摘要：当今信息技术水平不断的提高，在一定程度上对企业的供应链数字化转型起到了推动作用。针对于一些用户的个性化需求被忽视与信息化的内容传递时效性不强以及供应链的整体协同相对来说困难等问题，为了能够更好为企业来构建一个供应链控制塔，并且能够在这个过程之中可能对各个结构进行分析以及要素与资源流程内容分析，来实供应链控制塔这个方案能够在一定程度上使得客户对于供应链管理成本降低以及供应及时的来规避由供应链不确定所产生的一些风险，以此来更好地提高企业的绩效，本文主要对供应链控制塔赋能企业数字化的转型升级来进行一个深入地研究。

　　关键词：供应链管理;数字化;运行机制;供应链控制塔

　　引言：

　　随着经济全球化的不断发展，市场趋于国际化，市场竞争已经从传统的产业之间竞争升级为供应链之间的竞争，作为新技术的物联网，云计算，大数据以及人工智能不断的发展，在一定程度上对于企业供应链朝着网络化，数字化、智能化以及信息化方向进行转型升级。随着供应链控制的概念的出现，为企业在供应链管理上遇到的问题提出了解决方案。而本篇文章主要对供应链数字化转型进行分析在一定的数据研究背景下，把数据治理作为研究出发点，来对供应链控制它的模型进行构建，能够分析其中的要素，剖析其内在的运行机制，进行探究供应链控制塔赋能企业的供应链数字化机理，能够促进企业供应链数字化的转型升级，提供一个理论支持与实际路径。

　　一、相关研究述评

　　(一)供应链数字化

　　由于现今当我国的相关学者对于供应链数字化的相关研究比较少，本文通过对于我国的一些公司数据进行参考，对其进入数字化内容的交付领域实例进行相关的数据研究，从中得发现一些企业，没有及时更新，依然采用零散化的数据，没有实现完整的数据转型。供应链数字化在一定程度上对于企业的整体战略起到有效作用，能够使数字化转型作为供应链核心企业的主体战略更新。对于不同数字化供应链之间的决策行为进行分析，得出了数字化供应链当中决策的整体过程较为松散。为了能够从供应链的开端具有目的性地将一些数字内容使用电子手段进行数据传输，使之能够更好地数字营销，智能制造与集成仓储，实现一体化的生态系统。为了能使供应链的数字化进入一个新的商业模式，要求我国的一些企业在相关的服务以及产品实现数字化的过程当中来尽可能地减少消费者和供应商之间的环节，从而能够更好地来达到理想的供应链。

　　(二)供应链控制塔概念及功能

　　针对一些企业能够更好地来实现平衡以及降低成本，提高需求能见度作为衡量一个企业三个内容方面，最好的解决方案则是供应链控制塔，在当前对于供应链控制塔没有一个统一的概念。有的咨询公司认为，可以把供应链控制塔进一步的看作为一个能够共享的服务中心体系，而处于这个体系当中，一些相关的供应商数据链。以及组织技术等相关流程，能够起到一定的指导与协助的作用。由此可以得出供应链控制塔作为一种受需求驱动以及信息服务与数据处理作为支撑，并且能够依托前沿的科技不断的整合连接，来实现供应链协同，风险防控以及决策的集成控制平台。

　　(三)赋能

　　有相关学者将赋能定义成能够为个体或者是组织来进一步的提高客观环境以及一些外部条件的相应控制能力，以此来更好的一些没有效益的过程。而还有的学者把数据赋能看作为赋能范畴下的资源赋能的核心，数据赋能够通过不断的来提高主体之间的连接能力，信息运用能力以及数据分析能力来更好地促进该平台的企业价值实现最大化。由此可以得出赋能可以把各种技能技术以及方法工具赋予一个单独的个体或者是组织以一定的能力，以此来提高解决问题的速度。

　　二、供应链控制塔模型构建

　　(一)从业务交互到数据采集

　　在供应链控制塔模型的构建当中，由于供应商以及消费者等不同主体之先的概念越来越模糊，关系也因此变得越来越复杂。在这个基础之上，对于信息的交流以及相关的业务往来之中，逐渐地实现了对于传统模式的突破性创新，创建了一个更适于现代化供应链新型网络关系。与此同时，一些问题也随之出现，由于相关的信息以及数据在不断的增长。对于一些企业来说，信息搜集变得难度提高。而由于信息孤岛的问题不断的加深，由于以前的一些企业信息主要是人工创造的，对于当前的一些企业来说，相关的信息都是利用信息技术来数据化创造，在此基础上，能够借助移动互联网来进行信息的获取以及相关分析能够促进企业供应链管理中数据以及信息的管理水平提高，对于一些相关的信息采集，可以通过一些政府机构以及一些非盈利组织所提供的相关数据，再利用大数据进行分析，来对内容进行相应的采集。

　　(二)数据处理

　　数据处理主要指的是数据挖掘，在此基础上进行数据分析，由此得出分析结果并对分析结果进行深入研究，以此来更好的发挥数据的价值，为企业的决策提供数据化的支持。对于大量的数据进行逐个分析来更好地发现其中所具备的规律，分析对象主要为结构化数据以及非结构化数据，分析的方法主要为关联分析，机械学习以及实训模型等。在数据分析过程中把挖掘的结果数据看作为事件，然后针对不同的事件之间建立一个相应的关系序列，在此基础上进行关联聚合以及过滤，以此来更好地识别企业所面临的机会与风险，能够更好地来发现具有价值以及直接驱动的某种行为和规律。

