第1个回答 2022-07-20
随着中国制造能力的不断加强，中国成为了目前世界上唯一拥有全产业链的国家。依赖冗余的供应链能力，同时满足着来自世界各类生产需求对“效率和弹性”的要求，也导致大多数产业供应链，都面临着从保证产能向 产能升级的转型难题 。
也正因为此， 数智化供应链 所承担的历史责任，不仅局限在数字化改造本身，更是要依靠数字能力， 运营驱动 供应链完成产能升级的任务。
与传统供应链的业务行为相比， 数智化供应链 的载体发生了明显的变化：
从以公司/企业/组织为原子，市场交易成本高昂的竞标、采购为手段，产业集群和集团为支撑而形成的供应链体系；
向着从客户价值导向出发，数字能力重塑业务以将数据打通、透明化，形成以融合的数字平台为骨架，降低上下游企业整体成本的供应链体系。
业务数字化，就是要从客户视角出发，用数字能力重塑业务，让业务流程和机制以客户价值为导向，优化由于信息壁垒等因素形成的冗余动作。
数字业务化，也就是要结合国家宏观的价值导向，行业的安全质量的价值导向，各细分市场的价值导向，提供差异化的数据服务能力；并用市场化运作保证数据能力的迭代、演进和运维。
在“数智化供应链参考架构的核心原则”语境下 ， 业务数字化涵盖了，从采购原材料开始，到制成中间产品、最终产品，直至由销售网络把产品和服务触达消费者的过程中，发生的所有业务行为。
在业务数字化过程中，既要参考互联网平台业务标准化的做法，更要符合当前现状业务执行过程的客观环境；
做到这样的平衡，就需要借助数字能力改造业务，综合考虑线上线下业务的差异与共性，以标准化的业务流程降低数据处理的复杂度；
同时从用户视角出发，保证数字工具提升业务人员的执行效率，而不是导致额外工作量/大幅提升工作难度，保证数据的真实性；
还要从客户视角出发，聚合供应链整体能力与客户共创，确保为客户提供精准且需要的价值，而非承担不必要的支出，以保证数智化供应链的可持续性。
「领筑智造供应链倒退设计、Wework原子化装修」
最重要是认识到业务数字化需要持续迭代、演进的过程，且需要允许多方案并行并融合，才能让上下游不同能力的参与者融入共创。（当然这个过程也必不可免要淘汰掉数字能力过于薄弱的企业。）
数字业务化，或称数据业务化，是指要将供应链各环节产生的，对整体安全、质量和效率有所增益的数据和数据能力，通过商业化手段运作，用良性的市场机制保证数据可以互通互联。
数字业务化主要包含三部分： 数据采集、数据处理 和 结果预测。
1. 数据采集的业务化 ：在于要用商业化手段，激励企业使用数字化方式，自动化采集数据，保证数据的准确性和及时性，使之可以低门槛地被平台对接。
数据采集对设备制造、软硬件研发等能力要求都很高，正值中国国产化替代的浪潮，只有明确的市场规则，才能为提供数据采集能力的企业以商业回报的信心，最终促进数智化供应链的成型。
同时，参考C端互联网流量数据的商业模式，数字化供应链的数据处理平台，也需要用类似 “DAU”、“ARPU”、“GMV”、“留存率”等业务结果数据，作为与数据供应方的结算标准，而提供数据采集能力的供应商，也优先建议采取分成模式作为长效的盈利模式。
2. 数据处理能力要服务化： 基于共性的业务规则，洞察“ 关键数据 ”间的逻辑关系，并以服务的形式提供出来。
向上赋能上游数据来源方，采集数据并进行初步处理；向下赋能下游业务方，洞察更多业务数据与“ 关键数据 ”的相关关系，辅助结果预测。
数据处理平台 是数智化供应链的关键枢纽，通过数据和业务规则协调上下游间的协作关系；同时又是更多增值服务的基座，需要深耕在行业生态的企业长期投资，收获长尾效益，如 增值服务的构建优势、基于有效数据资产抵押的供应链金融 等。
同时，基于国家反垄断的精神，建议使用行业内开源的方式，提供数据服务接口，以供服务提供商为供应链参与企业提供定制化服务。
3. 结果预测能力要定制化 ：将供应链上不同环节的“关键数据”与企业自身经营的财务数据、运营数据相结合，可以对业务ROI进行预测。
基于数据间的逻辑关系，通过更短周期反馈的过程数据，可以有效预测结果数据，赋能企业管理能力提升。
长久以来，更能形成行业参考标准，促进供应链整体的产能升级。