制造企業供應鏈數字化轉型的機理與路徑

戴建平 駱溫平

【摘要】本文立足于工業互聯網平臺多邊價值創造視角， 從供應鏈數據質量、 數據透明度以及數據驅動協同度三個層面剖析制造企業供應鏈數字化轉型面臨的現實問題， 并結合平臺理論、 價值理論、 供應鏈管理理論， 提出支撐制造企業供應鏈數字化轉型的三個關鍵核心能力， 即供應鏈數據處理能力、 數據融合能力以及數據治理能力， 詳細探討能力內涵與供應鏈數字化轉型的關系。在建構能力結構模型的基礎上， 圍繞工業互聯網平臺各主體多邊價值共創， 剖析制造企業供應鏈數字化轉型的機理， 提出數字化轉型的具體路徑： 一是構建供應鏈數字化映射， 提升數據處理能力， 強化供應鏈數據質量管理； 二是加快數據融合， 為數字化供應鏈提供數據互聯共享， 提升供應鏈數據透明度； 三是提升數據治理能力， 通過數據驅動供應鏈協同， 實現供應鏈網絡化價值創造。

【關鍵詞】工業互聯網平臺；價值共創；供應鏈；數字化轉型

【中圖分類號】 F42.3? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）17-0137-8

一、 引言

新發展格局下， 供應鏈的復雜程度和變化性急劇增加， 制造企業正面臨前所未有的巨大挑戰。制造企業傳統供應鏈主體之間缺乏有效協同， 供應鏈快速反應及彈性能力不足， 存在信息偏差與滯后現象（工業互聯網產業聯盟，2012a）。這些現象嚴重影響了制造企業的供應鏈管理水平， 有必要對制造企業實施數字化發展戰略， 因此傳統供應鏈亟待解決如何向數字化供應鏈轉型升級的問題。2020年4月， 國家發展改革委、 中央網信辦聯合印發《〈關于推進“上云用數賦智”行動培育新經濟發展實施方案〉的通知》， 明確要深入推進企業數字化轉型， 打造數字化供應鏈（國家發展改革委和中央網信辦，2022）， 在國家層面明確了我國制造企業供應鏈“智改數轉”的方向。

不同于制造企業傳統供應鏈， 數據驅動的供應鏈具有連接、 智能、 靈活、 迅捷、 協同等優點。數字化供應鏈通過海量數據的采集、 匯聚和分析， 在驅動流程、 需求預測、 數據共享、 柔性和彈性、 運輸管理、 供應鏈風險成因和供應鏈組織結構等方面與制造企業傳統供應鏈有著顯著差異（工業互聯網產業聯盟，2021b；李勇建和陳婷，2021；汪傳雷等，2019）， 供應鏈數字化轉型能獲得比傳統供應鏈更大的優勢。但制造企業供應鏈數字化轉型并非簡單的技術或商業模式變革， 本質上是“技術—經濟”范式變革在制造企業中的應用， 以工業互聯網為代表的“新基建”實現了對制造企業要素結構、 生產方式、 組織結構以及價值來源的根本性變革， 極大地推動了制造企業供應鏈運作方式和價值創造方式的變革。

經過對以往文獻的梳理， 本文發現該領域還存在如下研究空間： 第一， 現有研究多從信息技術層面探討對制造企業供應鏈數字化轉型的驅動或影響， 部分研究已考慮到工業互聯網平臺的作用， 但只是單純將其視為一種可利用的資源， 認為與制造企業的融合等同于生產設備的數字化改造或供應鏈管理效率的提升， 并沒有意識到其在價值創造及增值等方面的重要作用。然而， 工業互聯網平臺不僅會觸發傳統意義上的技術變革， 更是通過“技術—經濟”范式內生地推動制造企業供應鏈數字化轉型升級（唐國鋒等，2023）。因此， 有必要從工業互聯網平臺價值創造層面尤其是多邊價值共創的視角深入剖析其如何影響和驅動制造企業供應鏈數字化轉型， 其影響的機理和邏輯需要獲得理論支持。第二， 由于工業互聯網平臺價值創造主體不同， 已有研究較多地從資源提供方或資源需求方兩個角度分別探討價值創造行為與制造企業供應鏈數字化轉型的關系， 較少討論工業互聯網平臺多邊價值共創的影響。因此， 有必要通過實證研究進一步明確平臺多主體價值共創對制造企業供應鏈數字化轉型的具體影響及作用路徑。第三， 已有研究對制造企業供應鏈數字化轉型的影響因素尚不完整， 沒有充分考慮數字化供應鏈的特點及工業互聯網平臺的作用， 對制造企業供應鏈數字化轉型的影響因素缺乏系統的分析和歸納。因此， 有必要對此進行具體分析。