　　(三)数据传递

　　可以把数据传递看作为数据分析结果传递给数据需求方的整个流程，其中主要包括了明确数据传递的主体及课题与设计数据传递地相关途径等。在数据传递的过程当中，要注意区分多个主体以及客体的情况，针对不同的情况。使用不同的传递渠道，以此来更好地为数据传递的准确性、时效性、完整性做保障。

　　(四)数据管理

　　数据管理主要指的是能够使用互联网，传感器以及网络信息收集的数据进行处理，储存以及传递的过程进行系统化的管理，而数据管理的主要目的是能够更好地来分析出数据的商业价值能够使数据对企业未来发展产生一定借鉴，供应链控制塔数据管理的主要内容中。包括元数据管理、主数据管理以及数据资产生命周期等。

　　(五)数据应用

　　在数据应用中主要包括供应链智能决策，供应链风险防控以及供应链资源配置。其中，供应链智能决策主要指的是决策者能够通过数据来进行挖掘分析以及可视化的结果在库存，运营，营销与供应等相关方面进行及时的决策，使之能够在一定程度上来降低信息延误所产生的风险与损失。供应链风险控制则主要指的是对于供应链风险的预测以及防控，使供应链控制塔能够打破企业的边界，从而达到降低市场交易的不确定性以及风险，能够使单个节点的企业外部风险转化成供应链的内部风险。而供应链资源配置则主要指的是能够在供应链可视化与信息共享的基础之上，对于供应链的各个环节进行合理分配优化配置。

　　三、供应链控制塔内在运行机制

　　(一)协同机制

　　供应塔通过对供应链内的各个成员进行连接，在一定程度上提高了自身的竞争能力以及使供应链整体更具有竞争优势，从组织层面上来分析供应链各个部分能够相互的照料，共同来承担整体的风险。从业务层面上来讲，能够更好地来进行业务整合，使资源能够更好地有效利用。从数据层面上来讲，使供应链的各个成员之间能够从采购到库存以及生产销售全过程进行数据的协同处理。由此可以看出，供应链控制它能够为供应链资源跨组织整合提供保障，从而能够使整个供应链的资源实现整体配置效率最高化。

　　(二)转化机制

　　在供应链控制系统之中主要对数据进行采集，可以通过信息传感设备来更好地采集供应链内外部的利益相关者之间业务往来，由此可以更好地来实现供应链业务的数据化以及集成化。然后数据存储层能够依托数据仓库的核心技术，利用云计算来实现数据信息化，在借助多维视图，仪表盘等相关的分析工具来更好的对供应链端到端数据与信息可视化进行分析，从而能够在数据挖掘，数据分析以及数据可视化等相关方法的作用之下，来对隐藏的数据以及信息分析更好地发现其中的规律，使信息能够更加的科学准确，从而能够更好地来控制供应链管理过程当中的成本，以此来更好地提高供应链的整体效益。

　　(三)信任机制

　　在供应链控制系统当中，信任机制可以作为供应链的相关成员于各个企业之间能够更加协调规范地来进行数据整合，以此来更好地合作。而在这个过程当中，供应链控制塔扮演着桥梁的作用，能够使企业之间更好地来进行供应链节点，建立长期合作机制。并且可以在一定程度上来提高合作双方的安全感，减少双方的分歧，促进一致决策，在一定程度上来降低供应链的不确定性，达到节省成本的作用。

　　结束语：

　　随着经济的不断发展，供应链控制塔概念的出现能够为企业的管理数字化转型提供一定的方案，并且提高其转化速率。而本篇主要针对于供应链的控制概念进行分析，以及构建出供应链控制塔的相关模型来分析供应链控制塔中数据相关处理过程。对于供应链控制塔更好的与企业供应链数管理数字化发展作出建议。根据研究分析表明，供应链控制塔作为供应链数据信息集成化的控制中心，能够作为企业数字化转型的有效工具，以及供应链控制塔能够借助物联网的技术以及数据仓库分析等相关工具来更好地对于数据进行整合。以此来促进平台客户信息更加透明化以及灵活化的进行决策，从而降低企业在供应链管理中的成本，提高企业的经营效绩。C

　　(作者单位：上海大学)

　　参考文献

　　[1]张宁，贾自艳，史忠植，数据仓库中ETL技术的研究@.计算机工程与应用，2002, 38 (24): 213-216.

　　[2]潘玮，郑鹏，黄锦泉，等.基于数据清洗“DEAN”流程的健康信息领域研究热点探测0. 现代情报，2018, 38(10): 73-77.

　　[3]阮友寿.大数据制胜:数据驱动型企业成为行业领导者和创新者之路M，王燕爽，译.北京:人民邮电出版社，2017: 90-402.

　　[4]李德明，供应链可视化平台框架设计0] .中国市场，2011 (6): 80-81.

　　[5]赵眸光，赵勇.大数据数据管理与数据工程M.北京:清华大学出版社，2017: 126-32.

　　[6]TalkingDate.智能数据时代:企业大数据战略与实战M.北