中集數據網絡中心大數據經理李凌寒
傳統的供應鏈管理分為五大塊內容：成本管理、績效管理、供應鏈管理、采購執行、倉儲物流，但海工作為特殊的EPC模式，對于供應鏈有額外的特殊訴求：定制性、敏捷度。
如何在不犧牲部分流程合規、不犧牲部分企業利潤的情況下要滿足這些訴求？李凌寒認為，要通過IT數字化的能力對供應鏈的效率進行提升。
他表示，整個數字化供應鏈的創新要素主要是四個：架構、流程、制度、工具。在架構上要做數據的治理，在流程上要做數據的賦能，在數據上要做數據的思考，在工具上要做數據的管理。
以下為李凌寒演講實錄，經鈦媒體編輯：
首先先介紹一下中集集團，1980年中集集團創立于蛇口，中集是一家多元化產業集團，業務主要是物流裝備與服務、能源裝備與服務，以及其它的金融服務。
中集在全球研發中心和制造基地分布在近20個國家，有超過300+的承運企業，超過72000名集團員工。中集的治理模式是分層治理的模式，我們是中集總部，下面還有一些板塊，板塊下設一些企業。作為總部更多是推進平臺戰略，總部打造通用共性的能力，集團引領旗下板塊企業進行探索和創新。
接下來進入供應鏈方面的探索，首先介紹一下業務的主體——中集旗下的海工板塊。中集海工前身是煙臺造船廠，它有40年的歷史，2008年收購了這家工廠，2010年交付了第一個海工平臺，2018年總書記曾經親自到訪中集來福士。海洋工程行業有一定的特殊性，它是屬于大國重器的范疇，海工和國家的海洋經濟是分不開的，這是國家強國戰略非常重要的一環，中集海工一直以海洋強國為己任。
回到主題，我們一直說供應鏈，海工是EPC供應鏈。為了讓大家對海工行業有一個概念，我們拿出了中集最著名海工平臺“藍鯨1號”，“藍鯨1號”最大鉆井深度15250米，重量42000噸，最大作業水深3658米，設備集成數有27354臺，管路數有40000根，集成設備復雜程度堪稱世界之最，這樣復雜的工程對中集海工總裝設計建造能力有一定的要求，同時也對背后支撐它的供應鏈是非常大的挑戰，一般來說供應鏈是從供應商、采購到生產、交付，一直到客戶、銷售全流程的管理，由于我們這個行業的特殊性，我們的下游客戶和交付的產品相對來說數量是不多的，因此供應鏈管理重頭是放在了采購、生產、交付的過程管理中。
中集來福士供應鏈管理分為五大塊內容：成本管理、績效管理、供應鏈管理、采購執行、倉儲物流，這些都是傳統的供應鏈管理，但作為特殊的EPC模式，對于供應鏈有額外的特殊訴求。供應鏈要有一定的定制性，因為海工平臺這么大的項目，所有的客戶帶著他們的要求和期望來的，我們要滿足他。這樣的供應鏈需要有非?？焖俜磻哪芰?，因為海工EPC有一個特點，設計和建造是并行的，沒有人做過，我們不可能一開始就把所有的東西考慮到，我們的供應鏈必須快速地響應客戶需求，這包括內部和外部，生產、設計、研發，還需要有成本的考慮，海洋工程項目非常大，時間非常長，而且這樣的項目在一定的程度上對我們的成本是一個非常大的壓力，因為重資產的項目時間非常長，假設我們在做項目中，技術變革了怎么辦？假如設計出現了調整，甚至出現了失誤怎么辦？我們一定程度上還有一定的敏捷的要求。
要滿足這些訴求，假如我們犧牲掉一部分流程合規，犧牲掉一部分企業利潤，這個訴求不難達到，但這不可以。我們認為如果通過IT數字化的能力對供應鏈的效率進行提升，我們同樣能達到這些訴求，摸索下來，我們認為整個數字化供應鏈的創新要素主要是四個：架構、流程、制度、工具。架構是什么？我們要構建以服務為中心的架構，我們的架構是以供應鏈的視角對供應鏈提要求，對外提供服務，流程要減少人為決策，更多用數據模型決策，我們的制度要激勵獎勵那些愿意用數據的人，愿意把體系固化下來的人，工具需要把數據拿上來，能夠把模型用起來，我們認為在架構上要做數據的治理，在流程上要做數據的賦能，在數據上要做數據的思考，在工具上要做數據的管理。
我們已經想明白了數據化供應鏈要怎么做，接下來是怎么做的問題。要做供應鏈數字化，實際上是做業務數字化，業務數字化要干什么？
