素： 层级结构、沟通障碍、绩效考核体系等塑造了特定的行为模式，如“部门墙”、规避责任等
这些由“人”的因素导致的行为偏差，是造成供应链管理中诸多问题的深层次根源，表现在诸如牛鞭效应，库存失衡，协调失效，响应迟滞，以及信任危机。传统的，基于完全理性的模型无法充分解释和预测这些现象，更难以提出有效的解决方案。
供应链管理中存在的诸多有关“人”的问题
>>> 分析提问
可见，行为供应链属于交叉学科领域，供应链管理者可能要集合心理学、行为经济学、社会学、组织行为学等社会科学理论，系统性地研究“人”（个体、群体、组织）在供应链决策和互动中的实际行为模式，通过识别认知偏差和社会偏好，以及其对供应链绩效的影响，从而发展更贴近现实的模型、理论和干预措施。
行为供应链基础理论的系统化架构
本图片来自精益供应链技术
更现实的核心问题围绕在以下几点，也是企业管理者或者供应链管理者需要自我剖析的：
供应链各环节（预测、采购、库存、生产、配送、销售、合作）的决策者存在哪些典型的行为偏差？
这些行为偏差如何产生、传播和放大，如牛鞭效应的行为根源？
组织结构、激励机制、信息环境、文化氛围如何塑造和影响这些行为？
如何设计更有效的协调机制、合同形式、信息共享策略、绩效评价体系来“矫正”或“利用” 这些行为，以提升整体供应链绩效和韧性？
新兴数字技术如AI(人工智能）、区块链等如何影响供应链中的行为模式？
>>> 寻找对策
最新的研究趋势表明，供应链管理正通过以下几个方面聚焦改变行为供应链中存在的信息迷雾、短视决策、执行偏差、协作高墙和响应迟钝：
@ 技术与行为的交互
研究AI算法如何影响决策，是克服偏差还是引入新偏差，这是我们要验证的
研究
区块链如何通过透明和自动化改变信任与合作模式
数字孪生如何提供更直观的全局视图影响决策行为等
@可持续性与道德行为
研究行为因素如何影响可持续供应链决策,如绿色采购、碳减排
道德风险，如供应商的劳工问题中的行为动因
@韧性供应链的行为基础
研究在中断事件中，个体和组织如何感知风险
做出响应，比如恐慌性订购
如何通过行为干预提升韧性
@神经科学在供应链决策中的应用
使用脑成像等技术探索决策的神经机制
>>> 研究意义
行为供应链的研究可为设计更有效的供应链管理的干预措施提供科学依据，其主要表现在四个层面：
机制设计： 如何设计合同、激励机制、信息共享策略、绩效评价体系来“引导”或“规避”不良行为？例如：考虑损失厌恶的采购合同；基于公平感知的供应商关系管理
流程设计： 如何简化流程、提供决策辅助工具，如“助推” Nudging来减少认知偏差？例如：默认选项设置、简化预测输入界面、提供历史误差反馈
组织与文化建设： 如何通过培训、沟通、领导力塑造来培养“数据驱动”、“协同共赢”的行为模式？
技术选型与实施： 理解技术对行为的影响，有助于选择更能促进期望行为的技术，并优化其部署方式的变革管理，例如：技术与行为交互的对策，强调数字化技术驱动的行为变革，其中，尤以数字化重塑供应链行为生态作为未来供应链管理的关键杠杆和必经之路。
“以上有关行为供应链的解读是我和DeepSeek共同完成的，最近大众对DeepSeek冠以太过”幻觉“，似乎说DeepSeek的回答有些神神叨叨，出现看似合理但与事实不符的现象。我不懂编程，但至少可以猜测假如DeepSeek的智力来源于数据，出现与事实不符的现象或许是因为数据链中出现了断层，或者DeepSeek没有得到更加权威的学习数据，或者DeepSeek学会了说假话，所以，尽管DeepSeek帮生成了答案，我仍然以一个供应链管理者的角度进行了参考和核对梳理。”
|
|
想象企业是一个数字机器，在这个庞大的机器中，代表实物映像的数据如同人的血液一样到处流动，是有序流动还是无序的和杂乱无章的，关键就在于供应链行为生态。接下来，我就以数字化重塑供应链流程作为案例来解读如何通过数字化这个“行为矫正/赋能“工具，快速帮助企业构建一套属于自身经营特征的，不会漏洞百出的供应链流程方法。
说到供应链流程，自然会搬出国际供应链流程运作参考SCOR，曾经，我会引以为豪地给企业介绍SCOR，SCOR是一个较为先进的构建供应链流程的管理规范，这样的地位自然会吸引不少企业，毕竟，规范地理解供应链流程的框架和元素，对于较多国内企业来说，是有助于通过流程模型掌握什么是供应链的较好的途径。
不过，最终流程合不合适，有没有变形，有没有到位，是需要媒介验证。有人说，看结果吧。似乎说到点子上了，我们这个社会越来越崇尚结果驱动，从效益角度，企业要的当然是结果。老板们的口头禅是这样的，“我不管，我要的是结果”，老板自然要结果，然而，执行层面恰恰无法跳过过程获得结果，而企业的结果，终究是一堆数字的反映。
尽管我们肯定有很多理由争论企业的成败取决于上层决策，甚至归结于那该死的经济趋势，但不否认，我们已经意识到，决策背后总会有模糊不清的执行存在，这就是我们探究行为供应链的目的之一，让流程用数据说话，用数据纠正流程。
