供應鏈情景規劃2.0

2020年春，新冠疫情重創了全球眾多主要行業的供應鏈，并且絲毫沒有好轉的跡象。當時絕大多數組織都沒有長算遠略，看不清該如何為業務復蘇做好準備。之所以缺乏清晰的視野，是因為有太多的不確定性——包括“有效的疫苗何時才能廣泛應用”“政府會采取哪些強制措施來遏制冠狀病毒的傳播”，等等。隨著眾多組織及其供應鏈合作伙伴轉而運用情景規劃法（scenarioplanning）來幫助自己在疫情下“看清”可行路徑，情景規劃的速度日益加快，期限縮短，包容性和數字化程度也變得更高。我們在現場研究中發現，對于情景規劃至關重要的是數字技術、數據以及與供應鏈合作伙伴的協作。

傳統的情景規劃要思考未來3到30多年內可能發生的情況。這需要在單個組織或其供應鏈范圍內經過步驟繁多的思考醞釀過程，有可能在分析數據之后還需花費數月才能完成。（參見副欄“供應鏈情景規劃入門”）每當有不確定性浮現，尤其是當某種危機顯露時，規劃者都要重新審視并修訂這些規劃場景和方案。

過去5年，全球形勢的發展觸發了情景規劃的廣泛應用，但其時間期限較以往縮短了，方法也有所不同。例如，2016年英國脫歐公投和2017年開始的中美貿易爭端都引發了業界對于主要供應鏈中斷的擔憂，這種中斷的確切性質是無法預知的，而這些還都發生在新冠疫情的全球性危機來臨之前。

新冠疫情造成的混亂給所有類型的供應鏈情景規劃注入了新的緊迫性，比如運輸個人防護裝備的供應鏈，為整個醫療系統內的患者流動提供服務的供應鏈等。在這些場景中，規劃的時間期限縮短到數周之內，而不是數年；并且，組織創建情景規劃的時長也縮短到幾天或幾周，而不再是幾個月。

供應鏈高管該如何在保證信息質量和采集范圍不打折扣的前提下，快速創建情景規劃？

首先要善于利用數字能力：掌握最新數據（包括來自新型傳感器和社交媒體的數據），以及運用高級分析工具和人工智能技術分析數據的方法。其次，參與協作式情景規劃，聯合供應鏈中的上下游組織共同創建應對方案。

協作式情景規劃可采取多種形式，既可以發生在作為買賣雙方的兩個獨立組織之間，也可以發生在同一公司內部的獨立業務部門（如不同區域的業務部門之間）或職能部門（如位于中國的生產職能和位于美國的分銷職能）之間。

運用數字能力和協作式情景規劃可以怎樣改善組織的核心流程，使之有能力敏捷地創建供應鏈應對方案？我們在研究中識別出以下四種機制，它們借助數字能力和協作式情景規劃來加速創建應對方案。

一、將全球驅動因素轉化為本地因素

組織可以通過部署數字能力，將組織面臨的全球性驅動因素轉化為能夠發揮自身影響力的本地因素。

在高教領域，各大學創建的服務供應鏈通常是：學生入學（從一端進入）—上課—畢業（由另一端流出）。在新冠疫情期間，各方對數字和生物醫學技術投資力度加大，有可能使疫情的相關不確定性轉化為一種有利于大學管理者發揮更大影響力的因素。

例如，各教育機構目前可以依靠低成本的音頻和視頻會議技術（如Zoom和MicrosoftTeams）繼續授課。除此之外，波士頓大學（BostonUniversity）在其服務供應鏈中投資開發了新冠病毒快速檢測和樣本分析功能。該過程包括使用機器人對本校師生進行自動化病毒檢測分析。這所大學的實驗室每天可處理近5，000份樣本，并在24小時之內報告結果。該機構無法影響外部測試提供方處理更多樣本檢測的能力，便將這種全球性的驅動因素轉化為它可以施加影響的本地因素。疫情期間，這所大學對生物醫學和數字技術的投資猛增，使得它有能力提供更多的教育服務選擇。現在，這所大學的2萬多名學生既可以選擇在安全的校園環境中上課，也可以選擇通過網絡遠程學習。

二、將本地因素納入重點決策

這個機制適用于協作式供應鏈情景規劃，它將協作關系中任何單個組織無力控制的本地因素納入雙方可以合力制定的重點決策。

在服務供應鏈方面，醫療保健行業為我們提供了一個有用例證。在新冠疫情期間，該行業面臨的總體驅動因素包括新冠病例激增、政府下令各家醫院為重癥患者預留一定比例的病床數等；本地因素包括本地醫院可用床位、手術室數量、員工數量等，即醫院的負荷能力。院方可以借助遠程醫療手段來篩查患者，確定哪些人需要入院，從而部分控制患者入院流量，降低醫療系統超出負荷而崩潰的可能。

