3.2 供应链“智慧化”及其要素
3.2.1 供应链“智慧化”内涵
随着ICT的发展，供应链的智慧化日益成为产业发展的关键。从学术研究来看，与智慧供应链相关的术语非常多，包括数字供应链（electronic supply chain management, eSCM）（Zayyad et al. ,2017; Liu et al. ,2016;Akyuz＆Rehan,2009）、环境智能（Pinheiro et al. ,2018; Lee et al. , 2018; Kloch et al. ,2010）、IoT（Tu et al. ,2018; Lee et al. ,2018; BenDaya et al. ,2017; Fleisch,2010; Papert＆Pflaum,2017）、工业互联网（Mouratidis＆Diamantopoulou,2018; Pease et al. ,2018; Tao et al. , 2018; Jeschke et al. ,2017）、网络物理系统（cyber-physical systems, CPS）（Monostori,2014; Lee et al. ,2015; Babiceanu＆Seker,2016）、智能工厂（Lucke et al. ,2008; Wang et al. ,2016; Radziwon et al. , 2014; Kang et al. ,2016; Chen et al. ,2018）、云制造（Fisher et al, 2018; Zhang et al,2014; Wu et al,2013）、大数据分析（Chen et al. , 2018; Wang et al. ,2016; Yin＆Kaynak,2015; Lee et al. ,2014）以及云计算（Thoben et al. ,2017; Lu,2017; Wu et al. ,2013; Low et al. , 2011）等。总的来看，现代ICT的发展，导致了包括供应链管理等众多领域的管理范式的转变（Ben-Daya et al. ,2017）。例如电子商务促进了传统企业的网上交易，而电子供应链则在“交易”的基础上更进一步，强调供应链运营流程的整合（Akyuz＆Rehan,2009; Wu et al. ,2016）。此外，IoT作为一个具有数十亿元市场潜力的新型信息技术（Gartner,2014），进一步推进了供应链的整合，将企业的信息系统和实物对象连通整合起来（Ashton,1999; Fleisch 2010; Papert＆Pflaum,2017）。通过将物理对象与特定的数据识别与采集技术（automatic identification and data capture, AIDC）相嵌入，例如射频识别（radio frequency identification, RFID）标签、远程信息处理模块或传感器标签，物理对象就能够进行自我表达并作为信息发送的主体。由此，物理对象则具有了智能特性，包括识别、本地化、通信、传感以及逻辑功能，由此将物理对象化变“被动”为“主动”（Atzori et al. ,2010; Haass et al. ,2015; Papert et al. ,2016; SanchezLopez et al. ,2011; Thiesse＆Buckel,2015; Papert＆Pflaum,2017）。而供应链情境中的“沟通”也提升到了另一个层次——实现了“人”与“物”之间的交流以及“物”与“物”之间的自主协调，并且能够将这些交互信息储存在设备中或是在供应链的不同实体中进行传输（Ben-Daya et al. ,2017）。如今，GPS设备、智能手机、社交网络，云计算和数据分析等技术的优化和发展，进一步丰富了“现代IoT”这一概念。由于IoT强调“联”，而“物”实际上并不具备“主动性”，如果将连接的“物”加入更大的沟通网络，并辅之以大数据、云计算等“大脑反应中枢”，便构成了CPS。实际上，IoT为传感器、执行器、生产设备（终端）连接到CPS提供了所需的平台（Ben-Daya et al. ,2017）。CPS由机器、存储系统和生产设备组成，其中，物理实体可以通过3C（computing、communication、control）技术的有机融合与深度协作，实现自主信息交换、行为触动以及相互监控（Kagermann, Wahlster＆Helbig,2013）。就本质来看，CPS可以等同于工业互联网。CPS与工业互联网的本质都是基于传感器、处理器、执行器、信息网络、云计算、大数据将现实的物理世界映射为虚拟的数字模型，通过基于高级算法的大数据分析，将最优的决策数据反馈给物理世界，优化物理世界运转效率，提升安全水平（李仁发等，2012）。