新冠疫情扰乱了全球供应链，企业该如何应对？

因为疫情，美国福特汽车已相继关闭了所有位于北美、英国伦敦、威尔士、印度、南非、泰国、越南等地的工厂。与此同时，欧美汽车工厂也纷纷停产，截止3月22日，14家跨国车企集团已经关停或计划关停的工厂总数累积达到了100家以上，其中90%在欧洲。

毫无疑问，在疫情持续蔓延全球的当下，没有一家企业能独善其身。探究其背后的原因是新冠肺炎疫情极大地扰乱了全球供应链。

如今，每件商品到达消费者手中之前都有自身复杂的全球供应链网络，抽走其中一个节点就会波及整个链条。而随着病毒有可能造成大流行，许多企业发现无法迅速识别并与替代供应商建立联系，这对生产产生了明显影响。那企业该如何应对此次疫情的挑战呢？

今天DataHunter数猎哥就来说说新冠疫情对供应链产生了哪些影响？企业又该如何应对？而做好供应链的数字化转型是否将会为企业找到更有益的长期发展战略。

一、全球疫情对供应链产生了哪些影响？

如今国内疫情已经得到明显控制，全国在防控疫情的同时开始推动企业复工复产。但是由于疫情在欧美以多中心为特征迅速扩散，意大利、西班牙和美国的速度甚至超过中国。而疫情危机牵一发动全身，工业企业的供应链挑战正蔓延到整个产业价值链和全球供应链上。

例如，韩国现代汽车因疫情造成中国零部件供应中断，使得现代汽车暂停所有在韩生产线，包括蔚山、全州、牙山工厂等。现代汽车的生产，出现了一个看上去很低级的失误：因线束库存耗尽而出现无法生产的情况。然而，由于在不同的车款安装不同的线束，而且线束是一辆汽车里面第三重的配件，厂商无法大量囤积该零部件库存。中国复工延后，现有库存耗尽，韩国和东南亚供应商无法临时支持，三项叠加，造成了现代汽车不得不暂停生产。

总的来说疫情对供应链的影响主要体现在以下几个方面：

（1）疫情全球流行导致产业价值链需求以及供应减少和出现不确定性，比如中国与欧美的贸易已基本处于中断状态，导致大量出口依赖性企业的订单纷纷被取消；

（2）上游工厂停产或减产，导致下游的供应与生产受到牵连和挑战，比如现阶段生产制造业受疫情影响更为严重，如供应商的停工、入场原材料或零件供应短缺等都会对制造业生产、销售造成冲击；

（3）城市封锁，造成区域和国际物流终端和延误，导致成片缺货或积压。与此同时，也导致企业因无法如期履行合同而造成违约，最终影响企业投资决策被延后或搁置。

二、疫情之下，企业该如何调整供应链？

1.打造供应链多样性

如今，精密的供应链网络使人们得以去除过量库存和闲置产能，也带走了市场需求弹性，不给任何破坏性事件留下空间。疫情中，工业企业供应链中断导致停产的主要原因在于供应源过于集中。

所以企业在建立供应链时不应将成本作为唯一的考虑因素，而是建立一整套的风险缓释战略。对于企业而言，企业主要产品必须拥有多种抵达市场的途径，也就是通过建立多元化供应商网络来提高供应链短缺风险抵御能力。

2.建立区域化供应链布局

由于不同国家对疫情的处理方式不同，对全球供应链网络造成了很大的影响，因此企业可以通过转向区域化生产，也就是全球生产链将关键的生产过程集中在几个主要基地进行，以此提升供应链的透明度，明确自己所需的零部件来自何处，以便更好地对冲风险。

例如，在疫情期间，丰田保持了良好的应对风险的能力，其原因在于，丰田与其他竞争对手相比，仍然保留了较大程度的本地化——事实上，丰田的乔治城、肯塔基工厂中，超过350个供应商位于美国本土，甚至是超过100家就坐落于肯塔基州。

3.做好供应链的数字化转型

无论从短期还是长期看，企业的一个优先任务都是更好地了解其生产过程中的脆弱性，而为了应对疫情对供应链造成的影响，信息流和数据价值具有多重作用。

它们通常不仅用于支持企业间的生产关系、规划和协调，而且还可以加快对生产流程和客户行为模式更细致的了解。总的来说数字化允许企业通过增加或减少网络单元、调整多边平台或修改现有链接和互动来快速改变其业务模式，降低供应链管理和交易成本。

三、如何才能做好供应链的数字化转型

1.打通与整合供应链的数据

供应链是由多个组织整合的联合体，以最大程度满足消费端客户、最大程度降低各组织的成本为目的，共同管理由原点到最终消费的信息流、资金流和产品流。要想利用大数据分析技术促进供应链转型，首先需要打通与整合供应链的各项数据。

经统计供应链中的全量数据主要有52种来源，除去我们所熟知的ERP、CRM等8种内部数据源（白色字体部分），还有44种外部数据源，从3V的角度划分，其分布如图所示：

这52种数据源，不仅包含我们所熟知的ERP、CRM等系统中的内部交易数据，更包含交通数据、地理位置GPS数据、天气数据、社交媒体数据、以及工厂生产中机器所产生的实时数据等。这些数据全面而客观的描述了了整个供应链流程，比如采购环境的采购计划、要货计划、采购订单、收发货单、入库单等，为供应链中的决策分析提供充足的数据。

