先前供應鏈金融設計大法的連載中曾提及，供應鏈金融的本質是資產方通過資金資源優化企業供應鏈的運作效能，同時，資金方在確保風險可控的前提下取得一定的金融收益。其中，從貿易流和物流特點入手涉及結構設計和權責定義，通過信息流升級涉及在線化和數據化，最終以資金流優化供應鏈涉及現金管理和資金引入。本文將著重探討關于“數據化”的部分。
供應鏈和供應鏈金融的趨勢都是數據驅動，也是供應鏈業務數據從采集、交換、經過清洗、匯總（脫敏），到分析、建模的完整加值過程。
數據采集和交換是基礎，包含通過數據庫、加速器、文檔、爬蟲等方式自ERP、WMS、采購門戶、訂購門戶、對賬、預測、返利等系統，取得核心企業和上下游的業務交互信息，并利用AS2、HTTPS、FTPS等加密協議將數據由互聯網安全地傳送到數據中心。
清洗和匯總是初步加值，例如經銷商銷售核心企業的產品時，經銷商和核心企業提供出來的產品編碼、門店編碼、計量單位等主數據勢必會存在差異，以致無法判別其實是同一個產品、門店或包裝，通過人工加機器的匹配，可以將各經銷商的數據清洗為符合核心企業要求的格式和統一視圖。清洗過的數據簡單匯總即可供核心企業業務決策參考，如果提供給金融機構作為供應鏈金融使用，通常需要利用按固定的時間周期（例如每月）、按下級渠道客戶等條件匯總，以將價格等敏感數據脫敏。
分析和建模則是高級加值，分析是指將清洗或匯總后的數據，依照品類、區域、時間等維度進行檢視，形成有決策價值的觀點。對供應鏈金融而言則可進一步延伸至差異比較和預警，例如當銷售金額環比下滑超過30%時，相關信息即推送給客戶經理，并將貸款的經銷商列入重點監控對象，采取實地觀察等方式及時掌握企業業務衰退的實際情況。
建模的第一種用法是預測，例如利用過去三年的歷史銷售金額合理預估今年的潛在銷售金額，再結合企業成長目標以最終形成年度銷售計劃。業務數據的可預測性一方面可以協助推斷業務是否在正常運作的軌道上，另一方面則可看出企業對承諾達成目標的重視程度和目標實踐達成的狀況。
供應鏈業務數據的預測，大部分屬于時間序列預測的范疇，最常使用的是簡單移動平均和指數平滑，再加上季節指數調整。之所以必須考量季節指數，有供給、需求、節假日、促銷等幾種原因。供給面的原因更多的發生在農林漁牧等初級產品，例如春天盛產草苺、羔羊秋天集中出欄等；需求面的原因，則受到自然環境、市場節奏等影響，例如夏天需求空調、蚊香，冬天需求羽絨服等，高科技電子業有“五（月）窮六（月）絕“這種需求淡季的說法；節假日原因比較容易理解，例如農歷春節、暑假、十一長假、圣誕節、復活節、母親節、端午節、中秋節、情人節等，特定的產品會迎來銷售高峰，但部分節日在公歷上不是固定日期，往往會造成預測上的偏差；最后，促銷活動也會造成供需的波動，大到著名的電商雙十一促銷，小到簡單的便利店買一送一活動，同時也會增加預測的困難度和季節指數調整的必要。
以年度銷售金額的預測為例，我們先將歷史銷售數據按周和月整理，利用之前五周已經發生的實際銷售金額的平均，推算本周的預計銷售金額。使用五周或其他時間周期則必須參考企業的庫存周轉天數。接著以過去3年的月均銷售金額計算季節指數（月），從季節指數可以看出所謂“大小月”，即哪些月份銷售暢旺、哪些月份銷售平平。最后把周預測銷售金額乘上季節指數（月），可得到經季節指數調整的銷售金額預估。以上是年度計劃時的做法，每周結算實際銷售金額時也需要更新數據，這樣可確保預測的銷售金額有更高的可參考性。
建模的第二種用法是則是綜合各種具有統計相關性的指標、設定指標的計分原則，并給予指標合適權重的過程，例如行業毛利率是10%，當企業毛利率介于10%~12%可得70分，又假設毛利率的權重為8%，則企業毛利率指標對總得分的貢獻為5.6分。據此可以量化計算出貸款主體的業務健康度、還款能力、數據可信度等風控評分或評級。
現今已是消費者和終端需求驅動供應鏈的時代，企業不再能以產定銷，而要反向以銷定產，近年來文瀝重視供應鏈業務可預測性數據，同時偕同“產業共同商務標準協會（VICS）”共同推動大消費品行業“協同計劃、預測、補貨（CPFR）”商業流程標準和技術平臺, 促使核心企業和供應鏈伙伴能因一致性同步規劃而降低供需差異，并因供應鏈效率與效益的提升而創造零供雙贏局面。
在文瀝和金融機構共同推動的供應鏈金融中，供應鏈業務可預測性數據也扮演了重要角色，例如利用周銷售金額與預測偏差，確保經銷商每周銷售金額落在模型預估的合理區間中，作為貸前準入和貸后風控的重要指標；又例如利用年度采購計劃和實際達成率，掌握經銷商業務實績和業績不達標風險。在此政府發力供給側結構性改革，從提高供給質量出發、提升對需求變化的適應性和靈活性之際，可預測性數據絕對是供應鏈和供應鏈金融業務中，必須直面和積極管理的課題。
關于作者：王志修(Woody Wang)現任上海文瀝信息技術有限公司(WelinkData)咨詢服務部副總裁，自臺灣大學商學研究所碩士畢業后，十余年來持續于兩岸三地推展「需求驅動供應鏈大數據」理念，累積逾百個高科技、食品飲料、日化、家電等行業商業模式創新、交易數據信用融資、供應鏈電子數據互聯互通、智能預測補貨和精準營銷大數據分析等項目實戰經驗。著有「i標準：揭密RosettaNet應用實務」一書。