本文的主要貢獻是： 立足于工業互聯網平臺多邊價值創造視角， 剖析制造企業供應鏈數字化轉型面臨的現實挑戰， 建立供應鏈數字化轉型的能力結構模型， 深入分析工業互聯網平臺多邊價值共創影響和驅動制造企業供應鏈數字化轉型的機理、 路徑， 為制造企業供應鏈數字化轉型提供新的視角和研究框架， 在實踐上能為制造企業成功實現數字化轉型提供支撐。

二、 供應鏈數字化轉型的現實問題剖析

（一）制造企業供應鏈管理面臨的新挑戰

經過近半個世紀的高速增長， 從總體規模上看我國制造業已然處于世界第一方陣。相應地， 我國制造業在全球貿易中的角色也在發生轉變， 原本處于價值鏈低端的制造企業不斷嘗試將業務往價值鏈上游拓展， 為技術含量較低的產品賦予高附加值， 從產業鏈高端發力， 參與國際競爭。面對這一新的競爭格局， 我國制造業勢必要借助新一代信息技術， 在研發、 管理及供應鏈管理上取得創新突破。

已有研究指出， 長期以來我國傳統制造企業供應鏈主體之間協同比較困難， 供應鏈設備缺少傳感單元， 供應鏈整體智能化水平低， 信息滯后時有發生， 缺乏快速響應能力， 應對供應鏈風險缺乏彈性（王柯懿等，2021）。這些不足對制造企業供應鏈管理提出了新挑戰， 具體表現為：

1. 制造企業供應鏈外部管理難度加大， 客戶對制造企業供應鏈能力的要求也日益提升。比如， 客戶要求供應鏈具有柔性能力、 規模化定制能力、 彈性能力、 快速響應能力等。供應鏈各主體之間的協同水平較低導致很難實現供應鏈全局最優。由于市場變化莫測， 供應鏈中信息的偏差極易導致牛鞭效應的產生， 供應鏈缺乏快速響應能力， 就難以滿足客戶要求， 使供應鏈整體的競爭力大打折扣。

2. 制造企業供應鏈內部管理效率難以有效提升， 企業生產制造質量控制績效水平低。這是由于傳統制造企業缺少供應鏈設備的數據采集能力， 數據不具有可視化基礎， 導致采購、 生產、 供應及銷售等數據無法做出積極響應， 提高了管理成本。

3. 數字化轉型帶來的挑戰。“智改數轉”極大地推動了制造企業的數字化轉型。隨著我國5G、 人工智能、 工業互聯網等“新基建”的快速發展， 為制造企業打造數字化供應鏈創造了良好的基礎。制造企業依托工業互聯網平臺和大數據算法， 在工業數據的獲取、 傳輸、 存儲以及處理上的成本越來越低。制造企業借助工業互聯網可以快速構建起工業及供應鏈數據模型， 運用數字孿生等技術進行實驗， 大大節約了時間成本。但由于供應鏈數字化轉型涉及工業互聯網、 人工智能、 大數據等新技術， 技術難度和復雜度較大， 導致許多制造企業短期內難以掌握， 尤其對于數字化基礎較弱的傳統制造企業挑戰巨大。

（二）供應鏈數字化轉型的困境及驅動力

當前阻礙傳統制造企業供應鏈數字化轉型的難點主要存在三個方面（見圖1）。

1. 供應鏈數據質量低。數據質量是數據資產的重要條件之一， 數據驅動的供應鏈更加注重供應鏈中的數據質量。制造企業供應鏈需要實現更高質量的精準管理， 就需要不斷細化供應鏈中物流、 資金流以及信息流的顆粒度， 提升數據質量。

當前制造企業供應鏈數據正呈現指數級增長趨勢， 制造企業要實現數據業務化， 只有將數據轉化為數據資產并持續創造價值才能支撐企業的戰略和業務。但由于制造企業供應鏈中存在不同的價值主體， 其業務系統、 管理系統存在諸多差異， 供應鏈各價值主體的數據存儲模式、 邏輯結構也大不相同， 供應鏈數據的產生時間、 具體使用場景及相關代碼等也不同， 數據缺乏統一標準， 普遍存在“多源”和“異構”兩大特征（王露寧和朱海洋，2022）。制造企業需要匯聚來自供應鏈上不同渠道、 不同組織結構、 不同存儲格式及不同標準的數據， 但當前制造企業缺乏對供應鏈多源異構數據的處理能力， 這是造成供應鏈數據質量低的直接原因。

2. 供應鏈數據透明度低。供應鏈數據透明度主要指的是供應鏈數據的可視化及共享程度。其中， 可視化要求能準確識別、 收集供應鏈所有環節的數據， 共享程度則是根據決策需要， 將數據分級和授權后在供應鏈內、 外部進行共享。

