近几年，供应链高管和从业人员对业务和供应链分析的重要性和价值的认识急剧上升。全球供应链的复杂性不断增加，再加上信息系统和相关技术的快速进步，每年都有更多的供应链专业人士相信，卓越的分析能力是运营有效和高效供应链的核心要求和“必备条件”。此外，正如 O'Dwyer 和 Renner 在《供应链管理评论》最近一期上发表的一篇文章所指出的那样，在不久的将来，更先进的供应链分析前景广阔。
事实上，几十年来，许多公司一直使用业务分析，更广泛地说是供应链“决策支持系统”（DSS）。随着供应链分析和 DSS 的作用越来越突出，接受程度越来越高，供应链经理和高管必须解决几个“管理问题”。这篇简短的文章旨在根据作者二十多年来在许多不同公司和行业使用 DSS 和供应链分析的经验，分享一些关于供应链分析的关键观察和学习。
出于本文的目的，我们将供应链分析 (SCA) 和 DSS 定义为利用公司数据库和其他 匈牙利邮件列表 信息源作为输入来生成供应链计划和时间表的工具和技术。SCA 和 DSS 为从短期日常运营到长期战略规划的决策提供输入。SCA 和 DSS 的组成部分包括数据库、定量技术和算法，例如预测模型、数学模拟和数学优化。
关键管理经验和观察
无论公司采用何种具体的 SCA/DSS 工具和技术，都有一些管理原则是普遍适用的。首先，供应链集团必须至少在组织中配备几位 SCA/DSS 专家。此外，这些员工必须参与日常、短期运营以及长期规划活动，并定期与这些员工互动。在日常运营中安排几位 SCA/DSS 专家可以为供应链组织带来许多好处。
这些好处包括：
• 供应链组织中的 SCA/DSS 同事可以快速学习并“熟记”贵公司的网络。例如，假设这些员工开发并维护您的分销或（更好的是）集成制造/分销网络的数学优化模型。通过开发和利用这些模型进行中长期规划，SCA/DSS 同事对公司的网络了如指掌。一段时间后，这些内部专家几乎不需要运行他们的模型来预测潜在网络变化的影响。通过不断沉浸在网络数据中，这些同事对网络上每个位置的容量、成本、依赖关系和相互交织的关系有了更深入的了解。这种基于事实的定量知识有助于整个组织改善决策——无论是在更非正式、即兴的决策情况下，还是在更正式的规划过程中。