供应链与智慧供应链的价值来源

1.传统供应链的价值来源

Lazzarini等（2001）曾分析了传统供应链与网络链之间的价值来源差异。他们指出，在以往的供应链中，核心的价值来源主要是三个，即生产与运营的优化、交易成本的降低以及产权的合理化。

第一，生产和运营的优化。供应链在以往企业价值链的基础上，拓展到了组织外部的上下游合作者，供应链包含了“一系列相互关联的供应商和客户”（Handfield & Nichols, 1999），因此，供应链管理涉及整个供应链活动和流程中物资、资金、交易和信息的协调和整合（Simchi-Levi et al.,2000）。当供应链形成一个整体（前提是能对供应链参数进行最优决策，诸如供应链层级数、库存水准、产品决策、分销网络等），就能实现整个上下游的高绩效，而这种绩效的衡量表现为成本和技术效率等定量化的指标，以及客户反映和客户满意等定性化的指标（Beamon, 1998）。

第二，交易成本的降低。Coase（1937）认为交易成本既包括前交易成本（ex-ante），如搜寻合作伙伴、谈判和签约的成本，也包括后交易成本，如监督、履约的成本。这种成本之所以存在，是因为不同的主体具有不同的利益诉求，有关契约的信息也不对称，而供应链整合有利于解决上述问题。此外，供应链中良好的规制机制能有效降低因为资产专用性而产生的敲竹杠问题。

第三，产权的合理化。Teece（1986）曾经指出创新者并不总是能从创新中获得经济租，这是因为当产权安排不清晰时（如竞争者或其他上下游的组织容易模仿或者产权保护不完善），或者该创新有赖于其他组织的资产时，企业的创新效益就会被削弱。而供应链则通过参与各方合理地分配投资，共同创造价值和分享收益，避免了这一问题。

2.智慧供应链/网络链的价值来源

智慧供应链或网络链与传统供应链不完全一样，除了上述价值来源外，网络链的价值更多地来源于社会结构、学习和网络外部性。

社会网络理论非常强调社会结构，亦即人际关系、某个主体在社会网络中的位置影响了个体或组织的行为和绩效。Granovetter （1985）用“社会嵌入”一词表征了个体在社会中的属性。有些学者认为紧密的网络（dense network），即某个主体广泛地与其他组织相联系，或者强关系（strong tie），即存在重复的、情感性的关系性交换（Nelson, 1989; Krackhardt, 1992），能使企业与众多利益相关者形成有效的合作，达成更好的一致性，避免同产业企业之间的盲目、混乱的竞争（Pfeffer & Nowak, 1976; Galaskiewicz, 1985; Lane & Bachmann, 1996）。而松散的网络（sparse network），即不存在冗余关系的连接（Burt, 1992），或者弱关系（weak tie），即存在偶然、市场状态的交换（Granovetter, 1973），能使企业获得新的信息，建构多样化的联系，有利于发现新的机会或创新。智慧供应链正好体现了这种双重特征和优势，它既建立起了一定程度的紧密合作关系，通过互动和协同产生信任和依存，同时又通过服务模块化的形式，灵活地组织网络结构和主体，使得整个网络具有充分的柔性和灵活性。

智慧供应链价值来源的第二个方面是学习，这种学习的机制有两种状态。一是在智慧供应链中强调每一个参与主体根据自己的情景、历史和优势资源进行专业化的发展，从而形成自身独特的知识，并以此作为与其他主体沟通、合作的基础。从社会网络的视角看，知识的异质性对于其他组织是有益处的，因为它能够通过溢出效应，增强创新的机遇（Audretsch & Feldman, 2004; Kogut, 2000）。二是智慧供应链也强调协同专业化。协同专业化通过整合各自独特的能力，发展特定的运营体系实现价值增值。Rowley等（2000）指出了这两种学习状态与网络结构之间的对应关系，他认为知识的异质性是通过弱关系实现的，而强关系则有利于实现协同专业化。

