波士顿咨询：新形势下企业如何打造更具韧性的全球供应链

以下内容节选自直播实录：

本文内容主要分为两部分：

1、影响全球供应链发展的几大动因

2、三个行业中的案例分析

第一，整个经济发展GDP表现。越来越多的经济学家预计未来经济，不只是一个放缓，甚至可能有一定的衰退。而且经济增长会出现不平衡，有些国家增长的比较快，有些比较慢，不同的行业有不同的增长。

第二，地缘政治，会有越来越多的保护主义，降低自由的流动。

第三，由于刚才提到的这些原因，在供应链方面呈现多中心趋势。

第四，实现更多的数字化、自动化。

先从需求来看，不同的行业、不同细分领域都会有短期的波动，有些降的很低，有些爆发的很厉害，短期波动很明显。

再来看下渠道，过去几个月线上渠道量非常大，最后会影响到供应链的环节。我们对产品的库存怎么考虑？不管是国内还是国际，交付的渠道也需要多元化。仓储本来只是一个中央仓储，现在越来越靠近客户，要确保灵活性。

由于需求变动很快，现在对于做规划会比以前具备更多挑战。

第一，需求。现在很多时候需求预测要非常频繁的去做，根据市场的变化调节自己的生产和供应链。

就算需求生产做的比较好了，也可能在整个供应链过程当中，发生不确定性。现在整个端到端的透明化是不是能做到，这是非常大的挑战。总体来说，在整个规划准确率方面是有显著的降低。

第二，采购。不同情况下，大家对于原有的供应商，可能要增加一定的库存量，然后调节不同供应商采购的比例。由于现在遇到不同的挑战，在很多情况下，客户在供应商选择当中，会看到一些新的供应商能够增加多元化，增加区域的灵活性，增加一定的后备、备份方面的能力。供应商的管理、供应商的选择，整个供应商在全球的匹配，也是一个非常大的挑战。

第三，制造。大家常常听到工业4.0有很多数字化、自动化，或者说智能化方面的能力。现在的工厂还有很多人工方面的操作，数字化水平也比较低，要快速调整一些生产流程，或者有时候要远程办公。区域化、个性化的需求增加了复杂性，也是现在这个生产模式比较难满足的，有一定的挑战。

第四，交付。交付整个过程当中，国与国之间的交通运输没以前那么灵活和方便，所以在整个布局里面，要不要在不同的地方再找一些新的交付、运输方面的合作伙伴。这也是我们在很多客户当中会看到的一个挑战。

整个供应链网络怎么能够更加具有韧性？供应链设计通常会从几个角度做考虑：一是成本效益，要挑全球最便宜的制造商，最便宜的运输方法；二是可及性，把生产、仓储靠近你的供应商、客户资源，也是为了刚才提到的成本效益。当然，服务水平、可持续性方面也是以前比较传统的供应链里面会做的一个考虑。

将来要提到更加多的就是整个供应链的韧性。在灵活性方面，是不是可以很好的对于市场变动做一个非常敏捷的变化。

此外，大家常常听到的柔性制造，即可以按照短期去改变的需求做制造，而不是说几个月前或者一年前要把整个制造量定下来。柔性制造对于风险管理和整个能力的提升都非常重要。

全球供应链将来会有四个方面的发展。

第一，多元化。整个供应的网络、运输交付环节当中的选择，往往都要多一点。多元化的考虑，多一点后备的选择，或者更多不同的运输模式，以确保整个供应链的灵活性。

第二，区域化。全球一体化并不完全现实，将来供应链可能是往区域化方面发展。

第三，敏捷化。很多情况下，我们的需求一直会有不少的改变。怎么样敏捷地做产销协同，对于这个市场的波动响应速度能够做的很快是非常重要的。

第四，数字化。整个供应链全部环节怎么样能够用最好的数字化、技术手段来提高全程可视度，也可以令刚才提到的敏捷各个方面能够体现出来。

我把这几方面介绍一下。

第一，多元化。引入备选供应商，增加灵活性。在同一个国家里面，也要多挑一两个不同供应商。或者本来在全球只有一个供应商，现在为了规避未来地缘政治方面的风险，在不同区域选择另外的供应商做后备，增加灵活性。

有很多公司、客户在采购、生产、交付不同环节中，会看不同的指标，确保整个供应链不单单只是成本最低，而且是有一定的灵活性、灵活度。譬如说采购，在一些高风险的国家采购比例是多少，在特定区域采购比例是多少？关键采购项目中，有没有一些后备或者冗余供应商占比，又是多少？

