供应链团队管理订单交付领域的数字化转型——监控层

如何带领一个供应链团队，总共分4大步骤：建立团队的文化与机制、制定战略和目标、执行战略并措施落地、构建氛围和赋能育才。

在执行战略并措施落地板块，阐述了数字化转型工具和整体思路，导出了供应链数字化结构：三端（供应端、生产端、消费端），四层（基础层、运营层、监控层、战略层）。上一期分享了运营层销售端的CRM系统，今天和大家聊一聊监控层的搭建和应用。

-1-什么是监控层

数字化中的监控层指的是把应用层中的运行结果数据收集起来，按照不同的特点进行筛选、分类、存储，再根据战略层下达的目标计算方法，开展指标的分析计算，转化成图形化目视、更好的让管理者观测目前企业运转的情况，有助于分析决策。监控层的分享从以下几点展开：数据治理、数据分析、数据展示、对接战略层。

-2-数据治理

数据治理（Data Governance）,用来规范数据输入、存储、输出的一套方法，数据治理包括四个关键步骤，分别是：

① 数据源的梳理

数据源头需要分门别类，需要从业务的角度梳理数据资源清单，包括数据传输关系、接口、数据字段的具体含义等

② 数据的清洗

将大量涌入的数据通过一定的工具，进行抽取、转换、加载等过程，将符合格式和定义要求的数据筛选出来、集中存储

③ 数据的存储

这里涉及对数据库的管理，可以制定一套严格的数据管理规定，包括数据存储和访问、备份、恢复、清理、迁移等方面的规定，并在企业内部建立数据管理团队，负责管理和执行这些规定

④ 数据的使用

在使用中发现数据错误时，数据治理团队需要快速定位数据来源，修复数据错误，建立快速应对手册，高效地使用数据  

-3-数据分析

数据分析，目的是挖掘数据中规律，从而得出一些便于决策的结论，这里分享几个常见的分析方法：

① 方差分析

方差分析也称作ANOVA(Analysis of Variance), 用于两个及两个以上样本均数差别的显著性检验,按照对比差异可分为三类：

a. 总变异:全部测量值Xij与总均数X间的差异

b. 组间变异:各组的均数Xi与总均数X间的差异

c. 组内变异：每组的每个测量值Xij与该组均数Xi的差异

方差分析可应用在供应链管理的诸多环节，比如生产排程环节对于不同排程结果对比理想状态的差异程度，了解目前的算法是否高效或者满足目前的工况；

② 回归分析

回归分析的目的是研究一个或者多个变量的变动对另一个变量的影响程度的方法，回归分析法是指通过对历史数据的分析，试图找到需要预测的需求量与某些变量之间的关联程度，建立回归方程，从而进行预测的方法。在供应链管理体系中，常用的应用场景是做物料需求预测，当然，数据样本量越大，结果越稳定；

③ 对应分析

对应分析（Correspondence Analysis），也可以理解为关联分析，简单来说是将一个列表的行和列中各元素的比例结构以点的形式在较低维的空间中表示出来，它的最大特点是把一众变量放在一张图中显示，还可以变化不同维度进行分析展示，直到得到分析结果为止。这种分析方法适用于问题解决中的真因追究环节，尤其是涉及人机料法环测多个环节时，可以选取这些变量数据，并假设一些变量为定量，对比其他变量间的变化，从而得出不同维度上的结论；

④ 相关分析

相关分析（correlation analysis），是研究现象之间是否存在某种线性或者非线性关系，并对具体有关系的现象探讨其相关方向以及相关程度。按照趋同趋势来看，如果两个变量随变化方向而趋同则为正相关，反之则为负相关；从维度来看，又分为线性相关和多要素矩阵式相关。这种分析方法可以在众多可能影响结果的因素中找到真正原因，通常在检查系统运算结果异常时可以采用；

⑤ 因子分析

因子分析是一种多元分析方法，设定一些抽象的变量来进行观测和评价，这些抽象的变量称作因子，就像订单到交付环节的时间、成本、质量都是可以比较具象化的因素，而订单交付服务、交付环境等因素就是客观存在但是抽象的，这些因素需要被抽象化成一个因子来参与观测。这种分析方法应用比较广泛，比如供应商评价中，供应商的服务态度等因素，就会设定相对抽象的因子来进行评定，从而得出一个供应商整体的表现水平；

