供應鏈管理的五四三 - 供應鏈策略之供應鏈分析應用

巨量資料、資料分析師...這些是現在最夯的題材，那麼供應鏈上的運用呢？由分析的角度來探討一下。

分析可以分成幾個階段：描述性 (descriptive)、預測性 (predictive)、診斷性 (prescriptive)。

所謂描述性，就是把已經發生的事情有系統的呈現出來，並且讓使用者可以分析發生了什麼事情。例如：把銷售訂單資訊拿來分析，看看哪個地區、哪個產品、哪個銷售人員、哪個客戶對於整體銷售的貢獻如何。這部份多是透過商業智慧 (business intelligence, BI)的工具來呈現交易系統 (ERP、MES…) 的資訊。相信對大多數的人也都不陌生。

或許會讓人覺得這沒什麼了不起，但是經驗上，許多公司是連這一點都做的很辛苦的。老闆想看個什麼資訊，可能還要等許多部門去撈資料、整資料，然後要放到excel裡，對一下資料是不是正確，再畫圖表、貼powerpoint。進步一點的，有BI工具的，就由BI撈出來給老闆看，但是BI裡面資料是不是即時、正確，嗯...那就要看看了。加上供應鏈，顧名思義，是跨不同成員的「鏈」，所以還要確定上游供應商、下游客戶是否提供正確的資訊，光要做到正確呈現資訊就很有挑戰了。把這個東西換一個有學問的名詞，就是「供應鏈可視度」 (supply chain visibility)。所以這是沒啥了不起的嗎？

能夠正確描述供應鏈上的狀況，才能進入下一個階段，預測。預測是基於歷史資訊去推估未來，所以一定要先能夠有效分析歷史資訊才能拿來做預測。以銷售資訊為例，有效分析不同地區銷售記錄，才能確定適合用什麼樣的模型來推估未來，也才有歷史銷售資料可以來做統計分析。供應鏈上有很多地方都需要預測性的分析，最簡單的例子是需求預測。還有其他的地方其實也都可以拿來運用：例如LED製程上對於不同產出分布的推估。

只是這些都是要相關業務單位由業務需求出發，然後去思考是否可以透過預測性分析來解決，如果是反過來，為了分析而分析，大概會沒什麼效果吧。

診斷性分析最簡單的例子最是「優化」 (optimization)，透過預設的目標、限制，根據當下的狀況 (交易資料現況)進行分析，得到一個建議的最佳答案。許多APS (advanced planning system) 都具有優化的能力，但是我看到許多公司對於這一部分都有錯誤的期待。

首先：要先確定是否可以完整、正確描述供應鏈的狀況。是的，就是是否具備描述性分析的能力。如果沒辦法描述，那麼要優化什麼呢？

其次，能夠描述目標與限制？是否可以詳細描述優化的目標是什麼嗎？是要準時交貨，還是庫存最低？是否可以描述限制為何？A客戶只能用什麼物料、B客戶不接受什麼等級的成品...使用者是否完整描述這些限制？還是只能說個大概？

聽過一個客戶的需求是：「一鍵到底、快樂無比」，可是真的要做到這個地步，前置工作是很多的，可是大部分的人並沒有辦法預期這些工作；幾次問客戶是否對於自己的資料有信心時，成案前都會拍胸膛保證，專案進行到一半就會發現問題一堆。當然不可諱言的是，解決方案商也都沒有善盡告知的義務，因為他們要趕快結單呀。

所以，老話一句，雖然有很多新工具興起、有很多新名詞產生，但是基本工就還是那些，對於供應鏈能夠在彈指間立即改善的期望，那是不切實際的。