在交付里面，高风险市场贡献的营业收入占比是多少？最大的分销网络占比又是多少？现在用的不同运输模式占比又是多少？会不会太过于依赖某一种模式当中。

第二，区域化。如果在一个最完美的全球化供应网络当中，从原材料、组装、最终客户的交付，整个过程，一件产品可能在全球已经绕了两三圈。当然很多产品有全球网络，但是某些品类当中有一定的区域化。欧美、中国、亚洲，不同国家还是会有不少交叉和运输。每个大区当中，他们都要慢慢形成一个闭环。从原材料到零部件，到总装，到交付，是不是在一个大区当中就能够把这个供应链的链条比较完整的做起来。

第三，敏捷化。市场的波动非常厉害，以前很多公司可能会做一个中长期，12个月、18个月的规划，然后每个月做一次产销协同，看看我这个月的销售是怎么样的，我的产能要怎么样调节？现在更加多的是需要非常灵活，非常敏捷的做这个动作，要非常短期的平衡整个供需方面的情况。可能是每周，每天要看整个市场发展的情况。整个地缘政治，每天可能都有一些不确定性。

第四，数字化，数字化在当中是非常重要的一个基础。怎么样把全环节供应链端到端的灵活性做起来，数字化肯定是不可少的。这里面有几个大的案例。

第一，场景化。现在越来越多的公司会针对未来的情况了解不同的场景。在高需求、中需求、低需求或者不同情况下，我应该做什么东西？如果我某一个环节的供应链，某一个阶段的运输，某一个阶段的生产出了什么问题，我在那个场景底下应该做点什么东西？所以场景化的判断，很多情况下是事先把不同的场景评估好，然后做这个决策。

这当中很多用到不同的大数据或者用到AI，就是人工智能方面做预测。

第二，控制塔。在这当中就是端到端的实时透明、可见的系统，能够通过一个统一的界面了解到整个挑战、整个供应链当中，不同合作方、不同的环节现在情况怎么样。不是说每个月、每两个月或者每一个礼拜才有一个报告出来。控制塔是实时的，透明的，能够看得见的，这可以快速解决日常看到的一些问题。

第三，数字孪生。整个供应链的链条从需求、规划、生产、交付是几个大的环节。当中也有很多的子环节，一些操作步骤尤其是在生产、交付里面，有常常用到的数字孪生手段。怎么把端到端做模拟？当中有什么潜在会发生的情况？整个供应链应该做什么调整？这个可以降低我们在整个过程当中的风险。

一个跨职能、敏捷的团队非常重要。很多传统的公司当中常常谈到或者常常听到说有部门墙，有很多东西要慢慢审批，部门之间要协调。但是在整个市场变化那么快的情况下，有壁垒的一种合作，其实会越来越不完美。将来怎么样能够从机制上去确保我们的团队能够很好的跨职能，很敏捷的工作，会是我们数字化当中不可缺少的一部分。

第一个案例，钢铁厂。显而易见，现在汽车市场行情并不是特别好，很多车厂有停产停工的措施。下一步行业的波动、不确定性会传导上来，直接导致这家企业遇到一些问题。首先原来既定的一些需求、既定的订单没了。不但如此，本来以为客户已经下好的订单，甚至有可能已经被取消，因为客户的工厂都已经停工了。这样企业就会面临一个问题，我们将来的需求到底应该怎么样，我们的客户到底想要什么。这些已经取消的定单，会导致我们现有已经生产出来的产品堆在我们库房里面、堆在产线上，导致整个供应链堵塞甚至阻塞。我们的模式到底怎么运作才能适应这样一个波动的环境？

通过刚刚提到的一系列数字化的手段，这家企业终于在比较短的时间里面能够扳回来，一方面对客户服务水平有了显著提升；另一方面，它自己的库存量也有了一个显著的下降，从而使得整体企业利润率在这样一个环节里面，不降反升。它具体怎么做的呢？

第一，产销协同。原本这家企业是处在一个相对稳定的环境里面，它的客户都是一些大的车企，所以每个月的订单量都是比较稳定的。基本上它采用这样一个产销协同的模式，也是由总部做一个比较完整、细致的规划。细化到每个客户，细化到自己每一个工厂每一条产线应该怎么样来布置，怎么样来规划，负载是多少，每个客户分配多少？这是一个自上而下的，比较细致、比较稳定的过程，显然在现在这样一个市场环境下，这种模式已经不适应了，客户如何来反应，才能满足它的要求。

