9月27日-28日，由钛媒体与ITValue共同主办的2022全球数字价值峰会深圳站在深圳星河·领创天下举行。此次峰会以“复苏与可持续发展”为主题，聚焦“数据”议题，从数据驱动业务转型、数据交易、数据营销、产融结合、供应链创新等多方位探讨数字化经济大潮下， “数据掘金”的新突破口。会上，中集数据网络中心大数据经理李凌寒做了主题“中集EPC供应链创新探索”的主题分享。

中集数据网络中心大数据经理李凌寒

传统的供应链管理分为五大块内容：成本管理、绩效管理、供应链管理、采购执行、仓储物流，但海工作为特殊的EPC模式，对于供应链有额外的特殊诉求：定制性、敏捷度。

如何在不牺牲部分流程合规、不牺牲部分企业利润的情况下要满足这些诉求？李凌寒认为，要通过IT数字化的能力对供应链的效率进行提升。

他表示，整个数字化供应链的创新要素主要是四个：架构、流程、制度、工具。在架构上要做数据的治理，在流程上要做数据的赋能，在数据上要做数据的思考，在工具上要做数据的管理。

以下为李凌寒演讲实录，经钛媒体编辑：

首先先介绍一下中集集团，1980年中集集团创立于蛇口，中集是一家多元化产业集团，业务主要是物流装备与服务、能源装备与服务，以及其它的金融服务。

中集在全球研发中心和制造基地分布在近20个国家，有超过300+的承运企业，超过72000名集团员工。中集的治理模式是分层治理的模式，我们是中集总部，下面还有一些板块，板块下设一些企业。作为总部更多是推进平台战略，总部打造通用共性的能力，集团引领旗下板块企业进行探索和创新。

接下来进入供应链方面的探索，首先介绍一下业务的主体——中集旗下的海工板块。中集海工前身是烟台造船厂，它有40年的历史，2008年收购了这家工厂，2010年交付了第一个海工平台，2018年总书记曾经亲自到访中集来福士。海洋工程行业有一定的特殊性，它是属于大国重器的范畴，海工和国家的海洋经济是分不开的，这是国家强国战略非常重要的一环，中集海工一直以海洋强国为己任。

回到主题，我们一直说供应链，海工是EPC供应链。为了让大家对海工行业有一个概念，我们拿出了中集最著名海工平台“蓝鲸1号”，“蓝鲸1号”最大钻井深度15250米，重量42000吨，最大作业水深3658米，设备集成数有27354台，管路数有40000根，集成设备复杂程度堪称世界之最，这样复杂的工程对中集海工总装设计建造能力有一定的要求，同时也对背后支撑它的供应链是非常大的挑战，一般来说供应链是从供应商、采购到生产、交付，一直到客户、销售全流程的管理，由于我们这个行业的特殊性，我们的下游客户和交付的产品相对来说数量是不多的，因此供应链管理重头是放在了采购、生产、交付的过程管理中。

中集来福士供应链管理分为五大块内容：成本管理、绩效管理、供应链管理、采购执行、仓储物流，这些都是传统的供应链管理，但作为特殊的EPC模式，对于供应链有额外的特殊诉求。供应链要有一定的定制性，因为海工平台这么大的项目，所有的客户带着他们的要求和期望来的，我们要满足他。这样的供应链需要有非常快速反应的能力，因为海工EPC有一个特点，设计和建造是并行的，没有人做过，我们不可能一开始就把所有的东西考虑到，我们的供应链必须快速地响应客户需求，这包括内部和外部，生产、设计、研发，还需要有成本的考虑，海洋工程项目非常大，时间非常长，而且这样的项目在一定的程度上对我们的成本是一个非常大的压力，因为重资产的项目时间非常长，假设我们在做项目中，技术变革了怎么办？假如设计出现了调整，甚至出现了失误怎么办？我们一定程度上还有一定的敏捷的要求。

要满足这些诉求，假如我们牺牲掉一部分流程合规，牺牲掉一部分企业利润，这个诉求不难达到，但这不可以。我们认为如果通过IT数字化的能力对供应链的效率进行提升，我们同样能达到这些诉求，摸索下来，我们认为整个数字化供应链的创新要素主要是四个：架构、流程、制度、工具。架构是什么？我们要构建以服务为中心的架构，我们的架构是以供应链的视角对供应链提要求，对外提供服务，流程要减少人为决策，更多用数据模型决策，我们的制度要激励奖励那些愿意用数据的人，愿意把体系固化下来的人，工具需要把数据拿上来，能够把模型用起来，我们认为在架构上要做数据的治理，在流程上要做数据的赋能，在数据上要做数据的思考，在工具上要做数据的管理。

