引言

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。

数字化供应链的进展

1. 数字化转型的整体状况——步伐滞后进展缓慢

戴尔科技集团曾联合英特尔对全球42个国家和地区的4600位在十二个不同工业领域的企业高管，进行了一次数字化转型的调研，并于2018年10月发表了《数字化转型指数II研究报告》。

（图片来源：埃森哲《中国企业数字转型指数》报告）

2. 2018年出现的超级供应链的理念和对数字化供应链的看法

供应链数字化并非一帆风顺。在福布斯发表的一篇由数字化供应链研究院的George Bailey写的文章中，列举了2018出现的超级供应链的理念和对数字化供应链的看法，并指出它们对供应链数字化的影响。

下面是该文章指出的五个要点：

（1）算法是数字化供应链的核心和大脑

（2）区块链是所有数字化供应链问题的答案

（3）数字化供应链推动收入增长

（4）虽然会带来改变，但感觉并不明显

（5）人才短缺是个问题

3. 期望和现实之间的差距

凯捷研究院在2018年4月至5月，对1000多家跨消费品、制造业和零售业机构的供应链主管进行了数字化供应链调查，以了解他们正在采用的数字化计划，以及由此带来的好处。

报告指出尽管供应链的数字化是当今企业价值和增长的关键驱动因素之一，但许多方法缺乏方向性，无法充分实现价值和增长潜力。

4. 飞速发展中的中国数字化供应链

中国的数字化供应链的发展从总体上落后于欧美发达国家，主要处于概念引入、初期发展阶段。中国数字化供应链成功的企业包括华为、阿里、京东、美的、海尔、富士康等一批优秀的企业，供应链的数字化给他们的业务带来了巨大的效益。

数字化供应链的未来趋势

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，这是Gartner在2009年首次提出的一个概念，后来他们将此概念定义为供应链融合，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。

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：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。

2.供应链数字孪生（SC Digital Twins）

Gartner描述数字孪生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。

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。

• 从其他来源收到的数据。

• 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——如有关事物环境或与事物间接相关的对象的数据。

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。下面的图2描述了供应链孪生的架构和应用场景。

图2：供应链孪生（来源：ToolsGroup）

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，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。传统的SCOR模式反映的是图3中传统的供应链。

图3：从传统供应链向数字供应网络的变革（来源：Deloitte 德勤）

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）。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。

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。

• 算法是人工智能三大关键基础基石（算法、算力、数据）之一。

• 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。