數智化供應鏈-賦能企業高質量發展

李偉

中國物流與採購聯合會電子產業供應鏈分會專家委員，西安理工大學工學碩士，北京大學高級工商管理碩士。從事質量與供應鏈專業領域工作十六餘年，先後在華為和阿裡巴巴集團任職，擔任過華為供應鏈質量總監、阿裡巴巴釘釘生態與質量總監等職務，參與及領導過供應鏈數字化變革項目在子公司的方案適配設計及落地，在華為與阿裡巴巴獲得多個總裁個人獎及團隊獎等榮譽。 陳超 中國物流與採購聯合會電子產業供應鏈分會專家委員，長春理工大學學士，對外經濟貿易大學工商管理在職碩士。從事物流與供應鏈專業領域工作二十餘年，先後在丹麥馬士基物流、華為和順豐集團任職，擔任過順豐速運3C行業解決方案總監、華為多個國家海外子公司供應鏈總監等職務，參與及領導過供應鏈數字化變革項目在子公司的方案適配設計及落地，在華為與順豐獲得多個總裁個人獎及團隊獎等榮譽。

第1章 數智化變革的必然性

1.1 迅猛發展的數字經濟

1.1.1 思考:什麽是數字經濟

1.1.2 擁抱數字經濟是必然選擇

1.1.3 數字經濟:數字產業化+產業數字化

1.2 數智化浪潮興起

1.2.1 從數字化到數智化,為產業變革奠基 ?? 7

1.2.2 數智化發展帶來彎道超車的機會 ?? 8

1.3 數智化引領供應鏈邁入新階段

1.3.1 供應鏈發展的四個階段 ?? 10

1.3.2 數智化供應鏈擺脫供應鏈發展困境

1.3.3 京東:打造數智化供應鏈行業標桿

第2章 數智化時代已經到來

2.1 技術賦能,數智化供應鏈興起

2.1.1 人工智能:智能算法賦予供應鏈智能能力

2.1.2 物聯網:實現各環節互聯與協作

2.1.3 大數據:數據挖掘與分析展現數據價值

2.1.4 區塊鏈:提供供應鏈安全保障

2.1.5 ChatGPT創新發展,帶來供應鏈新突破

2.1.6 華為:數智時代多角度重塑供應鏈

2.2 特點分析:深入瞭解數智化供應鏈

2.2.1 全鏈協同,提高效率

2.2.2 智能優化全鏈,各環節精益運作

2.2.3 供應鏈彈性增強,更加靈活

2.2.4 實現全鏈可視化下的敏捷管理

2.2.5 供應鏈主數據價值凸顯

2.3 數智化發展帶來供應鏈模式創新

2.3.1 數智強鏈,實現無界供應鏈

2.3.2 以開放的供應鏈交易平臺聚合各方參與者

2.3.3 連接上下遊,構建生態型供應鏈

第3章 數智化供應鏈戰略規劃

3.1 做供應鏈戰略規劃必備的思維意識

3.1.1 統籌意識

3.1.2 協同意識

3.1.3 敏捷型柔性供應鏈意識

3.1.4 以客戶為中心的意識

3.1.5 華為供應鏈:柔性高效的供應鏈規劃

3.2 供應鏈數智化轉型兩大戰略

3.2.1 協同戰略,多企業共同規劃並建設供應鏈

3.2.2 細分戰略,打造差異化數智供應鏈

3.3 多方準備,推動轉型戰略落地

3.3.1 明確領頭人,引領轉型戰略落地

3.3.2 選擇工具,數字能力模型

3.3.3 加強監管,逐步驅動戰略落地

第4章 供應鏈運作模式數智化重構

4.1 智能決策實現供應鏈數智化運作

4.1.1 供應鏈決策邏輯正在被重構

4.1.2 人工智能輔助,供應鏈決策更智能

4.1.3 隨時幹預,智能決策防範風險

4.2 自動化+平臺化,提升供應鏈運作效率

4.2.1 機器人融入,自動完成重覆性業務

4.2.2 數智化作業平臺實現業務一站式處理

4.2.3 高科技物流產業園提升供應鏈運作效率

4.2.4 豐田:將機器人融入生產系統

4.3 數智化變革驅動供應鏈運作模式疊代

4.3.1 數智化連接:聚合供應鏈實現各方的連接

4.3.2 數智化管理:業務全流程實時管理

第5章 制訂科學高效的供應鏈計劃

5.1 供應鏈計劃業務流程及五大活動

5.1.1 供應鏈計劃的業務流程

5.1.2 需求預測:關註歷史數據與市場趨勢

5.1.3 採購計劃:精細化採購降低成本

5.1.4 生產計劃:優中選優,確定最佳生產計劃

5.1.5 物流計劃:優化物流資源配置,提升物流效率

5.1.6 庫存補給計劃:避免缺貨或庫存過剩

5.2 四大步驟完善供應鏈計劃

5.2.1 明確目標:錨定製訂計劃的目標

5.2.2 收集數據:歷史數據+市場數據+生產能力數據

5.2.3 分析數據:借數字技術實現智能化分析

5.2.4 形成計劃並實施:註意效果監測

5.3 供應鏈計劃數智化管理

5.3.1 信息化建設:建立集成的供應鏈管理系統

5.3.2 數字化手段:數字化工具提升計劃科學性

5.3.3 智能化應用:智能技術提升計劃精確性

5.3.4 菜鳥:推出數字供應鏈產品

第6章 供應鏈訂單全流程智能化管理

6.1 供應鏈訂單管理核心要點

6.1.1 訂單處理五大流程

6.1.2 定製化訂單管理,滿足客戶個性化需求

6.1.3 訂單跟蹤與評估,瞭解訂單狀態

