供应链的决策支持系统

      前面的几个专题介绍了供应链集成和产品运营管理体系建设中主要管理场景的方法论。从这一期开始，我们将以这些产品运营专题中的业务知识和方法论为基础，来介绍如何构建数字化的供应链决策支持系统。

      在介绍数字化的供应链决策支持系统之前，我们要先了解一下决策支持系统的概念。

1、决策系统概述

      决策支持系统（DSS Decision-making Supporting System），简称“决策系统”。在有的IT管理理论中，以其使用的主要技术为分类标准，还称其为“分析系统”。

      决策系统的概念是在20世纪70年代提出来的，在被提出以后的这几十年中，决策系统的结构和使用的技术已经有了很大的变化，但其主要的管理目标，始终都是降低决策的不确定性，提高决策质量。

      所谓“决策”，本质就是根据既有条件对多个选项的价值进行评估和判断，然后择优而选。无论在哪个管理领域，做任何决策都要面对一定的不确定性，不同决策要面对的不确定性的程度差别是相当大的，这一点毋庸置疑。不过在一定的管理领域中，根据该领域最典型的决策内容所面对的不确定性的高低程度，将其分为几个等级，并对每个不确定性等级的决策匹配以不同方式的决策支持。

2、决策的等级

      以供应链领域为例，按照各类决策要应对的不确定性的高低程度和影响范围，可以将决策系统要支持的“决策”分为三类。

1 战略决策

      这类决策需要根据企业经营战略，判断出某类供应链工作在中长期应该采取什么价值导向，这种价值导向会体现为什么样的供应链级别的策略；需要确定如果采取了这种策略，意味着在一段时间内，遇到哪些业务要求发生冲突时，优先级或取舍原则是怎样的。比如，对某个采购品类，在未来一年中，当供应品质要求和供应成本要求发生冲突时，哪种要求的优先级相对更高？对某个产品族，当准时交付要求和制造成本管控要求发生冲突时，如何取舍？

2 作业决策

      这类决策需要根据某类供应链工作的中长期策略，判断在每类日常作业中的单一决策点上该如何选择。如果这种选择要留一定的灵活性，则这点灵活性的大小取决于什么条件？比如，某种需要备库存的原料、半成品或成品，其安全库存应该备多少？什么条件可以触发对这些物资的安全库存水平进行调整？这种调整是自动的还是需要进行审批的？

3 作业监管

      这类决策需要判断某种作业执行方式是否在按计划进行，有没有偏差？如果有偏差，偏差有多大？偏差是否到了需要预警的程度？如果需要预警，警示要发送给哪些角色？发送的预警中需要包含哪些信息？比如说，一批原料没能及时交付，晚了若干天到，或者是到货后检验合格率太低，那么是不是需要预警？是只向采购员预警？还是要加上物料计划员？要不要加上生产计划员？甚至加上销售人员？发送给这些角色的预警中需要包含哪些信息？

      为这些不确定性等级不同、影响范围不同的决策匹配支持系统，最重要的差别就是决策模型完全不同。那什么是决策模型呢？要了解决策模型，就需要先了解一下决策系统的结构。

3、决策系统的结构

1 决策系统的四库结构

      决策支持系统在其诞生后的几十年中，其典型结构曾发生过很大的变化。

      DSS的概念由美国学者 ‌Michael S. Scott Morton‌ 于20世纪70年代初提出。1980年，R.H. Sprague就为DSS提出了三部件结构（对话部件、数据部件、模型部件）。

      到了20世纪80年代末90年代初， DSS开始与专家系统（Expert System, ES）相结合，形成了所谓的智能决策支持系统（Intelligent Decision Support System, IDSS）。这个IDSS充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了DSS以模型计算为核心解决定量分析问题的特点，做到了定性和定量分析的有机结合，使得决策支持系统解决问题的能力和范围都得到了一个大的发展。

      到了现在，DSS最典型的、被认可程度最高的结构是“四库结构”（又称为“四库框架”）。这种观点认为DSS的核心要件有四个“库”：数据库(DB)、模型库(MBMS)、方法库和知识库。这四个“库”分工协作形成完整的决策支持闭环。

a.数据库（DB Data Base）

      数据库（DB）存储着决策所需的原始业务数据（如销售订单、采购订单、生产计划、库存数据等）。模型库在运行时需从DB中提取实时数据作为输入信息。现代DSS中，DB常以数据仓库形式存在，不仅能够存放原始业务数据，还能对原始数据进行清洗、整合和结构化。以保证模型库获取高质量的数据，提升模型库运行的效率。

b.模型库（MBMS Model Base Management System)

      用于存储和管理各类决策模型，其核心作用在于‌将复杂问题转化为可量化分析的解决方案‌，实现模型的构建、调用、组合与版本控制。

c.方法库（MB Method Base)

      方法库管理和存储的是标准化算法程序（如数学规划、统计分析、预测模型等），它的主要作用就是为模型库提供计算工具。方法库能通过格式化接口与模型库、数据库连接，实现模型求解与分析。

d.知识库（KB Knowledge Base)

      存储领域专业知识与规则（如行业经验、决策逻辑、推理规则），支持智能化的决策。它能通过推理机实现知识推理，辅助解决非结构化问题（如风险评估、问题识别、提供决策建议等）。

2 模型库是核心

      从上述对“四库”的分工描述可以看出，模型库是决策系统建设的核心，其它三个库都是服务于模型库的。原因就是模型库是DSS产生业务决策的地方，用供应链的语言来说，模型库是其他三个库的“客户”，它提供了决策需求，其他三个库为这个需求提供三种资源：业务规则、数据和算法。这四个库之间的关系如下图所示：

