在当前的 COVID-19 大流行期间，几乎所有公司都面临着需求的重大变化。一些公司的收入显着增长（例如，杂货连锁店、包装食品公司），而另一些公司的收入则下降到不可持续的水平（例如，航空旅行、酒店、汽车）。如果他们服务于终端用户需求水平非常不同的不同行业，还有其他人已经看到了这两种结果。

虽然具体情况各不相同，但所有产品生产公司都有共同的经验，其中包括：

未及早发现不利趋势
中断的影响难以理解
预测近期和中期未来的能力有限
很难制定一套连贯的替代方案
公司识别和选择最佳方法的速度很慢
当前的计划和执行系统没有足够快地重新定向
使用中的分析解决方案是孤立的，不够智能
现有的预测性和规范性分析不是很有帮助
不难理解为什么会这样。迄今为止部署的供应链分析在回溯时最为有效，可用于理解和帮助解决当前问题。供应链旨在管理大量供应商和服务提供商之间的协调和协作。大流行造成了如此多的问题，以至于供应链普遍受到影响——例如，单个关键供应商的意外问题可能会使整个供应链的决策复杂化。当前的计划和执行系统以及相关分析都旨在为供应链的一部分而不是整个供应链提供洞察力。

更智能的分析如何提供 帮助
可以肯定的是，未来的可预测性将继续低于当前供应链设计团队的预期。因此，分析需要在三个基本方面变得更加智能，以使现有的企业流程（例如，S&OP）和 IT 解决方案（例如，ERP）在面对更大的不确定性时更有效地执行。那么，新的、更智能的供应链分析需要什么？

需要尽早发现不利趋势
快速开发和评估替代方案以避免中断
将商定的计划快速交付给 SC 规划和执行工作流
到目前为止，实现这一愿景所需的计算能力还没有足够的时间或成本效益来支持它。按需计算资源的可用性使实时供应链分析变得可行。随着时间的推移，按需计算时间的成本将继续快速下降，特别是当新的 GRU 解决方案使实时算法能够利用预先构建的量子计算解决方案时。

智能 SC 分析将专注于预测未来。一个关键因素将是对社会、商业和政府行为进行更广泛的监控。已经存在数据集以支持早期识别环境变化，这些变化可用于预测需求变化和潜在的破坏性事件。

大多数公司都制定了但不是自动化的业务连续性计划，可以在面对许多不同形式的潜在中断时实施。想象一下，使用分析来自动创建一组推荐的操作，这些操作考虑了过去业务连续性计划和战略的逻辑。但这仅仅是开始。

大多数供应链知识工作者、经理和高管正在熟悉人工智能和人类协作的概念。我们了解到，人工智能更擅长从大量的日常数据集（例如，来自关键客户的 POS 数据）中找到重要的见解。现在让我们将这种想法延伸到未来。公司通常拥有成百上千的供应商，并管理着数万或数十万个 SKU。了解如何将供应链调整为“大规模”的新未来也是人工智能相对于人类的优势。

公司已经并且仍在追求大量的集中改进工作。以下是智能分析可以解决的挑战和机遇的代表性列表：

需求规划和预测 ——公司使用的大多数预测模型都是基于多年的时间序列，鉴于 Covid-19 的巨大影响，不仅对总需求，而且对组合的影响，目前无法得出准确的预测跨渠道的产品。
分析机会： 监控需求驱动因素并帮助知识工作者了解相关消费者和商业行为的变化如何演变，以及它们将如何选择性地影响产品需求（产品、季节、地理等）以及全球。
供应链事件管理——关于意外事件的实时警报变得比以往更加重要。端到端的实时重新规划是避免进一步侵蚀利润的重要能力。
分析机会： 自动启动预定义的工作中断避免工作流，并在其当前操作环境（IT 解决方案、工作流、设备等）内向知识工作者提供必要的数据和建议的决策。监控进度，识别风险，并定义和预测何时需要完成必要的更改以避免中断。  
供应商风险缓解——公司需要对其供应商组合进行全面审查，以重新评估、预测和持续监控每个供应商的财务状况，并相应地制定应急计划。从质量保证/质量控制的角度来看，即使是“健康的供应商”也需要重新获得资格（因为大多数人会试图降低他们的采购、生产和交付成本，这可能会危及质量和准时性）。
分析机会： 识别并优先考虑有风险的供应商和外部数据以及启动重新认证和纠正措施工作流程，再次提供知识工作者做出最佳决策所需的洞察力。
供应链重新设计 ——随着新的需求模式和旅行限制将长期持续存在，公司迫切需要重新评估其当前的供应链网络并重新评估优化策略。
分析机会： 确定重新设计优先级并自动或半自动创建重新设计方案备选方案。
销售和运营规划/综合业务规划 ——在自 3 月中旬以来已成为新常态的混乱商业环境中识别新趋势、模式和异常值的能力正在成为关键的竞争优势。能够获得更准确、更及时的洞察力的公司——通常是通过将最近的内部数据与外部指标相结合——将能够将其 S&OP 流程用作战略武器。
分析机会： 使用更新的预测模型快速改变计划假设，并使执行流程尽快反映新的现实。
产品组合合理化 ——从长远来看，Covid-19 正在给购买习惯带来重大变化。更具成本效益、更简单的产品可能比复杂、功能丰富、更昂贵的产品表现更好。公司应立即开始关注其产品组合并制定合理化战略，以最大限度地关注畅销产品并降低总体成本。
分析机会： 根据需求驱动因素的变化，确定适合提前退休的产品，并为相关知识工作者提供支持数据和决策建议，以加速应用。
备用产能规划——除了少数行业，大多数公司现在都面临着可预见的未来（机器、工具和人员）的备用产能。需要设计战略以充分利用它（转售、回收、升级……）
分析机会： 确定整个供应链中的备用产能，并为知识工作者提供分析见解和决策建议以评估和执行。
库存计划 ——需要立即审查安全库存政策，从而对所有 SKU 进行重新分类。应密切监控因 Covid-19 加速报废的产品，以避免库存冲销激增。
分析机会： 重新评估安全库存计算并自动启动标准工作流程，以便在整个企业中尽快根据需要进行调整。
运输管理 ——将运输外包给 3PL 的公司需要紧急审查他们的合同，以获得更符合新需求量和模式的更好条款。
分析机会： 快速制定新的规划假设，以便根据运营环境的变化重新评估内部和合作伙伴的规划和优化分析。

结论
开发用于管理和优化当前计划和执行工作的解决方案和工作流程已经花费了多年或数十年的时间。这些“系统”设计中的一个固有假设是过去可以很好地预测未来。考虑到流行病的影响以及中美贸易关系可能发生的变化，现在相信这一点是一个冒险的假设。

需要更智能的供应链分析来适应未来不可预测的中断。最成功的公司将使用分析足够快地重新制定计划和执行假设，以避免受到每个潜在供应链假设的重大影响。

除了着眼于未来，智能分析还需要为知识工作者提供详细的见解，使适应新的未来更容易理解和实施。与往常一样，我们不推荐大爆炸的方法。从小处着手，在成功的基础上再接再厉。对于未来几年将继续表现出色的公司而言，采用新的、更智能的分析是必要的。

编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选