人的管理靠艺术，物的管理靠技术
在企业中，管理这个词，经常都会和艺术相关联，“管理的艺术”、“谈判的艺术”、“销售的艺术”等，因为这些管理主要是和人在打交道，所以对口才、领导力、情商等方面有很多要求，这么看起来似乎管理是一种软性的、暧昧的，因人而异的艺术。但对于供应链管理则不同，供应链管理主要是和物在打交道，是客观的，是看得见摸得着的。所以有着大量可以量化管理，也需要量化管理的东西。尤其是供应链管理中的供应链计划管理，更是一种重计算、看数据、强逻辑的工作。所以在供应链管理当中，我们其实有着大量可以借助的数学工具与算法模型来帮助我们进行产销策略决策以及优化供应链执行效率的空间。
能用数字解决的问题就不要用管理去解决
这也是当前在企业中流行的信息化、数字化管理转型理念的核心思想。
在未来，我将通过系列文章的方式，与各位一同从数学逻辑与模型的视角就供应链管理中的各种问题进行深入探讨，例如如下几个主题。
01 恶魔藏在细节中，不被人理解的经典安全库存公式
关于经典安全库存公式，相信大家应该或多或少在各种库存培训中都有接触，但最后在实际的应用中普遍效果都不好。这其实是因为有着大量大家没有留意到的细节在当中，例如：
需求的平均值是日需求的平均值，还是周需求的平均值，还是月需求的平均值？
需求是历史的需求还是未来的需求？
标准差是计算日的标准差，还是周的标准差，还是月的标准差？
以上只是简单举例，实际的细节问题还远不止这三点，而这些细节则是公式能否与实际的业务进行有机结合的关键。如果没有把这些细节弄清楚，最终就不可避免的会导致实际执行效果与公式计算结果相去甚远。所以对公式中各项细节掌握与否，就决定了这个公式在实际业务中最终的落地效果。
02 朽木还是玉璞？经济批量公式能否做得更好？
经济批量公式是一个相对简单的公式，但也正是因为它太简单了，考虑的参数太少，导致使用公式的前提条件较多，和实际业务的契合度较低。所以若希望实际落地使用这个公式，则需要基于实际的业务要求对公式进行一定的拓展和改进。那么如何修改这个公式，在保证公式科学性的前提下添加更多的参数进去，使其更加贴近我们的实际业务，就是我们需要思考并学习的事情了。
03 多参数平衡的大师，S&OP场景模拟的帮手
– 供应链仿真建模
由于供应链是一条从销售到采购的端到端的复杂体系，中间涉及各个环节各个部门各种计划策略各种参数，所以当我们想要对某个环节的某项策略或者某个参数时，我们很难说清楚这种调整对我们供应链的整体效率会带来怎样的影响。同时区别于具体的执行部门，供应链管理存在着大量需要权衡的部分，库存水平与交付率的平衡、库存水平与新鲜度的平衡、生产批量与报废率的平衡、甚至是上述提到的所有参数的平衡等。这是一项通过人力极难进行处理的工作。
而供应链仿真建模就是一种通过建模的方式，建立一个供应链的整体模型，从而还原供应链中的各种参数互相之间的影响关系，立体的、全面的向我们展示当某一个、或者几个参数调整时，对于供应链整体效率的影响。
库存管理仿真模拟示意图
对于S&OP会议决策而言，仿真推演模型将成为非常有利的帮手，它能够将很多S&OP会议上需要决策的参数量化直观的进行展示，从而方便决策者们进行更加准确直观的判断。
04 真金白银的节省，突破手工的限制 – 供应链优化建模
相比仿真建模主要用于模拟还原供应链各环节间的联动关系，供应链优化建模则是侧重于寻找在某个特定的供应链场景下，如何通过合理运用公司现有的供应链资源，从而提高系统的整体效率。其优化计算的理论基础主要是基于运筹学中的线性规划算法。这是一套成熟的算法，专门用于解决有限资源下的最优化问题。
通过对算法本身的解读与运用，无需复杂的大型优化系统。借助简单的表格处理与建模工具（如excel），以及简单、开源的优化算法引擎（如matlab或python），即可解决实际供应链业务中的例如供应网络规划、产能布局规划、中长期产能计划等各种复杂规划场景。
决策优化类模型的输出通常会以成本、时间等变量为决策标的，决策者可以直观且量化的看到在模型算法的优化下，对应场景的成本与时间的减少与节省，从而对整个业务场景的调优提供方向性指导。
典型优化模型应用场景举例：
实际业务中的供应链优化场景往往更加复杂，往往会涉及数个工厂，数十个客户，数百个产品，上千个决策变量，涉及上万甚至是上亿个单元格的计算，这是人力所无法处理的，所以必须通过数字化建模的方式通过计算机才能进行计算与求解。
数字化转型之路，从掌握供应链管理中的数学开始
除了这四个主题，其实还有很多其他的内容可以聊，例如如何提升数据质量、如何对实际业务场景进行量化分析、如何将数字化探索的成果进行落地实施等，都是我们未来可以进行展开讨论的话题。
总而言之，供应链管理本身是一个庞大的系统性工程，当中有着众多的复杂逻辑关系以及大量的数据计算，尤其在公司规模越来越大，业务类型越来越多的时候，我们凭经验与直觉做出的决策往往会出现较大偏差。甚至有些时候，我们凭直觉和经验做出的决策与最终数字显示的结果是完全相反的。所以我们需要去发掘并掌控供应链当中的各种数学关系，把这些关系利用起来，基于数据和逻辑进行决策，才是提升供应链整体效率的正道。这也正是目前吹起的这股数字化管理之风的核心思想。