供应链外无企业，供应链就是企业生存和经营的生态环境。企业要培育核心竞争力，就必须要了解供应的特点和属性，及其构建和运行的规律。分析供应链的本质属性不难发现，供应链其实并不是简单“一条链”，而是存在“链中链”的特点，是多重“链”的组合。在《供应链思维》一书，我将其总结为供应链的七大“链性”，并深入分析了它们与企业战略和数字化转型之间的关系。

需求链

供应链是由需求驱动的，这是业界和供应链专家学者们的共识。但是，不少企业在制定发展战略或经营战略时，并不是以需求作为切入点的。

每一个企业都因试图满足某种市场需求而成立。企业在供应链中都是“身兼双职”的，它既是供应商也是采购商。作为供应商，它必须努力满足客户（下游企业或消费者）的需求；作为采购商，它也有需求，且它的需求是由它的供应商（上游企业）满足的。这里的逻辑关系是，核心企业为满足自己客户的需求会产生新的需求，满足这样的需求是核心企业的上游企业。所谓需求链，就是由此而来的，供应链是由需求驱动的，这一定论的基础也在于此。

需求链是企业战略考量的出发点和落脚点。这里既有目标市场的需求，也有满足需求的方式，它们构成了供应链构建和运行管理的基础。企业总是抱怨当今市场太“卷”了。其实“卷”的实质是众多企业以相同或近似的产品去服务于相同或重叠的目标市场客户。因此，创新能力就成了企业的核心竞争力。它可以是针对消费者潜在的需求的产品创新，如苹果公司的乔布斯所做的；也可以是供应链的创新，正如乔布斯的继任者库克所实践的。

资源链

供应链是由需求驱动的。每个企业都在满足某一特定市场需求的努力中，自然会衍生出新的自身的需求。所有需求的满足都离不开资源的支持。这些资源包括资金、原材料、零配件、产能、人力资源、技术资源及影响力资源等。供应链是由需求驱动的，需求成链型结构，满足需求的资源也会顺理成章地成链式结构。

从本质上来看，供应链的构建和运行管理，其实就是资源的动态配置和管理。更换供应商在企业采购中经常发生，而每一次的更换其实就是资源的重新配置。由此可见，供应链的构建既不是一蹴而就的，也不是一成不变的，供应链管理需要根据供应链的运行效率、技术进步以及社会经济发展的变化，不断地调整甚至重新配置资源。

价值链

企业的诞生、存续和发展取决于其价值贡献。供应链中的价值链是指参与供应链的各个成员通过协同合作，共同为最终用户提供有价值的产品或服务的过程。在供应链中，每一个成员企业都必须创造价值，成就彼此。成就彼此本身也是一种价值。不能创造价值或未能成就彼此的企业是注定要被开除“链籍”的。

企业要对供应链的价值链属性有充分的认知，以便遵循价值链的规律，对供应链的运行进行有效的价值管理，以实现价值的最大化。

协同链

协同链可以说是供应链最具显性的第一属性。可以说，“无协同，不成链”。常有必要深入思考的下问题是：协同是如何启动的?它遵循哪些规律?需要满足哪些条件?在何种情况下会结束?

供应链在一定意义上是一整套作业流程，其中的所有节点都紧密关联。节点之间的协同合作应该遵循具有普适意义的协同作业规律。如果我们用“知”来指代信息指令，用“行”来指代对信息指令的处理和执行，那么效率最高的协同作业方式是“即知即行、即行即知”。即知即行，表示作业流程的任何节点在获得信息指令后可以即时执行和处理；即行即知，表示一个流程节点的即时执行和处理结果可以即时同步告知所有相关的节点。

知识链

这里讨论的知识，是指在企业的经营活动中产生的，非具象化的、能够发挥要素资源作用的、促进企业增长的知识。企业在日常经营工作尤其是在解决“疑难杂症”时的发明创造，如管理新点子和工艺新诀窍，都属于企业自有自创的知识。大体可以分为显性知识（相对比较容易描述并以文字的方式进行记录和分享）和隐性知识（难以言表，“只可意会，不可言传”）。这些知识近乎独门绝技，是企业的资深员工经过长年累月的经验积累，在某些特定场景之下的“顿悟”或“开窍”。这类知识极有可能是企业的专有技术（Know-how），对于打造和维系竞争优势具有重要意义。

企业知识是开发企业级AI的重要前提条件。企业知识管理必须密切结合业务逻辑来记录、梳理和储备相关的业务知识，为AI应用开发过程中的机器学习做好知识储备。

企业的知识管理必须遵循供应链的知识链属性，链”字在此表达的是知识的传递，既在企业内部也有可能在企业之间传递。

数据链

供应链在运行过程中产生了海量的数据。数据资源同样存在稀缺性，但是在供应链的范畴内，这种稀缺性更具相对性而非普遍性。由于数据是人为的结果，这样的稀缺性还有一定的时效性，也就是说，某一特定数据具有的稀缺性只是存乎一时的，人们通过一定的数据化努力可以改变或结束这一时的稀缺性。供应链海量数据产生的源头是作业流程中的各个节点，节点之间的业务逻辑赋予了这些数据一定的逻辑性，流程节点之间是链状连接的，这些数据也呈现出链型的特点。这就是数据链的成因，以及数据链底层基础之所在与所载。“所在”指的是数据源自业务，这是数据链的基础；“所载”指的是数据必须有逻辑性。不具备逻辑性的数据，以及无法形成逻辑关联的数据，都不是高质量的数据，也就不具备应用价值。