高度透明的供應鏈能確保各決策主體在任何需要的時候都能完整、 準確、 及時地獲取數據。但長期以來， 制造企業傳統供應鏈中的數據往往只在小范圍內可見， 對更大范圍則不具有可達性， 供應鏈各決策主體無法獲知相關數據， 亦或獲取的數據缺乏即時性（Montecchi等，2021；周茂森和張慶宇，2020）。實踐中， 同一數據在供應鏈不同決策主體中可能會被多次記錄， 導致數據內容重疊或不一致。另外， 對供應鏈決策主體有不同的數據授權規則， 導致數據存在共享障礙， 數據互聯互通程度低， 如果制造企業在決策前無法獲取更全面的數據， 將會導致決策質量下降。

供應鏈數據透明度之所以不高， 一方面是因為受供應鏈數據處理技術的限制， 另一方面是因為供應鏈中決策主體存在管理認知上的局限， 缺乏數據共享意愿。雖然供應鏈上各主體也在嘗試聯合決策， 但是這種實踐往往是基于局部數據共享， 在大范圍內數據普遍無法實現端到端的透明。

3. 供應鏈數據驅動協同度低。這里主要指的是制造企業由于供應鏈數據治理能力不足， 導致對供應鏈運營中產生的各種數據利用率低（楊增茂等，2023）， 無法通過提升供應鏈數據價值來驅動供應鏈價值主體產生協同。造成數據驅動協同度低的原因是制造企業缺乏供應鏈數據治理能力。供應鏈數據中往往蘊含著大量的知識與洞見， 供應鏈數字化轉型需要運用更高級別的數據技術分析數據之間的深層關系， 最大限度地挖掘供應鏈的數據價值來驅動供應鏈各價值主體之間的協同。因此， 如何有效地通過數據治理驅動供應鏈價值主體間協同， 提升供應鏈網絡化價值創造是制造企業供應鏈數字化轉型的一大難點。

（三）工業互聯網平臺多邊價值共創的作用機理

有別于消費互聯網平臺及一般意義上的技術平臺， 工業互聯網平臺是服務于制造企業“智改數轉”的專業服務平臺， 平臺內嵌于工業價值網絡， 用于彈性配置生產制造資源， 支撐工業數據的泛在連接（Liu等，2021）， 具有跨產業鏈、 價值鏈的協議接口， 是整個工業互聯網體系架構的中樞， 能對制造業及其供應鏈上各價值主體實現更高水平的數據賦能。

對現有文獻進行梳理發現， 針對價值共創這一視角主要集中在企業層面（微觀）、 價值鏈層面（中觀）以及產業層面（宏觀）。

1. 在企業層面。工業互聯網平臺多邊價值共創對制造企業供應鏈數字化轉型產生了重要的影響， 如制造企業將工業互聯網平臺應用于客戶關系管理， 有實證研究發現制造企業借助工業互聯網平臺， 可以實現精準營銷以及時響應客戶的需求、 提升制造企業績效（Cheng等，2020）。此外， 工業互聯網平臺多邊價值共創亦可作用于制造企業的商業模式創新以降低成本， 提升制造企業的效率及經濟效益（王永蓮等，2022）。制造企業依托工業互聯網平臺可以實時采集到大量的多源數據， 數據能覆蓋到產品的整個生命周期， 通過大數據計算提取和分析有用的信息， 對生產制造過程進行精準合理的研判， 能更好地優化生產過程、 管理產品生命周期， 為制造企業供應鏈數字化轉型發展提供新的可能。

2. 在價值鏈層面。工業互聯網平臺多邊價值共創在價值鏈層面上能促進制造企業供應鏈實現從“推式”向市場“拉式”的轉型升級。制造企業圍繞工業互聯網平臺開展供應鏈多邊合作， 能實時反饋市場的個性化需求， 更好地推進供應鏈逐步向服務型供應鏈轉型（馬永開等，2020）。

3. 在產業層面。已有文獻主要圍繞基建投資與產業結構升級的關系開展研究。傳統制造企業的供應鏈多以勞動密集型投資為主， 投資以工業互聯網為代表的“新基建”會有力地推動制造企業供應鏈向技術（資本）密集型轉型， 工業互聯網技術及平臺的應用能提升制造企業供應鏈整體效能， 加速資本對勞動的替代（Han等，2021）。要實現對制造企業要素結構、 生產方式、 組織結構以及價值來源的根本性變革， 極大地推動制造企業供應鏈運作方式和價值創造方式的變革。

三、 供應鏈數字化轉型的核心能力

（一）供應鏈數字化轉型的能力結構

根據上述問題分析， 結合平臺理論、 價值理論、 供應鏈管理理論， 本文認為在工業互聯網平臺多邊價值共創視角下， 為了有效解決制造企業供應鏈數據質量低、 數據透明度低、 數據驅動協同度低的問題， 數字化供應鏈需具備三大核心能力， 本文將其定義為供應鏈的數據處理能力、 數據融合能力以及數據治理能力。