这家企业在产销协同上先动了刀，把产销协同分两个层面。首先是总部层面，做大而全、细致的规划。总部会有一个全局的判断和分析，也会根据总体的利润目标设定每个区域大体上分配的原则，最终也会设立一个优化的库存目标。但是总部不会像以前一样，做更细的反应了。这些更细的，甚至细化到每个客户、每个产线的规划，会下放到区域，由区域相应的对口部门完成。比如说会由销售根据总部划定的大框架完成跟每个客户具体的谈判和优化，决定分配的客户资源到底有多少。同时各区的工厂会自行决定，根据总部设定这样一个库存水准和客户的需求，我的产线应该怎么布置，应该布置多少人员来上班，确保我这样的产能。

总之，各有分开的产销协同规划，可以在保证整个企业平稳运行，具备一定的利润水平和库存水平情况下，更好的满足不同区域波动性的客户需求。

不光是说实现一个产销协同的分层，为了能够配合新的分层式产销协同模式，这个企业还引入了更多的数字化工具。包括基于AI需求的分析和预测，也包括一些自动化的模型，能够自动评估可能潜在的需求场景，以及在不同场景下，我们新的产能该如何分配。这些分配的产能形成相应的销售计划、库存计划、生产计划，乃至采购计划，下发到各个区域，由各个区域的销售和生产部门，根据各自情况，分别完成更加详细和精细的规划。销售会跟客户直接有这样一个接触，在最接近客户的层面来理解客户需求到底是多少，收集客户具体的反馈和想法。

从产线上来讲，工厂自行决定自己产线负载和人员配置，以及什么时候停工，什么时候维护，什么时候投资。在这样一个新的分层产销协同规划模式下，新的数字化工具配合下，这家企业实现了在产销方面的迅速和高效的决策。

第二，这家企业在全球比较复杂的供应链网络里面，碰到这种波动性应该如何应对？特别是有些地方的订单在增加，有些地方的订单可能在取消。作为一张彼此上下联动的供应链网络，到底应该如何反应才能确保整张网络的顺畅运行、高效运行，而不会在某个地方造成阻塞，另外一个地方却是产能不够。

这家企业会引入一个数字孪生技术。数字孪生的技术是将这家企业全球供应链，包括供应商，包括工厂，包括下游的一些仓储，全部放到一个数字化模型里面。通过这样一个模型，它可以做一些相应的模拟和预测，预判未来4到12周的时间区间里面，我的产能、仓储会有什么样的情况？如果我增加一些产能会不会导致下游的仓储爆仓，因为客户不能把这些产品及时运走，导致我没有地方存这些产品。会不会因为我对产能的控制，导致下游仓储能力没有充分利用，造成不必要的浪费。

解决这一系列的问题，通过一个数字孪生模型，相应的管理人员可以在这个模型里面模拟和尝试不同的情况下，我是增加产能，整个下游网络会怎么样？如果减少产能，下游仓储又会怎么样？什么时候仓储的极限，通过不断的模拟和尝试，寻找一个最优的解决方案和最优的场景。

通过数字孪生这样一个模拟，可以比较精确的预见到什么是最好的人员配置和仓储模式。什么是最好的服务水平，能够平衡库存的压力和客户的需求。这样一个数字孪生模型，最终帮助这家企业从现金流上，从整个供应链吞吐上，从整体成本上实现了巨大的收获和节降。

第三，一个比较传统的等级化组织架构，在这样一个高度波动的市场欢迎下，怎么样灵活反应，怎么灵活应变的问题。

不少客户临时取消了即有的订单，这种情况下，这家企业不同事业部各自有一套原有订单的处理流程，但是这些处理流程之间并不打通。每个事业部都只会处理自己产品订单取消，结果这家事业部再处理，另外一家事业部在处理，其实都是同一个客户不同的订单。这里造成了很多的浪费，不同事业部之间并没有良好的沟通和互动，从而使得我们的流程非常冗余。有些情况下，它会发现不同的部门之间，因为供应一些资源，这些资源无法实现早期预警，会造成前期供应商进口铁矿石不断积压，不断浪费。另外不同的部门之间，销售可能知道客户要取消订单，我的产线还在不断的生产。前端跟客户对口的仓储还在不断的发货，造成一系列的混乱和互相推诿。一个临时取消订单的流程，就充分暴露出这样一家企业在传统的组织架构下，传统的部门合作模式下，种种混乱和低效。

