数字新基建指南｜数据智能时代的供应链管理与变革

“数字新基建指南”

数字经济时代下，越来越多的行业和企业将数据视为核心资源、资产和财富，争先制定数字化转型战略，抢占数字经济的制高点。如何推动数字化转型，建设数字新基建，已成为行业十分关注的话题。

 

袋鼠云成立六年来，服务超3000家行业标杆客户，在数字行业领域有丰富的前期规划、中期落地及后续持续经营的经验和能力。希望通过“数字新基建指南”专栏文章的分享，为读者们献上系列行业解决方案与实践案例分析，与读者交流沟通，共同加快推进数字化转型。

 

本专栏每周更新1篇，敬请期待～

 

数据智能时代的供应链管理与变革 Vol.4

作者｜杜康

编辑｜昀岫、槿书

 

本文4783字 约15分钟阅读

 

企业推进数字化转型中，供应链数据管理是其中重要的课题之一，已被大部分品牌、生产制造企业所重视并列为战略优先发展领域。企业随着业务的快速增长，会给后端供应链造成极大的压力，构建稳健的数字化运营管理体系、数据中台保障业务的快速发展成为企业首选。企业通过完成供应链板块的全面数据化，解决从供应端到门店的数据拉通，实现业务流程标准化、指标体系规范化、全域数据可视化，把数据应用落在业务运营的细节中，辅助决策层、管理层、执行层做到数据分析和数据决策，发现降本增效的机会，发现业务流程优化突破点，实现供应链的提升。

 

01

供应链当前现状与趋势

传统的竞争策略主要围绕如何将产品“推销”给消费者。所以竞争策略强调 “经营为王”（质量、性价比）和“渠道为王”（占有率），这样才能覆盖并吸引更多的消费者以实现销售。

 

 

新经济下，消费者在消费过程中的搜索阻力（如信息不对称）和购物阻力（如门店数量）急剧下降，消费场景也丰富化，因此竞争策略要强调“用户为王”，比如用户基数、粘性、流量、互动和体验等，这样才能把握并转化消费者，提高销售。消费的诉求变得更加多样与苛刻，由此，后端的响应能力与消费者的服务能力，变得尤为关键重要。

 

 

在疫情影响下，各行各业受到了对应的冲击，然而数字化经济蓬勃发展，新群体、新渠道、新的产品不断涌现不断拉动内需，增强市场消费。从国内情况来看，有以下特征：

 

·全球疫情、经济下行、人口减少

1）2020年全球疫情蔓延，对于整个行业产生了巨大冲击，航空公司维珍航空、新西兰汉堡王、JC Penny宣布破产；乐购TESCO、Old Navy、Superdry退出中国市场。

2）人口老龄化与人口减少困扰全球经济。

 

·货品需求多、库存压力大、毛利低

1）疫情影响，人均消费能力下降，购买力削弱，对于商品购买回归理性与观望态度，注重产品安全、价格。

2）产品需求差异，在产品服务、性价比、品牌需求各不相同。

 

·新场景、新渠道、新品牌

以罗永浩、薇娅、李佳琦为主的直播带货主播，在抖音、快手上实现高速的销售额增长。巨头企业（李宁、飞鹤、如新）等行业巨头企业试水直播、拼团，新渠道、新电商快速崛起。花西子、完美日记、百雀羚等品牌借助新渠道迅猛增长。

 

02

企业供应链数字化转型

企业在数字供应链的过程中，一方面会以实现几个业务目标为主，常见以整条供应链各环节各部门横向纵向数据拉通、订单库存实时化、仓储作业自动化数据化、全链路可追溯、物流链路可优化、数据海量高效分析为主；另一方面会考虑到实际的业务背景，2020年的疫情使得企业经营的外部环境发生了方方面面的变化。

群体变迁

随着人口减少、老龄化、新一代00后消费能力的提升，理解消费者、拥抱消费者变得尤为重要，消费者分层、差异化营销、私域流量运营成为企业化数字转型的关键。

• 人口红利消失
• 用户拉新难
• 消费者难运营，关联营销难
• 用户忠诚度差，易流失

产品迭代

大部分消费者回归理性，产品多元化满足市场需求，市场上新退市速度、迭代周期快。消费者期望得到高响应性和定制化、安全的产品与服务。

• 产品追求比较性价比
• 产品需求多样化，规模化难

市场节奏

渠道多元化、消费者营销触媒碎片化，消费者行为轨迹变得更加难以搜集；快速在新渠道中做出成绩、为新渠道数字化赋能变得尤为关键；随着生产、物流数字化，用户服务水平得到极大提升。

