供應(yīng)鏈?zhǔn)钱?dāng)今企業(yè)中最復(fù)雜且動(dòng)態(tài)性最強(qiáng)的系統(tǒng)之一，并被董事會(huì)視為成功的關(guān)鍵，然而，企業(yè)供應(yīng)鏈的持續(xù)風(fēng)險(xiǎn)往往成為關(guān)注的焦點(diǎn)。

以一家中型生命科學(xué)行業(yè)的公司為例，你會(huì)對(duì)其全球布局以及眾多的內(nèi)部和外部合作伙伴/利益相關(guān)者感到驚訝。平均而言，維持100多個(gè)合作伙伴被認(rèn)為是正常的。從需求到供應(yīng)再到銷售訂單執(zhí)行，執(zhí)行一個(gè)同步的端到端供應(yīng)鏈平均需要40多個(gè)接觸點(diǎn)。維持一個(gè)整合的策略來跟蹤供應(yīng)鏈、維持合作伙伴關(guān)系以及在企業(yè)動(dòng)態(tài)變化時(shí)保持技術(shù)的可擴(kuò)展性是一項(xiàng)巨大的任務(wù)。我們不再看到企業(yè)花費(fèi)多年時(shí)間實(shí)施戰(zhàn)略系統(tǒng)（也許ERP和APS是例外），而是更加關(guān)注快速實(shí)現(xiàn)投資回報(bào)、快速實(shí)施并直接解決業(yè)務(wù)需求。我將其稱為“爬、走、跑”的部署方法。?

盡管技術(shù)系統(tǒng)已經(jīng)顯著進(jìn)步，以滿足企業(yè)所需的復(fù)雜性，AI的準(zhǔn)備度和適用性卻成為全球供應(yīng)鏈中廣泛討論的話題。不幸的是，像AI這樣的創(chuàng)新的缺點(diǎn)在于，我們并不總是知道如何評(píng)估新推出的產(chǎn)品。你有沒有問過自己：“我如何定義AI？”以及“我是否深入探討過，并真正理解我在投資和解決的問題？”?

在這個(gè)行業(yè)中正確實(shí)施AI對(duì)于供應(yīng)鏈專家所追求的目標(biāo)至關(guān)重要：全球健康、加快患者獲取救命藥物的速度和途徑，以及改善整個(gè)世界的狀況。要做到這一點(diǎn)，我們需要專注于兩件事：將數(shù)據(jù)量與數(shù)據(jù)的可操作性分離，并真正思考“什么？那又如何？接下來怎么辦？”這一方法。?

首先，在AI競賽中，許多供應(yīng)商都急于強(qiáng)調(diào)他們擁有“最多”的信號(hào)和“最頂尖的軟件，能獲取你所需的所有數(shù)據(jù)”。你見過多少這樣的圖片：顯示華麗的儀表盤，人們坐在5到7個(gè)屏幕前，使用看似未來派的工具集，同時(shí)還在談?wù)揂I和機(jī)器學(xué)習(xí)增強(qiáng)功能？?

這總會(huì)引發(fā)“那又如何？接下來怎么辦？”的問題，因?yàn)橐运槠?、基于指?biāo)的控制塔為基礎(chǔ)的大量信號(hào)負(fù)載成為解釋和決策的“常態(tài)”，這就是所謂的“數(shù)字牛鞭效應(yīng)”，因?yàn)槿藗兺跊]有對(duì)信號(hào)進(jìn)行適當(dāng)?shù)恼w關(guān)聯(lián)和正確利用歷史模式分析的情況下對(duì)異常和信號(hào)做出反應(yīng)，這實(shí)際上可能會(huì)適得其反，因?yàn)槠髽I(yè)發(fā)現(xiàn)員工在應(yīng)對(duì)增加的動(dòng)態(tài)和數(shù)字牛鞭效應(yīng)時(shí)陷入困境，結(jié)果導(dǎo)致了“數(shù)據(jù)致死”的管理方式。?

那么，人們應(yīng)該如何處理這些信息呢？幾乎讓人感到好笑的是，我們?nèi)绱酥匾晞?chuàng)新，以至于愿意購買我們的員工甚至無法使用的工具。我建議我們應(yīng)將注意力集中在整體的可操作性上，而不是某個(gè)解決方案可以提供的信號(hào)量。技術(shù)能在你的數(shù)據(jù)之上引入什么，幫助你的員工篩選出最具可操作性的見解？并且，一個(gè)解決方案如何能夠跨越所有這些合作伙伴系統(tǒng)和數(shù)據(jù)平臺(tái)進(jìn)行分析？?

