图解供应链设计原则之供应链性能评估

在供应链设计和运营的过程中，性能评估是一个重要的话题，所谓“if you can’t measure it, you can’t improve it”。在此记录一些思考：

（一）“输入/约束/输出”的综合框架

现代供应链是非常复杂的系统。在供应链管理的过程中，我们可以将其看成一个“优化模型”：在XXX外在约束之下，通过输入XXX要素，来追求最优的XXX输出结果。优化模型的细节随着不同的行业/公司/宏观环境等，当然会有非常大的差异。

关于供应链的输出，在《【物流】王继祥：谈谈如何评估企业供应链优劣？》一文中已经有所论述：我们可以从“吃得多”（企业产值增长）、“消化快”（库存周转快）、“吸收好”（资产回报高）、“睡得着”（供应链安全）、“学习成绩好”（数字化供应链和知识积累）等若干方面来设置供应链KPI。其中，供应链安全在这个黑天鹅横飞的年代显得愈发重要，许多企业宁可牺牲一些成本也要保证供应链能顺畅运行下去。而数字化供应链建设则逐渐成为企业生存和发展的前提之一，被作为一项专题来研究。

“输入”是一个企业可以用来改善供应链性能的手段。在《供应链管理：战略、计划和运作》一书中指出：传统的供应链管理手段分为六大方面，其中基础设施建设、运输方式和库存管理是偏“实物流”的手段，而采购管理、定价策略和信息化建设则是偏“信息流”的手段、可以在跨部门协调中起到“四两拨千斤”的作用。除此以外，我们在供应链转型升级的新时代还有更多“武器”可用，包括资金杠杆、颠覆式科技等。以物流机器人、自动驾驶为代表的新科技可以重构原有的业务模式，让供应链在标准化程度和运营效率方面迈上新台阶。随着新技术不断涌现，供应链管理者也需要更大的“脑洞”来学习新的思路。

至于“约束”，则是供应链设计和运营中不得不考虑的外在条件。以经典的PESTLE模型为例，需要兼顾政治、经济、社会、技术、环境、法律等方面的宏观影响。例如：近年来的“逆全球化”趋势重塑了许多行业的供应链全球布局。又例如：“碳达峰/碳中和”相关的政策开始成为各行业企业运营的硬约束，其生产、采购、物流等活动都需要在相关规定的框架内开展。

（二）从空间和时间维度分解供应链

现代企业的经营往往具有多元化特征。如仔细审视，则可能发现以“企业”为单位来划分供应链，存在颗粒度太粗的问题。按照“供应链管理七大原则”（Anderson, Britt and Favre 1997）的第一条，应按照不同的客户群体（customer segmentation）来对供应链进行切分，相应设置定制化的管理体系和供应链输入。

以某知名跨国餐饮集团为例：一方面，它建立了严密的食品安全标准化体系，在全球各地采用通用的采购、物流审核和与绩效跟踪标准；另一方面，它针对中国市场打造独有的供应链体系，在寻源方面不盲目与全球同步，力求扶植本土的优秀供应商，从而不断推陈出新，建立起了本土化产品体系。

如果说按照客户群体来切分供应链是从“空间维度”作分解，那么根据供应链的发展阶段采取不同的管理策略，则是一种从“时间维度”分解的思路。

若是我们把供应链管理的目标简单分为“外部用户体验”和“内部运营效率”两大类（前者更偏向于“多、快、好”，而后者更偏向于“省”），那么一种常见的思路是：在供应链发展的初期，为快速占领市场和获取客户，可将重心放在满足外部用户体验上；当公司发展壮大之后，管理精细化程度提升，内部运营效率亦逐步提高，最终达到鱼与熊掌兼得的效果（此思路仅供参考，需视行业/企业的具体情况作具体分析）。

（三）关于供应链数字化程度：

如前文所述，数字化已经成为现代供应链的重要目标之一，相关的成熟度评估也提上了管理者们的议事日程。在追求“智能化”等更高层次的目标之前，应首先考虑如下的数字化建设目标：

1. 确保数字化建设完整覆盖供应链的各个环节，没有空白。这是确保数据可追溯（以至于更高水平的“数字孪生”）的基础。某汽车物流企业通过应用多种物联网技术，实现了从入厂物流、制造物流到整车物流近四十个环节的数据可视化。华为等公司要求在数据采集中做到“全量全要素连接”：对于手机等产品，其中任何一个元器件出了问题，都要求能够追溯到其生产过程、相关责任人等信息，基于详尽的数据来对内部管理流程作诊断。

2. 从数据集成度的角度来说：如果已经实现了本企业内部的供应链数据集成，那么下一步目标应该是跨实体合作，在更大范围内追求数字化覆盖和数据打通，以利于应用S&OP、CFPR等供应链协同管理工具。

3.  应确保数据的实时在线化，最好是用物联网传感器技术作实时数据采集。一个相关的话题是：要尽可能减少数据的“层层上报”，最理想的状态是从数据产生点直达管理者的决策数据库，如此方能避免数据上报过程中的延时、变形、造假等情况，打造真正的数字化供应链。

如果您对数字化时代的供应链管理感兴趣。