首先要有數。要把業務量化成數據，采購、生產、供應鏈、庫存等等這些業務的背后都是流程，流程背后都是數據。舉個例子，比如說采購降本這里就涉及可能有工藝革新、集采、綠色物流、包材循環等等。像采購成本12要素，人工、加工、材料、研發、物流內、物流外、包材、稅金、利潤等等，這些要素都是數據。像生產方面的OTD、預測會涉及到非常多的數據源，可能有內部其他部門的、外部的、歷史數據、行業數據、經營數據等等。像供應商的數據，僅僅是供應商準入就涉及到三證、樣品、專利、大宗物料等等。物流倉儲這塊涉及到的信息就更多了，因為還需要去對接一些外部的物流數據，包括一些IOT的數據。當我們把這些數據和數據上的業務、流程給梳理清楚，把整個體系構建起來，跟供應鏈管理結合起來，這個時候就形成了數字化供應鏈體系。當我們把這些東西想清楚弄明白，我們整個數字化的供應鏈管理就很好管了，這個時候再去問采購成本管什么，采購績效管什么，供應鏈管什么，采購執行管什么，這些就都很清晰。這時候我們的業務指標也做出來了，哪些指標用作考核，哪些指標用作參考，哪些指標和數據、數據模型最終能應用到業務流程中去，這些東西都會慢慢清楚。
如果數字化供應鏈做到這些還不錯，但還差一點什么，這有一部分是我們的問題，這是EPC供應鏈，EPC供應鏈最大的特點是生產和設計同步進行，在我們的生產運營場景中，計劃、協同、執行三個環節是非常動態地協調的，不是固化的，這就會帶來一個問題：計劃、協同、執行各個環節都必須要為自己的環節留下足夠的空間來避免環節出現問題。
要提升系統的效率，我們把中間的buffer縮小，通過洞察把散落在系統里的數據、流程都匯集在一起，監控、觀察起來，這樣來提升業務的運作，幫助計劃端更好地平衡供給、需求、產能，甚至提前預測哪些可能出問題，通過這些手段保障執行和交付。
數據怎么來呢？如果我們要做到數據洞察僅僅有我們自己的是不夠的，我們還需要把中集海工的數據匯集到平臺里去，還需要用到外部的數據源，包括上層的供應鏈的流程系，甚至可能需要客戶做一些配合，當我們把這些數據上到數據湖中，形成了數據基石以后，這個時候可以通過平臺的能力，通過分析和挖掘來提供一些洞察，我們可以更好地管理這些數據，更好地監視這些數據，通過機器學習、人工智能的優化，把效率提到最高。把這些能力和自動化結合起來，就能讓系統迸發無限動能。
我們的技術架構是基于AWS的云平臺，通過AWS建造了數據湖平臺，通過數據湖平臺的數據抽取能力，從底層的系統把數據抽到平臺中去，到了平臺以后再利用平臺數據分析能力，包括AI能力、機器學習能力、對外提供服務的能力，支撐上層業務的應用，滿足業務的需求。
我們一直在說洞察，在我們的理解里，洞察分為四個維度：
一是實時可視，當我們把這些異構系統數據匯聚到系統，串聯起來以后可以方便地追蹤到庫存、訂單的情況，看到一站式物品的狀態，甚至可以看到KPI的情況和趨勢，這個其實是最基礎的洞察能力。
二是預測性分析，達到這個能力以后，基于機器學習和人工智能進行預測性分析，只要是做供應鏈，大家多多少少會做預測，原來的預測就是各種各樣的數據源，可能做得好的會做一個百分比的分析，現在有了更強的技術以后，通過一些人工智能手段和算法來驅動我們做預測，讓預測越來越準。
三是規范性指導，當數據齊備了，有了數據模型和人工智能的預測，可以利用手上的數據做一些業務的模擬，同時有了數據模型以后，可以反過來指導業務優化，做一些產能、運輸上的優化，這是規范性指導的能力。
四是自動化，自動化不是新鮮技術，當我們有實時可視的的能力、預測性分析、規范性指導，我們就可以自動化知道訂單是什么狀態，下一步會到哪里，有沒有風險，它的風險要怎么解決，有沒有空間，從指標上來看是不是還可以再提升一點，這可以通過自動化手段來做。
最后，簡單地用比較淺顯的例子來看一下供應鏈系統是怎么幫助我們的，延誤預測這個案例非常典型。我們需要結合外部的物流服務的數據，我們也有供應商的數據，通過把數據打通，通過實時數據進行匯報，有的時候延誤無法避免，我們通過全局的洞察和預測，可以提前把解決問題的時間點提到問題暴露的第一刻，甚至是問題暴露前，就可以減少全流程延誤，提高滿意度。
我們可以通過群流程的數據結合起來，最終達到對整個供應鏈網絡和體系有一個非常直觀的理解，通過把這些相關的數據關聯起來，就可以非常清楚地看到每一個訂單的實時狀態，這個訂單到哪了，誰是責任人，下一步在哪，要不要繼續優化，未來的提升空間在哪，當我們把這些東西都走通了，會發現在這樣的體系下，整個供應鏈效果會一步一步提升，未來總有一天可以達到10分。
謝謝大家！