>>> 企业的数据流模型
当我们初步掌握了供应链流程的基础架构和元素后，我们便需要寻找一种可以支撑流程的媒介，一种近似价值链的数据媒介，也即数据流。有人可能会疑惑，企业的数据流有很多，我该使用怎样的数据流呢。
价值链告诉我们，先从需求出发寻找可以支撑需求转化的最快捷的数据流，比如图示——基于客户需求的供应链数据流模型案例，它告诉我们，建立流程的前提最好先基于这些相对理性的数据流，假如将这些块状模型变成积木，我们需要先学会把它们搭起来。
基于客户需求的供应链数据流模型案例
本图片来自精益供应链技术
SCOR模型里将供应链流程主要划分为三种形式：
按工程样品生产ETO
按订单生产MTO
按库存生产MTS
后来又增加了零售Retail，为了区分更多的流程形式，业界还增加了ATO按订单装配，CTO按订单配置等。
为什么要这样区分？如果你开始问这样的问题，接下来，你就会去搞清楚这些不同流程形式背后的逻辑和异同点，我们可以把它们称之为不同的需求类型和不同需求类型对应的计划模式。
不同的计划模式决定了计划体系中不同的需求分配和库存策略。梳理清楚需求类型和计划模式是企业做供应链流程策划时，能够避免一锅粥被煮成浆糊的前提。之前我们学习过一个图例：
图来自公众号文章
图例中底下的模式和策略中列举了有关不同生产模式与计划和库存的关系，流程策划者需要清楚：
决定计划模式的不同需求类型
决定生产模式的不同计划模式
不同生产模式的不同作业方式
这个时候，我相信，你就会像上面的基于客户需求的供应链数据流模型案例里的图示一样，画一个符合企业的数据流模型积木图。
事实上，像这样的数据流模型积木图仅仅从流程功能上规范了选择，虽然每一个积木图内部还酝酿着物流、信息流、资金流和组织行为，但至少，我们得到了清晰的生产模式的组成，从而可以从价值链上去理解企业需要的资源类型。
基于不同计划模式的资源需求能力分析案例
有人说，我的企业不需要这么清晰的资源需求能力，那是因为企业的吞吐量还小，规模还没起来，老板不知道的是，他/她或是他们/他们包揽了大部分资源需求并完成了供应链的数据流动，这就是初创时期或者是个体户，或者是小企业的现状，较少的一部分人的行为完成了整个价值链的运作，行为链短，行为链背后的数据链短。
我在公众号文章计划的底层逻辑，是供应链运转的大脑—— 科普供应链计划系统中详细阐述过流程与关系模型。较小企业不是不需要软件系统，只是使用简单的数据处理工具，就可以对付数据量较少的关系模型，或者是关系模型所对应的不多的数据量。当企业开始发展，开始进入规模化，开始面对不同的需求类型，不同的计划和生产模式，以及不同的组织模式，供应链数据流模型（多关系模型）开始变得复杂。
企业为什么要数字化？除了国家战略，最早的软件人自然是为了帮助人类简化手工作业和避免人工作业带来的错误，从而获得更高的效率。对于复杂的多关系模型，逐渐地，企业有了各种数字化系统软件的选择：
基于供应链数据流模型的系统软件整合案例
那么，企业是先经营起来还是先选择系统软件？绝大多数的企业自然是先经营，然后开始考虑数字化，勿用怀疑，先让业务流动起来，流动即代表数据流，关系模型和数据流是一对孪生兄弟。当企业开始考虑导入系统软件时需要避免拿来主义，当然，拿来主义的出现通常来自于两个方面，一是企业没有很好地提前构建供应链数据流模型，亦或缺少这方面的专业人才；二是过多依赖系统软件商，认为系统软件是无所不能。
从理性行为的角度，企业可以利用数字化实现全价值链的供应链流程，这不是不可能的。我们来讲建立流程的0到1和1到N，业务数据 → 关系模型 → 业务数据流动 → 多关系模型 → 流程 → 业务数据流模型，这种从数据到数据的流程建设，本质上构建了对事不对人的运营机制。
最简单的供应链智能流程案例
本图片来自精益供应链技术
事实上，任何流程的建设都脱离不了资源需求。如果我们朝未来想象完美工业世界，假设如同马斯克所言某一天连意识都可以被数字化，那么就雷同于电影《我，机器人》中，人和机器人将会产生角逐。自然当下，我们不用去多想，ESG（环境，社会和治理）会解决这个问题，现在，让我们回到现实。
本图片来自影片《我，机器人》
现实是，我们正在数字化的道路上，无人会阻挡数字化的发展，企业早晚会走这条路，智能体Agent已经出现，可能不久的将来，巨身智能机器人也会出现在各个领域。从科学管理到AI（人工智能）也就仅仅过了百年，人类的思维转变还没完全跟上数字化的步伐，如同行为供应链中探讨的现实偏差一样，企业不得不面对由“人”的因素导致的行为偏差对供应链管理带来的深层次的问题，当这些问题通过供应链数据流模型带动的数据分析源源不断地摆在企业面前的时候，解决问题的步伐必须加快了。
坐落在洛杉矶好莱坞的第一家特斯拉餐厅内
特斯拉巨身机器人正在给顾客提供爆米花
本图片来自网络
撰稿：希雅
完成于2025/7/26
数字化时代的企业与供应链思考与探索，
喜欢就关注和转发
欢迎一起探讨