智慧供应链价值来源的第三个方面是网络的外部性。网络外部性指的是随着采纳某项技术人数的增加，技术应用的收益上升（Arthur, 1989）。Katz和Shapiro （1985）提出了两种类型的网络外部性，一是直接的网络外部性，亦即当某个主体采用新的交易技术时，例如电子商务，也会为其他主体带来收益，因为这一交易方式能为相应主体带来新的机会，降低交易成本（Domowitz, 1995; Economides, 1996）；二是间接的网络外部性，即由于某些技术或交易模式之间存在着互补性而产生的外部性。上述两种状态在智慧供应链中都非常明显，一方面由于互联网、物联网、云计算等新兴技术运用于供应链运营中，使得相应的参与者直接产生了网络外部性；另一方面由于在网络链中各参与方的资源和能力相互依存、相互补充，因而也形成了间接的网络外部性。

参与各方的依存形态

依存指的是交易活动中各方相互依赖的程度，Thompson （1967）指出企业之间往往存在着三种形式的依存关系，即池依存（pooled interdependence）、序列依存（sequential interdependence）和相互依存（reciprocal interdependence）。池依存指的是群体中的个体都能为既定的任务做出细微的积极贡献，也就是说这种贡献是由松耦合的组织做出的。从某种意义上讲，组织之间的关系趋向于相对独立（Van de Ven et al., 1976）。也正因为如此，池依存中的企业能够更好地获得多样化的知识，并且相互之间通过产品和服务直接或间接交换知识。另外，由于组织间关系趋向于松耦合，其行为较容易通过采用新的技术和模式来寻求利益和发展，从而带来了更多的网络外部性。例如，基于互联网的B2B交易平台将不同地域、不同国别的企业联系起来，共同为促进交易、提升效率而努力，这就形成了所谓的池依存。序列依存则不同，它是一种次序性的关系，前一个环节的产出是后一个环节的投入，相互形成了前后依存关系。例如，在全球端对端的物流业务中，涉及国内装载、国内运输、国际航空运输、国外运输以及国外装卸，正是这样一种相互衔接、互为因果的关系，使得企业之间脱离了任何一个环节，企业的价值就很难实现。相互依存是一种更为复杂的关系体系，一个主体的投入是另一个主体的产出，反之亦然。也就是说，它们相互影响，相互作用，从而形成了高度复杂的交互式的关系。

Lazzarini等（2001）认为在传统的供应链中，企业之间的关系是一种典型的序列依存，前后形成了投入产出关系，因此，在传统供应链中强调的是上游或上游的上游，下游或下游的下游，只有处理好了上下游的关系，界定清晰各自的投资，供应链才具有竞争力，为参与各方创造价值、降低成本。因此，组织之间的协调机制是管理差异，亦即通过计划将不同环节和资源能力组织有效连接起来。而智慧供应链或网络链则不同，参与各方的关系是池依存和相互依存的融合，一方面，网络中的利益主体通过互联网或物联网这种标准化的流程连接在一起，为共同的目标协同、努力；另一方面，他们相互服务、相互影响，通过互动和相互调整产生价值（见图2—3）。

图2—3　传统供应链与智慧供应链中企业间依存关系

智慧供应链的流程

供应链流程是供应链运营价值实现的过程，Ellram等（2004）提出供应链的高效和持久运作依赖于综合需求管理、客户关系管理、供应商关系管理、物流服务传递管理、复合型的能力管理、资金和融资管理等主要流程的整合与协调。这六个流程的实现能够帮助企业有效地掌握客户需求、合理地组织生产和服务，实现企业服务绩效（宋华，2012）。智慧供应链的实现在流程上除了上述六大流程外，更加突出了“四化”管理，即供应链决策智能化管理、供应链运营可视化管理、供应链组织生态化管理、供应链要素集成化管理。这四个方面分别对应供应链管理的宏观战略决策层面和微观运营层面，以及供应链管理主体组织层面和客体要素层面，所有这四个层面能够有效地落地并产生绩效，同时能够很好地结合，相互作用、相互促进，智慧供应链就得以确立，真正推动产业的发展和网络的创新。

