疫情对供应链决策的影响：新范式
供应链经理面临前所未有的中断，不仅源于疫情动荡，还源于持续的需求变化、客户期望上升和外部地缘政治因素。两点已清晰：这些中断非暂时性，且暴露了当前供应链数据模型的短板。
应对中断后果的战略将随经济复苏准备而聚焦，给经理双重挑战：从疫情驱动的灾难中复苏，同时应对未来一年可能出现的后疫情需求激增和消费支出反弹。现在是深入探究企业如何应对复苏并同时抓住新增长机遇的时刻。解决方案不在于回归疫情前现状，而在于建立新数据模型。灾难往往驱动创新，我们正看到更多供应链组织拥抱决策智能新模型，重写游戏规则。
决策智能带来更好结果
应对过去一年中断复苏、即将到来的需求上升、获取生存未来中断所需知识洞察，需要超越历史分析、信息孤岛、输出有限且解释手段有限的屏幕仪表板的传统数据模型。
下一代决策已来。决策智能提供数据和趋势的早期即时访问，由AI和前瞻性预测分析驱动，具备能抽象多数据源提供统一视图的中间件层，并通过自然语言界面交付。
决策智能配合统一自然语言界面，解决了过去一年中断暴露的许多隐性脆弱性和挑战。常态下决策支持虽能工作，但此前鲜有动力推进。旧模型在面对意外时让许多人措手不及。
不可预测世界中的决策
Gartner CORE（配置、优化、响应、执行）规划模型为所有供应链决策施加通用模型：
- 配置供应链以支持战略，
- 优化以核算有限资源（或疫情等重大意外中断）等因素，
- 响应，内置可选性和智能，
- 执行
实现成功CORE模型需要实时洞察。为此需要智能、交互、实时的界面，供各层级决策者使用，而非仅限数据分析师。自然语言处理设施让系统构建上下文，用户能与系统进行渐进式对话，而非仅执行一次性提问或命令。后端处理的抽象层允许透明摄取来自多个结构化和非结构化数据源的数据。
当今全球生态系统中的响应式供应链要求规划者缩短规划与执行的长期鸿沟。能缩短该鸿沟、预判意外、基于不可预测事件或需求变化快速智能调整的人，在去年毁灭性供应链短缺中表现更好，也将更有利地快速适应随之而来的必然需求变化。
Ganesh Gandhieswaran是ConverSight.ai联合创始人兼CEO，一家决策智能平台。
工业技术