数据电子化和智能化有什么区别？如何实现智能化？实现智能化的关键因素又是什么？本文将通过电子行业供应链最核心的计划项目实践及思考，尝试着回答这些问题。
“电子化”与”智能化”功能的区别
首先我们得识别面对的是数据“电子化”还是系统“智能化”，这点可以通过输入和输出的差异来进行判断。
“电子化”的重点是系统对数据的收集和传递。收集方式包括用户导入、系统对接、系统收集等，最终将收集到的信息以结构化的数据展示出来，所以”电子化“功能往往输入的信息和系统最终呈现的信息是一样的。例如将整机采购线下通过邮件传递给部件销管的交货需求，改为由整机系统直接线上传递给部件系统，就是一个“电子化”功能，该功能的输入是“整机的交货需求”，输出也是“整机的交货需求”。
“智能化”的重点是系统自动对数据进行处理或控制，以延伸人的器官功能（体力或脑力）。因为系统对输入信息进行了处理，所以“智能化”功能中系统输出的信息跟输入的不会完全一样。例如部件商务将接收到的整机交货需求转换成部件对应的产品，并将整机需求跟部件供应进行供需匹配，这些动作改为由系统执行，就是一个“智能化”功能，该功能的输入是“整机的交货需求”，输出是整机需求和部件供应的”分配结果”。
“智能化”功能实现的影响因素
从第一点我们知道“智能化”系统需要对数据进行处理或控制，所以“智能化”功能能否实现，最主要的影响因素有两个：要处理数据的“成熟度”，以及数据处理规则是否有衡量“指标”。
判断数据的成熟度
数据“成熟度”的判断有两个维度，一个是系统上有没有所需要的数据，如果没有，则会涉及到业务流程的梳理和改造，先将数据由线下迁移到线上（电子化）。
例如需要实现第一点中谈到的系统自动将部件供应和整机需求进行供需匹配的功能，那么需要处理的数据有：整机的需求（需求产品、需求数量、需求时间）、部件的供应（可供应产品、可供应数量、可供应时间），以及整机和部件产品编码的对应关系。当时整机的交货需求是由整机采购整理成excle表格，并用邮件传递给部件商务的，部件系统中的整机销售订单数据无法传递真正的整机交货需求，这意味着整机的需求在系统上并没有数据，所以需要先把整机需求数据“电子化”才能进行“智能化”功能的实现。
其次即便是系统已有的数据，若这些数据不完整或不正确，也意味着数据的“成熟度”不高。数据的准确性可以用一些业务指标来衡量并推进提升。
例如我们一开始是通过获取部件工单的排产信息来推断部件产品的可供应时间和数量，但后来发现这个推断条件并不全面，因为部件生管在排产时只考虑工厂产能这一个约束条件，并没有考虑生产要用的物料什么时候能到齐，但物料的齐套时间又直接影响真正的上线和交付时间，所以在推断“可供应时间”时我们最终同时考虑了“排产时间”和“最晚到料时间”两个维度，以保证可供应时间的完整性。另外因为生管人为因素导致系统上排产时间不准的问题，则可以用“计划达成率”、“入库达成率”等指标来进行监控。
所以，数据“电子化”是系统“智能化”的基础，只有处理的是成熟的数据，“智能化”的系统才有可能输出用户想要的结果。
用“指标”驱动数据处理规则
有了成熟的数据，接下来系统就要按照一定的规则处理数据，以替代人工的操作。
我们在处理智能化解决方案时，一般会先调研人工操作的考虑维度和判断规则，并抽象成系统可执行的规则，以此来完成人工到系统的转换。但在操作中往往会面临到各种问题，例如用户提供的场景或规则不完整，人工判断时存在灰色地带依经验处理，外部环境的变化导致规则依据变化，最重要的一点是，因为人工判断结果存在不确定性，所以难以评价系统自动处理的结果跟人工处理结果的优劣。
上述问题通过现状调研是难以解决的，不论是IT还是用户，最终关注的都是这个智能化系统的输出是不是用户想要的结果，那么什么是用户想要的结果呢？所以我们需要先跟用户一起确定结果的“评价指标”，以此明确用户想要的结果，并由此驱动确定数据处理的规则。
依然以上述系统自动将部件供应和整机需求进行供需匹配这个功能为例。我们在现状调研时，用户提供的规则是先按先进先出分配库存，再按齐套日期分配工单，当我们按照这个规则上线后，用户陆续提出新的场景要优化规则，例如用户提到希望同一个批次的库存在满足交付的同时“尽量”发往同一个收货工厂，这样工厂在出货时可以减少拆箱。我们在处理时发现“尽量”的标准无法量化，用户用人工分配的逻辑评价系统分配结果的准确性，又因为场景和外部环境变化等原因导致规则一直要调整，这个问题并没有收敛的迹象。
所以我们调整策略，跟供应链管理层就分配结果的评价标准进行讨论，并得出了供应是否“满足交付”、“满足同区域物流”、“满足先进先出”这三个评价维度，是否整箱出货跟前三个指标相比并非关键指标，在计算实际出货数量时考虑整箱数量即可。同时评价指标可以依不同优先级转换成不同的规则模型，用户只需要选择不同优先级的模型，就可以实现指标管理上的改变。以此为依据修改后的系统分配模型，用户没有再提出新的变更要求，因为即便系统分配结果跟用户人工判断有差异，但若是系统分配的结果符合用户的“评价指标”，用户也不会再有异议。
综上所述，要提升智能化系统的成功率，首先要识别出系统智能化需要处理的数据，并评估和提升这些数据的“成熟度”，这是系统智能化是否可行的前提条件；其次需要跟用户共同确定智能化系统输出的评价指标，用“指标”来驱动数据处理规则，并由此来判断系统的输出是否达到用户的要求。后续如果要进行机器自适应、自校正、自诊断、自修复等进一步强化学习时，这些指标也依然有用。
用智能化的系统来提升企业运营效率，提高人效，是企业发展的必经过程，希望我们能在这个过程中发挥作用，多推动“智能化”项目或功能的有效实施。