1. 數據處理能力。供應鏈數據處理能力的核心在于對供應鏈多源異構數據的處理。這些數據反映了制造企業生產及運營的實時狀態， 存在多源和異構的雙重特征。雖然制造企業可依托工業互聯網平臺收集和處理供應鏈數據， 但只有對數據進行初步加工才能真正賦予其價值， 形成數字化供應鏈的基礎， 幫助制造企業建立對供應鏈活動內容與進度的認識， 提升供應鏈的數據質量。

2. 數據融合能力。供應鏈中數據的透明程度決定了整個供應鏈的成本， 在缺乏透明的供應鏈中， 各價值主體很難互通信息， 極易導致供應鏈延遲而增加庫存。制造企業依托工業互聯網平臺， 提升供應鏈各環節的數據互聯互通能力， 使數據在供應鏈各決策端點之間充分共享， 能實現在更大范圍內的互聯互通。

3. 數據治理能力。傳統制造企業供應鏈運營過程中會產生各種數據， 由于缺乏對數據的分析和深度挖掘能力， 數據利用率低， 無法通過有效利用數據來幫助其提升供應鏈管理水平， 最終導致決策結果不能滿足供應鏈需求。制造企業依托工業互聯網平臺， 能更充分地挖掘數據的供應鏈價值， 優化供應鏈決策方式， 尋找數據、 決策與結果之間的關聯性與因果關系， 提升供應鏈網絡化價值創造能力。

上述三種能力在制造企業供應鏈數字化轉型中相互支持、 相互影響， 聯系十分緊密。數據處理能力是數據融合能力的基礎， 數據處理的目的是提升供應鏈數據質量， 為數據融合提供有價值的數據， 數據融合又對數據處理及共享提出要求， 為后續供應鏈數據治理及價值創造提供基礎。這三種能力共同作用， 推動供應鏈數字化轉型， 其能力結構模型如圖2所示。

（二）能力結構與制造企業供應鏈數字化轉型之間的關系

1. 數據處理能力與制造企業供應鏈數字化轉型的關系。本文中的供應鏈數據處理能力是指制造企業基于工業互聯網平臺對供應鏈多源異構數據進行采集、 清洗、 傳輸、 加工等的能力。供應鏈數據分布廣泛， 內容豐富， 現已成為供應鏈的重要資產。工業互聯網在制造企業的廣泛運用， 有助于制造企業監控機器狀態， 識別并防止破壞性的機器故障， 有助于制造企業實時定位倉儲和庫存狀態， 提高庫存可用性。制造企業可以重新考慮供應鏈后臺補貨、 庫存水平、 安全庫存水平等重要管理決策， 在節省人工成本的同時能降低庫存水平（張衛等，2022）。制造企業應用工業互聯網還能對供應商、 客戶行為及需求進行分析預測， 平衡供需關系， 提高供應鏈對市場的響應能力。

依托工業互聯網平臺， 制造企業大大拓寬了供應鏈數據的采集渠道， 大幅提升了數據處理能力， 同時也推動了供應鏈各主體間數字化關系的建立， 為后續供應鏈數字化管理決策奠定了良好的基礎。

獲取并處理供應鏈多源異構數據是數字化轉型的首要工作。基于工業互聯網平臺的數字化供應鏈， 需要對供應鏈各環節數據進行采集和清洗， 數據經加工和傳輸才能被用于后續的決策支持。因此， 提升制造企業對供應鏈多源異構數據的處理能力， 能更加全面地獲取與處理供應鏈數據， 最大限度地減少供應鏈變化性產生的影響， 避免供應鏈中斷的風險（孫蘭蘭等，2022）， 推動數字化轉型。

2. 數據融合能力與制造企業供應鏈數字化轉型的關系。本文將數據融合能力定義為數據在供應鏈各環節端到端的互聯互通能力。提升制造企業供應鏈數據融合能力， 實現數據在供應鏈端到端的透明， 這是制造企業供應鏈數字化轉型必須解決的核心問題。實踐中， 由于供應鏈各主體存在不同的利益訴求， 常常通過授權來控制供應鏈數據的使用范圍， 對超出范圍的供應鏈主體不具有透明性， 供應鏈各環節或合作伙伴無法獲知相關數據， 或者獲取的數據缺乏即時性， 無法實現供應鏈數據端到端的透明。

工業互聯網平臺能在很大程度上提升供應鏈的數據融合能力， 不僅可以使制造企業和供應鏈各價值主體進行被動的數據交換， 還可以積極進行供應鏈合作， 解決供應鏈數據共享障礙和信息孤島難題。當供應鏈各主體有意識地擴大數據融合范圍， 數據在供應鏈上實現端到端的透明時， 就能大大提升數據的及時性和準確性， 從而提升供應鏈運營績效。比如制造企業在供應鏈更大范圍內共享庫存數據能降低牛鞭效應的沖擊， 改善企業供應鏈績效（孫蘭蘭等，2022）。依托工業互聯網平臺， 制造企業與供應商、 客戶實現數據融合， 能大幅提升制造企業的訂單交付能力， 促進數據在供應鏈各環節的共享和互通。

