笔者近些年来一直在进行大数据对供应链行业应用的探索。随着所在角色以及所接触的数据技术的变化，认知地图也在不断的在更新. 下文将按照时间的推移，主要陈述一下.

角色：某细分领域top品牌商，服务于细分销售渠道供应链运营
业务痛点：需要管理的店铺/仓xsku越来越多，人工拍脑袋已经管理不过来了；需要专业补货方法论支持；
工作利益相关者：BU（分货协调），销售（订单满足率），工厂（生产），仓库（存储），3pl（配送），关务（清关）
数据能力：先给自己打个标签，就是【表哥表姐】.为什么呢？因为此时负责的业务场景有限，基本是单一业务职能，工作决策&汇报基本上没有什么是一个excle表格不能解决的，如果有，那就n个excle表格.
抽象一下数据可以帮助业务的核心应用场景如下图：

随着时间的推移，业务经验&数字化能力是些积累&提升了：
业务痛点：随着集团产品运营的经验不断提升，为了更精准的把控供需匹配提高周转，从商品的角度来安，不同时期采用了不同的供应链运营策略，比如说不确定较高的新品阶段，就采用集团集中分货的模式；在有稳定销量作为支撑的时间段之后，则沿用常规的基于预测或补货点驱动的库存运营；
数据能力：表哥表姐之余，感受到了数字化/系统对运营效率的冲击：不仅先前多个部门线下依靠excle协调的流程被搬上了系统进行线上操作，基于原先线下操作的excle demo也投入了研发资源升级成了专属的补货系统（如下图）；另外有趣的事，集团的数字化改革事从集团作为整体进行规划升级的，而非单个业务部门；

一不小心笔者从品牌商切换到了电商平台的业务，相应的，问题复杂度也提高了.
角色：某大型电商平台某事业部供应链运营：
业务痛点：供应链持续优化，救急; 集团买货的资金有限，如何给各位产品开发以及店铺运营分配(采购金额如何分配给哪个市场的新品/老品/畅销/引流等等)，以及别总是开发新品，呆滞的商品也是用钱买回来的呀（如下图）；
数据能力：此时因为涉及的业务众多，会发生问题的场景也多，所以终于从先前较单薄的表哥表姐升级成了-【大宽表】，这可累坏了数据产品经理，在数据治理有限的事情况，横跨n个生产系统梳理指标口径.

至此，从业务的角度去探索数字化赋能差不多是到头了，所以笔者有幸转换了视角，从数据的角度出发去看如何支持业务发展.
角色：面向外部企业的，供应链数据工具产品经理
业务痛点：如何让用户满意；（但为什么我从没有见过满意的用户呢？基于笔者有限的认知，示例如下图：）
数据能力：给你个机会，把以前各种小excle demo，升级成saas工具造福大众吧，好的，造了.
另外一点是突破了大宽表的眼界，比如说储存在众多不同类型数据库里的数据可以同步到大数据平台，经过梳理后还可以生成直接面向各个业务场景的数据中台主题域，妥妥的马拉松技术活.
tips：随着大数据处理的链条曾长以及复杂度增加，如图1中，某生产库直接满足特定/单一业务线的速度一去不复返. 如果遇到业务方按图1中的速度预期提出雪花般量级的需求，但是实际数据梳理又要走大数据平台&领域划分，那全程基本就是go-die状态...

随着时间的推移，积累的增加，终于逐渐具体化客户所需，看看这一条龙似的上帝视角还真不是某个人的认知能搞定的，单一的痛点/功能很难让用户买单，人家想要的至少是商品运营一条龙。满足此需求的必然是一个复杂的工程。

这里描述的比较抽象以及口语化，对于笔者来说是一个脑内认知地图框架的描述与记录，后续有机会挑选部分落地案例共同探讨.