讓我們來看看普遍存在的中斷問題：日志中出現(xiàn)了不一致，或者運(yùn)輸跟蹤器發(fā)出了警報(bào)消息。人的自然反應(yīng)是升級(jí)處理！采取措施。讓經(jīng)理介入。如果你是那個(gè)經(jīng)理，你就會(huì)進(jìn)入危機(jī)控制模式。?

但這并不總是正確的做法。?

有時(shí)候，不一致僅僅是一個(gè)異?，F(xiàn)象，而人的本能反應(yīng)實(shí)際上可能會(huì)引發(fā)一連串的噪音升級(jí)，從而干擾運(yùn)營。為什么會(huì)這樣？因?yàn)檫@種反應(yīng)是基于“個(gè)體的失誤”而非對(duì)整體形勢的全面理解，這是許多市場上現(xiàn)有解決方案的一個(gè)實(shí)際問題。尤其當(dāng)該工具被宣傳為AI時(shí)……但它真的算AI嗎？?

AI和機(jī)器學(xué)習(xí)是幫助分析大量歷史數(shù)據(jù)、多系統(tǒng)端到端數(shù)據(jù)的工具，它們有助于評(píng)估各系統(tǒng)和功能之間的關(guān)聯(lián)性，并為公司定義的結(jié)果提供解決方案。通過使用AI和機(jī)器學(xué)習(xí)，你實(shí)際上可以利用所有這些控制塔和數(shù)字孿生模型，為你的員工提供有價(jià)值的見解，然后，他們可以做出有根據(jù)的行動(dòng)，更重要的是——知道何時(shí)忽略一個(gè)異?；蚍窃鲆嫘盘?hào)，這引出了我的第二點(diǎn)——理解公司文化、功能設(shè)置和人類本能如何影響AI技術(shù)的實(shí)施。多年來，已經(jīng)引入了各種新解決方案，如ERP、高級(jí)計(jì)劃系統(tǒng)（APS）、運(yùn)輸和最后一公里配送等工具。這些工具在當(dāng)今供應(yīng)鏈的效率和響應(yīng)能力中發(fā)揮了重要作用，然而，它們也帶來了大量的新信號(hào)和信息，而沒有人能全部分析這些信息，更糟糕的是，它們是碎片化的，無法優(yōu)先考慮業(yè)務(wù)目標(biāo)。單個(gè)工廠操作員或物流專家如何判斷哪些數(shù)據(jù)有價(jià)值，哪些數(shù)據(jù)會(huì)導(dǎo)致牛鞭效應(yīng)？將AI/機(jī)器學(xué)習(xí)應(yīng)用于碎片化的供應(yīng)鏈?zhǔn)谴鸢浮?

那么，之前的技術(shù)進(jìn)步帶來了什么后果呢？我們看到桌面存儲(chǔ)的電子表格和孤立的決策方式似乎無法升級(jí)。為什么會(huì)這樣？因?yàn)橄到y(tǒng)的快速變化使人們學(xué)會(huì)了“忽略”信息。我們創(chuàng)造了如此信息過載的環(huán)境，以至于人們理所當(dāng)然地轉(zhuǎn)向他們自己的經(jīng)驗(yàn)來解決問題。我們需要做的是利用AI為人類提供更好的——而不是更多的——信息，這樣他們就能基于現(xiàn)實(shí)而非本能做出決策。?

這正是AI/ML的真正空白所在。我們可以統(tǒng)一供應(yīng)鏈的端到端生態(tài)系統(tǒng)，并通過概率和確定性建模來決定應(yīng)采取哪些行動(dòng)，哪些可以忽略?，F(xiàn)在，我們正在構(gòu)建能夠利用海量數(shù)據(jù)點(diǎn)的模型——關(guān)鍵是——提供正確的數(shù)據(jù)點(diǎn)，以便我們的團(tuán)隊(duì)能夠?yàn)槠髽I(yè)和全球健康做出最佳決策。是時(shí)候擁抱高質(zhì)量數(shù)據(jù)，構(gòu)建一個(gè)人類生態(tài)系統(tǒng)，讓這些信息和技術(shù)能夠應(yīng)用于端到端的供應(yīng)鏈，并讓數(shù)據(jù)驅(qū)動(dòng)決策。