3. 數據治理能力與制造企業供應鏈數字化轉型的關系。工業互聯浪潮下， 無論是制造企業還是供應鏈上下游企業， 都必須面對快速變化的市場， 如果能通過供應鏈數據協同來推動制造企業及供應鏈上下游企業協同體系的構建， 使制造企業生產體系與供應鏈融為一體， 不僅能直接提升供應鏈的運行成效， 還能最大限度地實現供應鏈整體價值最大化。

本文將供應鏈數據治理能力定義為： 依托工業互聯網平臺制造企業對供應鏈數據資產進行管理和控制的能力。數據治理涵蓋了對供應鏈數據的獲取、 使用和監管， 通過制定和實施針對供應鏈數據的一系列管理流程和政策， 實現對供應鏈數據的分析和深度挖掘， 從而驅動供應鏈價值主體間的協同。

當前， 供應鏈各價值主體間的關系已經由早期的單邊合作關系發展到雙邊及多邊合作關系。多邊合作關系涉及供應鏈主體間更廣泛的協作， 致使組織的邊界難以分清， 供應鏈主體間協作趨勢愈來愈強（戴建平和駱溫平，2018）。對于供應鏈網絡化價值創造的研究與實踐也從作業層面提升到戰略層面， 從組織內部拓展到整個供應鏈層面。在供應鏈數字化轉型過程中， 數據治理能力是影響供應鏈協同度的重要因素， 提升制造企業供應鏈數據治理能力， 能使其在復雜的供應鏈中找到更好的解決方案， 實現生產制造過程與供應鏈的最佳匹配。

四、 供應鏈數字化轉型的機理及路徑

（一）工業互聯網平臺賦能制造企業數字化轉型的機理

工業互聯網的核心構成有網絡體系、 平臺體系以及安全體系（眭碧霞等，2021）， 如圖3所示。其中： 網絡體系負責連接工業設備、 設施、 服務等資源， 促進資源要素的互聯互通。體系向下連接物理設備， 向上連接具體的應用， 通過匯聚海量工業數據來支撐工業建模。整個平臺體系由SaaS層（軟件即服務）、 PaaS層（平臺即服務）、 IaaS層（基礎設施即服務）和邊緣層四大層級構成， 不同模塊的配置與性能決定了平臺的功能特點與優勢。平臺體系在工業互聯網中承擔了重要的中樞作用， 是工業互聯網的核心價值體現， 工業互聯網平臺能有效驅動制造企業全要素以及供應鏈、 價值鏈的深度互聯， 促進制造企業資源優化， 能將制造和服務更好地融合在一起。

制造企業供應鏈的數據處理能力、 數據融合能力及數據治理能力在供應鏈數字化轉型中發揮著不同的作用。其中： 數據處理能力主要作用于工業互聯網平臺架構中的邊緣層和IaaS層， 負責解決物理世界供應鏈的映射問題， 為數據融合奠定良好的基礎； 數據融合能力主要作用于工業互聯網平臺架構中的PaaS層， 對供應鏈數據進行進一步加工， 著重解決供應鏈數據的共享問題， 提升數據價值， 支持供應鏈各主體進行互訪問、 互操作， 實現供應鏈數據端到端可視； 數據治理能力則作用于工業互聯網平臺架構中的SaaS層， 主要對供應鏈數據做進一步的分析與挖掘以支持供應鏈決策。

這三種能力在供應鏈數字化轉型中的地位是逐層遞進的， 需要分階段進行。制造企業需要顆粒度更細、 質量更高的數據， 為進一步實現數據融合和更高效率的數據治理提供支撐。在具備了最初的數據處理能力和數據融合能力之后， 融合的數據將再次被用于數據治理， 為供應鏈決策提供支持， 實現網絡化價值創造， 如圖4所示。

（二）供應鏈數字化轉型的實現路徑

制造企業供應鏈數字化轉型指的是制造企業利用新一代數字技術， 將供應鏈中的某個環節乃至整個業務流程的物理觸點鏈接起來， 形成有價值的數據資產， 賦能制造企業供應鏈價值創造的整個過程。數字化轉型涵蓋了供應鏈數據的采集、 匯聚、 整理、 傳輸、 存儲、 提純加工、 數據治理， 需要將供應鏈多源異構數據轉變為可度量的數據并加以處理。工業互聯網平臺對制造企業供應鏈數字化轉型提供了以下三種可行賦能路徑：

1. 構建供應鏈數字化映射， 提升數據處理能力， 強化供應鏈數據質量管理。數據是數字經濟時代的一種新生產要素， 不同于勞動力、 土地等傳統生產要素， 數據具有可復制性與共享性以及可無限供給的優點（王靜，2022）。這一優點為制造企業獲取和使用數據提供了多種渠道。實現數字化管理必然離不開海量數據的支撐， 供應鏈中的各類數據觸點會實時產生大量數據， 需要匯聚供應鏈中不同渠道、 不同組織結構和存儲格式的數據， 供應鏈多源異構數據面臨著整合打通的難題。工業互聯網在制造企業中的應用， 使供應鏈端數據的采集和分析場景變得越來越多。制造企業需要明確供應鏈異構數據的來源和內容， 通過工業互聯網技術及平臺對其進行精確獲取。

