供應鏈規劃 (supply chain planning)，優化 (optimization) 或是啟發式 (heuristics)? (III)

供應鏈規劃由MRP到APS，已經好一陣子了，不管怎麼選，優化還是啟發式，其實說穿了都是把生產規劃「自動化」 (automate planning)。怎麼選，其實還是要看什麼方式最接近人工作業的方法，而系統只是「協助」自動化計算的部份。

但是下一世代會是什麼呢？

最近所謂大數據分析興起 (big data analytic) ，很多企業開始運用這樣的技術。很多運用都是在與消費者 (consumer) 互動的部份，尤其是行銷部分。而之前我也談過所謂分析是描述性 (descriptive)、預測性 (predictive)、診斷性 (prescriptive) 三個階段，而供應鏈規劃可以是預測性、診斷性兩個階段的。所以是否可以透過大數據分析來支援？我個人想過幾個部分：

首先：對於供應鏈變動的預警。透過收集更多的數據，包含外部與內部的資訊，進行分析，來提前預測可能的變動。例如：相關生產技術的發展、供應商的變動...對於供給的影響。又如競爭者可能的新產品、新興競爭產品的研發...對於需求的影響。透過這些市場訊息的分析，應該某種程度上可以預警供應鏈潛在的變動。

其次，透過數據進行診斷性的分析，分析對於變動相對最好的對策 (best next action)，並提供使用者對於不同對策的比較，或是根據使用者選擇的對策，再度分析可能得到的結果。簡單說，就是以分析為基礎更為互動的決策支援，而非過去以資料snapshot進行計算的作法。

個人認為，這兩個方向未來可能是供應鏈規劃上結合物聯網、大數據分析而可能發展的方向。不過似乎這還是有點遙遠，不知道什麼時候才會真正看到有些實務運用。