供应链运行参考模型SCOR最引人瞩目的是以计划为最高指挥中心，相当于将供应链的运行交由计划驱动和引领。这正是最值得商榷的问题。计划只是数据的衍生物，数据才是根本性和基础性的要素。据此可以得出一个结论：是数据而不是计划，在驱动供应链的运行。如果将这个结论模型化，就是的“数据驱动的供应链运行参考模型”（Data-driven Supply Chain Operation Reference，DSCOR）。

人们常说数字化转型是“一把手项目”。企业“一把手”必须从供应链运行和数据生成的底层逻辑出发，结合本企业的发展战略和经营模式，就本企业数据之“所在”与之“所载”，做出具体且清晰的规划和定位。

在数字化时代，供应链的数据链属性将会日益突出。企业要关注私域数据、邻域数据和公域数据之间的关系。私域数据的筹划建设，以及私域数据之间的邻域数据共享关系，包括有价交易和互利共享，也必定会更加频繁地发生。人工智能技术在企业运营和管理中的应用逐渐成为焦点。没有量大质优的私域数据，企业级的AI应用的开发就无从谈起。单一企业的私域数据难以支撑企业级AI的算法开发，需要同行业的诸多企业通过建立邻域数据享关系，汇聚足够的数据量，以供机器学习训练之用。然而，对于企业级AI应用的开发而言，海量的公域数据却常常显得过于庞大而不切实际，难以直接应用，造成了一种庞大却无用、与实际需求不符的窘境。

风险链

绝大多数企业对第一层供应商是精挑细选，实习严格的“准入管理”。而对于供应商的供应商的选择，几乎全权交由第一层供应商去酌情处理。这其中隐含的不确定性以及可能由此产生的供应链风险，真是令人不寒而栗。

由于供应链的链式反应规律，任何一个层级中的供应商在生产经营中出现的任何微小变化，包括最终用户需求的波动以及服务于最终用户的电商平台和渠道商遇到的任何突发事件，都会首先影响到紧邻的直接相关的供应商或客户企业，进而沿着这些企业的协同链逐渐蔓延，最终可能引发导致整个供应链伙伴企业一损俱损的“蝴蝶效应”。

供应链的风险链属性总体上是显而易见的，供应链的风险是已知的未知。我们知道，供应链在运行过程中充满着风险，但是，这些风险将在何时出现、以何种方式出现、造成何种影响以及有多大的影响等，却是未知的。这正是所有企业在进行供应链管理时所面临的复杂局面。

业界比较熟悉的VUCA理论架构，分别代表易变性、不确定性、复杂性和模糊性。VUCA主要用于描述和分析复杂环境，帮助企业领导人识别风险和困难。然而，鲜有专家能够直接且坚定地提出应对供应链运行中VUCA现象的有效解决之道。

2017年，哈佛大学商学院教授比尔·乔治（Bill George）提出了自己的VUCA，被学界称为VUCA2.0理论框架。这两个版本的英文简称一样，但乔治教授赋予了每个字母所代表的与原版单词一一对应的新含义。例如，VUCA2.0用远见（Vision）应对易变性（Volatility）；以理解（Understanding）应对不确定性（Uncertainty）；以勇气（Courage）应对复杂性（Complexity）；以适应力（Adaptability）应对模糊性（Ambiguity）。

供应链的多层次链式结构增加了供应链的复杂性，对这些链式结构的认知深度决定了对复杂性的理解和掌控能力，进而塑造了对供应链的管理能力。例如，对复杂性的从容应对或疲于应付直接决定了供应链的运行效率和效益。

供应链所具有的七大链中链并非各自孤立存在，恰恰相反，它们相互交织、彼此渗透，并没有泾渭分明的边界。风险链所述的各种风险，其实在其余六大链性中都存在。七大链性实质上是从七个不同的视角来剖析供应链，以期寻找供应链构建和运行的规律，提升企业打造供应链竞争优势的能力。当然，我们还可以从更多的角度来分析和研究供应链的规律。

业界广为流传的另一句话是：真正的竞争是供应链和供应链之间的竞争。《供应链思维》认为，这话只能理解为一种隐喻。供应链是一个无形的存在，不可能成为竞争的主体。在当今这个数字化时代，竞争依然存在于企业和企业之间，只是核心竞争力聚焦于企业三种能力的建设上：构建、运行和管理供应链的能力，用数字技术赋能供应链的能力，以及防范和应对供应链风险的能力。这三种能力合力为一体的具象化成就，就是建设以需求和数据双引擎驱动的数字供应链。