摘?要：企業供應鏈的數字化，因涉及企業價值流端到端的各個職能領域，而面臨比研發、營銷等職能更嚴峻的挑戰。本文作者近年來在多家進行數字化轉型的企業參與其供應鏈運營項目和輔導培訓，結合相關經驗總結出企業面對供應鏈數字化的四個主要挑戰，以及應對時的思考邏輯；可以協助企業思考供應鏈數字化戰略、如何衡量數字化的投入和產出、需要為數字化所做的準備、相應的數字化組織能力和人才問題，從而構建企業在數字化時代的競爭力壁壘。

關鍵詞：供應鏈數字化、數字化戰略、數字化部署評估、數字化組織能力

全球正在步入數字化時代，一個國家的數字化程度，很大程度上決定了社會發展水平的高低。因此，各國都在推動數字化轉型，其中企業數字化更是數字化落地實施的關鍵點。在企業數字化進程中，企業供應鏈的數字化，因涉及價值流端到端的各職能領域，從而面臨更嚴峻的挑戰。

多項調研顯示，目前企業數字化的成就主要來自產品研發和市場拓展，而數字化項目對供應鏈的改善效果相對較小。在波士頓咨詢集團與麻省理工學院合作的調查中，70%的受訪高管表示，數字化成果主要來自研發和市場。據《中國企業數智化轉型趨勢洞察報告》顯示，來自市場營銷和研發設計的數字化成果占企業數字化的58.5%，而來自供應鏈管理的數字化成果僅占17.6%，如圖1。這與國家工信安全中心聯合阿里研究院，對中國157家領軍企業數字化轉型所做調研分析得出的結論也吻合。

本文結合在多家數字化轉型的企業參與其供應鏈項目和落地實施輔導經驗，總結企業面對供應鏈數字化轉型的四個主要挑戰（如圖2），以及應對挑戰的思考方法，協助企業構建數字化轉型的規劃框架。

挑戰1：為了“數字化”而數字化

2020年國家發改委首次明確新型基礎設施的范圍，同時大力扶持企業的數字化轉型。然而，有些企業開展“數字化”卻是為了拿政府補貼或是宣傳，具體表現為盲目地設置“數字大屏”，似乎數字化建設主要是為了企業形象宣傳。目前，很多企業學習先進經驗搞數字化轉型，都要建“數字大屏”，以至于忘記了數字化的本質。

造成這一現象的主要原因，是很多企業沒有分清楚信息化和數字化的區別就開始進行數字化項目。信息化與數字化的本質區別是什么？我們可以將“信息化”比喻為是給現實世界拍一張相片，為現實世界制造一個數字平行空間。信息化輸出的主要使用者是管理層，用于對企業狀態的掌握。而“數字化”則是數字平行空間要反過來影響現實世界。一個成功的數字化企業，數字化輸出的使用者是每位一線員工，用于更準確、高效地處理日常業務。所以，信息化賦能管理者，數字化賦能員工。這是一個用數字化提高企業生產力的過程，需要企業有明確的戰略。

在由中國機械工程學會主導的2021年制造業供應鏈發展調研中，關于“企業是否有供應鏈數字化戰略？”的問題，結果顯示有供應鏈數字化戰略的企業僅占31%（見圖3）。因參與該調研的主要為制造業中大型企業，該數字必然高于國內企業平均水平。?

供應鏈運營在鏈接企業研發與市場營銷的“端到端”的價值鏈中，其數字化轉型升級使得企業間競爭能力的差異，得以更加數據化和顯性化。因此，盡管相比研發端和市場端的數字化更加復雜，但供應鏈數字化仍然是企業數字化升級的必要環節。

在很多企業里，對待數字化的態度并不統一。高層認為是大趨勢，或是害怕錯過，不得不為；中層各自領會，忙著上數字化項目，并避免新變革下的權力被切分；一線員工收到具體的任務，往往是目標和邏輯都沒有被完整的傳達。在類似這樣的情況下，即便是開展了數字化升級，原有問題依然會大概率存在；甚至數字化會進一步將原問題流程固化到系統里，將流程的雙刃劍升級成數字化的雙刃劍。

應對這一挑戰，企業需要有清晰的供應鏈數字化戰略，將一些關鍵問題思考清楚。例如，供應鏈數字化轉型為企業解決什么痛點？帶來什么增值點？這些問題的答案，要在企業內部形成一致理解，并貫穿到一線員工。基于上下一致的共識，才能規劃出切實具體的數字化目標和實施路徑。?

