Gartner在2023年11月6日发布了《供应链计划领导者的技术创新趋势》，其中有一句话值得讨论：
说服企业在供应链计划方面进行技术创新投入通常是困难的，因为人们期望在短时间内看到价值，但实际的益处只会在完成实施（平均需要1.1年）并且流程稳定之后才能体现。
Gartner的报告，上面引述的话是报告提要里的第三点。
在积兆科技看来，这句话值得讨论的地方有两点：
第一，是这句话本身，关于价值验证。在供应链数智化的项目中，无论是需求方的伙伴，还是实施方的同学，相信都遇到过类似的“灵魂拷问”——有关“价值”的质询可能贯穿项目的售前、立项、实施和结项等整个阶段。然而，本文的主要焦点并非这个值得深入探讨的话题。值得一提的是，积兆科技正在与工业互联网协会等机构合作，在制定供应链数字化行业标准时对“价值”进行规范。我们也将另外写文章探讨价值这个话题。
第二，是这句话括号里边的内容，项目实施“平均需要1.1年”。这个数字看起来确实让需求方感到灰心、实施方感到扎心。这表明根据Gartner的调查，供应链数智化项目的平均实施周期是1.1年，即大约13个月。我们在和企业交流时，听到的案例的实施周期甚至大多超过了13个月。漫长的等待时间是行业的普遍情况，也是让企业在数智化面前犹豫不前的主要原因。但是，站在技术发展前沿的积兆科技，通过独立研发的小流智算平台技术，成功地突破了实施周期长的魔咒。在积兆科技落地的供应链数智化项目中，平均实施周期只有13天左右。
首先，我们看积兆科技做过的两个实例。
案例之一：包邮区的一家A股上市智能装备制造企业，CEO非常重视新技术在企业内的应用。2023年，为了进一步拓展海外市场，他们需要对整个仓储网络做出模拟方案，以此规划布局。由于整个供应链中的节点（国内厂、国内仓、海外厂、海外仓）总数超过30个，同时还面临进出口相关政策的影响，需求比较复杂。项目在调研阶段就花费了数月时间，数字化部门与市场上的大部分知名的咨询公司、ERP厂商以及人工智能算法公司进行了接触。
经过调研，他们发现咨询公司整体方案不错，但缺乏实施能力；ERP厂商侧重流程和财务，缺乏算法能力去实现业务优化的需要；新兴的人工智能算法公司技术强大，但不是对供应链业务缺乏深入理解，就是需要漫长的周期进行POC和实施落地。
通过在线了解积兆科技的介绍，该企业的供应链业务人员在观看使用帮助文档和演示视频的基础上，只花了2天时间就自主完成了一版小规模的测试。测试效果非常可观，甚至超过了咨询公司预估的收益，于是决定进行全量规模的应用验证。积兆科技立刻根据该企业的特殊需求定制了输入模板，用时约7天。最后，又花了大约4天的时间，利用历史实际业务数据进行测试，并与人工决策进行对比。结果显示，智能决策在将订单满足率提升了13%的同时，把运输成本又降低了12%。在大约两周的时间内，该企业验证了项目的可行性与价值，实现了从Excel到数智化的跃变，并与积兆科技达成了后续合作，继续在更大范围内优化运营。
案例之二：一家位于京津冀地区的头部快消品公司，其在全国有20家工厂，30多个RDC。产品具有强烈的季节性特点，每年5-10月份为销售旺季，企业面临供不应求的状态。在旺季，最大化利用产能以尽可能满足需求，成为企业运营的挑战。积兆科技与该公司供应链团队合作，只花了大约2天时间就梳理好企业供应链运营的现状与问题，基于积兆科技的小流智算与ODP数据平台进行了demo搭建，并为该企业管理层进行了演示。随后，选择了需要上线的主要SKU，用大约7天的时间准备所需要的输入数据，又花费了3-4天的时间进行效果验证。
初步的结果显示，在旺季的一个月内，产能提升了5%，同时没有增加运营成本。这意味着通过算法优化，公司多出了相当于一家工厂的产能（按20家工厂计算）。
