企业供应链数字化的挑战与应对

文/ 赵新阳 邱伏生

全球正在步入数字化时代，一个国家的数字化程度，很大程度上决定了社会发展水平的高低。因此，各国都在推动数字化转型，其中企业数字化更是数字化落地实施的关键点。在企业数字化进程中，企业供应链的数字化，因涉及价值流端到端的各职能领域，从而面临更严峻的挑战。

多项调研显示，目前企业数字化的成就主要来自产品研发和市场拓展，而数字化项目对供应链的改善效果相对较小。在波士顿咨询集团与麻省理工学院合作的调查中，70%的受访高管表示，数字化成果主要来自研发和市场。据《中国企业数智化转型趋势洞察报告》显示，来自市场营销和研发设计的数字化成果占企业数字化的58.5%，而来自供应链管理的数字化成果仅占17.6%，如图1。这与国家工信安全中心联合阿里研究院，对中国157家领军企业数字化转型所做调研分析得出的结论也吻合。

图1 数字化项目对供应链的改善效果相对较小（来自市场营销和研发设计的数字化成果占企业数字化的58.5%，而来自供应链管理的数字化成果仅占17.6%）

本文结合在多家数字化转型的企业参与其供应链项目和落地实施辅导经验，总结企业面对供应链数字化转型的四个主要挑战（如图2），以及应对挑战的思考方法，协助企业构建数字化转型的规划框架。

图2 企业面对供应链数字化转型的四个主要挑战

挑战1：为了“数字化”而数字化

2020年国家发改委首次明确新型基础设施的范围，同时大力扶持企业的数字化转型。然而，有些企业开展“数字化”却是为了拿政府补贴或是宣传，具体表现为盲目地设置“数字大屏”，似乎数字化建设主要是为了企业形象宣传。目前，很多企业学习先进经验搞数字化转型，都要建“数字大屏”，以至于忘记了数字化的本质。

造成这一现象的主要原因，是很多企业没有分清楚信息化和数字化的区别就开始进行数字化项目。信息化与数字化的本质区别是什么？我们可以将“信息化”比喻为是给现实世界拍一张相片，为现实世界制造一个数字平行空间。信息化输出的主要使用者是管理层，用于对企业状态的掌握。而“数字化”则是数字平行空间要反过来影响现实世界。一个成功的数字化企业，数字化输出的使用者是每位一线员工，用于更准确、高效地处理日常业务。所以，信息化赋能管理者，数字化赋能员工。这是一个用数字化提高企业生产力的过程，需要企业有明确的战略。

在由中国机械工程学会主导的2021年制造业供应链发展调研中，关于“企业是否有供应链数字化战略？”的问题，结果显示有供应链数字化战略的企业仅占31%（见图3）。因参与该调研的主要为制造业中大型企业，该数字必然高于国内企业平均水平。

图3 《2021年制造业供应链发展调研报告》中，“企业是否有供应链数字化战略？”问题的调研结果

供应链运营在链接企业研发与市场营销的“端到端”的价值链中，其数字化转型升级使得企业间竞争能力的差异，得以更加数据化和显性化。因此，尽管相比研发端和市场端的数字化更加复杂，但供应链数字化仍然是企业数字化升级的必要环节。

在很多企业里，对待数字化的态度并不统一。高层认为是大趋势，或是害怕错过，不得不为；中层各自领会，忙着上数字化项目，并避免新变革下的权力被切分；一线员工收到具体的任务，往往是目标和逻辑都没有被完整的传达。在类似这样的情况下，即便是开展了数字化升级，原有问题依然会大概率存在；甚至数字化会进一步将原问题流程固化到系统里，将流程的双刃剑升级成数字化的双刃剑。

应对这一挑战，企业需要有清晰的供应链数字化战略，将一些关键问题思考清楚。例如，供应链数字化转型为企业解决什么痛点？带来什么增值点？这些问题的答案，要在企业内部形成一致理解，并贯穿到一线员工。基于上下一致的共识，才能规划出切实具体的数字化目标和实施路径。

同时还要思考：要解决的问题，是业务问题，还是技术问题？现在涌现出许多概念，如“全渠道”，有些IT企业宣称能够提供全渠道解决方案，但“全渠道”的本质是业务问题，需要从公司竞争战略出发，将各渠道的利益关系理清楚。如果不同渠道的权、责、利的范围、业务模式等没有明确，无论用多么先进的数字化系统，最终都是无效的。