同時還要思考：要解決的問題，是業務問題，還是技術問題？現在涌現出許多概念，如“全渠道”，有些IT企業宣稱能夠提供全渠道解決方案，但“全渠道”的本質是業務問題，需要從公司競爭戰略出發，將各渠道的利益關系理清楚。如果不同渠道的權、責、利的范圍、業務模式等沒有明確，無論用多么先進的數字化系統，最終都是無效的。

再比如“供應鏈控制塔”，主要是來鏈接供應鏈的各個執行系統，既是業務問題，也是技術問題。業務問題，是指要打通OMS、SCM、WMS、TMS等不同職能的系統，規劃系統間邏輯關系，需要數字化頂層架構設計。很多供應鏈控制塔項目，因缺乏頂層設計，導致最終實現的價值很低。技術問題，是指從技術角度，供應鏈控制塔相當于ERP2.0。

此外，還有數字孿生、數智化、AI等更多偏重技術的問題。有些技術可以通過外部購買，有些則只能企業自研，其投入與產的權衡取舍，也取決于企業戰略。

企業供應鏈數字化，對滿足市場多樣化需求、訂單交付質量、成本管控等方面都有非常重要的影響。供應鏈數字化戰略旨在明確企業供應鏈數字化的發展定位與價值導向，在企業內部建立從上而下的共識、目標與升級路徑，避免企業為了“數字化”而數字化。

挑戰2：數字化部署的ROI評估

數字化通過賦能員工，從而提高企業生產力，但如何評估其投入與產出？30多年前，當ERP開始進入企業時，曾有句經典總結：“不上ERP等死，上了ERP找死”。可見任何時期，信息技術的變革對企業來說都是極限挑戰。今天的數字化升級，核算數字化項目的ROI，評估結果、實現時間、優先級，是數字化變革中的第二大挑戰。

其挑戰的一個具體表現是，企業領導者考慮數字化項目時，容易局限在項目本身。這同時也是數字化戰略缺失的表現。一個案例可啟發企業思考數字化的長期投入產出評估。

International Paper是一家國際性造紙和包裝材料企業，在北美洲、歐洲、拉丁美洲、亞洲和北非地區的超過24個國家擁有約55,000名員工，是全球十大紙業公司之一。它在長達15年的擴張期共收購了75家公司，不同的系統和統計口徑曾造成該公司總部的財務需要96名員工專做報表匯總。企業的信息化孤島問題，嚴重拖累了企業的運營效率，并降低生產力。

該公司前后投入7000多萬美元用于數字化轉型。在該集團完成初步數字化，剝離其子公司Arizona Chemicals時，因其完善、可追溯的數據流，以及打通的數字化平臺，子公司估值與數字化前已相差2倍多。其他剝離的公司也都獲得了極好的收購溢價。這種企業估值的變化，雖然很難在數字化項目初期做出準確評估，但其長遠價值不容忽視。

挑戰的另一個具體表現是，領導者往往最先想到升級系統，但其本質一是沒理解和區分“業務對象數字化”與“業務流程數字化”的不同；二是沒理解數字化中IT底層技術差異，因此低估了技術應用部署的困難。

假設企業信息化做得好，已應用ERP協同SRM/CRM/WMS等系統，卻也只是做到了“業務對象數字化”，“業務對象”是數據庫里的客戶、供應商、倉庫物料、訂單等等業務信息實體。比如實施SAP時，“業務流程”更多是存在于電子化的業務流程圖，需要員工用賬戶登錄，使用運行代碼，即在模塊范圍內是人在控制的。而“業務流程數字化”，是對業務對象的“增、刪、查、改”等操作和操作組合，亦即操作本身被數字化，結合各種判斷，涉及算法及人工智能。

關于IT技術底層“根技術”的差異，對比技術發展的兩個標志性事件：1997年“深藍”擊敗國際象棋大師卡斯帕羅夫，2016年“阿爾法狗”擊敗圍棋世界冠軍李世石。表面看起來，這兩件具有里程碑意義的事件，似乎是機器與人類智力對決的性質，其實卻是人工智能的一次大轉型。

“深藍”代表著專家系統的人工智能。即按照人類制定的規則進行運算和推演，依靠強大的計算能力超越人類。而“阿爾法狗”代表新一代人工智能，也就是機器學習，根本不用人類教它如何下棋，而是依靠觀察自成大師，并創出人類經驗中完全沒有的新棋路。

鑒于底層“根技術”的差異，涉及復雜算法或AI的數字化應用，企業要謹慎評估。因為技術的商業化成熟期通常很長，一般要10年以上。那難道就完全放棄對新技術的嘗試嗎？應對這個挑戰，可考慮模塊化應用，實際在企業級數字化技術應用層面，模塊化的輕量級部署越來越受到重視。

