供应链分析需要更智能
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。一些公司看到了显着的增长（例如，杂货连锁店，包装食品公司），而另一些公司的收入下降到了不可持续的水平（例如，航空旅行，酒店，汽车）。如果它们为最终用户需求水平差异很大的不同行业细分市场提供服务，则还有其他两种结果。
尽管具体情况各不相同，但所有产品生产公司都有共同的经验，其中包括：
尽早发现不利趋势
破坏的含义很难理解
预测近期和中期前景的能力有限
很难开发出一套连贯的替代方案
公司在确定和选择最佳方法方面进展缓慢
当前的计划和执行系统的重定向速度不够快
使用中的分析解决方案过于孤立，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顾时最为有效，可用于了解和帮助解决当前的问题。供应链旨在管理大量供应商和服务提供商之间的协调与协作。大流行病造成了很多问题，供应链受到了广泛影响，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的分析都旨在提供有关供应链子集而不是整个供应链的见解。
智慧分析如何提供 帮助
可以肯定地说，未来的可预测性将比目前的供应链设计团队预期的少。因此，为了使现有的企业流程（例如，S＆OP）和IT解决方案（例如，ERP）能够在面临更大的不确定性的情况下更有效地执行，分析需要以三种基本方式变得更加智能。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
快速将约定的计划交付给SC计划和执行工作流
直到现在，实现这一愿景所需的计算能力还不足以在时间或成本效益方面为它提供支持。按需计算资源的可用性使实时的供应链分析变得可行。并且随着时间的流逝，按需计算时间的成本将继续快速下降，尤其是随着新的GRU解决方案使实时算法能够利用预建的量子计算解决方案的时候。
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。已有数据集可支持及早发现环境变化，这些变化可用于预测需求变化和潜在破坏性事件。
大多数公司已经制定了业务连续性计划，但并非自动化，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建议的操作，这些操作考虑了过去业务连续性计划和策略的逻辑。但这仅仅是开始。
大多数供应链知识工作者，经理和高管都对AI和人工协作的概念越来越熟悉。我们已经了解到，人工智能在发现庞大的每日数据集（例如，来自关键客户的POS数据）中的重要见解方面要好得多。现在让我们将这种想法延伸到未来。公司通常有成百上千的供应商，并管理成千上万的SKU。理解如何将供应链调整到新的未来“大规模”，这也是AI相对于人类的优势。
公司已经并且仍在进行大量的有针对性的改进工作。以下是智能分析可以解决的挑战和机遇的代表性清单：
需求计划和预测  –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不仅对总需求，而且对混合需求都产生了巨大影响，因此目前无法提供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的消费者和商业行为的变化方式，以及它们将如何选择性地（在产品，季节，地理位置等）以及全球范围内影响产品需求。
供应链事件管理 –突发事件的实时警报变得比以往更加重要。端到端的实时重新计划是避免进一步侵蚀底线的一项至关重要的功能。
分析机会： 自动启动预定义的避免工作中断的工作流，并在其当前操作上下文（IT解决方案，工作流，设备等）中向知识工作者提供必要的数据和建议的决策。监视进度，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。  
减轻供应商风险 –公司需要彻底审查其供应商的资产组合，以不断地重新评估，预测和监控每个供应商的财务状况，并相应制定应急计划。从“质量保证/质量控制”的角度来看，甚至“健康的供应商”也需要重新获得资格（因为大多数人将试图降低其采购，生产和交付成本，从而可能危及质量和守时性）。
分析机会： 确定有风险的供应商和外部数据并确定其优先级，并启动重新认证和纠正措施工作流，从而再次提供知识工作者做出最佳决策所需的见解。
供应链重新设计  –随着新的需求模式和旅行限制有望长期持续存在，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： 自动或半自动确定重新设计的优先级并创建重新设计方案的替代方案。
销售和运营计划/集成业务计划  –在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，新模式和异常值的能力正成为关键的竞争优势。能够获得更准确，及时的见解的公司（通常通过将最近的内部数据与外部指标进行混合）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可以快速更改计划假设，并使执行流程能够尽快反映新情况。
产品组合合理化  –从长远来看，Covid-19带来了购买习惯的重大变化。具有更高成本效益，更简单的产品可能比复杂，功能丰富且更昂贵的产品更好。公司应立即着眼于其产品组合，并制定合理化策略，以最大程度地专注于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，确定可以提前退休的产品，并为相关知识工作者提供支持数据和决策建议，以加快其应用速度。
备用容量计划 –除少数行业外，大多数公司现在在可预见的未来（机器，工具和人员）都面临备用容量。需要设计策略以充分利用它（转售，回收，升级等）。
分析机会： 确定整个供应链中的备用容量，并提供分析见解和决策建议，以供知识工作者评估和执行。
库存计划  –需要立即审查安全库存策略，从而导致对所有SKU进行重新分类。应密切监视其使用寿命被Covid-19加速的产品，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，以在整个企业范围内根据需要尽快进行调整。
运输管理  –已将运输外包给3PL的公司需要紧急审查其合同，以获得更符合新需求量和新模式的更好条款。
分析机会： 快速制定新的计划假设，以根据运营环境的变化重新评估内部和合作伙伴的计划和优化分析。
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已经花费了很多年或数十年的时间。这些“系统”的设计中固有的假设是，过去可以很好地预测未来。假设现在考虑流行病的影响以及中美贸易关系可能发生的变化，这是一个冒险的假设。
需要更智能的供应链分析，以适应未来无法预测的中断。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，以避免遭受每个潜在供应链假设的重大影响。
除了着眼于未来，智能分析还需要向知识工作者提供详细的见解，以使其更容易理解和实施适应新的未来。与往常一样，我们不建议采用大规模的方法。从小处着手，以成功为基础。对于未来几年将继续保持卓越表现的公司而言，采用新的，更智能的分析方法是必要的。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！