再比如“供应链控制塔”，主要是来链接供应链的各个执行系统，既是业务问题，也是技术问题。业务问题，是指要打通OMS、SCM、WMS、TMS等不同职能的系统，规划系统间逻辑关系，需要数字化顶层架构设计。很多供应链控制塔项目，因缺乏顶层设计，导致最终实现的价值很低。技术问题，是指从技术角度，供应链控制塔相当于ERP2.0。

此外，还有数字孪生、数智化、AI等更多偏重技术的问题。有些技术可以通过外部购买，有些则只能企业自研，其投入与产的权衡取舍，也取决于企业战略。

企业供应链数字化，对满足市场多样化需求、订单交付质量、成本管控等方面都有非常重要的影响。供应链数字化战略旨在明确企业供应链数字化的发展定位与价值导向，在企业内部建立从上而下的共识、目标与升级路径，避免企业为了“数字化”而数字化。

挑战2：数字化部署的ROI 评估

数字化通过赋能员工，从而提高企业生产力，但如何评估其投入与产出？30多年前，当ERP开始进入企业时，曾有句经典总结：“不上ERP等死，上了ERP找死”。可见任何时期，信息技术的变革对企业来说都是极限挑战。今天的数字化升级，核算数字化项目的ROI，评估结果、实现时间、优先级，是数字化变革中的第二大挑战。

其挑战的一个具体表现是，企业领导者考虑数字化项目时，容易局限在项目本身。这同时也是数字化战略缺失的表现。一个案例可启发企业思考数字化的长期投入产出评估。

International Paper是一家国际性造纸和包装材料企业，在北美洲、欧洲、拉丁美洲、亚洲和北非地区的超过24个国家拥有约55,000名员工，是全球十大纸业公司之一。它在长达15年的扩张期共收购了75家公司，不同的系统和统计口径曾造成该公司总部的财务需要96名员工专做报表汇总。企业的信息化孤岛问题，严重拖累了企业的运营效率，并降低生产力。

该公司前后投入7000多万美元用于数字化转型。在该集团完成初步数字化，剥离其子公司Arizona Chemicals时，因其完善、可追溯的数据流，以及打通的数字化平台，子公司估值与数字化前已相差2倍多。其他剥离的公司也都获得了极好的收购溢价。这种企业估值的变化，虽然很难在数字化项目初期做出准确评估，但其长远价值不容忽视。

挑战的另一个具体表现是，领导者往往最先想到升级系统，但其本质一是没理解和区分“业务对象数字化”与“业务流程数字化”的不同；二是没理解数字化中IT底层技术差异，因此低估了技术应用部署的困难。

图4 “深蓝”的专家系统人工智能与“阿尔法狗”的机器学习人工智能的原理对比

假设企业信息化做得好，已应用ERP协同SRM/CRM/WMS等系统，却也只是做到了“业务对象数字化”，“业务对象”是数据库里的客户、供应商、仓库物料、订单等等业务信息实体。比如实施SAP时，“业务流程”更多是存在于电子化的业务流程图，需要员工用账户登录，使用运行代码，即在模块范围内是人在控制的。而“业务流程数字化”，是对业务对象的“增、删、查、改”等操作和操作组合，亦即操作本身被数字化，结合各种判断，涉及算法及人工智能。

关于IT技术底层“根技术”的差异，对比技术发展的两个标志性事件：1997年“深蓝”击败国际象棋大师卡斯帕罗夫，2016年“阿尔法狗”击败围棋世界冠军李世石。表面看起来，这两件具有里程碑意义的事件，似乎是机器与人类智力对决的性质，其实却是人工智能的一次大转型。

“深蓝”代表着专家系统的人工智能。即按照人类制定的规则进行运算和推演，依靠强大的计算能力超越人类。而“阿尔法狗”代表新一代人工智能，也就是机器学习，根本不用人类教它如何下棋，而是依靠观察自成大师，并创出人类经验中完全没有的新棋路。

鉴于底层“根技术”的差异，涉及复杂算法或AI的数字化应用，企业要谨慎评估。因为技术的商业化成熟期通常很长，一般要10年以上。那难道就完全放弃对新技术的尝试吗？应对这个挑战，可考虑模块化应用，实际在企业级数字化技术应用层面，模块化的轻量级部署越来越受到重视。

