核心观点与关键数据
- 时代背景与挑战：2020年全球进入“内卷化”困境，供应链面临全球化、区域一体化、复杂环境、人才竞争等前所未有的挑战，同时第四次工业革命、数字经济、新基建等数智化技术带来新机遇。企业需通过重塑供应链以应对需求不确定和利益分配等问题，满足客户价值需求。
- 供需链模型：基于价值链的供需链模型是构建供应链数据科学体系的基础，强调连接感知、决策、用数据科学实现供应链决策“数字大脑”，以客户价值为中心，实现主动感知、敏捷供应、柔性制造、共创共赢。
数据科学赋能供应链的切入点
- 三大通用切入点：通过供需双方交易合约与供应链“三流”（信息流、资金流、实物流）合约，利用交易数据模型（正向交易、逆向交易）和交易核心功能（下单、履约、解约等）实现数据赋能。
- 供需平衡模型：采用FlowBalancePart（时间、数量、成本）模型，结合预测模型（需求预测、销售预测、供应预测等）和SCOR体系（供应链管理绩效参考模型）进行供应链计划与管理。
数据科学解决问题的落地步骤
- 建模型：建立核心数据模型，系统功能抽象及基本交互流程推演，代入客户业务验证。
- 广沟通：与相关部门沟通新模型依赖及影响，达成一致。
- 定方案：确认方案，出详细技术设计，分步实施。
数据治理原则
- 四项基本原则：标签管理、维度管理、库表管理、自动建表。
- 配置与监控：包括基本信息血缘信息、使用信息、变更信息、接口配置、服务配置、统一API监控、监控查询、监控订阅、报警分析等。
商业模型与氛围智能分析
- 团购电商商业模型：分析疫情前、疫情间、疫情后团购电商（拼团、社区团购等）的商业氛围，围绕消费“场”的全景图进行智能分析。
- 氛围智能机器学习应用：结合消费行为、社交、娱乐等因素，实现食材匹配、智能定价、电子交易、移动支付、数字商城、门店画像、菜品画像等功能。
- 具体应用场景：包括微商城、社区团购、外卖、连锁门店全局管理、门店进销存、经营利润分析、实时同步门店菜品、可视化门店菜品库、开货分库动态提醒、菜品智能推荐、食材菜品匹配、食材批次跟踪、食材定价管理、电子合同、在线定点杆、在线对账、多支付平台、多加盟模式分账结算、收银台钱包管理、资金透明化等。
