【課程收益】

掌握1套思維框架，將所有數字化轉型技術串聯起來

盤點數字化技術對供應鏈降本增效的四個階段

理解人工智能的2大底層原理和6大底層套路

建立數據思維，解封你未曾意識到的資源和力量

理解智慧供應鏈的5大痛點

了解大量相關案例，以及背后的經驗與教訓

在動手實戰中將智慧供應鏈知識內化

【課程特色】夠專業，內容前沿且正確；講俗話，將復雜技術具象清晰有趣化；重互動，巧妙設計提升參與感；能落地，反復驗證的方法及真實案例。

【課程對象】供應鏈相關中高層管理者。

【課程時間】2天（6小時/天）

【課程大綱】

一、數字化的頂層思維

1、數字化轉型是什么

?  企業中的流程與人類的神經

?  企業中的信息與人類的神經信號

?  數字化：在數字世界中幫助企業構造神經系統

2、數字化頂層思維框架

?  感知：獲取原始數據

?  認知：抽取關鍵信息

?  推理決策：形成計劃

?  反饋動作：實施計劃

小互動：如果你在跟心儀的女神約會……

3、我們應該關注哪些數字化技術

?  基礎設施：解除計算機的能力封印

?  數據應用：搬金磚VS挖金礦

案例：谷歌云計算，華為5G，某外貿公司營收預測

4、什么是“企業經脈”和“AI針灸”

?  信息化：固化流程/信息流轉/數據積累

?  人工智能：找準價值“點”/匹配“針”對性技術

5、數字化轉型有哪三個必經階段

?  Digitization：無紙化

?  Digitalization：高效化

?  Digital transformation：無人化

?  每個階段的關鍵技術以及數字化的決勝技術

案例：人員績效智能評估系統

二、供應鏈核心概念導入

1、供應鏈在企業中的地位

?  企業中唯二能“掙錢”的部門

?  工業領域的企業競爭核心是供應鏈

案例：通用電氣供應鏈案例

2、供應鏈的管理要素

?  供應商基礎管理

?  招標及尋源管理

?  訂單及物流管理

?  供應商績效考核

?  合同管理

?  兌付賬款管理

案例：特斯拉供應鏈解析，戴爾的基本供應鏈

3、工業企業供應鏈的管理痛點

?  20%的間接物料吃掉企業80%的時間成本

?  傳統采購中的：低、慢、差、弱、散

案例：海爾生產外包裝模塊化，通用汽車與波音公司供應鏈挑戰

4、供應鏈金融概念導入

?  供應鏈金融的核心玩法

?  供應鏈金融的不同種類

?  汽車領域供應鏈金融案例

案例：UPS物流金融業務

5、數字化供應鏈標桿

?  事務性工作系統處理

?  尋源與采購高效處理

?  品類管理及采購策略著重處理

?  數字化供應鏈的提質、降本、增效、風控

案例：華能集團如何解決電力行業供應鏈數字化挑戰，傳統供應鏈與數字化供應鏈比較

三、供應鏈數字化轉型

1、供應鏈數字化轉型戰略

?  供應鏈數字化轉型的時代契機

?  供應鏈數字化轉型的戰略思維

?  供應鏈數字化轉型的戰略趨勢

案例：世界最大航空發動機公司供應鏈轉型案例、IBM數字化供應鏈轉型案例

2、數字化引發的供應鏈變革

?  數字化引發采購計劃變革

案例：COSTA采購需求預測平臺

?  數字化引發采購過程變革

案例：海爾數字化采購

?  數字化引發生產過程變革

案例：海爾數字化采購

?  數字化引發供應鏈運營變革

案例：世界500強電子生產企業數字供應鏈解決方案

?  數字化引發的逆向供應鏈變革

案例：亞馬遜可持續發展供應鏈計劃

?  數字化供應鏈控制塔概念導入

案例：寶潔供應鏈控制塔

3、供應鏈數字化經典案例

?  京東的智慧供應鏈

案例：京東無界智能供應鏈

?  阿里巴巴的數智化供應鏈

案例：菜鳥供應鏈網絡

?  數字化技術重塑美的供應鏈

案例：美的智聯供應鏈-制造業供應鏈標桿

?  聯想的數字化供應鏈及背后方法

案例：聯想供應鏈數字化轉型全過程回顧

4、供應鏈數字化的度量方法

?  傳統供應鏈度量方法

?  數字化供應鏈成熟度指標

?  數字意識成熟度指標

?  如何使用上述指標

四、智能化底層原理，及其帶給供應鏈的新可能

1、人工智能的2大底層原理

?  邏輯固化：師傅“教”徒弟

?  知識抽取：師傅“帶”徒弟

案例：預測男生是否會受女生歡迎

2、人工智能的6大底層套路

?  X-Ypairs：知識抽取

?  Y→X：生成萬物

?  X1-X2 pairs：推薦匹配

?  X only：聚類算法

?  Y only：超越人類

?  Dot & Line：知識圖譜

?  人工智能發展的終點

案例：百度智能客服，谷歌藥物預測系統，淘寶推薦系統，清華數字虛擬人，谷歌核聚變控制系統，美軍自動駕駛戰機

3、人工智能的6步落地法

?  價值驅動 or 數據驅動

?  機器學習 ≠ 江湖算命

?  數據模型 VS 機理模型

?  大數據   ∪ 深度學習

?  行業專家 ||  客觀事實

?  行政可行 ≈  最大門檻

案例：產線良品率提升，大型工程機械故障預測，工業智能無損檢測，自動駕駛系統，AI量化交易-年化收益率1000%

4、人工智能的在智慧供應鏈中的應用

?  預測需求提前備戰

?  倉儲機器人替代人工

?  路徑最優化提升效率

案例：某著名汽車品牌銷量預測，亞馬遜VS京東倉儲機器人對比，百度AI物流調度最優化案例

五、數智化項目推進方法

1、方法串講：先發散再收斂

2、以價值為導向的頭腦風暴

?  痛點問題羅列

?  痛點問題排序

3、數據準備階段的可行性收斂

?  數字化項目機理分析

?  數字化項目數據關聯性分析

?  數字化項目數據質量分析

4、數據使用階段的可行性收斂

?  誰可以成為AI的“師傅”

?  我們能否請得起這個“師傅”

5、行政可行性收斂

?  橫向行政跨越分析

?  縱向行政跨越分析

6、方案展示及討論

?  專業可行性提升

?  行業可行性提升