供应链管理问题，哪些能用“算法”解决？

e-SupplyChain

制造业 · 非标 · 供应链信息系统

1

一批假货

梁晨是一家大型电子企业采购部负责间接采购的主管。最近他手下一名采购员为设备部购买设备保养用的进口轴承时，买到了假货，在公司里闹得沸沸扬扬。

最近这几年公司每年提的降本指标都很高，连间接采购也规定了硬性降本指标。本来这类设备的轴承常年都是从一家代理商那里进的，但由于这家代理商几乎不给任何降价，采购员只得到处找新的渠道。

最后采购员终于在一家知名的B2B电子商务平台上找到了一家代理这个品牌轴承的供应商，约见后提供了一些样品，试用后效果很不错。然后下了个小量的正式订单，用着也很好。但是等到第二次订了比较多数量时，到货后很快被工程师发现里面掺杂了一些假货，从轴承上的钢印到表面的金属光泽都和正品有明显的差别。

把供应商找来后，面对工程师指出的证据，供应商只得承认因为卖价太低，不得不掺了一部分仿品。

然后，就是一连串的换货、索赔等非常麻烦的程序。在处理这些程序的同时，采购部齐经理把梁晨和其他几个采购主管找到办公室，一起讨论如何避免再次发生类似情况。大家都认为这种情况是因为选择供应商时不够谨慎引起的，应该对供应商的选择加强控制。

开会时大家出了不少主意，其中一位主管提到了以后能不能不让采购员自己随便选择供应商。梁晨听了，觉得哭笑不得。每年要降成本，老供应商不降价，如果还不让找新供应商，那真不知道应该怎么办了。

另一位主管接着前面那位的建议提出，以后询价的时候选哪些供应商不再由采购员决定，而是用系统找个好的算法算出来。梁晨听得好心塞，不过因为问题出在自己组里，所以虽然心里很不赞成这些做法，但他也并没有明确表示任何反对意见。

会议快结束时，齐经理当着大家的面让梁晨好好考虑一下大家的意见，尤其是能不能更多地借助信息系统这些技术手段，降低将来此类问题发生的风险。

梁晨觉得选供应商这种事，不应该靠信息系统计算出来，但是他又说不出为什么。在目前这种特殊情形下，如果不清清楚楚说出个理由来就拒绝某个改进建议，一定会被别人质疑。

那么，到底能不能用信息系统找个好的算法来选供应商呢？

2

算法的利弊

在回答这个问题之前，我们先来看看“算法”这个工具，在供应链管理中适合解决什么问题。

毋庸置疑，在计算方面，人是无论如何比不过系统的。不过虽然系统计算很快，在根据不同条件采取不同行动这个方面，系统却不一定比人有优势。系统对不同条件采取何种行动，是根据预设好的确定的算法的，并且这些作为计算前提的“不同条件”，也是可以数的过来的（即“可穷举”）、可量化的。在这样的条件下，信息系统的确会比人做得更快更好。但如果不具备这些条件，让系统来帮人做判断就不一定有效了。

那么我们来看看，“选择供应商”这件事是不是符合上述条件呢？

首先，选择供应商需要考虑的因素，也就是系统计算所需要依据的条件，是否“可穷举”？有没有人能够给出一个清单，上面包含企业采购任何物料或服务时选择供应商需要考虑的全部因素？这些因素是否可精确量化？

其次，有了这些需要考虑的因素之后，能不能找出一套算法，能完整准确地考虑所有这些因素，并对一堆供应商量化评估后，从中选出一或多个作为某次采购行动的最佳合作对象？

在大多数情况下，上述两个问题的答案都是否定的。

虽然现在有了能够根据数据本身的特征就能找到规律、总结出算法的技术（属于“数据挖掘”的范畴），但是这需要大量的数据才能保证总结出的算法的有效性。用来总结算法的数据，至少是几十万几百万条这种数量级的。对于单一一个企业来说，能接触到的供应商通常只有几百家，大型跨国企业或许能达到几千家，这样的数据量根本无法支持用数据挖掘的方式总结出选择供应商的算法。

管理中很多艰难的判断，难就难在要面对不够确定的条件，难在得到的信息不容易验证真伪，难在面对表面特征很类似的问题时，可能要用完全不同的处理方法才能有好的效果。对于管理中这一类的复杂判断，人比系统做出的选择要合理得多、高效得多。

了解了“算法”擅长解决什么问题，我们就不难回答案例中那个问题了。

3

一个问题

本期文章总结了用信息系统的“算法”在供应链管理中最适合解决的问题的特征：

1、解决问题需要考虑的因素可穷举

2、上述因素可量化

3、计算方法确定