導讀：近幾年來圖計算（Graph）和人工智能（AI）在技術上都在飛速發展，商業應用中也各自發揮了重要作用。本次主題是《Graph和AI加速供應鏈數字化轉型》，由TigerGraph解決方案總監周倚平老師分享，探討如何通過圖計算（Graph）和人工智能（AI）的結合，來幫助企業推進供應鏈數字化轉型。主要包括以下幾大方面：

現代企業供應鏈面臨的挑戰

Graph+AI助力數字化決策

基于Graph+AI的供應鏈優化案例

在開始分享Graph和AI技術如何幫助企業做供應鏈數字化轉型之前，先來來了解下圖和圖計算的背景。圖和圖計算發起于互聯網中的社交推薦和發現，進而在金融領域的反欺詐、反洗錢、反套現等風控場景，IT智能運維，數據資產管理，以及網絡安全分析等場景中得到廣泛應用。最近制造，醫療、零售等傳統行業也在逐步引入圖計算，以此來提升企業在客戶營銷和服務、智能制造、以及數字化供應鏈方面的競爭力。

當下在各個領域里，無論是零售、制造或醫療，每家企業都在考慮將自身業務流程的數字化，實現降本增效，提升企業在市場的競爭力和客戶滿意度。

而供應鏈又是整個業務流程當中非常重要的一個組成部分。據統計，在大規模制造行業，供應鏈約占企業10~20%的成本。

1.?現代企業供應鏈的風險痛點

現在企業的供應鏈信息化水平發展很快，但供應鏈管理還是面臨了一些風險和挑戰。諸如因為原材料的采購問題導致關鍵訂單對延遲交付、因為市場銷量變化導致的供應過量或者庫存積壓等。當前由于疫情的原因，也會導致一些計劃外的成本，比如，上游的零部件廠商因為質量或者其他問題導致關鍵零部件斷供，進而導致企業生產線產線停機。這些是我們看到的在現代供應鏈管理中的一些風險。

2. 供應鏈管理的重要性

供應鏈規劃對于提升企業競爭力是非常重要的。有一組來自國外專業商業研究的機構BCI的調研結果顯示：2017年，69%的企業缺少供應鏈可視化管理、65%的企業至少經歷過一次供應鏈的危機，而且大多是由于一級供應商造成。到2019年，企業逐步重視供應鏈管理，其中包括可視化，監控和管理它的第一層供應商，也就是它的直接供應商。但很少有企業能夠在供應鏈分析里下鉆到第二層或第三層的供應商。到2021年，企業整體信息化水平越來越高，有了ERP、MRP、PLM等不同的系統，也產生了很多的數據報表。但這些數據報表只能提供單個系統的信息，不能提供這種全視角、全鏈路的一個供應鏈的信息。

3. 現代供應鏈數字化分析決策中的挑戰

在現實世界里，采購、制造、銷售各個環節的數據管理系統不同，數據的標準不同，數據的描述語言不同，進而導致了信息孤島。這些信息孤島也給供應鏈數字化轉型帶來了巨大挑戰，也就是說，即使企業建設了從采購、制造、到銷售各個層面的數字化系統，在面對一些需要將供應、制造和銷售等業務環節連接起來的復雜問題，依然無法給出快速、合理的回答。

1.?圖計算用作供應鏈管理的優勢

圖，作為一種連接實體之間關系的技術，是描述供應鏈最原生和最自然的一種方式。供應鏈本身是由原料廠商、零部件制造廠商、制造工廠、分銷商、倉庫，以及代理商等組成，這些構成了一個非常復雜的網絡。尤其像汽車、高鐵、飛機這些高端的制造行業，整個供應鏈可能涉及幾十萬實體對象，而圖能夠非常形象準確地去描述供應鏈網絡中的各個實體以及它們之間的關系。然后，通過相同描述語言和統一的數據標準建立整個供應鏈的數字孿生模型。最后通過模型就能回答一些比較復雜的業務問題了。

首先，通過圖分析我們可以把采購制造分銷等各環節數據進行打通，形成一個全鏈路的數據視角。

同時，圖作為底層引擎，可以基于關系數據快速地回答一些復雜問題，諸如庫存如何控制，上游零部件廠商供貨風險如何管控，以及如何優化整個運輸網絡。

另外，圖還能夠帶來更多的計算選擇，比如圖算法中的路徑查找、中心度算法、社區發現來實現對我們業務的一個深度洞察和預測。

最后，圖在可解釋的表現很好，如上圖的左圖，描述了下訂單的一個過程，具有很好的可視化效果。

2.?Graph和AI結合

對企業的管理者或者分析師來說，圖分析使得他們面對的不再只是一串結果，而是企業經營活動在數字世界當中的一個投影。

過去在我們機器學習或者人工智能（AI）領域，它主要依賴統計性特征，諸如電子商務的銷量，賣家的特征，商品的特征等來數據的輸入；現在，我們可以融合圖分析技術去提煉商品，賣家，買家之間的關系特征，從而提升AI算法的訓練效果，使之更貼合實際業務，實現更好的預測和推薦。此外，因為圖具有可視化的特質，所以結果也更具有可解釋性。