同時，協作式情景規劃有助于控制擇期手術患者的入院流量。此流程將初級醫療服務機構與接收轉診的醫院和門診中心配對。上游轉診機構和下游接收醫院協同制訂計劃，可以更好地統籌擇期手術患者的需求與醫院的負荷能力。

快速的假設性分析技術（如系統動力學模擬）是解決這種復雜性的一個手段。對于一些無法獲得精確數據的場景，這種技術能夠分析這些場景的特征。提供初級醫療服務的診所和醫院可以運用這種模擬場景分析技術，將本地因素（如醫院床位預留限額）納入排期手術日程的重點決策。可選的解決方案包括：將擇期手術患者預約到新冠疫情過后、床位不再緊張的時段，或者將他們分流到不受政府限制措施影響的其他醫療機構做手術。

三、通過協作交流提高對供應鏈的洞察力

協作式情景規劃包納來自多個組織的專家和數據，可以增進對未來的洞察力，幫助高管更快地認清面臨的風險和機遇。我們的行為學實驗結果顯示，與獨立工作狀態相比，協作式情景規劃更能拓寬決策者思維的廣度，讓他們更充分地考慮到某種舉措可能對供應鏈產生什么影響。在協作式情景規劃過程中，參與其中的每個組織都會評估自身可以控制或影響的上下游變量，然后雙方可運用數據分析來識別那些可能與彼此的供應鏈具有相關性的變量。這種做法可以提高某些變量的可見度。假如不采取協作方式，那么這些變量可能始終不被人注意。

例如，我們跟蹤研究的一家化工公司使用散裝貨輪將制成品從生產國經海路運往銷售國。作為貨主，該化工制造商可以通過Shipfinder等全球追蹤系統定位船舶所在位置。不過，該制造商的規劃還受其他一些變量的影響：諸如承運商的船隊裝載能力，能否招募到足夠數量的船員，因口岸有毒物質檢查造成的延誤，以及一些局勢瞬息萬變的情況下（如新冠疫情）監管部門針對散裝運輸的其他法律法規限制等。這家化工制造商只有與承運商合作，才能對上述各方面情況了然于心；只有通過與供應鏈合作伙伴的協作，才能獲得此類詳細信息，并了解它們對供應鏈情景規劃的影響。

四、運用協作信息消除偏見

單個組織快速創建場景的局限性在于：在評估某些因素是否會受到影響的過程中，管理者可能受限于自身偏見而出錯。在我們對協作式場景創建的研究中，一個重要的觀察結果就是：偏見或認識盲點減少了。

協作式情景規劃方法以及對更多數據的獲取，有助于最大程度地減少單個組織內的意見爭執，加快供應鏈決策速度。當分處供應鏈上下游的合作伙伴共同參與情景規劃時，可以更快地與上游共享潛在的相關信息。

例如，我們在現場研究中觀察到，一家美國服裝公司的亞洲運營中心于2020年1月做出決策，要擴充其面料供應商隊伍。當時新冠病毒正在中國國內傳播，但尚未被認定為全球大流行。在這種情況下，相關各方開展了廣泛的信息共享。該運營中心指出，如果不在越南尋求更多面料供應源，公司設在泰國和越南的制造廠就有關閉的風險，這將大大削弱公司滿足美國市場需求的能力。上述洞察和應變計劃操練，使得制造商和經銷團隊一致認識到合理規劃的需要，消除了反對方的偏見。結果，該公司招募了一批新的面料供應商。

在供應鏈規劃過程中，協作活動（如共享需求信息）是很常見的。然而，從供應鏈戰略決策角度出發的情景規劃協作和旨在“防患于未然”的聯合式組織學習都是新興現象。

協作式場景的創建是基于數據和數字能力，以及供應鏈合作伙伴的信息交流。它既能提高上述工作流程的質量，也能改善供應鏈情景規劃結果的質量。此類方法為管理者創造了機會，能夠獲取更高質量的相關信息，以更深刻的洞察力創建更多規劃場景，并且掌握更多信息，快速做出決策。

顯然，無論現在還是未來疫情過后，那些無法獲得數據和數字能力的供應鏈組織必定處于競爭劣勢。數字能力和買賣雙方的協作規劃活動，一方面能加快供應鏈情景規劃的速度，另一方面也能使規劃場景較少受到偏見的影響，啟發管理者形成對風險和機遇的寶貴洞見。