供应链决策智能化

供应链决策智能化指的是在供应链规划和决策过程中，能够运用各类信息、大数据，驱动供应链决策制定，诸如从采购决策，经制造决策、运送决策，到销售决策全过程（见图2—4）。数据驱动的决策（data-driven decision，DDD）制定指的是决策制定的执行是基于数据分析而不是简单凭管理者的直觉。数据驱动的决策制定对于企业的作用是不言而喻的。McAfee等（2012）对数据驱动的决策制定对企业的绩效影响进行了研究，他们的研究发现，一个企业如果将自己定位为数据驱动型的企业，那么他们就能对自己的财务和运营结果做出更加客观的评价。数据驱动型的决策使企业不仅能从数据分析中有所发现，就像沃尔玛发现啤酒和尿布的联系，还能提高企业决策制定的准确性。

图2—4　大数据支撑的智能供应链决策

具体讲，供应链决策智能化主要是通过大数据与模型工具的结合，并通过智能化以及海量的数据分析，最大化地整合供应链信息和客户信息，有助于正确评估供应链运营中的成本、时间、质量、服务、碳排放和其他标准，实现物流、交易以及资金信息的最佳匹配，分析各业务环节对于资源的需求量，并结合客户的价值诉求，更加合理地安排业务活动，使企业不仅能够根据顾客要求进行业务创新，还能提高企业应对顾客需求变化所带来的挑战。显然，这一目标的实现就需要建立起供应链全过程的商务智能，并且能够将业务过程标准化、逻辑化和规范化，建立起相应的交易规则。例如，阿里巴巴的淘工厂旨在链接淘宝卖家与工厂，解决淘宝卖家找工厂难、试单难、翻单难、新款开发难的问题，为电商卖家与优质工厂搭建的一座稳固的桥梁。然而，要实现这一目标，就需要产业供应链的全程智能化和规范化运作。这包括：第一，将线下工厂数据化搬到线上，并对提供的工厂信息进行第三方标准化、规范化的验厂（工商注册、产能、擅长品类、擅长工艺、工人数、开发能力、生产线、设备、车间、版房、品管、协力工厂）。第二，让工厂将产能商品化，开放30天空闲档期，从而能让电商卖家快速搜索到档期匹配的工厂。档期表示工厂接单意愿，如果工厂没有空闲档期，则搜索会默认过滤掉。第三，自动筛选柔性化程度高的工厂。如工厂能提供最低起订量、打样周期、生产周期、7天内可供面料，电商卖家可以通过频道、搜索快速找到柔性化最适合的工厂。第四，交易规则保障。即入驻淘工厂平台的工厂交纳一笔生产保障金，保障买家成品的质量和交期问题，如果发生交易纠纷，依据合同条款和平台规则，平台介入处理。第五，在供应链运营智能化、标准化基础上的金融授信加担保交易。淘宝卖家支付货款使用阿里授信额度，大笔交易全款支付，不用再担心资金问题。工厂也不再担心买家会耍单、跑路、欠款的问题，只要双方达成交易，买方确认收货后，工厂即可凭信用证收回全款。如果发生买家店铺倒闭，阿里金融承担损失，并向买家追偿。显然，阿里淘工厂运营的核心在于供应链运作的逻辑化、标准化，借助于互联网的方式，实现了交易前、中、后全过程的自动化和数据化，亦即商务智能，并通过对信息和数据的挖掘，实现了有效的供应链运营决策和匹配。

供应链运营可视化

实现企业供应链的优化、提高供应链运作的协调性的关键是充分运用互联网、物联网等信息技术，实行供应链全程可视化。供应链可视化是利用信息技术，通过采集、传递、存储、分析、处理供应链中的订单、物流以及库存等相关指标信息，按照供应链的需求，以图形化的方式展现出来，其主要包括流程处理可视化、仓库可视化、物流追踪管理可视化以及应用可视化。通过将供应链上各节点进行信息连通，打破信息传输的瓶颈，使链条上各节点企业可以充分利用内外部数据，这无疑提高了供应链的可视化。供应链的可视化不仅可以提高整个供应链需求预测的精确度，还能提高整个链条的协同程度。Waller和Fawcett（2013）分别从运输公司、制造商以及零售商的角度，具体描述了为了实现供应链优化和可视化，各不同类型企业需要获取的数据（见表2—1）。