運用工業互聯網平臺， 增加供應鏈核心環節的數據觸點， 建立制造企業傳統供應鏈與數字化供應鏈的映射（圖5）， 提升供應鏈中物流、 信息流和資金流的數據質量， 制造企業傳統供應鏈的觸點數量與數字化供應鏈的維度具有直接的關聯性， 物理觸點越多， 數據維度越豐富， 映射關系的建立越能真正實現通過數據來驅動供應鏈， 為供應鏈決策主體提供更高質量的數據以實現精準決策。

制造企業依托工業互聯網平臺， 在傳統供應鏈基礎上， 通過數字孿生等技術手段， 構建傳統供應鏈在數字世界中的“完整分身”（陳武等，2022）， 這種映射關系能讓物理世界和數字世界實時保持鏈接， 再通過相應的算法及模型對制造企業供應鏈資產和流程進行數字化表示， 貫穿供應鏈的全生命周期， 通過數字化供應鏈實現對傳統供應鏈的了解、 分析和優化， 能最大限度地預測和優化供應鏈的流程， 改善供應鏈績效。

工業互聯網明確了制造企業數字化供應鏈中的數據范圍和內容， 通過建立物理世界與數字世界的映射關系， 極大地提升了供應鏈數據處理能力。在此基礎上， 依托工業互聯網平臺開展數據質量管理， 不僅能確保供應鏈數據的準確性、 及時性和完整性， 還能在很大程度上確保數據的合理性、 唯一性和一致性。

2. 提升數據融合能力， 加強數據互聯共享， 提升供應鏈透明度。制造企業傳統供應鏈各主體的數據標準不同， 對數據的定義不一且存在較為獨立的存儲和維護體系。由于供應鏈數據融合能力的限制， 存在物理或邏輯上的“數據孤島”， 對同緯度供應鏈數據的分析和處理存在較大的障礙。

制造企業依托工業互聯網平臺， 可以通過數據倉庫、 數據湖、 數據中臺等形式實現供應鏈數據融合（圖6）， 這三種形式的數據融合也存在一定的差異。以數據倉庫為載體的融合重點針對供應鏈結構化數據（Lee等，2022）， 為供應鏈各主體決策提供支持， 如提供高級報表分析服務。以數據湖為載體的融合主要為供應鏈數據開發者提供服務， 可處理供應鏈所有類型的數據， 覆蓋范圍較廣。而以數據中臺為載體的融合重點為數據前臺提供具有業務價值的邏輯概念， 既能處理供應鏈實時或離線數據， 也能處理供應鏈結構化或非結構化數據（Park，2020）。

工業互聯網平臺通過融合應用大數據、 云計算及物聯網等技術， 加速數據在供應鏈各主體間的滲透和融合， 對提升制造企業供應鏈數據透明度的支撐作用體現在兩個層面。一是確保制造企業供應鏈數據的完備性。工業互聯網平臺融合了制造企業供應鏈所有環節數據， 能準確記錄從原材料采購到客戶銷售的數據。二是工業互聯網平臺能提供更加清晰的供應鏈數據結構。應用該平臺， 供應鏈各環節的數據記錄清楚、 完整、 及時， 可互相匹配對接， 能在業務操作、 管理、 戰略等不同層面實現數據的匯總分析， 確保數據能適應供應鏈各決策主體的需要。三是工業互聯網平臺實現了有效的數據分級管理， 當底層數據變動時可自動實時更新與之相關聯的數據。工業互聯網平臺通過整合、 提純供應鏈數據， 實現數據在供應鏈端到端的透明， 從而加速供應鏈數據的資產化進程。

3. 提升數據治理能力， 通過數據驅動供應鏈協同， 實現供應鏈網絡化價值創造。數據是供應鏈的核心資源， 制造企業面對海量供應鏈數據， 需最大限度地利用好、 維護好、 保護好數據， 找尋數據隱藏的規律和價值。運用數據治理， 實現供應鏈各主體網絡化價值共創是供應鏈數字化轉型的最終目標。

如前文圖4， 工業互聯網平臺可理解為一條從邊緣層、 IaaS層、 PaaS層到工業應用的鏈， 平臺高度融合了機器人技術、 人工智能技術、 數字化技術、 網絡化技術、 產品設計技術以及產品制造技術（鄭勇華等，2023）。平臺底層邊緣側的邊緣計算、 硬件的傳感器架設能夠采集物理世界的供應鏈數據， 數據采集之后的清洗加工則由工業互聯網平臺的PaaS層完成。PaaS層主要通過算法建立分析模型， 獲取制造企業價值點的關鍵數據， 重點控制數據采集和存儲中的數據冗余， 提升數據處理效率。PaaS層從數據里面進一步進行知識挖掘， 通過數據治理， 幫助制造企業解決生產運營中的實際問題， 實現自主學習及自主決策。

