在下一个常态中保持竞争力的三种技术能力

随着企业继续向数字化迈进，公司必须部署战略，为竞争提供正确的基础。作为真正的数字冠军，成功的一个关键因素是能够以最低的登陆成本提供最高的客户服务水平。为此，完整而准确的供应链数据至关重要。数据已成为一种随着接近实时而增值的货币，并且可以在贸易伙伴之间共享。

显而易见的是，数据应该是实时的，并且只存在一次。使用联合主数据管理 (MDM) 方法，信息可以是最新且一致的，而不是以多种格式和孤岛复制，从而变得陈旧和潜在（无论是否使用数据湖/仓库）。现代技术方法创建了每个/项目/单元级别的可信表示，然后可以将这种保真度转化为整体实时网络解决方案，该解决方案使用基于代理的规范分析来优化所有合作伙伴的规划和执行。这些网络支持多方实时协作、计划和交易执行，并帮助所有参与者在“下一个常态”中执行，前提是他们考虑到三个关键能力。

通过网络架构实现实时交易。 我们已经看到基于网络的客户服务和资产杠杆模型如何应用于相邻行业。 Uber、Facebook、Airbnb 和阿里巴巴都部署了提供多方能力的基于网络的架构。交易发生在网络中的所有各方。而且由于产品采购和交付跨越网络中的多方，因此规划和执行必须是实时的，并且还包括多方，以提供最大的资产杠杆、最低的到岸成本和最高水平的客户服务。

这种级别的协作与控制塔级别的可见性、分析、规划和执行相结合，是未来竞争力的核心。鉴于即使是最简单的交易也涉及多方，例如客户、品牌经理、合作包装商、供应商、承运人、3PL 和分销商，这并不奇怪。

不幸的是，许多以企业为中心的技术部署是以轴辐式的方式设计的，这意味着它们充当网络中该节点的宇宙中心，并以此方式对待它们的流程和数据。这种集线器技术旨在以点对点/辐条对集线器的方式收集数据。然后，它根据孤立的枢纽变量决定对需求、容量或供应的变化采取什么措施，然后与它们的一些辐条（入站和出站）共享一些陈旧或潜在的数据，进行后期处理。因此，在一个典型的贸易网络​​中，它可以创建20多个跨贸易伙伴、上下游的存储和转发类型的处理动作，浪费时间、人力和资产。最糟糕的是，它会影响客户服务水平，因为各方并未作为服务于最终消费者的协调网络保持一致。

建立单一、可信的视图。 如果数据是您的货币，那么多个 ERP 实例类似于实体联盟，其中每个来源都充当其自己独特的法定货币。数据被困在您的 ERP 炉管实例中，然后通常以中心辐射方式与网络合作伙伴建立一对一的贸易关系进行共享。毋庸置疑，这是一种次可选方法，因为即使您要将数据导出到数据仓库或数据湖，也会造成数据的延迟和陈旧。这在跨网络合作伙伴的决策方面使货币贬值。

因此，组织正在采用包括联合主数据管理在内的解决方案。使用这种方法，网络贸易伙伴可以选择加入网络并与其他贸易伙伴共享他们的主数据和运营数据。基于跨网络的安全权限框架，数据仅存在一次，并根据授予的权限联合到贸易伙伴。鉴于数据不会在整个网络的梯队、层级或节点之间复制或复制，根据定义，它是实时的，并且随时可用，以优化资产杠杆、客户服务和最低到岸成本。

支持可操作的自主规范分析。 鉴于基于网络的贸易关系的多方性质，最终标准是对整个端到端供应链网络进行建模的能力，以便正确分析问题解决和机会创造并采取行动。由于分析暴露出的问题或机会可能体现在战略、战术或运营时间范围内，因此基础必须在这些时间范围内无缝衔接。它还必须提供在整个网络表示中实时运行的服务、算法和分析，无论是用于解决预计在六个月内发生的问题，还是用于计划在今天下午晚些时候交付的问题。好消息是，如果您的方法同时包含标准一和标准二，则此基础已经就绪。

端到端的实时供应网络平台能够测试新的供应链政策、网络弹性、战略或战术计划的可行性、激活备用零件或供应商、修改运输方式，甚至添加工厂的额外班次。

由于有很多方法可以解决与网络中的需求、供应、物流和履行相关的问题，因此分析工作台能够实时访问每个可能的材料变量非常重要。由于静态交付周期和陈旧数据，传统系统通常只为您提供一种解决问题的方法。相比之下，基于 AI 的分析工作台是一个规范的环境，组织将在其中获得最能满足其目标的前三或四个解决方案。它还可以支持机器学习，这是一种更好的预测结果的方法，并且在推荐规定性操作时非常有价值。不仅如此，随着您提供更多数据，机器学习会随着时间的推移改进其预测。

这些能力将提供必要的平台和架构，以支持这一基础，并提供竞争前进所需的能力。

Joe Bellini 是人工智能商业网络软件提供商 One Network Enterprises 的首席运营官。