金沙国际-金沙网络娱乐

供应链数字化转型为何总失败?5点落地建议

发布时间: 2021-02-26   浏览次数: 2154

来源:供应链4.0


近年来,“数字化转型”的浪潮浩浩荡荡,渗透到社会生活的每一个角落,并已经被提升到相当的高度。如浙江省人大常委会把《浙江省数字经济促进条例》列为一类立法项目,并且将数字经济列为浙江的“一号工程”;上海市则在2020年底发布了《关于全面推进上海城市数字化转型的意见》,要求在经济数字化、生活数字化、治理数字化等多方面全面推进变革。

从经济的角度来说,供应链(生产、采购、物流、计划等)的数字化转型至关重要,相关的智能制造、智慧物流等也已经成为了大家耳熟能详的话题。然而,数字化转型之路并不平坦,有报告指出相关实践的失败比例高达80%。

如何做好供应链数字化转型?如何让数字化最大限度地助力实体运作?


一、以始为终数字化转型的目的是什么?


除去以形象提升为目的的一些示范项目,如今的企业在推进数字化的过程中还是越来越多地追求经济效益,注重投资回报。这也是数字化项目规划的第一步:确定项目的业务目标。这个目标应该和企业的整体战略相结合。

业务目标至少可以分为开源(更好地触及客户、增加收入)、节流(节省运营成本、采购成本等)、增效(提升协作效率、以及提高系统安全性等)几大方面。

项目设立之初,我们就应该明确数字化转型的主要目的、所需资源、以及项目投入过程中的可能风险等。数字化本身并不是目的,而它们带来的业务绩效提升、决策质量提高等等才是意义。


二、数字化转型也存在“木桶效应”


这一说法来源于知名专家郭朝晖教授。他指出,企业运行往往是多个环节环环相扣的结果。从职能上来说,包括销售、运营、财务、HR等领域;从供应链运作来说,包括生产、采购、物流等环节(当然,其中还有更为细分的环节)。

而协作过程中,任何一个领域出现问题都可能导致链条运行不畅。所以,数字化转型的单点突破,往往并不能带来整体效率的提升。许多时候,更需要关注目前最大的短板(瓶颈)在哪里。

有趣的是,其它领域的生产也存在和供应链运作类似的现象。比如软件开发的过程中,产品设计、开发、测试等环节如果不能作好相互衔接,则可能出现每个环节都忙忙碌碌,但整体效率仍然十分低下的情况,即所谓的“效率竖井”。应对这种情况同样需要整体思维,找到协作过程中的关键瓶颈。


三、明确数字化转型所处的阶段


通常来说,数字化转型不能“一步登天”,而是需要按照标准化、数字化、智能化等步骤循序渐进地推进。

数字化的过程也分为不同的层次:从企业内部信息系统覆盖,到导通企业内各个不同部门的“孤岛”,再到上下游企业彼此之间数据打通。各个层次难度逐步增加,但是能给公司带来的效益也是截然不同的。

推动数字化覆盖的过程中,要尤其注意“线上线下两张皮”的情况。即,企业投入很高成本搞信息化建设,而实际的系统利用率却很低;甚至,斥巨资购置的专业软件只是沦为“数据记录本”,实际运行过程中仍然高度依赖于手工(纸面)和Excel等工具。

为了解决此问题,可以增加自动化采集数据的比例,如应用物联网传感器来自动取数。自动收集到的数据,也可以用来校验/监督人工操作。如在物流运输的过程中监控卡车车门打开的次数,以防止货物被“调包”转运的情况。


四、转型过程需要“刚柔结合”


供应链数字化进程中,信息系统的应用一般是以流程标准化为前提,这意味着对流程的强管控:IT流程中的每一个步骤,都需要按照预先设定的方式来运行。然而,实体供应链运作环节众多,对每一个细小环节都加以强管控的话,成本会令很多企业难以承受。

因此,数字化过程中可能需要有的放矢:对一些关键步骤、瓶颈步骤,需要大力投入,从更细致的颗粒度加以管控;而对非关键环节,则留有一些余地和灵活性,甚至采用外包等方式,不把所有的控制权都把握在自己手里。当然,这种取舍也很考验管理者的战略规划思路。

而“刚性”和“柔性”的取舍之中,一些颠覆性技术可能会起到关键的作用。

例如,近年来机器人技术中的AMR(Automatic Mobile Robot)概念,比AGV概念更为活跃。这就体现出了运作柔性化的趋势:机器人不一定按照预定轨道行进,而是能根据当时情况,灵活决定自身前进的轨迹。

又比如,一些科学家正研究将分子生物技术迁移到制造业中。生物细胞内部的DNA/RNA有存储、有运行,有化学反应和各种分工,可以认为是一个超级工厂。从某种程度上说,其柔性和协作复杂程度远远大于目前制造业的工业4.0生产线。


五、“闭环反馈”用运行过程中的数据来持续指导供应链改进


“长链条的系统改进,必然是一个循序渐进的过程”。数字化转型的过程中,各种流程/模式都不可能一步到位,而是需要精益求精,坚持长期改善。这个过程必然需要大量数据的支持。这也是数字化的最大意义之一,所谓“无法测量的东西就无法改进”。

基于数据的持续改进,对我们还有几点启示:

第一,涉及供应链系统的时候,要有一定的前瞻性,为未来留有一定的空间。一些硬件投入如果一次性投入过大,或是过于固化,将来会很难升级;

第二,系统上的改变如果是很容易可逆的(例如一些小规模试点,或是纯虚拟的仿真),则应该尽快推进、尽快试错;反之,如果完全不可逆,则应该在推进时采用审慎一些的态度;

第三,数据颗粒度对于数字化水平具有决定性作用。如果拜新技术所赐能采集到较为微观层面的数据,或是较为高频的数据,则有可能指导我们作出更有效的决策。