供應鏈管理供應鏈管理需要機器學習大改造
善用數據與預測，讓敏捷性與韌性兼得
供應鏈管理需要機器學習大改造
How Machine Learning Will Transform Supply Chain Management
近年來，企業的供應鏈不斷遭受各種因素干擾，但企業採取傳統的規畫方法，降低了供應鏈的敏捷性與韌性。本文提出一套「最佳機器學習」規畫方法，運用歷史與當前的數據，為企業提供更好的決策建議。
近年來，新冠疫情、烏俄衝突、貿易戰與其他事件干擾了供應鏈，凸顯出企業亟需改善規畫，以提高敏捷性與韌性（resilient，或譯復原力）。然而，企業疲於因應這項挑戰，一個主要原因是採用有缺陷的預測方式，導致交貨延遲、庫存水位（inventory levels）與需求嚴重脫節、財務績效令人失望。這些結果並不令人意外。畢竟，需求預測普遍不準時，怎麼可能有效做出庫存與生產的決策？
本文觀念精粹
| 問題 | 有缺陷的規畫方法使公司很難保護自己不受供應鏈干擾的衝擊。 |
|---|---|
| 解方 | 最佳機器學習（OML）這種新方法可以促成更好的決策，不像現有的機器學習模型所產生的規畫建議那樣神祕。 |
| 要素 | OML依賴一種決策支援引擎，它會把輸入數據直接連接到供應鏈決策，並將公司在績效方面的優先要務納入考量。其他功能包括—以「數位雙生」的方式呈現整條供應鏈；以及... |