表2—1　大数据在物流中潜在运用举例

从实现的路径上看，实现供应链运营可视化，需要从以下五个步骤入手：第一，能及时感知真实的世界在发生什么。也就是在第一时间获得、掌握商业正在进行的过程、发生的信息，或者可能发生的状况。这一目标的实现需要在供应链全过程运用传感技术、RFID、物联网技术手段捕捉信息和数据，并且这些技术的运用和获取的信息应当覆盖供应链全过程、各类组织，以保证信息不是片段、分割的。第二，预先设定何时采取行动。即在分析供应链战略目标和运营规律的前提下，设定事件规则，以及例外原则。第三，分析正在发生什么状况。这需要分析者具备一定的能力，以有效地分析所获取的信息和数据。Schoenherr和Speier-Pero（2015）认为，预测（定量和定性的）、最优化、统计学（估算和抽样的方法）以及经济学（决定机会成本）的相关技能对于数据分析非常重要。除了这些相关学科技能外，数据操作以及沟通与人际交往的能力对于分析的运用也很重要，因为数据操作的技能要求数据科学家不仅能从数据库和资料库中提取交易信息，还能从社交网站上获取顾客相关信息并与企业内部的数据进行整合，也就是需要数据科学家能够对结构性数据和非结构性数据进行整合分析。对于沟通与交往技能来说，数据科学家不仅需要很好地处理数据，而且也需要将数据中获得的见解有效地（诸如图形化的方式）传达给相关人员。第四，确定需要做什么。在获得商业应用型、图示化的分析结果之后，供应链各环节的管理者需要根据此前确立的商业规则、例外等原则，知晓需要运用什么样的资源、优化工具如何对供应链运营进行调整，形成良好的供应链方案。第五，采取什么样的应对措施。即为了实现上述优化目标的调整，具体采用什么措施实现供应链资产、流程的调整与变革。

供应链组织生态化

供应链组织生态化指的是供应链服务的网络结构形成了共同进化的多组织结合的商业生态系统。商业生态系统（business ecosystem）最早是由James Moore（1993）在《哈佛商业评论》上发表的文章《掠食者与猎物：新的竞争生态》中提出的，他结合生态学理论，指出商业生态是以组织和个人的相互作用为基础的经济联合体，是商业世界的有机体。一个商业生态系统包括消费者、主要生产者、竞争者以及其他的风险承担者；其中主要生产者是商业生态系统的“关键物种”，在协同进化过程中起着重要的作用。后来他进一步完善了商业生态系统的内涵，将其定义为“由相互支持的组织构成的延伸的系统,是消费者、供应商、主要生产者、其他的风险承担者、金融机构、贸易团体、工会、政府以及类似政府的组织等的集合。这些集群以特有的自发性、高度的自组织以及某种偶然的形式聚集到一起”。显然，商业生态系统理论认为众多的组织和个体都是价值创造的一部分，他们之间共同作用，有机地组织在一起，扮演不同的角色，推动商业网络的形成、发展、解构和自我更新。这种生态化的网络结构产生的结果是供应链组织方式和行为方式发生改变，即从原有的双边结构，经三边结构向四边结构（tetratic）转化。

双边结构是一种传统的供应链关系，即以产品交易为基础的供需买卖关系。而三边结构供应链运营的核心不再是产品，而是服务。三边关系最初由Bitner（1995）提出，他认为在服务品牌创造的过程中存在着三种不同的主体间互动和价值协同行为，一是组织（或企业）与客户之间的互动，即做出承诺（making promise）；二是组织（或企业）与组织中的成员或网络中成员之间的互动，即促使或促进承诺（enabling and facilitating promise）；三是组织中成员或网络成员与客户之间的互动，即保持或支持承诺（keeping or supporting promise）。在此基础上，Little（2004）从组织的视野提出了客户价值互动的整体框架，在这个框架中除三大类主体（企业、企业中成员或网络中成员，以及客户）之间做出承诺、促使承诺以及保持承诺外，还有就是通过上述三个流程而最终实现承诺（realizing promise）。四边结构是在三边结构基础上的延伸，这一概念由Chakkol等学者（2014）提出。在供应链服务化过程中，服务的品牌和价值不仅是由供需双方，或者三方（即企业、客户、企业网络中的成员）的相互行为所决定，同时也受到他们同其他利益相关者的关系影响。这是因为利益相关者能帮助企业（服务集成商）、需求方和微服务供应商带来合作中的合法性或者新的资源，继而促进各方的合作关系的发展。因此，如何协调和整合四方关系和行为是生态化运营的核心。

