我们身处的世界是不断变化的，化学键断裂、角马迁徙、地壳运动... ...

变化让现实世界充满了不确定性，围绕着我们的衣食住行，覆盖了各行各业。随着科技、经济的不断发展和人们对美好生活的不断追求，消费者需求端的变化越来越快、也越来越频繁。这些变化也对企业的供应链提出了更高的要求。

现如今的消费品供应链已变得更多元化、去中心化，也不再拘泥于传统单一的成本调控和库存管理，而是如何更精准的预测市场需求、更合理的降低库存浪费、更及时的补货和配货... ...

供应链，已经成为企业乃至产业运营体系全面数字化的主战场。而应对供应链上的各种变化，企业最需要的，是更敏捷更精准地，进行动态而智能地决策优化的能力。

而国际食品巨头好丽友，也意识到了。

提到好丽友大家都不陌生。

1997年，好丽友·派正式在中国生产并投入市场。作为公司的首款产品，好丽友·派香浓的巧克力味出道就迅速征服了广大消费者，成为无数人童年甜美的记忆。

随着经济发展，休闲零食逐渐成为了大家生活中的一部分，好丽友也相继推出了如蛋黄派、提拉米苏派、好多鱼、呀土豆、好友趣、薯愿等产品。通过二十多年的发展，目前，好丽友在中国市场年营收达到近八十亿人民币，占据了全球市场份额的一半以上，中国也成为了好丽友业务增长的核心根据地。

然而，近几年好丽友中国团队发现，尽管品牌和产品认可度都很高，但是业务增长却逐渐碰到了瓶颈，与此同时，中国市场涌现出一大批新品牌、新品类，因此，好丽友在市占率、推陈出新的速度、市场需求响应、运营水平能力等方面都面临着巨大的挑战。

好丽友的中国管理团队意识到，想更敏捷地应对市场变化和满足消费者的需求，在当下的竞争环境中，需要数字化转型推动业务变革，这其中，供应链的响应敏捷度和柔性，是重中之重。

因此，经过慎重考虑，2019年，好丽友中国对业务运作进行了初步梳理，确定从供应链端启动数字化转型，并且明确了三大核心转型目标：更精准的预测市场需求、更合理的库存安排、更高的客户订单满足率。

在寻找技术合作方的过程中，好丽友提出了一个相对比较严苛的要求：必须是深刻理解并聚焦中国市场的先进科技企业，并以结果为导向、用数字说话。机缘巧合的是，这与杉数科技所秉承的合作理念不谋而合，碰撞之下，双方迅速达成一致，于2020年疫情期间敲定了一揽子合作计划。

为什么好丽友一定要深耕中国市场的合作伙伴？这里面要考虑到国内外产业链的巨大差异。

从供应链视角出发，杉数科技联合创始人&首席科学家-葛冬冬认为，中国消费品市场和国外相比的主要差异，主要体现在以下几个方面：

1、消费者偏好完全不同

2、市场规模完全不同

3、同业竞争格局完全不同

4、物流和生产基建水平完全不同

5、信息化数字化程度完全不同

诚然，照比发达国家，国内的供应链管理水平有提高的空间，不过，与其说是差距，葛冬冬认为更多是差异，包括需求端和供给端，市场端和生产端。

例如，需求端方面，欧美发达国家多数很早砍掉了中间环节的渠道商、分销商。大部分品牌商、制造商将商品直接给了沃尔玛、家乐福这种超大零售商，但是国内的传统中间渠道商广泛存在于各行各业，而且根基深厚。

“我们认为，未来10年在国内依然是得渠道者得天下。”

这就意味着，很多国外看似先进的理念技术甚至方法论，在当下的中国可能行不通，或很难落地，更谈不上发挥业务价值了。

那么供给端呢？在国内，很多制造领域的企业，都需要全局打通整个产业链上下游的工厂，有几家、几十家，也有上百家、上千家，"这个现象在很多国外也是不一样的。比如欧美过去几十年，将一些制造业的产业集群废弃了，工厂都没有，谈何整合供应链？"

因此，靠算法优化决策这个事儿，非常具有国内特色也极具挑战。

葛冬冬回忆道："前几年我们和服务过的企业聊天的时候，提到供应链管理，总有人认为，中国企业肯定走欧美企业的老路，其实不然，历史不会重演。"