• 场景碎片化
• 渠道变化速度快
• 对于后端服务、及时性要求高

采购与计划

短期、中期、长期缺乏数据指导；原材料品种繁多，大龄与呆滞库存需要花大量时间处理与跟踪；供应商资质、产能、库存信息无法纵向拉通；采购品类缺乏分析，安全库存执行和合理性无法跟随市场变化，市场反应滞后。前端销售预测同步滞后，准确性不佳；需求计划看不到经销商、门店库存信息，没法提前了解补货梳理及节奏；执行中长期供应计划，无法实现后端产能最合理调配，仓库之间货龄平衡、产品退市系统承载不全面。

生产与质量

短期原材料采购损耗处理、部门协同、供应商筛选缺少数据支撑；质量检测环节缺少信息提醒、人工检测原材料质量耗时、易犯错，库存大龄缺乏检验提醒；关键工序人工耗时、生产过程类型数据分散、缺乏多工厂横向分析；产成品放行时间缺乏分析、检测环节缺少数据提醒；数据问题工厂间物料共享、库存信息同步差。

物流仓储与销管

调拨计划缺乏数据支撑；过单趋势经验判断、排单需要通过多历史报表分析繁琐；物流成本缺乏多维分析，物流时间损耗需要数据精细化管理；各个仓库周转率、运营情况、仓库容量无法视角一致。系统无法根据客户客户优先级来进行订单交付分配管理；缺乏对到货周期长的客户自动分析，订单满足率缺乏多维度分析。

 

03

袋鼠云数据中台支撑企业供应链数字化

针对行业的现状与趋势，品牌企业推动企业供应链数字化，需要针对自身能力和所处发展阶段量身定制数字化转型路径，确定相应的目标、战略、流程、组织及人才、结合数据资源情况以及企业自身的技术情况。品牌企业的IT战略需保持与业务和供应链战略的一致性，服务于企业的全渠道和服务响应能力，实现“连接消费者”和“掌握数据资源”、“挖掘数据价值”。

首先，品牌企业需搭建适应全渠道基础的企业架构，其中涉及到用户、交易、订单、仓储、物流、经销商、门店等前中后系统架构。

其次，需具备系统整合能力。与上下游伙伴、集团中分子公司的系统集成能力是品牌企业必须具备的竞争能力。企业需思考如何建立数据共享机制，通过建立互信实时共享数据，信息的透明和可预见性会使企业的运营更加顺畅稳定。因此，数据将促进企业与合作伙伴间、企业分子公司之间更深层次的数据协作。

第三，企业还需建立完善的数据治理结构以满足内部控制、财务管理以及安全性的要求。全渠道零售中，订单入口多样化，渠道库存共享化，交易路径复杂化，需要企业能够建立跨系统的数据调和能力，对系统内/间的数据差异或差错进行实施监控并解决。

第四，企业应更强调数据能力的快速迭代和数据服务响应能力。

最后，需构建数据分析能力以及基于数据科学决策的治理机制，保障数据价值与迭代。

通过数栈DTinsight，进行统一存储、统一开发、管理数据安全，提升开发效率。

数据采集层

RDBMS(MySQL、SQL Server、Oracle)数据源通过直连方式进行数据采集。非结构化和半结构化存储的图片通过离线文件方式进行采集。用户行为日志通过Flume+Kafka形式进行实时采集。基于袋鼠云自研的FlinkX流批一体进行离线及实时数据采集。离线采集通过直连异构数据库 (备库)来抽取各种时间窗口的数据。实时采集有以下两种采集方式：一种方式通过读取数据库中的日志文件，进行变更采集。比如MySQL Binlog文件，Oracle通过Logminer解析Log文件进行读取Insert、Update、Delete等操作变更数据。另外一种方式间隔轮询是通过JDBC发起查询请求，通过短间隔的查询数据的方式来达到一个近似实时采集的功能。

数据存储与计算

数据只有被整合和计算，才能被用于洞察供应链规律，挖掘潜在采购、物流、仓储信息， 从而实现供应链数据价值，达到赋能于企业整个供应链的大后端。从采集系统中收集到的大量原始数据，将进入数据计算层中被进一步整合与计算。平台除了对了自身引擎EMR外，同时支持对接各大主流大数据引擎，常见的CDH、TDH、LibrA、Hadoop都可以进行无缝对接。

数据开发管理能力

面对海量的数据和复杂的计算，数栈DTinsight的数据计算包括三大模块:离线计算平台Batchworks和实时计算平台StreamWorks以及算法开发AIWorks。离线计算平台中采用Spark，MR作为计算引擎，使用HDFS作为数据存储，HIVE作为数仓系统。实时计算平台采用Apache Flink作为计算引擎。AIWorks采用HDFS数据存储，兼容多种机器学习与深度学习框架，可快速完成算法建模到模型应用的全生命周期开发工作，构建一站式可视化机器学习平台。基于此平台，可对数据智能化应用场景提供有效支持，如个性化推荐、销量预测、智能组货、文本分析、图像识别等。