我们已经想明白了数据化供应链要怎么做，接下来是怎么做的问题。要做供应链数字化，实际上是做业务数字化，业务数字化要干什么？

首先要有数。要把业务量化成数据，采购、生产、供应链、库存等等这些业务的背后都是流程，流程背后都是数据。举个例子，比如说采购降本这里就涉及可能有工艺革新、集采、绿色物流、包材循环等等。像采购成本12要素，人工、加工、材料、研发、物流内、物流外、包材、税金、利润等等，这些要素都是数据。像生产方面的OTD、预测会涉及到非常多的数据源，可能有内部其他部门的、外部的、历史数据、行业数据、经营数据等等。像供应商的数据，仅仅是供应商准入就涉及到三证、样品、专利、大宗物料等等。物流仓储这块涉及到的信息就更多了，因为还需要去对接一些外部的物流数据，包括一些IOT的数据。当我们把这些数据和数据上的业务、流程给梳理清楚，把整个体系构建起来，跟供应链管理结合起来，这个时候就形成了数字化供应链体系。当我们把这些东西想清楚弄明白，我们整个数字化的供应链管理就很好管了，这个时候再去问采购成本管什么，采购绩效管什么，供应链管什么，采购执行管什么，这些就都很清晰。这时候我们的业务指标也做出来了，哪些指标用作考核，哪些指标用作参考，哪些指标和数据、数据模型最终能应用到业务流程中去，这些东西都会慢慢清楚。

如果数字化供应链做到这些还不错，但还差一点什么，这有一部分是我们的问题，这是EPC供应链，EPC供应链最大的特点是生产和设计同步进行，在我们的生产运营场景中，计划、协同、执行三个环节是非常动态地协调的，不是固化的，这就会带来一个问题：计划、协同、执行各个环节都必须要为自己的环节留下足够的空间来避免环节出现问题。

要提升系统的效率，我们把中间的buffer缩小，通过洞察把散落在系统里的数据、流程都汇集在一起，监控、观察起来，这样来提升业务的运作，帮助计划端更好地平衡供给、需求、产能，甚至提前预测哪些可能出问题，通过这些手段保障执行和交付。

数据怎么来呢？如果我们要做到数据洞察仅仅有我们自己的是不够的，我们还需要把中集海工的数据汇集到平台里去，还需要用到外部的数据源，包括上层的供应链的流程系，甚至可能需要客户做一些配合，当我们把这些数据上到数据湖中，形成了数据基石以后，这个时候可以通过平台的能力，通过分析和挖掘来提供一些洞察，我们可以更好地管理这些数据，更好地监视这些数据，通过机器学习、人工智能的优化，把效率提到最高。把这些能力和自动化结合起来，就能让系统迸发无限动能。

我们的技术架构是基于AWS的云平台，通过AWS建造了数据湖平台，通过数据湖平台的数据抽取能力，从底层的系统把数据抽到平台中去，到了平台以后再利用平台数据分析能力，包括AI能力、机器学习能力、对外提供服务的能力，支撑上层业务的应用，满足业务的需求。

我们一直在说洞察，在我们的理解里，洞察分为四个维度：

一是实时可视，当我们把这些异构系统数据汇聚到系统，串联起来以后可以方便地追踪到库存、订单的情况，看到一站式物品的状态，甚至可以看到KPI的情况和趋势，这个其实是最基础的洞察能力。

二是预测性分析，达到这个能力以后，基于机器学习和人工智能进行预测性分析，只要是做供应链，大家多多少少会做预测，原来的预测就是各种各样的数据源，可能做得好的会做一个百分比的分析，现在有了更强的技术以后，通过一些人工智能手段和算法来驱动我们做预测，让预测越来越准。

三是规范性指导，当数据齐备了，有了数据模型和人工智能的预测，可以利用手上的数据做一些业务的模拟，同时有了数据模型以后，可以反过来指导业务优化，做一些产能、运输上的优化，这是规范性指导的能力。

四是自动化，自动化不是新鲜技术，当我们有实时可视的的能力、预测性分析、规范性指导，我们就可以自动化知道订单是什么状态，下一步会到哪里，有没有风险，它的风险要怎么解决，有没有空间，从指标上来看是不是还可以再提升一点，这可以通过自动化手段来做。

最后，简单地用比较浅显的例子来看一下供应链系统是怎么帮助我们的，延误预测这个案例非常典型。我们需要结合外部的物流服务的数据，我们也有供应商的数据，通过把数据打通，通过实时数据进行汇报，有的时候延误无法避免，我们通过全局的洞察和预测，可以提前把解决问题的时间点提到问题暴露的第一刻，甚至是问题暴露前，就可以减少全流程延误，提高满意度。

我们可以通过群流程的数据结合起来，最终达到对整个供应链网络和体系有一个非常直观的理解，通过把这些相关的数据关联起来，就可以非常清楚地看到每一个订单的实时状态，这个订单到哪了，谁是责任人，下一步在哪，要不要继续优化，未来的提升空间在哪，当我们把这些东西都走通了，会发现在这样的体系下，整个供应链效果会一步一步提升，未来总有一天可以达到10分。

谢谢大家！