为了解决相应的问题，一个跨职能的敏捷模式被引入进来。我们希望能够打破这个部门墙，我们不在乎你属于销售部门还是供应链部门，还是客服，还是采购，还是物流。大家都是一个团队，为了一个共同的目标，为了一个结果，能够帮企业降成本，增利润。客户想要临时取消订单，从销售这边进来之后，马上会放到这样一个资源池里面。价值链上下所有环节，包括服务部门，物流，采购，生产，所有部门第一时间知晓。并且采取相应的动作，尽快止损，尽快做相应的调整，确保整体上的一个收益，能够实现一个敏捷、快速的分析和判断，从而让整个企业能够在一个波动的环境下，有非常灵活、快速、一致的反应。

通过以上措施，这家钢铁企业最终实现了在这样一个波动、不平稳的环境里面，利润率能有1到3个点的提升。证明了数字化供应链能够提升在企业供应链水平上和企业管理上的韧性。

第二个案例，制药企业。它的痛点在于由于疫情发展变化，整体上市场对于它的需求已经看不清楚了。起起伏伏，各个地区都不一样。客户想要什么，想要多少，什么时间想要，对需求不理解，是它第一个痛点。第二个痛点是对自身供应水平的了解上。这是一家全球性的企业，如何能够确保整体供应链协调一致，如何能够确保不同作业中心之间、不同工厂之间，协同、原料、生产、制造、包装所有环节协调一致，真正匹配客户的需求。

首先在需求预测上，这家企业之前也是有相应的一些预测模型和工具。但是在现有的一个环境下，它紧急对这个模型和工具做了增强和改良。一方面在原有工具基础上结合市场信号，整体来讲要看到颠覆性的变化；同时，也会吸收以前经验教训，过去历史上曾经做过类似的预测，类似的调整，这样一个环境下，会对我们的需求造成什么样的影响？这家企业新的需求规划模型，就能够实现产品层面早期的预警和预报，能够判断出什么地方、什么样的产品缺货，什么地方什么样的产品会供应过剩，从而针对性的采取库存管理和相应的措施。

在自身供应的透明度上，也引入了相应的人工智能技术。在每批产品生产过程当中，积累了大量的质量数据和经验数据。通过对这些数据建模，用机器学习的方法，理解什么情况下，什么场景下，什么时间，什么样的产品，什么样的动作，什么样环节的时候，容易出现质量问题，容易导致整个批次产品的延误。通过这样一个模型的分析和预判，就能实现对整个企业生产的进程，包括库存压力，有一个比较清晰的认识，可以判断出来，什么时候、什么样的产品会有延误，延误的影响会有多大。

具体而言，它开发了一个供应透明化的系统，能够模拟和预测各个批次产品的完成情况。它可以看到什么样批次的产品可能会延误，是不是延误，延误了多久，这个产品对下游下一步的动作，整体的仓储和企业整体的库存水平，有什么样的影响。结合这样一个分析和影响，再对比前面这样一个需求，中间会看到我们的短缺会有多少，我们可能的概率有多大，什么程度上，什么样产品上，还需要进一步发力，来改善我们的供应，从而满足客户的需求。

在对整体需求和供应有一个清晰认识的基础之上，又进一步引入了一个控制塔工具。从而能够对供应链各环节的作业中心，包括工厂，包括什么车间，包括仓储，有一个整体协调一致的认识。它能够迅速标识出哪些作业环节已经出现了不应有的低效或者成本高起的情况，并且识别出这样一些问题，及时发出告警，提出相应的建议，应该如何调整才能让整个供应链条实现一个整体的高效和最佳运作效率。

第三个案例，这是一家快消品公司，也同样面临着一个需求预测和产销协同的问题。快消品在整个过去一段时间里面，是受疫情影响最为严重的行业之一。先是亚洲，然后欧美，现在是在整个全球都处于这样一个疫情爆发情况下。我们可以看到，全球需求预测都是不清楚的，有些地方在恢复，有些地方在下沉。既有的需求预测工具，既有产销协同流程和相应的模式，都已经不适用了。如何让我们的企业能够了解到一线客户、一线消费者到底怎么看这个市场？如何让我们整体供应链的体系能够配合这样的需求，这是这家企业想要解决的问题。

基于人工智能的需求预测的算法，以及结合一个场景化的产销协同新工具、新流程，这家企业成功的实现了对于客户需求预测准确度的提高。相比之前，即使在一个稳定时期的预测水平，这家企业新的预测工具准确性高了10%到20%。整体上来讲，帮助它既有的业务单元实现了上亿成本的节降。