Gartner报告称，到2023年系统服务商85%的数字化解决方案将专注于具体功能和垂直行业，在许多常见供应链相关模块化应用，如高级规划与排程系统（APS）、运输管理系统（TMS）和仓库管理系统（WMS）中，已嵌入算法或AI人工智能功能。同时，在云平台、移动应用、大型企业SaaS、低代码开发、大数据处理等主要功能之上，也加入了人工智能、流程自动化等新技术。企业组织可以使用开源平台构建自定义模型，选择模块化应用程序，以解决新技术应用的部署问题。

同时需要注意的是，即便仅采用轻量级模块化应用，仍会出现员工抵制新技术的情况。例如，UPS采用公路集成优化导航时，基于大数据和AI的路线优化工具，可以预测驾驶员无法察觉的成本和时间损失，从而指导司机的行车路线。然而在实施中，司机有时会拒绝相信算法模型规划的路线能够在时间表现上一样好或更好。

因此，在企业内部建立数字化运营的共识，也就是“挑战1”中提到的，从高管到员工对企业数字化战略目标的共识，是新技术应用能够在企业基层执行，并真正实现数字化赋能员工的重要基础。

挑战3：数字化准备和数据基础

数字化升级进程中，需要将原本被零散丢弃、没有标准的数据，通过有规划的数据采集、清洗、挖掘，生成各种数据应用。可通过数据发现过去没有被发现的异常、问题，并找到解决办法。企业数字化升级的实际操作中，数据基础是供应链数字化项目所面临的第三个主要挑战。在《2021年制造企业供应链发展调研报告》中，关于供应链数据管理，仅有不到1/3的企业有供应链数据管理岗位（如图5）。

图5 《2021年制造业供应链发展调研报告》中，关于“是否有供应链数据管理的专业团队”问题的调研结果

解决方案是通过数据治理，对数据的资源整理、数据采集、数据存储、数据管理、数据使用、数据安全等，进行体系化的治理。企业需要预见到，合格质量的数据准备在项目初期是非常耗时，却是必须进行的工作。

在数据治理中，公司还应更加关注数据质量和相关性，而不是数量。与大部分人的普遍的认知相反，很多算法和人工智能在起初阶段不是收集的数据量越大越好，而是更注重数据的完整性，需要全维度、全过程、全场景的数据标签。

因为算法可以通过在开始时使用合理数量的高质量数据来增加价值，然后在新数据可用时逐渐丰富数据池。许多人工智能嵌入式的供应链模块已经优化了算法，使用较小的数据集来解决数据匮乏的问题。同时，使用其他外部数据源也是不错的补充，包括天气、宏观经济和人口统计数据。例如，为了预测冰激凌的销售，将天气数据添加到模型，可以提高预测的质量。

数据治理涉及业务流程梳理，要保证数据的准确性，并达到不同口径的数据对拢，是一项持续性工作；也是一个关注在数据的系统执行层面的体系。数据治理涵盖前端业务处理系统、后端业务数据库以及深入的数据分析，从源头到终端再回到源头，并形成一个闭环反馈系统。

同时需要注意的是，即便企业通过数据治理建立好数字化基础，是否就能够做到数字化赋能员工，辅助决策呢？“用数据说话”是企业数字化能够获得的主要价值之一，但另一个事实是，数字也是特别容易被操纵的，只要换一个说法，就能让数字只传递想传递的信息。

数字化升级进程中，需要将原本被零散丢弃、没有标准的数据，通过有规划的数据采集、清洗、挖掘，生成各种数据应用。可通过数据发现过去没有被发现的异常、问题，并找到解决办法。

以百分比为例，我们在超市购买了一盒速溶热可可，包装上标明“99.9%不含咖啡因”，便可能觉得晚上喝一杯并不会影响睡眠。可我们也应知道，一杯500克的星巴克含有415毫克咖啡因，其咖啡因含量仅为0.075%，同样不到0.1%，即便星巴克的超大杯咖啡，也是99.9%不含咖啡因的。可以说，那盒速溶热可可包装上的咖啡因含量标注，虽然数字是真实的，却具有相当大的迷惑性。

因此，即便企业通过数据治理解决了数据基础问题，合理地挖掘数据价值也是数字化项目成败的关键因素。实际抛开技术本身，数字化在实施过程能否成功，归根到底是与企业的组织能力有关。这也就关系到企业供应链数字化面临的第四个挑战。

挑战4：组织能力与人才问题

在2021年Gartner Research Circle的调查中，56%的受访企业表示缺乏数字化转型的人才。笔者在对很多企业的访谈中，也可以看到普遍的反馈：组织能力和人才的缺乏，是阻碍供应链数字化项目取得成功的主要原因。事实上，很多公司在数字化推进到深水区时，才发现最大的挑战和瓶颈，还是人与组织的问题，而不是技术的问题。