供应链要素集成化

供应链要素集成是指在供应链运行中有效地整合各种要素，使要素聚合的成本最低、价值最大。这种客体要素的整合管理不仅仅是通过交易、物流和资金流的结合，实现有效的供应链计划（供应链运作的价值管理）、组织（供应链协同生产管理）、协调（供应链的知识管理）以及控制（供应链绩效和风险管理），更是通过多要素、多行为交互和集聚为企业和整个供应链带来新的机遇，有助于供应链创新。Tan等学者（2014）认为企业可以通过互联网、物联网实现的大数据，即结构性和非结构性数据的整合，而获得新的想法或者更好地理解企业顾客、市场以及产品，并提出基于演绎图技术的分析构架，有助于企业将自己的能力集和其他企业的能力集进行整合，从而加强供应链的创新能力以获得整体的竞争优势。

具体讲，智慧供应链下的要素集成主要表现为通过传统的商流、物流、信息流和资金流等诸多环节的整合，进一步向以下几个方面的集成拓展：一是供应链与金融的结合与双重迭代，即将金融机构融入供应链运作环节，为供应链注入资金，解决了供应链中的资金瓶颈，降低了供应链的运作成本，提高了供应链的稳定性。这一创新和产业供应链运营是分不开的，因为如今像物联网、云计算以及大数据分析等高新技术的广泛运用使金融机构能掌握供应链交易过程中产生的“大数据”物流、交易信息，将物流、交易管理系统产生的数据实时反映到供应链金融系统中，从而对交易过程进行动态监控，降低供应链金融运行风险。同时又通过产业供应链运营，创新和拓展金融产品和管理，使金融的物种（即业务形态）和金融组织（金融活动的参与者）日益多样化。二是消费活动、社交沟通与供应链运行的集合。消费活动和社交沟通作为一种人际交流和沟通的方式，已经开始融入供应链运营过程中，这不仅是因为消费活动、社交沟通使得信息传播的方式和形态发生改变，从而使得供应链信息交流的途径多样化，而且社交沟通也改变了产业运营的环境和市场，使得供应链关系的建立和组织间信任产生的方式发生变革。三是互联网金融与供应链金融的结合，即将依托于互联网产生的资金融通（如众筹等）、第三方支付等金融业务创新，与产业供应链金融（如贸易金融、物流金融和供应链融资等）紧密结合，既通过互联网金融降低供应链金融运营中的融资成本，拓展资金来源渠道，又通过供应链金融有效解决互联网金融产业基础不足、风险较大的问题。

智慧供应链管理能力

智慧供应链的形成有赖于管理能力体系的建构，这种能力包括了六个方面的要素，即：能确实因应供应链客户的真实价值诉求；互联网使能下的供应链全程可视化；建立模块化的供应链运营构架；实时的供应链计划与执行联接体系；完善的报告与绩效管理（良好的供应链预警）；建立、运营精敏化供应链。

一是能确实因应供应链客户的真实价值诉求。了解供应链客户（这里的客户是一种广义概念，既涵盖终端消费者或购买方，也包括所有与企业合作的主体）真实的价值诉求是拉动式供应链的前提，而做到这一点就需要真正洞察客户内心深处的经济和情感诉求，而不是外在的产品和业务需求。

二是互联网使能下的供应链全程可视化。供应链全程可视化管理指的是供应链参与各方能够对供应链全过程、国内外市场的状态和运营及时地反映，并追踪物流、交易的状态和活动，做到对供应链运营过程的及时监测和操控。这一目标在传统的产业供应链模式下较难实现，其原因在于供应链参与者复杂，信息系统不一致，人工干预较多，很难确定零部件需求和消费比率、监控和管理生产订单，以及供应链运营的关键绩效指标（KPIs），其结果容易产生供应链低库存周转，高安全库存、资源配置失调而造成浪费，缺乏制造有效性和高效性，供应商质量无法保障，以及过多产品召回。因此，如何实现供应链全程可视化成为智慧供应链的关键，而这一能力的形成，需要借助互联网、物联网、RFID等技术建立真正标准化、规范化、可视化的供应链网络。

