先从业务到数字，再从数字到业务
前10年，对于制造业而言，信息化是时代的趋势，各种ERP系统、财务系统快速普及，将业务变成数字，记录下你做了什么，并且实现执行类业务过程的可视化，以及业务与财务的集成，满足企业日常运营数据的格式化存储、电子化传输、报表化显示等功能，极大的提高了企业运营的规范性、可视化与管理效率，SAP正是其中的典型代表。但在最近的10年，企业已经不满足于可视化和执行效率的提升，而是开始追求决策质量的提升，希望利用过去沉淀的数据资源去反向指导业务决策。从执行的可视化到决策的可优化，就是从数据再回到业务的过程。我们认为这个逆向过程才是当下企业数字化转型阶段的主旋律，从记录下你做了什么，到告诉你要如何做，从解放你的手和眼，到辅助你的大脑。这个过程不是简单的报表输出，而是要借助算法引擎直接输出决策建议，是真正的数智化。
智能化决策时代的到来催生了对供应链决策优化的诉求，也出现了一批供应链计划管理系统供应商。SAP也顺应时代推出了新一代的供应链计划管理系统SAP IBP，但却迟迟没能出现像信息化时代中的那样的经典成功案例，难以复制前辈的辉煌。还有其他历史更加悠久，功能更加强大的供应链计划系统也面临同样的挑战，今天就来谈谈为何从数字再到业务竟然如此艰难。
个性化和多变是计划管理最大的特点
相对于计划体系，我们的业务执行体系，包括财务体系相对标准化。有着较统一的规则，相似的业务流程，业务逻辑的同质化也较高，企业在执行层寻求的更多是效率提升与规范化，这正是系统化的优势所在。但供应链计划管理可以称之为真正的八仙过海各显神通了，由于供应链计划管理不同于执行，并不是聚焦于某个局部范围的提效，而是需要对供应链全流程进行统筹管理，很难进行标准化管理，反而需要差异化，精细化管理。
我们可以通过一个简单的排列组合试验来呈现计划管理的复杂度。先将企业不同环节的可能模式进行粗略的分类，首先分为2B与2C，分别对应两种大的渠道类型。进一步，可能是工厂直发、中央仓发货、多级库存发货等三种类型，这样就是2*3=6种组合。接下来，工厂可能是单一自有工厂、多自有工厂、外包工厂、供应商直发等四种大类，这样就是2*3*4=24种组合。再接下来，工厂的制造类型按最粗略的方式分类也可分为离散型制造、流程型制造，这样就是2*3*4*2=48种。再往前，生产的驱动方式，可分为ATO、MTF、MTO、MTS，甚至还有项目型等多种类型，这样就成了2*3*4*2*4=192种。还要考虑各种能力约束，工艺约束，策略要求以及不同的优化目标诉求。大家可以发现，随着环节的逐渐变多，组合数量将膨胀为一个极大的数字，这还是我们进行了极大的简化后的分类结果，而实际企业中各个环节还存在复合型，例如2B和2C同时存在等，进一步加大了差异性。并且这还只是横向列举，假如再加入纵向时间维度，组合数量只会更多。所以，供应链计划这类决策型业务，其场景是极其复杂，并且个性化的。
复杂而多变的业务场景
同时，计划的多变性同样不容忽视，相较于更加刚性的执行体系，计划体系往往是冲在应对市场环境变化的第一线的。而为了能在各种多变的环境与业务场景下都能做出合理的决策，其决策体系与相关辅助工具也势必将以灵活、敏捷为主要特点，要具备快速拥抱变化的能力。供应链计划这类决策型业务的复杂化，个性化以及多变性与倡导标准与规范化的计划管理系统存在着明显的诉求冲突，我们需要寻找一种更加灵活、更易迭代的新型供应链智能决策技术，那就是零代码开放式供应链管理决策辅助建模。
多约束下的多目标优化诉求，开放式建模—基于企业具体业务量身定制
开放式建模并不是要开发一个供应链管理系统，而是一种通过建模顾问将企业的实际业务场景进行模型化转换，再利用灵活的数据编辑工具再搭配开源算法引擎进行科学运算，从而输出决策优化建议的场景模型化方法论，是一种低代码、甚至可以说是零代码的建模方式。其实现方式相比于系统实施，更像是管理咨询，整个模型的搭建过程均可视，甲方人员可以全程深度参与并主动定制模型计算逻辑，在培养人才的同时实现对决策辅助工具的全方位掌控。其过程主要分为六个阶段：
业务调研：对企业当前业务逻辑进行详细调研，了解企业当前业务的主要运营特点，关键痛点，核心业务诉求等，形成本次建模优化的主要需求方案。
场景确认：明确本次建模的具体优化场景，以及相关个性化诉求，确定优化方向，以及需要考虑的各关键决策点，并梳理相关决策逻辑。
模型设计：将场景转变为模型结构，根据场景逻辑以及关键决策点的决策逻辑编制搭建相关模型逻辑，实现业务场景的模型化，并利用零代码建模工具，实现模型的搭建。
数据收集：对于模型运行决策所需要的数据进行收集，并确定数据质量与可用性，颗粒度与样本量是否符合要求，对于暂时无法获得或者质量难以达标的数据进行模拟化处理或者调整模型结构与计算逻辑。
落地试运行：将搭建完成后的模型融入企业的实际日常运营中，与之前的手工编制方式同步运行，两者保持同样的数据输入，并要求进行同样的数据输出。通过这样的方式对模型进行进一步的优化与调整，并验证是否达到了最初的设计目标。
人才培养：通过培训及深度参与建模过程，实现企业业务人员对建模技术的完全掌握和自我的迭代，让企业真正拥有拥抱变化的能力，完成供应链管理能力的数智化转型。