中国的消费市场之庞大有目共睹，那么想将企业做大、做强，葛冬冬认为，尊重市场是基本的原则，理解中国市场的核心变革驱动力是关键，死抱着国外所谓“先进”的理论和工具是行不通的。

敲定完合作计划后，杉数团队并没有贸然推进系统开发的工作。

“不理解客户就不能够真正解决问题、不见数据就不能乱弹，这是非常重要的基本原则。”葛冬冬表示。也就是说，项目开始之前，要真正了解到客户到底要解决什么问题，而真正的需求一定是基于数据判断得来的。

其实好丽友知道自己“生病了”，集团CFO发现了企业的运营情况出了岔子，比如，物流仓储的成本略高于行业平均水平，但是订单满足率却低；然后，组织上也没有成熟的计划体系，大部分决策都是靠着员工的“成熟经验”决定的。

现象是看出来了，但是如何解决呢？像好丽友这么大规模的企业，找到转型过程中找到最核心的抓手，是需要耗费心力的，需要跟进特定场景针对性分析。

由此，在项目的前期，杉数科技的专家团队，针对好丽友供应链运作整体进行了完整的诊断分析。

国内的泛零售或消费品企业在供应链方面推进数字化转型，大概率会碰到以下几个问题：

1、数据质量不够好

2、业务变化太快

3、转型规划不够清晰

而好丽友，尽管与传统企业相比，集团内部数据比较完整且准确，但是市场渠道部分，如商超、经销商等部分，数据多且杂乱，造成这个问题的原因之一是，系统对数据的录入不够准确与及时。

十几年来，好丽友在中国有2000多家经销商，整体的数据量非常大，然而，好丽友的供应链管理系统一直用的是入驻中国市场时搭建的，这么多年一直没升级，显然搞不定一直变化的业务，因此积累了大量需要清洗的数据。

数据不清洗没办法进行下一步的工作。而好丽友有一套线下的数据和线上的数据，并且每半个月会有一次盘点，基于此，杉数科技负责好丽友项目的项目经理阙子渊回忆，当时他们利用算法将半年内所有数据抽取出来，根据每天的交易额和盘点数据进行分析比对，"我们花了两三个月的时间。"

因此，项目前期，双方团队都花费了相当的时间和精力，从销售部门、生产部门、仓储运营部门和经营管理部门、市场部门等，做了充分的调研，并做了深入的数据分析，找到对标企业的差异点，以及问题形成原因，包括优势、劣势，主观部分、客观部分... ...

“我们当时是结合了像宝洁这样的企业，在供应链规划和仓储运营上的实践经验，然后再根据好丽友的现状，制定可执行的123步骤。”也就是说，对应的解决方案要靠什么技术赋能，组织上怎么改、数据上怎么改... ...

“我们发现的问题，其实有些是挺尖锐的。”阙子渊带着团队走访好丽友各个部分，并进行访谈，“想让对方信服，其实比较好的方式是靠数据说话，比较客观。”

因此，通过数据分析以及数据仿真得出的数据，论证了好丽友在效益、库存、订单满足率等存在的问题。

在两个月后的项目汇报会上，杉数团队拿出丽一份非常详实的报告，里面详细描述了好丽友的业务运作中存在的各种问题，将"数字化转型"的战略性目标，拆解成了一个个可执行的具体目标，然后将这些小目标再与实际业务诉求、发展情况结合，给出优先级建议... ...

看到这样一份报告，好丽友的管理层当场拍板：立刻启动第二阶段的完整合作。

问题清楚了，目标明确了，接下来双方团队就要开始制定执行计划了。

供应链优化过程中，能遇到太多的问题，必然涉及到供应链中库存、物流、仓储、生产甚至采购等多个环节的优化。

钟华坤和阙子渊回忆道，当时帮好丽友解决的仓库容积问题令大家印象深刻。

好丽友在中国有大大小小有十几个库房，此前经常存在的现象是，空仓半年爆仓半年，尤其是春节前后的销售旺季，每年总有两三个月由于销量旺盛库容不够，怎么办？再多租几个仓库？

多租仓库的办法简单粗暴，但是这笔钱是很大的开销，而且明显空仓半年的情况摆在那里。

阙子渊表示："我们当时提出了一个看上去很大胆的质疑，就是必须要搞清楚，爆仓的原因真的完全是因为量太大了库房不够吗？如果是的肯定要加库房，但如果不是呢？"