3 知识库是源头

      从DSS的四库结构中，不难理解，虽然模型库（MBMS）是“客户”，负责提出“需求”，其他三个库负责提供“资源”，但这三种资源的“地位”是不同的， “地位”最高的是知识库，因为它对模型库的形成有决定作用。知识库决定了业务模型和业务规则，在模型库（MBMS）中体现；业务模型和业务规则决定了算法，由方法库（MB）承载，算法决定了需要哪些数据，数据来自于数据库（DB）。

4 知识推理机和新一代的IDSS

      现在的DSS的四库结构之外，还有一个经常和这四个库（准确地说是其中的知识库）一起工作的部件，叫做“知识推理机”。这个知识推理机主要负责根据知识库中的静态规则，推理出决策建议。

a.专家模拟和超越

      这种决策建议不是由逻辑确定的算法给出的，而是模拟人类的逻辑推理过程，通过知识库中的规则和事实推导出新结论或解决方案。所以加入了知识推理机的DSS就变成了新一代的智能化决策支持系统（IDSS）。和历史上曾经出现的IDSS的结构相比，我们可以发现，现在的IDSS用知识推理机代替了过去的专家系统（ES）。其实，知识推理机就是专家系统的升级版。知识推理机用不断迭代升级的语义解释能力和新知识生成能力模仿专家做决策时需要的能力，从功能和效率上都替代并超越了过去的专家系统。

b.推理类型

      知识推理机的推理类型可以是由数据驱动的正向推理，即从已有事实出发，逐步触发匹配规则推导结论；也可以是由目标驱动的反向推理，即从假设目标出发，反向寻找支持证据；还可以是正、反向结合的混合推理。

c.工作流程

      知识推理机的工作流程除了事实输入、规则匹配和逻辑推导这几个步骤以外，还有一个特别能体现“智能化”的工作步骤，就是“冲突消解”。这是指当多条规则同时匹配时，IDSS按照从人工（专家）决策时习得的优先级策略（如规则权重）逐渐学会自动选择执行路径。

      随着各种AI技术的发展，知识推理机为DSS创造的价值必将会越来越大。

5 DSS与BI

      最容易和DSS一起提起并拿来做比较的另一类系统就是BI。那么DSS和BI是一回事吗？如果不是，它们之间有什么异同？又有什么关系呢？

      首先，从系统服务的目标来说，BI系统主要是通过整合多源数据（如ERP、CRM等业务系统的数据），进行清洗、转换和分析，生成可视化报表和预测模型，提供一定的业务洞察。而DSS系统主要是通过数据分析的结果，结合决策模型和人机交互界面，生成可执行的决策方案。直白一些说，BI告诉用户“情况是怎样的”以及“为什么会这样”，DSS告诉用户“情况好不好”以及“应该怎样做”。所以DSS和BI不是一回事。

      其次，两者可以协调工作。BI可以给DSS提供高水平的数据支持。前述DSS的四库架构中需要的数据库（DB）和方法库（MB）完全可以由BI来代替。BI中的数据仓库、OLAP分析（On-Line Analytical Processing）和数据挖掘技术可以很完美地成为DSS做模型运行的基础。另外，BI提供的丰富的通用人机交互页面也可以很好地支持DSS在模型运行时需要加入人工决策时大多数人机交互需求。它们之间的关系示意图如下。

4、供应链决策系统

      好的决策系统必须把商业逻辑、管理技术和数据分析技术结合起来，所以供应链的决策体系一定是依托业务管理版块建设起来的，但又能跨越管理板块为整个供应链乃至企业的经营提供更为广泛的业务洞察。

      供应链决策系统按其所支持的决策领域来分，大致可分为六个既能独立运行又能相互协同的子系统。

1 采购决策系统

      采购决策系统的主要作用是提供采购决策需要的数据分析，并对采购决策的执行情况进行量化评估。采购决策系统分析的管理场景主要包括采购交付、采购成本、供应品质等、采购作业合规、结构性供应风险、采购策略执行程度等。

2 计划决策系统

      计划决策系统主要作用是提供产销协同计划、生产计划、物料计划等领域的决策需要的数据分析并对计划决策的执行情况进行量化评估。计划决策系统分析的管理场景主要包括销售交付绩效、销售需求特征、计划策略和库存策略优化、制造交付能力等。随着物流配送与生产制造的协同要求越来越高，物流配送的决策支持分析也逐渐地被加入到了计划决策系统中来。

3 产品运营决策系统

      产品运营决策系统的主要作用是评估产品运营的实际情况是否符合产品经营策略，如果有偏差的话，主要是什么原因引起的。产品决策系统分析的管理场景主要包括产品经营绩效、产品运营风险、产品制造降本以及产品在其生命周期的不同阶段特别需要重点评估的运营管理内容。因为同一产品在其刚投入市场时作为新产品时，和其成为成熟产品后，以及最终成为退市产品时，需要做的管理决策是大相径庭的，对应的决策分析重点也完全不一样。

4 经营战略承接决策系统

      经营战略承接决策系统的主要作用是评估经营战略在供应链的执行是否存在偏差以及应该如何调整。在发生战略转型时，这种战略执行的跟进和偏差分析会格外重要。经营战略承接决策系统的管理场景主要包括经营业务计划跟进和完成度衡量，行业市场经营绩效评估、整体产品经营绩效评估、业务运营水平评估、外部战略投资分析、并购业务运营分析等。

5 产业链协同决策系统

      产业链协同决策分析从供应链整合、产业链生态运营等方面衡量本企业所在产业链的运营的健康程度和成熟程度，为本企业进行产业链协同决策提供量化依据。

6 全球化供应链运营决策系统

      全球化供应链运营决策分析从不同国别、区域的产品线运营和制造工厂运营等不同维度、不同层次评估供应链运营的长短期有效性，为全球化供应链运营提供决策依据。