第一，需求预测。需求预测工具上，原本这家企业已经有了一个基于趋势，基于一般过去销量的时间点趋势。季节性的变化以及不同市场节假日的安排，已经有了相应的基准性工具，能够适应不同地区在不同的时间段。在不同的节假周期里面相应的调整，这样基准的工具已经具备了，同时还匹配了相应跟市场上活动。包括促销活动，比如说618，比如说双十一这种促销活动或者营销相应的措施相匹配的一个考虑，使得整体模型能够适应一个像大促大销匹配活动临时性的调整。

结合到目前疫情的变化，发现它需要考虑更多的因素，需要把更多的一次性时间考虑进去。比如说近期部分供应链的停摆，影响的不光是自己，还会影响到一些行业的供应，比如说新产品的上市。虽然现在我们看到整体上来讲经济并不是很乐观，很多国家还处于Low Down的阶段，但是我们依然可以看到，还是有不少企业陆陆续续在推出一些新的产品，试图抓住一些潜在的市场机会。这样一些活动对市场的影响该如何捕捉？这家企业通过开发了一个新的增强版的需求规划工具，把基于既有的需求规划能力结合一次性的突发事件影响，比如说供应链、新产品。开发了一个更加完备的模型，从而实现一个预测误差、偏差的显著降低，基本上它的误差可以控制在5%以下的水平，在整个行业里面，都是处于领先的。

对需求有了一个比较清晰和准确的理解上，对于产销协同，从四个维度进行进一步的优化。首先是流程，原本这家企业产销协同规划流程是每7周做一个滚动性的规划，比较稳定，周期比较长，考虑的非常细致。现在它把周期缩短为3周，而且并不是说要事无巨细，做到每一个市场，每一类产品，甚至说每一个市场活动该如何来做，不再做的事无巨细，更加聚焦在关键决策上，能够实现敏捷的反应，从7周到3周，缩短周期，加快决策。

第二，数据上，原本产销协同是各个部门各自提供自己的数据，拼在一起，然后在会议上不断协调，不断沟通，不断磨合，最终形成一个对整个市场和供应的判断。

现在直接实现了数据层面的打通，直接做到端端到跨职能的数据库，同时引入了快速治理的模式，确保在整个供应链端到端的数据标志、数据质量的一致性，从而使得这些数据能够合在一起，能够被各个部门、供应链各个环节所理解，所使用。

第三，在既有数据基础上，开发新的产销协同引擎，能够实现对整个供应链端到端的优化，而且颗粒度更细，充分以财务成本为导向，实现供需全景图的规划和预测。最终它也充分考虑到企业管理人员决策的方便，引入了一个相应的人性化数据可视化对比，一个参数调整的能力，从而使得高层能够比较简洁、迅速、方便的理解产销规划的信息，并且对此做出相应的决策和调整。

同时，我们也要看到，在做这样一个复杂的全球产销协同的时候，我们看到没有人手里有水晶球，没有人知道到底未来的市场，但是我们可以通过场景化的模式进行尽可能靠近的模拟和预测。

这家企业在产销规划工具里面引入多种长颈的建模和模拟。首先会建立一个基准场景，正常情况下，在不考虑这样一个有大的产能调整情况下，正常市场应该是什么样的？随后会引入一个新的场景，基于目前市场最新判断情况下，最有可能、最佳场景会是什么样的。这两个场景之间会进一步引入相应的假设和模拟，来进行相应的判断，是不是更有最佳的场景？在一个基准场景和最优场景之间，最有可能发生的是什么？这样一个场景相比基准场景有什么样的差异，相比最佳场景又有什么样的不同，到底什么是一个最有可能的模式？有可能不是一种，有可能是两种，甚至三种，通过不同场景不断的建模和持续模拟，可以得出一个相对来讲更加认可和认同的，能够应对多种复杂情况的产销协同规划结果。并且有相应完善的评估，针对这样的结果，对于我们的销售、整体的供应需要做一个什么样的调整具体的工作清单。

以此为基础，会形成一个完整的产销协同的结果。不但有数据透视分析，也会有相应模拟的预测，同时也会有相应的举措建议。这样一系列的过程，都会放到一个完备的系统里面，不但能够展示，不但能够分析，也会提供给相应的高层人员进行决策，进而进一步指导和优化整体的供应链运作。