但是，CPS并不局限于工业运用，还能够拓展应用到交通、医疗、农业、能源等其他生产生活领域，因此，从运用范围来看，CPS涵盖工业互联网。另外，在CPS或工业互联网情境下，IoT平台通常在外部数据中心使用云计算功能，这也导致了工业4.0情境下的供应链概念的产生（Ben-Daya et al. ,2017）和智能工厂的发展。当然，上述技术的逐渐发展、“物体”逐渐智能化，也构造了我们的智能环境（smart environment）。智能环境是指对一个人有感应和反馈的电子环境，也即上述的传感器、执行器、显示器和各种计算、分析元素无缝嵌入经营活动来支持日常的运营活动（Weiser et al. ,1999），使人们在使用这些信息以及隐藏在这些设备后面的网络中的智能时，变得更容易、更自然。
显然，技术的发展路径不仅串联起了上述各个术语之间的关系，还推进了“联”的深度和广度：从孤立的RFID应用到更大范围互联的本地IoT构建，到IoT情境下大数据、云计算嵌入构建的工业互联网或CPS，由此推动了智能工厂云制造的实现，并定义了更大范围的“智能环境”（Wu et al. ,2016）。遵循这一发展趋势，供应链“智慧化”也可以被定义为一种新的互联商业系统，它将孤立的、本地的和单一企业的应用程序扩展到供应链范围的智慧系统构建，在这个过程中，IoT、智能设备以及智能基础设施是智慧系统的底层基础，通过构建底层基础，能够实现供应链全实体（人、物、信息系统）互联、供应链全流程的数字化、供应链运营的可视化，进而推动整体决策的智能化、提高供应链的运营效率以及响应速度，最终能够更好地为客户服务。
具体来看，智慧供应链既不同于传统的企业价值链，也不同于以往的供应链（Lazzarini et al. ,2001）。企业价值链最初由Porter（1985）提出，他指出“每个企业都是设计、生产、营销、交付和支持产品一系列活动的集合。所有这些活动都代表了企业应用价值链的方式……价值链显示了总价值，包括价值活动（value activities）和利润（margins）。价值活动是企业开展的具备实体和技术独特性的活动，是企业为买方生产有价值产品的基础。利润是总价值和开展创造价值活动总成本之间的差异”。显然，企业要实现利润，就需要合理有效地组织和管理价值活动。供应链则跨越了单一企业的界限，它由上下游组成进行垂直化的组织交易，并逐级完成价值创造的过程，其核心在于通过合理的协调、组织和管理上下游组织之间的商流、物流、信息流和资金流以实现行业的高绩效。要实现这一目标，就需要将供应链界定为计划、采购、生产、配送、退货五大流程，并分别从供应链划分、配置和流程元素三个层次切入，对供应链流程活动进行定义、衡量和实施，亦即SCOR模型。智慧供应链则在供应链基础上，极大地拓展了系统结构和范围，它通过互联网、IoT等新兴ICT手段，基于产业各利益相关方或者产业集群的有机组织，结合商流、物流、信息流、资金流、知识流、人才流从而进行多方互动并创造价值。可以看出智慧供应链或网络链跨越了单一纵向的供应链，呈现了多相关行业或者同水平层级的多主体协同，并且根据服务的要求，由不同行业、企业或者不同地理位置的组织来承担相应的价值创造和传递过程，并且最终形成体系化的价值。由此来看，这三种不同形式的“链”并不是相互替代的，而是三个不同层面的价值活动创造，价值链是企业层面的价值活动创造，供应链是行业层面的价值活动创造，而智慧供应链则是产业层面的价值活动创造。当然，从这一视角来看，没有建构良好的企业价值链和供应链，也就不可能出现智慧供应链。
3.2.2 “智慧化”的结构特征
随着物理世界本身正在成为一种信息系统，传感器和微型设备正通过有线或无线网络进行连接，基于当今主要的静态信息架构的商业模式面临着许多挑战，因为新的创造客户价值的方式出现了（Bughin et al. ,2010）。数字世界与物理世界的深度融合有可能为全球供应链带来深刻变革。然而，尽管目前大家对“智慧”“智能”的巨大潜力以及支持“智慧”“智能”发展的相关技术要素达成了共识，但是对于如何构造相关系统以及构造后如何实现价值仍缺少综合愿景（Lopez et al. ,2012）。Butner（2010）和Wu等（2016）在总结前人研究的基础上，指出了智慧供应链应该具备的六个显著特点：
一是工具性（instrumented），即供应链运营中的信息一定是由自动化或感知设备产生的，例如RFID、Tag标签等。没有有效的ICT的支撑，供应链中的信息无从获取，因此，工具性是供应链智慧化的第一特征。