应对这一挑战，公司需要从组织架构、领导层的认知能力、员工治理等三个方面入手。

1.组织架构

组织架构调整背后是责、权、利的重新分配。如何让员工运用新的技术和工具，使企业的效益最大化，这是数字化问题，更是管理问题。企业数字化转型需要相应的组织承接，比较普遍的有两种方式：

方式一，是总部集中驱动模式，即单独成立一个科技公司，或者设立负责数字化的CIO/CDO，由该部门去负责相关的项目。该方式的好处是集中数字技术、人才资源优势；劣处是负责业务和负责数字化的人很难顺利达成共识，项目推进效率低。

方式二，是把业务人员和数字化人员组成混编团队，数字化专家和业务专家共同做业务设计、数据分析、定义系统功能与参数。团队成员互相学习、逐步融合，共同成为企业数字化的中坚力量。该方式的优势是项目成功率高，劣势是人员成本高。

图6 数字化组织和人才建设的三个重点

2.领导层的认知能力

正如组织架构调整背后是责、权、利的重新分配，如果领导者无法厘清分配机制，数字化很难成功。一些比较成功的企业都是从一把手开始建立认知能力。例如，2018年三一重工董事长梁稳根说：“数字化转型，不翻身，则翻船。”他让手下搜集了关于数字化和智能制造的数十本著作、几百个视频，不但自己深入学习，还经常和管理团队讨论。三一重工的做法，正如Gartner组织能力的公式：组织能力=思维模式+数字化技术+企业实践。

3.员工治理

在“挑战1”的分析中提到：信息化赋能管理者，数字化赋能员工。在数字化时代，企业传统意义上的金字塔组织架构很难适应未来的竞争，除了组织架构调整，也要放大一线员工的决策权，但这需要在人才招募、人才培训方面下功夫。比如，聘请精通数字技术的领导者加入高管团队。对传统行业来说，数字化结果充满了不确定性，战略可以规划，战术却需不断调整。一个具有深厚的数字化技术背景和项目经验的数字化高管，能够深刻理解公司的战略目标，掌控数字化转型方向和节奏，确保公司数字化转型战略的落地。

同时要明确数字化企业所需要的能力，注重培养普通员工的数字化能力。要筛选有能力接受培训，以履行新的数字化运营角色的内部候选人，即一些懂业务的科技人才，或者一些懂科技的业务人才。通过“业务+数字化”双能人才培养，比如规划员工参加在线培训或当地大学的研究生课程，并支付部分费用，这意味着公司需要为数字化培训制定预算。

其实，目前越来越多的供应链系统解决方案嵌入了AI算法，这最大限度地减少了企业对算法专家的需求。企业更加需要的是形成一种新的思维模式和决策模式，更加依靠数据来做决策，而不是依靠过去少数人的经验判断。供应链人员要在专业的逻辑基础上，学习企业所选择的系统，利用其参数和算法，结合经验和数据，做出更加优化的决策。

另外，企业也可以采用咨询服务的方式，聘请系统服务商来填补人才缺口。外部的算法专家可以支持不同供应链业务部门的团队，企业的业务专家让算法专家了解业务状况的变化。例如，外部算法专家分析相关性，并将其他相关的外部数据添加到现有模型中，如城市的生产总值、人口数据等。

企业管理中的不确定性，来自影响企业管理决策的各种因素的变化速度和复杂性。复杂性造成信息的膨胀和各种因素之间的因果关系模糊，快速变化使得决策难以跟上变化的速度。数字化可以更好地应对不确定性，而组织能力建设和人才梯队的培养更是应对不确定性的基石。

总结

企业供应链数字化的主要挑战和应对逻辑，是一个持续运营的过程，是“业务－技术－数据－人才”相互作用、相互迭代的过程。企业需要以明确的供应链数字化战略来应对；多角度考虑投入与产出，平衡成熟技术与创新技术的应用，以战略为指导在成本可控的基础上，灵活采用不同的形式；同时在信息化的基础上建立数据治理体系，为数字化打好基础；而一切的基础性工作都需要从组织架构、领导层的认知能力、员工治理等多个方面做好组织的能力建设。企业供应链中各环节的数字化进程和质量需要逐步发展，才能使得企业可以快速应对持续变化的市场需求以及外部环境的复杂性，在商业浪潮中保持竞争力。