Gartner報告稱，到2023年系統服務商85%的數字化解決方案將專注于具體功能和垂直行業，在許多常見供應鏈相關模塊化應用，如高級規劃與排程系統（APS）、運輸管理系統（TMS）和倉庫管理系統（WMS）中，已嵌入算法或AI人工智能功能。同時，在云平臺、移動應用、大型企業SaaS、低代碼開發、大數據處理等主要功能之上，也加入了人工智能、流程自動化等新技術。企業組織可以使用開源平臺構建自定義模型，選擇模塊化應用程序，以解決新技術應用的部署問題。

同時需要注意的是，即便僅采用輕量級模塊化應用，仍會出現員工抵制新技術的情況。例如，UPS采用公路集成優化導航時，基于大數據和AI的路線優化工具，可以預測駕駛員無法察覺的成本和時間損失，從而指導司機的行車路線。然而在實施中，司機有時會拒絕相信算法模型規劃的路線能夠在時間表現上一樣好或更好。

因此，在企業內部建立數字化運營的共識，也就是“挑戰1”中提到的，從高管到員工對企業數字化戰略目標的共識，是新技術應用能夠在企業基層執行，并真正實現數字化賦能員工的重要基礎。

挑戰3：數字化準備和數據基礎

數字化升級進程中，需要將原本被零散丟棄、沒有標準的數據，通過有規劃的數據采集、清洗、挖掘，生成各種數據應用。可通過數據發現過去沒有被發現的異常、問題，并找到解決辦法。企業數字化升級的實際操作中，數據基礎是供應鏈數字化項目所面臨的第三個主要挑戰。在《2021年制造企業供應鏈發展調研報告》中，關于供應鏈數據管理，僅有不到1/3的企業有供應鏈數據管理崗位（如圖5）。

解決方案是通過數據治理，對數據的資源整理、數據采集、數據存儲、數據管理、數據使用、數據安全等，進行體系化的治理。企業需要預見到，合格質量的數據準備在項目初期是非常耗時，卻是必須進行的工作。

在數據治理中，公司還應更加關注數據質量和相關性，而不是數量。與大部分人的普遍的認知相反，很多算法和人工智能在起初階段不是收集的數據量越大越好，而是更注重數據的完整性，需要全維度、全過程、全場景的數據標簽。

因為算法可以通過在開始時使用合理數量的高質量數據來增加價值，然后在新數據可用時逐漸豐富數據池。許多人工智能嵌入式的供應鏈模塊已經優化了算法，使用較小的數據集來解決數據匱乏的問題。同時，使用其他外部數據源也是不錯的補充，包括天氣、宏觀經濟和人口統計數據。例如，為了預測冰激凌的銷售，將天氣數據添加到模型，可以提高預測的質量。

數據治理涉及業務流程梳理，要保證數據的準確性，并達到不同口徑的數據對攏，是一項持續性工作；也是一個關注在數據的系統執行層面的體系。數據治理涵蓋前端業務處理系統、后端業務數據庫以及深入的數據分析，從源頭到終端再回到源頭，并形成一個閉環反饋系統。

同時需要注意的是，即便企業通過數據治理建立好數字化基礎，是否就能夠做到數字化賦能員工，輔助決策呢？“用數據說話”是企業數字化能夠獲得的主要價值之一，但另一個事實是，數字也是特別容易被操縱的，只要換一個說法，就能讓數字只傳遞想傳遞的信息。

以百分比為例，我們在超市購買了一盒速溶熱可可，包裝上標明“99.9%不含咖啡因”，便可能覺得晚上喝一杯并不會影響睡眠。可我們也應知道，一杯500克的星巴克含有415毫克咖啡因，其咖啡因含量僅為0.075%，同樣不到0.1%，即便星巴克的超大杯咖啡，也是99.9%不含咖啡因的。可以說，那盒速溶熱可可包裝上的咖啡因含量標注，雖然數字是真實的，卻具有相當大的迷惑性。

因此，即便企業通過數據治理解決了數據基礎問題，合理地挖掘數據價值也是數字化項目成敗的關鍵因素。實際拋開技術本身，數字化在實施過程能否成功，歸根到底是與企業的組織能力有關。這也就關系到企業供應鏈數字化面臨的第四個挑戰。

挑戰4：組織能力與人才問題

在2021年Gartner Research Circle的調查中，56%的受訪企業表示缺乏數字化轉型的人才。筆者在對很多企業的訪談中，也可以看到普遍的反饋：組織能力和人才的缺乏，是阻礙供應鏈數字化項目取得成功的主要原因。事實上，很多公司在數字化推進到深水區時，才發現最大的挑戰和瓶頸，還是人與組織的問題，而不是技術的問題。