對于神經網絡模型，可以通過實體關系圖來構造新的特征，并將這些特征融合起來，這樣我們就可以在深度學習框架里使用更多的信息。譬如圖片社交網站Pinterest就使用圖神經網絡構建圖片推薦的相關功能，Uber使用圖神經網絡構建支付欺詐檢測相關功能，還有一些創新企業將圖神經網絡用于供應商影響力的分析和預測等場景。

3.?TigerGraph介紹

這里介紹一下我們公司，TigerGraph是一個基于關聯數據（圖模型）的高級分析平臺，支持機器學習和可解釋的人工智能。TigerGraph的使命是通過圖和人工智能為企業基于大數據提供創新的分析能力，幫助客戶連接數據孤島，進行更大規模、更深入的運營分析，從云端和本地的數據中發現新的業務洞察。

在Gartner關于2021年到2025年圖分析的預測中提到，對于很多企業來說，不是用不用圖的問題，而是你一定會使用圖的這種技術，因為它就是描述客觀事物，以及我們真實世界關聯事實的技術。

接下來進入我們最重要的一個環節，在這里會介紹捷豹路虎這個客戶在使用我們的Graph+AI來實現供應鏈優化的場景案例。

捷豹路虎在他們的供應鏈實踐中發現通過訂單預測，可以實現供應鏈的優化，并能帶來數億英鎊的收益。譬如，根據銷量預測來提前做零部件采購和供應商選擇，來降低供應鏈上的成本。

對于捷豹路虎的數據分析領導來說，他們希望通過一種技術，能夠對采購、銷售、制造等跨垂直部門之間有比較一致的理解。

但在過去，數據往往存在不同的系統里，因此捷豹路虎希望能找到一種同時可以描述業務和數據的語言。通過實踐，他們發現可以通過圖去構建一個連接供應和需求的視圖，從而高效地回答一些關鍵業務問題。下面我們來具體看下是如何實現的。

捷豹路虎作為汽車制造商，將整個供應鏈分成若干層次：

車型：這一層里面有不同的車型

功能：車的下面對應的是功能，諸如行駛、剎車，導航等

零部件：功能再向下是支撐這些功能的零部件

供應商：零部件再向下對應的就是各個零部件的供應商

通過這種方式，可以在企業的核心產品和最終的供應商之間建立關系模型，來解決一些業務問題。例如當某車型需求激增的情況下，工廠是否有足夠零部件滿足需求？再譬如供應商是否存在供貨風險？

如上圖，可以看到攬勝極光這個車型，它所需要具備的一些功能，以及每個功能對應的零部件和供應商有哪些。圖中某供應商為該車型提供三個主要零部件，則該供應商是這個車型的重要供應商。

如果該供應商發生產品漲價或者產品斷供，對企業的產能將會造成巨大影響。所幸，該零部件還有兩個備選供應商。供應鏈分析師可以通過評估備選供應商的供貨能力來判斷是否存在供應風險。針對上述這些情況，供應鏈分析師就能通過圖來快速發現問題，并輔助決策。

還有一種情況是需求驟降可能引起的庫存堆積。比如上圖中的發現神行SE，該車型有全景天窗的功能，向下涉及擋風板等一些零部件。通過圖，我們發現攬勝極光也需要這個功能，而且是相同的零部件。那我們就可以將多余的零部件用在另一個車型上，來避免庫存和不必要的成本產生。

此外，業務還提出對現有的車型做改進的情況。我們假設這個改進對利潤的影響是提升，那對成本又是什么影響呢？

因為從a功能變成b功能，一方面，原始功能的零部件會產生庫存，另一方面，針對新功能所需的零部件也需要重新采購，這些都將造成額外成本。此時，就需要通過圖來輔助業務決策。

在捷豹路虎的供應鏈優化實踐中，總結出上圖八種主要模式。舉例說明，比如有三個供應商，它之間也存在關聯關系，那可能他們是一個供應商聯盟。再比如有一個供應商，它提供了很多零部件。也就是說我們對該供應商有依賴，如果該供應商抬價或者不能及時供貨，就會對供應鏈造成影響。再比如有三個供應商能同時提供同一個零部件，則意味著這個零部件的供應存在很大的一個彈性。

通過圖技術把相關的業務特征變量提取出來后，接下來就可以放到機器學習算法里進行訓練、分析和預測。通過圖特征的提取，結合原有的機器學習或者深度學習框架，可以更好地回答復雜的業務問題。同時，圖的可視化能力，也能幫助業務人員對算法的結果更一目了然。

因此，在捷豹路虎的供應鏈管理業務場景中，通過圖來打通相關的數據，并基于圖分析整個供應鏈是否存在風險，是否有優化可能性等，以此來給業務做價值提升。