三是建立模块化的供应链运营构架。智慧供应链追求的是充分应对真实的价值诉求，及时、有效地设计、建构和运营供应链体系。运用模块化方式进行供应链集成，能迅速地运用自身、外部第三方等主体或机构的能力建立起独特的供应链竞争力，在不破坏原有体系的基础上实现供应链服务功能的快速定制，具有良好的智能反应和流程处理能力。也就是说，智慧供应链的柔性组织，其能力更为强大。

四是实时的供应链计划与执行联接体系。即供应链计划与执行体系的联接能在数据和流程两个层面同时实现。供应链计划和供应链运营执行要行之有效，必须实现数据、信息同步化，并且相应地组织和管理流程。无论是计划层面还是执行层面，所需要的数据和信息既包括历史的，也包括正在发生的和将要发生的，因此，同步化的概念在于进行供应链计划时运营层面的过往、即期以及可能的信息和数据能及时获取，并指导供应链规划；与此同时，在执行供应链活动时，又能根据实际正在发生的状况和下一步需要执行的活动，及时配置资源和能力，使得供应链执行过程稳定、有效。

五是完善的报告与绩效管理，以及良好的供应链预警。即能运用供应链分析工具比较预期与实效，实现统计性流程控制，防范因供应链运行超出预计范畴，导致供应链中断或产生其他风险。智慧供应链管理的核心是在实现高度智能化供应链运用的同时，实现有效、清晰的绩效测度和管理，建立贯穿供应链各环节、各主体、各层次的预警体系，轻松实现供应链活动的持续进行、质量稳定、成本可控。SCM World的Kevin O'Marah在2015年所做的全球供应链调查中，在涉及企业供应链管理最优先关注的问题时发现，企业最关注的问题包括运用新型媒体实现客户反馈、削减运营成本以及敏捷适应客户需求。显然，如何做到供应链运营高增值的同时，实现各环节、各流程绩效的全面管理和预警是真正确立智慧供应链的关键。

六是建立、运营精敏化供应链。供应链精敏化指的是供应链智能敏捷化（即快速响应和服务）与高效精益化（即总成本最优）相结合。精敏化（leagility）这一概念最初由Ben Naylor提出，以往精益（lean）和敏捷（agile）被认为是供应链运营的两种状态，两者相互独立，各自对供应链价值的四大要素（即效率、成本、服务和速度）产生不同的影响作用。也就是说，如果产品业务多样性程度较低、市场变动较小，则可以建立高效率、低成本的精益供应链；反之，如果品种变异较大、市场波动性较强，则可以建立追求速度和服务的精益供应链。Naylor则认为在同一个供应链体系中精益和敏捷可以同时实现，并不相互排斥，关键在于如何根据市场的状况和产业运营的特点，设计和安排解耦点（decoupling point），也就是持有库存缓冲点。智慧供应链的建立就是要运用互联网、物联网和云计算等现代技术实现解耦点的前移。如图2—5所示，供应链的运营在解耦点的上游主要依靠预测，下游则完全按照实际发生和将要发生的信息和数据运营。在新兴技术出现之前，要想保证企业供应链运营的顺利和有效，在很大程度上只能取决于高精度的预测，在按库生产和发货的状况下，尽管上游的生产运营成本稳定可控，但是一旦预测出现误差，或者市场有所变化，就会产生下游高昂的库存持有成本，并且服务的水准受到影响。在按单生产和装配下，尽管供应链对应客户的能力上升，由于预测成分减少导致下游库存持有下降，但是往往容易造成解耦点上游的生产运营压力，诸如产能不足、时间太短、资源短缺等，因此，以往的理论和实践认为精益和敏捷是相互排斥的。而智慧供应链需要企业充分运用互联网、物联网和云计算等技术，使所有供应链环节，特别是终端客户的行为变化能够及时得到反映、掌握和分析，解耦点能够沿着供应链向上游推移，并且在保证服务质量和下游低库存成本的同时，实现上游生产运营有序、稳定和高效，因为供应链上游的设计、规划和供应链安排能够根据第一时间获取的数据和信息预先进行，最终实现按单采购运营这种精敏化的目标。

图2—5　不同的供应链战略