應對這一挑戰，公司需要從組織架構、領導層的認知能力、員工治理等三個方面入手。

1.組織架構

組織架構調整背后是責、權、利的重新分配。如何讓員工運用新的技術和工具，使企業的效益最大化，這是數字化問題，更是管理問題。企業數字化轉型需要相應的組織承接，比較普遍的有兩種方式：

方式一，是總部集中驅動模式，即單獨成立一個科技公司，或者設立負責數字化的CIO/CDO，由該部門去負責相關的項目。該方式的好處是集中數字技術、人才資源優勢；劣處是負責業務和負責數字化的人很難順利達成共識，項目推進效率低。

方式二，是把業務人員和數字化人員組成混編團隊，數字化專家和業務專家共同做業務設計、數據分析、定義系統功能與參數。團隊成員互相學習、逐步融合，共同成為企業數字化的中堅力量。該方式的優勢是項目成功率高，劣勢是人員成本高。

2.領導層的認知能力

正如組織架構調整背后是責、權、利的重新分配，如果領導者無法厘清分配機制，數字化很難成功。一些比較成功的企業都是從一把手開始建立認知能力。例如，2018年三一重工董事長梁穩根說：“數字化轉型，不翻身，則翻船。”他讓手下搜集了關于數字化和智能制造的數十本著作、幾百個視頻，不但自己深入學習，還經常和管理團隊討論。三一重工的做法，正如Gartner組織能力的公式：組織能力=思維模式+數字化技術+企業實踐。?

3.員工治理

在“挑戰1”的分析中提到：信息化賦能管理者，數字化賦能員工。在數字化時代，企業傳統意義上的金字塔組織架構很難適應未來的競爭，除了組織架構調整，也要放大一線員工的決策權，但這需要在人才招募、人才培訓方面下功夫。比如，聘請精通數字技術的領導者加入高管團隊。對傳統行業來說，數字化結果充滿了不確定性，戰略可以規劃，戰術卻需不斷調整。一個具有深厚的數字化技術背景和項目經驗的數字化高管，能夠深刻理解公司的戰略目標，掌控數字化轉型方向和節奏，確保公司數字化轉型戰略的落地。

同時要明確數字化企業所需要的能力，注重培養普通員工的數字化能力。要篩選有能力接受培訓，以履行新的數字化運營角色的內部候選人，即一些懂業務的科技人才，或者一些懂科技的業務人才。通過“業務+數字化”雙能人才培養，比如規劃員工參加在線培訓或當地大學的研究生課程，并支付部分費用，這意味著公司需要為數字化培訓制定預算。

其實，目前越來越多的供應鏈系統解決方案嵌入了AI算法，這最大限度地減少了企業對算法專家的需求。企業更加需要的是形成一種新的思維模式和決策模式，更加依靠數據來做決策，而不是依靠過去少數人的經驗判斷。供應鏈人員要在專業的邏輯基礎上，學習企業所選擇的系統，利用其參數和算法，結合經驗和數據，做出更加優化的決策。

另外，企業也可以采用咨詢服務的方式，聘請系統服務商來填補人才缺口。外部的算法專家可以支持不同供應鏈業務部門的團隊，企業的業務專家讓算法專家了解業務狀況的變化。例如，外部算法專家分析相關性，并將其他相關的外部數據添加到現有模型中，如城市的生產總值、人口數據等。

企業管理中的不確定性，來自影響企業管理決策的各種因素的變化速度和復雜性。復雜性造成信息的膨脹和各種因素之間的因果關系模糊，快速變化使得決策難以跟上變化的速度。數字化可以更好地應對不確定性，而組織能力建設和人才梯隊的培養更是應對不確定性的基石。

總結

企業供應鏈數字化的主要挑戰和應對邏輯，是一個持續運營的過程，是“業務－技術－數據－人才”相互作用、相互迭代的過程。企業需要以明確的供應鏈數字化戰略來應對；多角度考慮投入與產出，平衡成熟技術與創新技術的應用，以戰略為指導在成本可控的基礎上，靈活采用不同的形式；同時在信息化的基礎上建立數據治理體系，為數字化打好基礎；而一切的基礎性工作都需要從組織架構、領導層的認知能力、員工治理等多個方面做好組織的能力建設。企業供應鏈中各環節的數字化進程和質量需要逐步發展，才能使得企業可以快速應對持續變化的市場需求以及外部環境的復雜性，在商業浪潮中保持競爭力。