工業互聯網平臺本身要解決的問題不僅是數據的采集及可視化， 本質上是要發揮數據背后的價值。制造企業圍繞供應鏈的業務和場景， 對供應鏈數據進行深度挖掘， 通過數據驅動供應鏈協同， 使供應鏈數據真正成為制造企業的數據資產， 實現從數據到數據資產的價值轉化， 其重要程度不僅不亞于以設備和生產資料為基礎的資產， 而且在作用和意義上更具有戰略性。

工業互聯時代， 單純的設備或技術應用已經很難成為衡量制造企業核心競爭力的標準， 制造企業既要從現有的供應鏈運營中挖掘潛力， 更重要的是要提升供應鏈數據治理能力， 通過數據驅動供應鏈協同， 站在供應鏈數據分析和整合的更高層面實現供應鏈網絡化價值創造。

五、 結語

長期以來， 制造企業高質量發展一直面臨著知識及技術的短板， 創新是賦能制造企業提質增速的必由之路。本文的研究表明， 制造企業供應鏈數字化轉型面臨供應鏈數據質量低、 數據透明度低以及數據驅動協同度低三大現實問題， 以工業互聯網為代表的“新基建”是傳統基礎設施與數字技術的深度融合， 為促進制造企業產業升級注入了新的發展活力。

本文立足工業互聯網平臺多邊價值共創視角， 結合平臺理論、 價值理論、 供應鏈管理理論， 提出了支持制造企業供應鏈數字化轉型的三種關鍵核心能力， 即數據處理能力、 數據融合能力和數據治理能力。圍繞平臺主體間價值共創， 論證了三種能力之間的內在聯系， 深入剖析了制造企業供應鏈數字化轉型的機理， 提出了數字化轉型的具體路徑： 一是構建供應鏈數字化映射， 增強處理供應鏈多源異構數據的能力， 強化供應鏈數據質量管理， 解決供應鏈數據質量低的問題； 二是加快數據融合， 為數字化供應鏈提供數據互聯共享， 提升供應鏈數據透明度； 三是提升數據治理能力， 供應鏈數字化轉型的關鍵是提升供應鏈數據治理能力， 通過數據驅動供應鏈協同， 實現供應鏈網絡化價值創造。

本文從理論層面闡明了圍繞工業互聯網平臺的多邊價值共創對制造企業供應鏈數字化轉型的影響機理， 討論了制造企業供應鏈數字化轉型的關鍵要素及其相互作用的系統結構。工業互聯網平臺主要通過質量、 效率以及產業結構變革等路徑對制造業發展實現乘數式賦能， 推動制造企業供應鏈數字化轉型發展（Dai，2023）。事實上， 工業互聯網平臺技術溢出效應會推動制造企業供應鏈效率變革， 通過正向反饋機制提升供應鏈創新效率， 對深入探索工業互聯網如何賦能制造企業“智改數轉”具有理論啟示與方法論意義。

由于制造企業是工業互聯網的應用主體， 提升制造企業供應鏈數字化水平需要大力推進工業互聯網與制造業的深度融合。大型制造企業擁有更多的技術（知識）積累，供應鏈數字化起步較早， 具備應用工業互聯網的巨大優勢， 因此可優先在大型制造企業中應用工業互聯網， 如發揮徐工漢云、 航天云網等國有龍頭制造企業的優勢， 集中力量打造一流國家級工業互聯網平臺， 通過技術（知識）溢出效應， 加速制造企業供應鏈數字化進程。對于中小制造企業而言， 政府要通過多渠道宣傳工業互聯網的優勢， 加快建立健全工業互聯網平臺的相關政策及法規， 加大工業互聯網平臺對中小制造企業“智改數轉”的支撐力度，對率先實現“上云”“上平臺”的中小制造企業加大獎勵和支持， 增強中小制造企業使用工業互聯網平臺的意愿。

實踐上， 有別于現有文獻和行業報告對新興技術的過度關注， 本文圍繞工業互聯網平臺生態體系， 聚焦平臺多主體價值共創視角開展研究， 提出的觀點對于政府而言， 整合工業互聯網平臺生態關鍵要素是核心， 需營造開放合作的平臺環境， 壯大工業互聯網平臺生態體量， 降低平臺價值共創過程中的內部協同成本。基于上述研究視角， 本文將制造企業供應鏈的數字化轉型視為管理問題， 從轉型的現實問題入手， 從微觀企業層面建構能力結構模型， 研究制造企業供應鏈數字化轉型方法及管理體系， 對于制造企業供應鏈數字化轉型實踐亦具有指導作用， 有利于供應鏈數字化轉型效率的提升， 為制造企業構建供應鏈數字化轉型管理體系提供新思路。