数据资产管理能力

通过对于数据安全、权限、数据资产以及元数据管理，实现业务数据的标准化和资产化，打造企业级数据中心。用户可一站式查询企业各类数据的信息，实时感知数据的变化。通过搭建数据关系网络、统计数据使用情况，帮助用户发现并挖掘数据价值。同时在资产层面对过程数据和结果数据进行质量校验，过滤数据噪音，通过事前、事中、事后的流程化管理，全面保障数据资产质量。

数据服务访问能力

当数据已被整合和计算好之后，需要提供给产品和应用进行数据消费。为了有更好的性能和体验，数栈DTinsight构建了自己的数据服务层API平台，通过接口服务化方式对外提供数据服务。针对不同的需求，数据服务层的数据源架构在多种数据库之上，如传统RDBMS，HBase，Impala，ES，Kylin等。数据服务可以使应用对底层数据存储透明，将海量数据方便高效地开放给集团内部各应用使用。

 

04

数据中台在企业供应链中的应用

基于平台与产品，通过海量结构化、非结构化实时离线数据集成、统一数据加工计算、数据资产的沉淀可在企业供应链做全链路可追溯、全仓一盘货、订单库存实时化、数据海量高效分析为主。

关键数据全量快速分析，打造实时作战看板

ERP作为企业信息的枢纽，在供应链环节中作用举足轻重，在大型企业中，ERP系统有按照集团统一部署，或有分布式进行部署，ERP系统中涉及采购、生产、物流、仓储、渠道、财务的信息，往往是采集其他例如PLM、MES、WMS、TMS的系统中的数据，这些系统中数据量大，数据实时性存在延时，作为ERP往往按需所取。

企业往往出现以下几种数据问题：非结构化数据无法全量存储分析、ERP所集成的数据实时效率不高、传统数据平台无法支撑海量数据实时分析，分布式的数据统一集成存储数据质量不高、WMS、TMS、MES等数据无法全域接入高效定位问题以及出现“业财分离”等状况。

通过数据中台按照规范可以集成全量数据，通过清洗、加工，形成一方数据资产,解决计算存储查询瓶颈、提升数据质量，数据资产清晰构建，为企业经营与管理快速提供实时作战看板:袋鼠云自研的流批一体化的数据采集工具FlinkX，采集相关供应链相关系统中的日志数据、实时库存数据以及交易订单数据，同时在Kafka中构建对应的Trade/User/Log Topic，Kafka中的数据通过被Flink进行消费计算，可以方便快捷的在大屏、BI中呈现，过程中全链路的Chain与算子监控，保障数据安全放心的被使用。

销售预测

销售预测对计划、排产、供应以及渠道管理都有着重要的指导作用，数据中台构建更精细、实时和准确的预测模型，全局考虑各种外部因素，甚至一些隐性的因素，发现其中的相关性（而不是因果性），对不同时间段、地区、渠道、产品线的市场需求做出预测，从而帮助管理决策人员有效调配资源、调整生产供应计划以及市场策略。

 

全链路产品追溯

在供应链数据通过数栈DTinsight统一的汇聚、加工处理，海量数据的高效分析，能够实现企业经营全仓一盘货，及时拉通整条供应链，洞察供应链横向与纵向的健康状况，消费者快速查询产品相关信息，使用产品健康放心，提升消费者品牌信心。同时通过数据的高效开发与高效API分发，可实现0代码应对相关政策监管与数据报送，减少相关开发。

通过物理防伪与信息防伪相结合进行打假，增强消费者的质量信心，树立品牌形象，同时消费者可以便捷操作，随时通过手机扫码查看到产品的成分、生产厂家、有效日期、经销商真伪、会员积分管理等。

在满足监管部门的诉求方面上，相关监督部门可随时督查生产、加工、流通、销售各环节，同时企业通过数据便捷的API服务，统一与相关监管部门进行高效对接，树立典范，形成行业拉动力，协助监管部门提升行业公信力。

通过营销过程中提高物流作业效率，追踪每一件产品的流向，透明化管理产品流通过程，遇到商品窜货及时报警，防窜货，仓库智能终端的应用，实现仓库精细化管理。

安全便捷获取数据

在拉通整条供应链数据的过程中，保障数据安全又便捷的被消费非常重要，借助数栈DTinsight，帮助不同的业务部门之间方便地分享数据。

数据地图清晰地呈现现有的数据资产目录，每一项数据资产有对应的Owner，和管理维护的属性。数据涉及到商业机密或者个人隐私，在分享使用的时候做脱敏处理，自动隐藏字段中的敏感信息（例如电话号码、身份证号码等）。

数据中台的建设，大大降低了开发运维的门槛，数据的开发效率提升，业务能够快速通过数据进行决策分析，进而对业务进行拓展。在供应链数据中台建设过程中，采购、生产、质量、物流、仓储、渠道的共同参与，可提升各部门的数据认知，一方面通过优化供应链各部门协同机制，以及拉通各部门数据视角，另一方面由于在数据中台的建设过程中，发现业务系统中存在的问题，由之反向推动系统改造及相关业务变革。