在今天這個數(shù)字化時代，我們可以將過去積累的大量數(shù)據(jù)進(jìn)行清洗、整理放在云端，通過我們建立的算法仿真平臺隨時讀取調(diào)用，推演出我們所需要結(jié)果。這在過去是無法想象的！

舉個例子，我們過去搭建一個采購物料成本模型，通常會將成本進(jìn)行拆解，分解為料、工、費(fèi)、GS&A、供應(yīng)商利潤等。我們會在Excel中建立一個模板，根據(jù)我們的經(jīng)驗將公式與這些數(shù)字聯(lián)系在一起。當(dāng)我們需要測算一個物料的采購成本時，僅需要將用料、工時、費(fèi)用分?jǐn)偟葦?shù)據(jù)輸入到Excel表格中，就可以得出我們要模擬測算的成本。

的確，看似很簡單，但是這里面隱含了幾個問題：首先，這個憑借經(jīng)驗得出來的計算公式/模型靠譜嗎，準(zhǔn)確嗎？其次，當(dāng)我們把采購成本作為一個考量因素，結(jié)合上庫存周轉(zhuǎn)、訂貨周期、物流成本、履約時效等多重因素進(jìn)行復(fù)雜推演時，僅僅憑借Excel能搞定嗎？

暫且不考慮模型設(shè)計者的經(jīng)驗?zāi)芰θ绾巍Ｓ捎贓xcel功能有限，不具備自我學(xué)習(xí)能力，模型的設(shè)計者通常只能選擇一些相對簡單的因子來建立模型，無法模擬較為復(fù)雜的外部環(huán)境。并且，為了適應(yīng)外部因素的快速變化，模型的設(shè)計者通常需要不時地對模型進(jìn)行調(diào)整，從而保持其有效性和準(zhǔn)確性。假如設(shè)計者未能及時更新模板，使用者很有可能推算出了一個錯誤的結(jié)果。對使用者來說，這必然存在著風(fēng)險。在此基礎(chǔ)上，基于多重因素、多個事件的復(fù)雜推演場景，必然是傳統(tǒng)方式所無法解決的。

在數(shù)字化時代，我們可以通過算法和仿真產(chǎn)品輕易地解決這些問題。

但這并不等于說，算法仿真產(chǎn)品可以讓我們坐享其成，閉著眼睛干活。相反，在獲得更高精度的算法仿真結(jié)果的同時，我們也需要付出更多的努力！

我們常說，一個好的產(chǎn)品，離不開良好的設(shè)計和良好的運(yùn)營。算法仿真產(chǎn)品同樣也不例外！

那么，什么是好的設(shè)計呢？

首先，我們需要盡可能通過產(chǎn)品將各種可以獲取并利用的數(shù)據(jù)抓取過來。

例如前述人工費(fèi)用，我們可以實時抓取當(dāng)?shù)貏趧硬块T統(tǒng)計的該行業(yè)工人的基本工資水平，甚至可以抓取對標(biāo)工廠的勞動力成本數(shù)據(jù)；對于原料費(fèi)用，我們可以抓取國際國內(nèi)大宗商品交易市場的行情價格來進(jìn)行轉(zhuǎn)換，還可以抓取一些行業(yè)分析報告來判斷未來的價格走勢。諸如此類方法，我們不得不感謝這個數(shù)字化時代，讓我們具備了千里眼和順風(fēng)耳！

其次，讓模型具備自我學(xué)習(xí)的能力，而不需要通過人肉進(jìn)行頻繁的調(diào)整。

尤其是那些具備多影響因子的測算模型，我們可以使用機(jī)器學(xué)習(xí)的方式建立算法模型，讓模型也能夠變得“與時俱進(jìn)”。當(dāng)然，并不是越復(fù)雜的算法就越準(zhǔn)。但是越準(zhǔn)的模型，一定是那些與實際情況越貼近的模型。

最后，好的設(shè)計，考慮了人的因素。

這個世界因為有人的存在，所以具備了人性和藝術(shù)性。算法仿真產(chǎn)品也需要考慮這個因素，而這恰恰就涉及到了產(chǎn)品的運(yùn)營問題！

那么，什么又是好的產(chǎn)品運(yùn)營呢？

第一、我們要學(xué)會接受不完美。

幾乎很少有產(chǎn)品一上線就能夠順風(fēng)順?biāo)昝罒o瑕！產(chǎn)品上線后，最容易被質(zhì)疑的就是不準(zhǔn)的問題。為什么不準(zhǔn)？這里面有數(shù)據(jù)的問題，有算法模型的問題，有仿真器的問題，有算力的問題，還有產(chǎn)品本身的問題。當(dāng)然，也有人的問題。

好的運(yùn)營人員，不會一味地挑戰(zhàn)數(shù)據(jù)不準(zhǔn)，而是會和產(chǎn)品經(jīng)理一起深入研究和探討其中的問題。逐個解決，各個擊破，使其日臻完善！

第二、要有運(yùn)營機(jī)制。

我們都知道，數(shù)據(jù)是一切的開始，為了確保數(shù)據(jù)的準(zhǔn)確，我們還需要建立一套相應(yīng)的運(yùn)營機(jī)制。

以運(yùn)輸成本仿真為例，會涉及到司機(jī)、油費(fèi)、運(yùn)輸距離、裝卸費(fèi)、過路過橋費(fèi)等。如何保證這些數(shù)據(jù)都是準(zhǔn)確的？在數(shù)字化時代，我們有GPS定位，我們有行車記錄儀，但仍然并不能保證這些數(shù)據(jù)都是準(zhǔn)的。

例如，遇到堵車，司機(jī)繞路怎么辦？倉庫吃拿卡要，索要高額裝卸費(fèi)怎么辦？輪胎壞了，導(dǎo)致司機(jī)誤了點怎么辦？司機(jī)順路捎帶了點私活怎么辦？

如果沒有深入了解并檢查這些實際場景中存在的問題，算法仿真產(chǎn)品就會被一直質(zhì)疑不準(zhǔn)而有被棄之不用的風(fēng)險。

從產(chǎn)品設(shè)計到產(chǎn)品運(yùn)營，一個好的數(shù)字供應(yīng)鏈產(chǎn)品同樣也遵循PDCA的原則：根據(jù)經(jīng)驗進(jìn)行設(shè)計（P），拿到實際場景中使用（D），通過運(yùn)營機(jī)制進(jìn)行數(shù)據(jù)校驗（C），修正模型（A）。

數(shù)字化時代，讓我們通過算法仿真輔助決策，通過運(yùn)營優(yōu)化算法仿真！