如果因为不合理的需求计划，导致生产了多余的不必要库存积压，挤占了仓库的存储空间，这对任何企业来说都是棘手的问题，这些库存既浪费了宝贵的产能和原材料资源，后续临期还要进行降价处理更进一步伤害了企业的利润。

"其实通过技术手段进行合理资源排布，是完全可以提前规避掉这些问题的。"

凭直觉和经验不能说完全不靠谱，肯定有赌的成分，这时候就靠技术手段先分析出，为什么爆仓——数据永远不会说谎。

因此，杉数团队与好丽友的IT团队通力合作，通过数据打通，获取库存真实情况，然后与业务团队对接，获取业务流程和业务规则，以及整体的业务框架和运作模型，再结合运筹优化的技术，建立起好丽友中国有史以来第一个智能订单优化系统。

"这里面，就是前端的销售的预测和协同，而关于库存部分，我们基于整体库存的历史水平和波动性，进行随机性和鲁棒性策略的建模，以进一步将库存的分类和优化落地。"也就是说，要通过销售订单来匹配库存、进行订单发货。

想得到反映真实情况的一手数据和业务洞察，就必须要深入到供应链一线，也就是进到好丽友的库房实际运作中去。

在中国，好丽友有四个基地，分别是沈阳、廊坊、上海和广州，而廊坊即是这四个里面最大的仓储中心，也是好丽友最大的生产基地。

"在具体实施的时候，我们整个将近十人的交付团队，在廊坊基地，驻扎了一个半月的时间。"

"好丽友晚上发货，我们在晚上处理订单。入驻基地的前两周，基本上，我们走得比工人晚，到的比工人早。他们上午8：30上班，我们要8点之前到，基本上每天只睡四五个小时，没休息日、连轴转。"

因此，大家白天收集问题，晚上立刻解决，第二天立马修复，就这样多反复几次，才能确保交付的时候，系统和实际的运作模式匹配得上。

阙子渊表示，涉及到具体的运营部分，就算前提做的准备、调研再充分，执行的时候也会出现小偏差，而任何一个不起眼儿的差池到最后，都会对结果产生巨大的影响。

他举了个特别典型的例子，在计算可用库存的时候，当时大家并不了解，仓库的车辆进出过程中存在数据不同步的现象。

"我们当时的公式是按照无差别计算的，然后发现这块儿数据，人算和系统算的老对不上，算法和公式并没问题，逐一排查后发现了。"

而类似这样的问题，阙子渊他们发现了20多个。

别看这样的问题小且碎，其实，越是细节上的问题，往往越能决定计划到底可不可行。

阙子渊表示，当时廊坊仓库车辆进出的数据差一天是几百箱，如果你的系统按照这样的数据跑下去，想象一下，一年后这个问题就大了。

最后，好丽友基于算法建议的库存水位设定，尽量少租额外的仓库，这样避免了库容的浪费和短缺，也保障了产量符合要求，省了一大笔钱还少了人力协调。

前面提到了供应链的响应敏捷度和柔性，其实，任何企业库存的管理是弹性的。那么，合理平和的库存水位，必须能够应对需求端的波动和变化，这也是库存的柔性管理，这对企业而言非常重要。

"也就是说，给供应链注入柔性，意味着当变化来临的时候，企业能接得住。"钟华坤表示。

如果没有柔性供应链能力，当面临随时变化的市场需求，靠人力去计算其实很难做到立即调整及时响应，大型企业里，一个变化需要走很多道手续，经过几层人为判断，再经过多轮讨论，决策结果出来很可能又是新的一波变化扑面而来了。

"这就陷入了死循环，决策的永远是过时的变化，堆积到后面将覆水难收。"钟华坤表示，能否做到每个问题从发现到解决的大幅提速提效，其实体现了粗放式管理和精细化管理的巨大差别。

而在和杉数科技的交流过程中雷锋网发现，做任何的决策问题如资源的分配等，都离不开大数据的技术支持，离不开通过数学优化算法来求解，这里面绕不开的是如何用技术赋能，也就是求解器、模拟仿真等技术的应用。