那么我们是如何将Gartner所说的13个月缩短为13天的呢？主要得益于积兆独创的算法的通用性、应用大模型提升效率、跨领域的专业人才三个方面。
小流智算将供应链领域的典型场景，高度抽象成可以广泛复用的模型。例如，“多周期时空网络优化引擎”（以下简称引擎）是小流智算中的核心算法之一。这个引擎利用运筹学将供应链网络中的节点（如厂、仓、供应商或外部流）进行建模，其中各种物料（成品、半成品、原辅料等）在网络中流转，同时还考虑了前置时间。在这个网络中，根据多层级优化目标（如最大化服务满足率、最小化总成本），引擎求解全局最优解，从而获得最高效率、最低成本的生产和物流方案。这样抽象的模型可以应用于食品饮料、电子、汽车、医药、化工等多种行业，可以支持仓网规划、主生产计划等多种业务场景。
多周期时空网络优化引擎，在端到端供应链上做全局优化。
或许有人会问，这个引擎是不是就是一个求解器？实际上，引擎与求解器有所区别。用一个做应用题的场景来简单说明，求解器类似于一个能解方程的计算器，而引擎的作用则是在解应用题时把方程式列出来。因此，用户只需根据列出的方程填写已知条件以求解未知。由于引擎对典型的供应链网络优化问题进行了高度抽象，避免了每次都从零开始定制算法所需的时间。
大多数参与过智能决策项目的专业人士都了解，数据的输入是一个不可避免且耗时的过程。输入数据的质量在很大程度上决定了输出结果的质量。传统做法是实施方要协助，甚至是完全替代需求方，来进行这方面的工作。这些需求在双方内部来回流转N次，浪费时间是一方面，更致命的是，数据质量问题可能阻碍客户积极采用智能决策技术的热情。而积兆科技的小流智算平台通过使用了大模型技术的智能助手，能够在客户输入数据时提供自然语言的交互，提示并协助解决数据输入问题。此外，在方案输出阶段，小流智算还通过自然语言描述和对比不同的计划方案，使用户能够快速进行what-if分析以做出决策。
使用Flow助手提升使用效率。
传统类似项目中，实施方参与的角色及其职责大致包括售前（解决方案）、业务顾问（业务调研）、产品（算法、研发沟通）、项目（项目管理）、数据算法（数据分析与算法实现）、工程架构（架构工程实现）、测试（QA)等。在这些角色之间进行信息流转与协调是一个复杂且耗时的问题。特别是在业务角色向技术角色传递信息时，容易出现失真，因此客户经常提到“懂业务的不懂技术、懂技术的不懂业务”的问题。有实施过类似项目的需求方项目负责人曾表示：“不能让没做过供应链业务的计算机、运筹、数学博士和有十几年经验的计划员博弈，随便一个风吹草动就能把计算量增加成千上万倍”。因此，最适合实施这类项目的人应该同时具备跨领域工作经验。积兆科技不仅拥有获得过INFORMS大奖的技术，还有苹果、京东等国际上最领先的公司的供应链领域业务工作经验。这不仅可以显著缩短项目实施周期，更能保障项目的顺利落地。
归功于上述的技术创新，结合上面所述已落地的客户实例表明，积兆科技不仅大大缩短了实施周期，而且将价值验证也大大提前，扫清了供应链数智化道路上的一个巨大障碍。当然，上述案例中提到的13天并未包括系统、数据对接等时间。这一部分的时间长短还和需求方系统状况、IT能力以及供应商的响应时间等因素有关。在另一方面，我们也在努力利用ODP运营数据平台以及大模型先进技术，以期进一步缩短这一部分的时间。我们计划在未来专门与大家分享更多关于这方面的信息，以透明和开放的态度与行业分享我们的经验，带领行业共同进步。
积兆科技一直追求以更短的时间、更低的成本为追求卓越的企业提供更多、更好的智能决策产品。欢迎体验小流智算，积小流以成江海，早日实现通过供应链数智化以降本增效的目标。