二是关联性（interconnected），即供应链中所有的参与主体、资产、信息化系统、业务等一定是高度连接的。智慧供应链就是要将不同的主体、不同的业务、不同的要素通过ICT形成相互关联、相互依存的网络关系，因此，关联性是智慧供应链的又一特质。
三是智能化（intelligent），即借助于ICT智慧供应链能够实现大规模的优化决策，改善供应链绩效。智慧供应链在于通过ICT所实现的信息整合，优化供应链决策过程，从而有效地引导供应链运营走向高效、高竞争力方向。
四是自动化（automated），即供应链的业务流程能够通过信息化设备来驱动，进而替代其他低效率的资源，特别是低效率的人工介入。供应链中人为因素的频繁介入，往往产生低效率，这不仅是因为人为介入延迟了供应链的反应时间，而且存在的道德风险，增加了信息不对称和机会主义行为的可能性。
五是整合性（integrated），即智慧化能够推动整个供应链不同参与者之间的协同合作，包括联合决策、公共系统投资、共享信息等。
六是创新性（innovative），即智慧化能够推动供应链的创新，通过提供整合化的解决方案创造新价值，或者以全新的方式满足现有的价值诉求。
3.2.3 供应链“智慧化”发展要素
在所有关键资源中，信息仍旧在供应链管理中发挥关键作用，因为供应链绩效通常由实时协作以及复杂的整合活动表现出来（Wu et al. ,2016）。当然，智慧供应链则主要通过商业模式创新、改善业务流程并降低相关成本和风险来创造新价值（Chui et al. ,2010）。实际上，智慧供应链的任务就是要产生更多的信息、更理智的决策、更好的流程、更优质的产品（Wu et al. ,2016）。结合智慧化的结构特征，并强调信息在整个智慧供应链管理中的关键作用，由此，智慧供应链的发展要素主要集中在五个方面（Wu et al. ,2016）。第一个是供应链中的信息，信息被认为是实现智慧供应链至关重要的要素（Chopra＆Meindl,2013），因此，很多研究集中探索了信息的类型、信息质量的改进、信息的及时性、信息的传递速度、信息的可介入性以及信息风险和安全保护等。第二个是IT，即如何获得和应用信息，这包括IoT和互联网如何运用到供应链运营全过程（Masciari,2012;Zelbst et al. ,2012）。第三个是供应链流程的自动化，即ICT究竟如何改变供应链的运作流程、替代低效率的人工活动、优化供应链过程。第四个是先进分析，即如何运用大数据来分析供应链中的问题，并且基于大数据分析为供应链优化决策提供依据。第五个是供应链的整合与创新，即如何让IT、先进分析以及流程的自动化实现高度整合，推动供应链的升级。并且这种整合涵盖了三个层面，即组织间文化上的整合、战略体系上的方案整合、运营上的实践整合（Vallet-Bellmunt＆Rivera-Torres,2013）。除了整合之外，现有的研究还探索了智慧供应链的创新，即高度的信息化整合，推动了产品/服务和流程上的创新，诸如线上线下供应链的高度融合（Wu et al. ,2016）、复杂自适应系统的建立等（Wycisk et al. ,2008）。实际上，上述的五个发展要素囊括了智慧供应链的所有结构特征。例如，IT包括了硬件设备（工具性）和虚拟网络连接（相互关联），而先进分析（包括大数据、云计算、边缘计算等）相关技术又促进了“智慧”的发展，而供应链中的信息实际上是“智慧”的基本要求（Wu et al. ,2016）。
3.2.3.1 供应链中的信息
从供应链中的信息管理来看，信息不同于“无意义”的数据，信息是对数据进行解读后，能够支持决策的“有意义的数据”（Detlor,2010），而这些“有意义的数据”才是对供应链管理至关重要的资产（Chopra＆Meindl,2013）。目前，对于供应链信息管理的研究，主要集中在对供应链中的需求（或订单）信息管理上（Kumar＆Pugazhendhi,2012）。在涉及不确定性和中断的动态环境中，需求信息对于供应链整体的运营至关重要（Mithas et al. ,2011; Wu et al. ,2016），而需求信息的可见性有助于缩短交付周期、降低相关成本、提高响应能力并提高决策制定的有效性（Handfield＆Nichols,2002）。供应链运营中还涉及其他信息，包括库存、成本、定价、运输、位置、容量、质量和技术信息等（Pedroso＆Nakano, 2009）。随着智慧供应链的发展，大量设备会产生巨量的传感器数据（Loher,2012），而数据转化为有用的信息也需要消耗大量的资源，因此，要打造高效的智慧供应链，企业需要思考信息的效率和效果问题，即“供应链整体合作运营需要哪些信息，而企业又能够向供应链或特定合作伙伴输入哪些有用的信息”（Holmberg,2000; Handfield＆Nichols,2002）。