关于求解器的由来，雷锋网(公众号：雷锋网)曾发文《解决中国"卡脖子"问题：研究求解器的少数者》，里面详细阐释了求解器的技术、故事。

提到模拟仿真，葛冬冬表示，可以看作企业在不同经营决策条件下，对于未来的经营目标和决策考量，可能是激进、中立或保守，这时候需要提供多个不同策略的模拟，以尽可能模拟出真实落地效果供决策者参考。

“这与现在炒的很热的数字孪生等概念本质上是一回事。”而这两种技术也在企业如生产制造、供应链、销售等场景中反复出现，“除了这两个核心技术，其实想搞决策优化牵扯的学科非常多。”

例如，在为好丽友供应链赋能的过程中：

1、销售需求计划部分如预测，涉及到机器学习和深度学习；

2、生产计划和库存优化，涉及到统计学、运营管理和运筹优化；

3、新品管理和促销管理，涉及到营销学和经济学，还有消费心理学与行为分析等。

葛冬冬表示："很多问题，在整体进行优化的时候会发现，这是一个计算量巨大无比的实时动态匹配工作，常常会变成一个强化学习加优化的事情了。换句话说，当面临情况时，需要基于多年积累的数据及先验规则挖掘规律，结合不断实时变化的实际情况作为得失反馈，由算法再进行自我优化和自我调整。"

因此，从信息化迈进向决策数字化和智能化过程中，涉及的学科知识及技术运用相当复杂，需要一整套体系化的数理逻辑和实战经验在里面，并不是一套标准软件就能搞定的。

"综合性的复杂问题必须通过综合性的方案来应对，而国内企业面临的问题基本上都是巨大而复杂的综合系统且极端困难，因此不存在某种单一的技术、算法、系统甚或学科，能解决一切问题。"

钟华坤表示，在和好丽友合作的过程中有个小插曲，就是好丽友另一个领域的技术赋能方，在合作的过程中，由于并没有进行类似的数据诊断和业务梳理，导致项目执行过程中出现了跑偏的情况，直接影响到了转型目标的达成。

为什么出现这样的问题？是因为团队习惯于按照业务提出的直观需求来进行直接开发，无法提供更合理更优质的方案建议给到业务方。

"其实，在给泛零售企业在做决策化的时候，最大的问题可能就是自己都不知道问题出在哪儿，需要大家一起寻找。"就好比好丽友，像物流运营端，包括业务规则、实际的数据情况等都很复杂。

盲目动工，很有可能会导致跑偏甚至白跑，还是那句话，一切要靠数据说话，谁专业听谁的。

在数字化赋能好丽友供应链的过程中，阙子渊回忆，双方都放平了心态，这个过程非常顺滑。

"好丽友是个很包容性的企业，不论是他们的IT团队，还是业务团队，都非常配合。"阙子渊表示，在进行调研的时候，好丽友给予了非常大的信任，"他们的仓库负责人其实对我们给予很高的期望。"

诚然，数字化转型，其实是决策层驱动的事情，尤其企业的组织内部管理，需要企业本身自己要有足够的决心和毅力。

因为变革的过程，会打破现有的流程，甚至打破原有的组织架构，可能会涉及到很多部门之间的利益，如果这个过程遇到阻碍，需要企业有一些"关键先生"站出来，给大家引领。

"归根结底，就是你到底想不想干这个事儿。"

而对于技术赋能方来说，钟华坤认为，光强调技术领先是无法解决实际问题的，反而要将自己的技术和实际业务场景深度融合在一起，结合技术能力边界，结合业务体系情况，结合从管理层到下面每一层级人员的目标诉求，专注每一个分级的小目标或者小问题，方能给出实打实、落地性强的解决方案。

葛冬冬认为，决策优化的核心目的有两方面。

一方面，是如何将企业逐步积累的大量业务数据转换为有效决策，从而实现数据资产变现；另一方面，更是如何在企业运作链条上的各个环节，极致高效地支撑企业实现业务增长目标。

而优化技术的运用或智能决策在企业落地的过程，不是一次性能完成的，这一定是一个持之以恒、持续迭代的过程。

企业的诉求一定是要能够及时地响应市场和行业里的变化，落地方案上要不断地优化、调整，而且赋能方的商业模式本身也要持续性服务，要一直帮企业挖掘价值点。

数字化转型本身，是长期有价值的事情，"但是就算手握全球顶尖的技术，也要有趴到泥土地里去解决问题的决心啊！”