【 主 要 參 考 文 獻 】

陳武，陳建安，李燕萍．工業互聯網平臺：內涵、演化與賦能［ J］．經濟管理，2022（5）：189 ～ 208．

戴建平，駱溫平．供應鏈多邊合作價值創造實證研究——基于物流企業與供應鏈成員多邊合作的視角［ J］．當代經濟管理，2018（5）：15 ～ 25．

工業互聯網產業聯盟．工業互聯網平臺賦能產業鏈供應鏈白皮書［EB/OL］．http：//www.aii-alliance.org/index/c320/n2703.html，2021a-12-16．

工業互聯網產業聯盟．基于工業互聯網的供應鏈創新與應用白皮書［EB/OL］．http：//www.aii-alliance.org/index/c145/n2702.html，2021b-12-16．

國家發展改革委，中央網信辦．關于推進“上云用數賦智”行動培育新經濟發展實施方案通知．發改高技〔2022〕552號，2020-04-07．

李勇建，陳婷．區塊鏈賦能供應鏈：挑戰、實施路徑與展望［ J］．南開管理評論，2021（5）：192 ～ 201+212+202 ～ 203．

馬永開，李仕明，潘景銘．工業互聯網之價值共創模式［ J］．管理世界，2020（8）：211 ～ 222．

眭碧霞，周海飛，胡春芬．工業互聯網導論［M］．北京：高等教育出版社，2021．

孫蘭蘭，鐘琴，祝兵，張龑．數字化轉型如何影響供需長鞭效應？——基于企業與供應鏈網絡雙重視角［ J］．證券市場導報，2022（10）：26 ～ 37．

唐國鋒，馮子鈺，李丹，艾興政．工業互聯網綜述與展望：基于文獻計量分析［J/OL］．計算機集成制造系統：1 ～ 21［2023-02-13］．https：//kns.cnki.net/kcms/detail/11.5946.TP.20211114.1616.002.html．

汪傳雷，胡春輝，章瑜，吳海輝，陳欣．供應鏈控制塔賦能企業數字化轉型［ J］．情報理論與實踐，2019（9）：28 ～ 34．

王靜．我國制造業全球供應鏈重構和數字化轉型的路徑研究［ J］．中國軟科學，2022（4）：23 ～ 34．

王柯懿，王佳音，盛坤．工業互聯網平臺賦能制造業數字化轉型能力評價體系研究［ J］．制造業自動化，2021（12）：157 ～ 162．

王露寧，朱海洋．大型供應鏈企業數字化轉型規劃與實施路徑［ J］．中國流通經濟，2022（4）：79 ～ 88．

王水蓮，于程灝，張佳悅．工業互聯網平臺價值創造過程研究［ J］．中國科技論壇，2022（4）：78 ～ 88．

楊增茂，王長峰，楊洪軍．數據共享中的風險控制與治理體系完善［ J］．領導科學，2023（1）：106 ～ 109．

張衛，石涌江，唐任仲，顧新建，田景紅．基于工業互聯網的制造與服務融合技術［ J］．中國科學：技術科學，2022（1）：104 ～ 122．

周茂森，張慶宇．雙向部分透明供應鏈的大數據投資決策與激勵［ J］．中國管理科學，2020（11）：130 ～ 144．

Cheng Ying，Xie Yifan，Wang Dongxu，et al.. Manufacturing services sche-duling with supply demand dual dynamic uncertainties toward industrial Internet platforms［ J］． IEEE Transactions on Industrial Informatics，2020（5）：2997 ～ 3010．

Han Liang，Juan Xia，Qian Lv，et al.. Research on the path of industrial Internet assisting manufacturing transformation and upgrading under the background of "new infrastructure"［ J］．Advances in Social Sciences，2021（4）：1088 ～ 1095．

Jianping Dai. Mechanism and path of integrated development of industrial internet and manufacturing from the perspective of endogenous growth theory［A］． The 2023 14th International Conference on E-Education， E-Business， E-Ma-nagement and E-Learning［C］．New York：The Association for Computing Machinery（ACM），2023．

Lee I.， Mangalaraj G.. Big data analytics in supply chain management： A systematic literature review and research directions［ J］．Big Data and Cognitive Computing，2022（1）：17．

Liu Yongkui， Wang Lihui， Xu Xun，et al.. Industrial internet for manufacturing［ J］．Robotics and Computer-Integrated Manufacturing，2021（102135）：1 ～ 2．

Montecchi M.， Plangger K.， West D. C.. Supply chain transparency： A bibliometric review and research agenda［ J］．International Journal of Production Economics，2021（108152）：1 ～ 14．

Park K. O.. A study on sustainable usage intention of blockchain in the big data era： Logistics and supply chain management companies［ J］．Sustainability，2020（24）：10670．