⑥ 聚类分析

聚类分析是对多元化数据的一种归类和分析方法，聚类分析把不同的样品的不同特性进行归类，如果某一特性相近的两个样品，就会在这个特性的维度上被归类在在一起，所有样品归类完毕后，会形成一个不同样品亲疏关系的图谱。聚类分析在供应链中用来分析现场异常，让管理者能够清晰的了解供应链管理过程中的异常状态、分类、趋势和程度，能够有的放矢的进行改善。

-4-数据展示

数据展示指的是针对于分析后的数据给与直观的可视，有利于工作人员做出对下一步工作的判断和指示

① 偏差对比图

-定义：偏差对比指的是实际完成与计划之间的对比，观测差值是否在标准范围以内，如果超出范围则表示实际完成存在问题需要关注和促进

-可视化：通常采用直方图，有三个要素：目标值、实际值、差值

-应用场景：工厂生产计划的完成情况，或者是供应链效率目标的达成情况，如订单兑现率、物料到货准点率、卡车满载率等；

-数据来源：目标数据来自于生产计划APS系统，物料需求计划MRP系统，运输计划TMS系统等，实际完成数据来自于生产执行MES系统，现场物流LES执行系统等；   

-数据关键用户：生产计划管理、物料计划管理、运输计划管理等

 ② 进度展示图

-定义：进度展示指的是对业务和项目关键里程碑是否按期完成的观测，如果存在进度拖期则需要及时关注和促进

-可视化：甘特图，有三要素：分子项目、进度计划、实际点检线

-应用场景：系统开发、产品项目等具有明显时间点、输出物要求的工作推进状态

-数据来源：项目管理系统分解的子项目、制定的进度计划、实际完成情况来自于项目小结会的点检过程    

-数据关键用户：项目管理

③  未来预测

-定义：未来预测指的是通过历史数据分析、以及未来影响因素的研判，得出对某一业务发展趋势的预测

-可视化：折线图，有三要素：历史实际走势、未来走势、以及结论和风险提示

-应用场景：销售需求预测、物料需求预测、设备预防性维修等

-数据来源：对于销售预测的数据主要来自于经销商店端管理系统，对于物料需求的预测主要来自于物料预测系统，对于设备预防性维修的管理数据主要来自于设备信号采集装置；

-数据关键用户：销售管理、供应链需求计划管理、设备规划管理    

④ 鱼骨图

-定义：解决问题寻找原因的一个方法，按照一定的逻辑将问题抽丝剥茧，最终锁定真正的原因

-可视化：树状分解图，有三要素：分解逻辑、原因阐述、数据证明

-应用场景：问题分析和分析结果展示

-数据来源：来源于执行系统，比如生产执行系统MES，物流执行系统LES等

-数据关键用户：现场管理    

-5-对接战略层

监控层作为应用层和战略层的桥梁，起到了双向信息互联的作用：①至上而下：对战略层决策的指令进行解析和转化，分配给相应的应用系统执行；②至下而上：收集应用层的运营结果供战略层进行有效决策。

①至上而下

战略层通常会在一定的周期内更新下发一些新的战略举措，这些战略举措需要应用层作为实施载体进行落地，在实施前需要监控层给与一定的转化，将战略层的指示转化为不同应用系统能够听懂的语言。   

比如，战略层决定在明年实施交付周期缩短50%的战略举措，涉及订单排程系统、物料订货系统功能升级，这时需要监控层将交付周期缩短50%的目标进行有效分解，根据应用层传递给监控层的数据，分析最后体现在订单排程系统、物料订货系统分别承担多少，分别承担哪些功能的升级，做出一个较为清晰的目标分解和明确，再将任务下达给应用层；

②至下而上

至下而上从组织的应用层获取运营数据，根据需要转化为有用的决策依据，比如对于销量的历史数据、季节、政策、新事件的一系列加工，可以编写一定的算法，实现对未来一段时间的销售量的预测，还可以针对不同的产品品种进行预测，提前准备物料和其他资源，为管理者带来了很直观的决策依据，有助于未雨绸缪。