通过以上六个步骤，最终就能搭建一个符合企业个性化业务场景的决策优化模型，再经过2年以上的实际业务验证后，再由公司内部的IT力量，或者寻找外部IT资源进行合作开发，将部分业务进行代码化封装，实现应用效率和灵活性的最佳平衡。因为是基于企业实际场景开发的定制化模型，冗余度低但适配性高，并且全程业务团队深度参与，真正实现知识的传递，完全支持企业后续的自我迭代和优化。
开放式建模的挑战在于业务的抽象化和数学化表达
在这个过程中，大家最关心的两点就是如何将业务场景转换为模型逻辑，以及利用零代码工具快速的搭建起一个可以运行并落地检验的模型。除了一个富有经验的乙方场景建模师需要全程参与以外，一个熟知业务场景的甲方计划骨干也是必不可少的，双方合作即可将业务逻辑进行快速的抽象化提炼。
场景模型化的过程
其次则是需要一个数理逻辑较强，并熟悉各种办公软件使用（主要指Excel）的计划人员协助参与。大家这里一看Excel，可能心里会不自觉的觉得很Low，但这其实是一个保障业务人员可以快速并深度参与进来的最有效方法。笔者目前参与并负责实施过的开放建模项目均采用的是Excel + 运筹学算法引擎（比如Matlab, Gurobi，CPLEX等）的实现方式。这些数学分析工具将作为优化计算的算法核心，负责对模型的输入数据进行优化计算。而另一部分的建模工具为何会选择Excel，最主要的原因是因为它是使用最广泛，上手最容易，并且也可以完成模型搭建任务的常用办公软件。
由于开放式建模是一种以公司实际业务场景为主导的建模方式，所以我们非常鼓励甲方业务人员深入直接的参与到模型搭建过程中的每一个环节，这样假如在未来需要对模型中的计算逻辑进行优化调整，业务人员也可以直接参与调整工作。而Excel就是一款业务人员也可以直接学习的零代码模型搭建工具，在这其中，业务人员可以直观的看到不同的业务逻辑在Excel表格当中是以怎样的形式进行数学表达的，以及应该如何修改Excel表格格式来对模型逻辑进行编辑，为未来模型的优化与维护打下基础。也正是因为企业业务人员深度参与到了模型的搭建过程中，并掌握了建模的方法，才能从容应对业务变化而同时实现模型的自我升级，这也是企业拥抱变化的一种能力所在。
模型算法化的过程
开放式建模技术在企业实际场景中的应用
接下来，我们将通过两个开放式建模技术在实际企业的实践来体验它能够帮助企业解决哪些供应链决策辅助问题。
首先是来自宁夏的伊品生物科技有限公司，公司主营氨基酸、味精等大宗产品。其主要业务诉求在于，公司整体供应体系为多工厂生产并配送的模式，作为大宗物资生产商，物流与调拨成本占比极高，而公司过去缺少在全国层面在工厂与区域间进行整体统筹规划相关的计划体系与职能。借助开放式建模的方式，在搭建相关优化模型的同时，实现对该职能核心能力的构建，并在上线后的三年内为公司节约了上亿元的物流成本。
在第二个案例中，主角则换成了当下热门的新能源领域中，风电行业的龙头公司——金风科技。风电行业作为典型的离散制造行业，存在着明显的配送网络复杂、产品型号多，产品部件多的特点，供需匹配计划存在极大的工作量与复杂度。金风科技已有一套人工为主的运作体系，通过“层层分割”的方式，将计划匹配工作分为了“S&OP交付计划”“MPS主计划”“大部件生产计划”“采购&备货计划”等多个层级来减少复杂度，并且在关键的“MPS主计划”层级通过“人海战术”，多人同时一起进行计划编制，才能勉强将供应计划做到了月更新。通过开放式建模的方式，在提升计划效率的同时，也同步提升计划质量，最终实现公司整体效率的提升。上线后的两年内计划编制效率提升600%，库存周转率提升20%，物流成本节约8000多万。
同样，在多个项目中，除了对业务效率和决策质量的明显改善，也反向倒逼了公司组织架构的优化和信息的共享。这也是数字化技术在组织和流程上的穿透力的具体体现，数字化技术也是企业变革和转型的重要抓手。
开放式建模是业务与算法的完美融合
众多标杆企业的成功实践已经证明了开放式建模是制造企业数智化转型的捷径，越是复杂并且变化越快的企业其优势越是明显。企业大量的个性化管理诉求，只有通过这种定制开放的建模技术才能得到更加充分的表达与实现，并且支持快速实施和企业自我迭代。为何大家一边高喊数字化，一边又以不确定性和模糊性怀疑复杂业务的算法优化可能性呢？笔者想起一位专家的生动比喻，做技术的人员与做业务的人员，他们当中有条河。两边岸上的人看对面都有一种幻想，观望，猜测，甚至因为不了解而质疑。但是很少有人主动从河的一头游到另一头。但是如果从技术角度走进业务，主动游到对岸，并且开始理解业务的时候，会擦出很多火花。同样业务的人员如果主动游到对岸，同样会产生很多新的创意，看到不确定表象下的确定逻辑关系，看到模糊中不变的底层逻辑。当业务和技术深度碰撞时就会出现新的思路和方法论，这种方法论就是技术思维，数据思维和业务思维融合的成果。但我们很少有人真正游到对岸，业务人员抱着流程不放，技术人员坚持算法至上。在这个时代，我们更需要在业务和技术之间反复横跳的人，充分发挥业务和技术各自的优势，并将它们完美融合。基于运筹优化技术驱动的定制化建模方法论就是这样的一个新生事物。但是这个新生事物不是一种远景，已经是一种成功实践，有些企业已经成为了成功的先行者。