2.利用数字化工具做好供应链的实时监控

面对此次疫情引起的供应链风险，企业必须从中得到经验。一种风险是经常发生的低风险，我们必须有预见能力，做好备选方案（替代策略、后备产能、安全库存策略等）。

一种风险是突发的高风险，具有随机不确定性，我们不可能预见储备较高的库存，只能依赖供应链的韧性（员工的多技能性、工厂的转换能力、供应的多功能性与全球与区域战略产能的部署及战略研发与迂回包抄能力）。

而要做好以上调整与优化就必须基于供应链上实时数据监控来进行，通过大数据的使用对其供应链流程进行详实的掌控，更清晰地把握库存量、订单完成率、物料及产品配送情况等；通过预先进行数据分析来调节供求；利用新的策划来优化供应链战略和网络，推动供应链成为企业发展的核心竞争力。

3.通过大数据技术改善供应链运营与决策

采用大数据分析技术，不只是收集信息，还有具备指导企业做出更明智、更快捷、更高效的决策。除了将数据用于供应链运营之外，组织还可以通过向客户、供应商和其他贸易伙伴提供市场洞察力来将数据转化为价值。

例如，第三方物流（3PL）提供商在利用供应链中的大数据方面变得越来越有效，并开始通过投入资源，与技术提供商建立合作伙伴关系，将大数据应用到其服务产品中。从某种程度上来说，在物流方面，帮助上游和下游合作伙伴增长是至关重要的，这可能与提供消费者情绪和喜好、零售行业的分类见解，以及季节性模式和消费预测一样简单。

四、DataHunter助力企业供应链数字化转型

1.利用数据实现精确的需求预测

需求预测是供应链的源头，也是整个市场需求波动的晴雨表。企业销售预测的灵敏与否直接关系到库存策略、生产安排以及对终端客户的订单交付率。产品如果缺货和脱销将给企业带来巨大损失。

DataHunter为企业制作的“库存观察”

因此，DataHunter针对企业的此需求，利用旗下商业智能BI产品Data Analytics 为企业制定相应的数据分析看板，通过有效的定性和定量的预测分析手段和模型，并结合历史需求数据和安全库存水平综合指定精确的需求预测计划。

DataHunter为企业制作的“实时库存预警”

2.利用数据提升供应链的效率

有效的供应链计划包含了企业所有的计划和决策，包括库存计划、需求预测、资源配置、设备管理、生产作业计划、物料需求与采购计划等，而如何提高各个环节的整体效率是供应链管理的难点所在。

因此为了保证企业生产过程匀速有序，其中包括物料供应的分解和生产订单的拆分。企业可以利用DataHunter旗下商业智能BI产品Data Analytics搭建相应的数据分析看板，最终帮助企业需要综合平衡订单、产能、调度、库存和成本间的关系。

DataHunter为企业制作的“物料采购情况”

3.提高供应链的协同效率

良好的供应商关系是消灭供应商与制造商间不信任成本的关键。双方库存与需求信息交互、VMI运作机制的建立，将降低由于缺货造成的生产损失。这时企业可以利用Data Analytics产品制定相应的数据分析看板，将商品的实时销售数据传递给制造商。

从而通过成熟的补货和库存协调机制消除过量的库存，降低持有成本。通过从需求变动、安全库存水平、采购提前期、最大库存设置、采购订购批量、采购变动等方面综合考虑，建立优化的库存结构和库存水平设置。

DataHunter为企业制作的“商品销售分析”

4.帮助企业做好风险预警

对不可预测的消费者行为、交通模式、港口行为、恶劣天气、自然灾害，以及工人罢工的因素会给企业的供应链造成经营灾难。DataHunter旗下除了上述的商业智能BI产品以外，还为企业提供定制化的数据可视化大屏产品 DataMAX，可以帮助企业的通过采集生产线上的大量数据，来判断设备运营状况健康状况，对设备发生故障的时间和概率进行预测。这样企业可由此提前安排设备维护，保证生产安全。

五、小结

疫情让很多人对精益生产的低库存产生质疑，虽然库存可以做到一定的润滑剂，但对大波动的随机性也无能为力。只有具备相应的恢复能力即当突发的、不可预测的事件爆发时，供应链可以迅速的调整以缓和不利的影响。

而要具备这样的能力，企业就需要充分利用好大数据分析技术，通过对底层架构、技术路径、产品形态以及运行方式，进行高度统筹的“顶层设计”，实现供应链的高效运行和持续优化。

然而，数字化时代引领的趋势只是在一定程度上给予企业转型的方向，生搬硬套解决不了根本的问题。企业一定要积极思考如何将数字化技术真正融入到供应链运营中，找到适合自己企业发展的趋势，并以此制定配套的转型战略与供应链方案、计划和实施步骤。针对每套供应链方案及其运营效益，进行详细的评估并贯彻执行，方能对症下药，成功地完成企业供应链数字化运营的变革目标。

更多干货内容，欢迎关注公众号：DataHunter

－数据分析展示就用 DataHunter－

关于 DataHunter

DataHunter 是一家专业的数据分析和商业智能服务提供商，注册于2014年。团队核心成员来自IBM、Oracle、SAP 等知名公司，深耕大数据分析领域，具有十余年丰富的企业服务经验。

DataHunter 旗下核心产品智能数据分析平台Data Analytics、数据大屏设计配置工具Data MAX已在业内形成自己的独特优势，并在各行业积累了众多标杆客户和成功案例。

成立以来，DataHunter就致力于为客户提供实时、高效、智能的数据分析展示解决方案，帮助企业查看分析数据并改进业务，成为最值得信赖的数据业务公司。