6.1.4 庫存管理,基於訂單合理規劃庫存

6.2 優化供應鏈訂單管理的策略

6.2.1 訂單信息共享,實現快速處理

6.2.2 供應鏈協同,提升訂單管理靈活性

6.2.3 產品可供應性設計,實現系統優化

6.3 供應鏈訂單數智化管理

6.3.1 信息化建設:OMS訂單管理系統

6.3.2 數字化手段:借數字化工具簡化訂單處理流程

6.3.3 智能化應用:訂單數據智能分析,優化風險管理

第7章 供應鏈採購實現採購精細化管控

7.1 數智時代催生採購新模式

7.1.1 同行業企業共享式採購

7.1.2 整合需求集中式採購

7.2 採購全流程數智化設計

7.2.1 數智化供應商尋源

7.2.2 採購履行全流程智能化

7.2.3 數字技術賦能供應商績效管理

7.3 供應鏈採購數智化管理

7.3.1 信息化建設:搭建SRM 供應商關系管理系統

7.3.2 數字化工具:推進採購數字化轉型

7.3.3 智能化應用:大數據分析與智能決策融入採購

7.3.4 用友:智慧採購平臺助力企業科學採購

第8章 供應鏈質量全流程數智化管控

8.1 供應鏈質量管理三大特性

8.1.1 全面性:涉及供應鏈全流程

8.1.2 協調性:協調內部資源、供應商與流程

8.1.3 戰略性:明確戰略地位,強化質量管理意識

8.2 質量管理覆蓋供應鏈全流程

8.2.1 原材料採購過程的質量管理

8.2.2 研發過程的質量管理

8.2.3 生產過程的質量管理

8.2.4 物流運輸過程的質量管理

8.3 完善供應鏈質量管理策略

8.3.1 建立健全供應鏈質量管理體系

8.3.2 加強供應鏈風險評估,識別潛在風險

8.3.3 引入智能化手段,創新質量管控方法

第9章 生產智能化提升供應鏈柔性

9.1 生產智能化三大特性

9.1.1 柔性:以新模式響應新需求

9.1.2 韌性:快速應對不確定因素

9.1.3 延展性:構建供應鏈新生態

9.2 智能化生產激活供應鏈

9.2.1 敏捷開發開闢生產捷徑

9.2.2 思維轉變促使生產路徑優化

9.3 供應鏈數字工廠建設

9.3.1 信息化建設:以信息平臺追蹤生產信息

9.3.2 數字化手段:自動化生產與生產環境監控

9.3.3 智能化應用:生產規劃、過程智能管理

9.3.4 數實結合:基於數字孿生的數字工廠

9.3.5 華為雲工業因特網平臺,助力企業製造協同

9.4 供應網絡設計

9.4.1 多地協同,供應鏈信息共享

9.4.2 汽車供應鏈優化,實現模塊化生產

9.4.3 分佈式智能生產網絡,優化生產流程

第10章 供應鏈物流實現可視化管理

10.1 供應鏈物流體系可視化

10.1.1 物流體系可視化的三個層次

10.1.2 多種可視化系統融合應用

10.1.3 谷歌:整合數據,打造可視化供應鏈

10.2 物流可視化管理三大環節

10.2.1 倉儲可視化管理:智能補貨,供需平衡

10.2.2 運輸可視化管理:實現貨物追蹤與運輸調度

10.2.3 清關可視化管理:實時追蹤貨物清關進程

10.2.4 德邦:引入因特網技術,實現物流可視化管理

10.3 逆向物流可視化管理

10.3.1 兩大價值:貨物退換+產品回收

10.3.2 主動式逆向物流平臺實現產品生命周期管理

10.4 打造數智化供應鏈物流

10.4.1 信息化建設:構建多元化物流管理體系

10.4.2 數字化工具:實現數據傳輸與自動化操作

10.4.3 智能化應用:多方面賦能物流運輸

10.4.4 順豐:借多種智能設備實現智能配送

第11章 平臺建設加速數智化供應鏈落地

11.1 搭建統一供應鏈平臺的重要性

11.1.1 以平臺整合多樣的系統,提升效率

11.1.2 預測市場變化,靈活調整供應

11.2 選擇合適的供應鏈平臺

11.2.1 中小企業:引入外部供應鏈平臺

11.2.2 大型企業:自建個性化供應鏈平臺

11.2.3 菜鳥:搭建完善的供應鏈平臺

11.3 掌握合適的數智化供應鏈落地方式

11.3.1 由點及面:核心場景落地後逐漸擴展

11.3.2 小步快跑:推進供應鏈持續疊代

第12章 數據治理賦能供應鏈平臺建設

12.1 供應鏈數據治理核心內容

12.1.1 數據質量管理:保證數據準確、可靠

12.1.2 數據安全防護:數據加密與數據訪問控制

12.1.3 數據流程明確:梳理數據流程,實現數據可追溯

12.1.4 數據開發利用:挖掘數據價值,支持供應鏈決策

12.2 數據治理核心手段

12.2.1 建設數據湖,實現企業數據一體化管理

12.2.2 搭建開放數據平臺,實現數據連接與共享

12.2.3 建立完善的供應鏈數據治理體系

12.3 引入合適的數據治理解決方案

12.3.1 阿裡雲:一站式數據開發治理服務

12.3.2 英諾森:提供物資主數據治理解決方案