没有对信息进行清晰的定义和定位，供应链中的信息传递则难以实现，实际上各种智能设备以及传感设施积压的数据也无法转化为有价值的信息资源（Wu et al. ,2016）。Wang和Strong（1996）以及Lee等（2002）都强调了信息质量的重要性，他们认为对信息质量的评价应包括两个部分：数据内在（intrinsic）要求和情境（contextual）要求。内在要求是指信息本身所具有的客观属性，主要包括信息的准确性、及时性、一致性和完整性。情境要求是指信息的质量依赖于信息被观察到和使用的情境，包括关联性（relevancy）、价值增加性（value-added）、总量（quantity）、可信度（believability）、可及性（accessibility）、数据的声誉（reputation of the data）。利用低质量的信息进行分析可能会给企业造成重大损失，因此，依赖于大数据进行决策的供应链管理者应当对数据以及在数据分析基础上形成的信息进行全面质量管理（TQM）。类似地，Pedroso和Nakano（2009）认为，优质的信息应当具备以下特征：信息类型正确（有用的、能够创造价值的信息资源）、信息质量较高（信息具有准确性）、信息传输的时机把握准确、信息及时或实时传递、信息访问容易以及信息分享和隐私保护可控。此外，对于供应链中信息的管理，还涉及信息的分享问题。越是在需求不确定的环境下，信息越是关键，因此有大量研究指出信息分享是供应链绩效驱动的关键因素（Cachon＆Fisher,2000）。通过充分的信息共享，供应链上下游能够更加协调行为、协同计划，由此，也能够打造更有效的物流和信息流（Damiani et al. ,2011）。当然，随着信息技术的发展，信息分享的成本逐渐降低，实际上，目前更多的难点在于供应链中信息分享的“冗余”，由此，又再次强调了信息分享的“质”和“量”的把握问题（Handfield＆Nichols,2002; Liker＆Choi,2004）。
3.2.3.2 IT
确定了所需的信息后，便要确定如何获取和使用这些信息，这便涉及IT的配置问题，毕竟IT在促进供应链信息流动中发挥着支柱的作用（Wu et al. ,2016）。实际上，IT一直是有效供应链管理的助推剂（Ross，2016），其在帮助供应链降低环境不确定性带来的挑战和风险方面一直发挥着重要的作用（Ben-Daya et al. ,2017）。IT对于供应链的实质以及供应链的结构设置方面具有重要的影响，IT促进了企业内部供应链各个流程环节的整合，并且也加速了企业与外部供应商和客户的运营整合（Ben-Daya et al. ,2017），因为IT在提高内外部供应链各个节点之间的沟通能力、信息获取和转移能力方面具有突出的贡献，由此，供应链各个节点也能做出更有效的决策，进而提高了供应链整体的运营绩效。在智慧供应链的发展中，IoT是一种十分重要的底层建构的基础设施。IoT是基于标准和可互操作的通信协议的动态全局网络基础结构，其中物理和虚拟“事物”具有身份、物理属性和虚拟个性，并使用智能接口无缝地集成到信息网络中（Xu et al. , 2014）。简而言之，IoT能让企业的信息系统和实物对象连通整合起来（Ashton,1999; Fleisch 2010; Papert＆Pflaum,2017），使“虚”（信息网络）和“实”（具体设备与具体情境等）能够实现高效互动。IoT可以称作计算和通信领域的一次技术革命，实现我们在任何时间、任何地点、通过任何媒介与任何事物进行沟通的愿望（Atzori et al. ,2010）。而建构IoT体系结构，则需要RFID技术、无线传感器网络（wireless sensor networks, WSN）、中间件（middleware）、云计算以及IoT应用软件这些基本技术和应用进行支撑（Lee＆Lee,2015）。具体的，RFID是一种非接触式的自动识别技术，属于近程通信，与之相关的技术还有蓝牙技术等。RFID通过射频信号自动识别目标对象并获取相关数据，识别过程无须人工干预，可工作于各种恶劣环境。RFID技术可识别高速运动的物体并可同时识别多个标签，操作快捷方便。RFID技术与互联网、通信等技术相结合，可实现全球范围内的物品跟踪与信息共享，并实现可视化的供应链（Masciari, 2012）。WSN是一种分布式传感网络，主要用于监视和跟踪不同设备的状态，如位置、移动或温度等，并对其进行识别和处理（Oudenhoven et al. , 2012）。WSN所具有的众多类型的传感器，可探测周边环境中多种多样的现象，还能够与RFID标签进行协同互动（Lee＆Lee,2015）。中间件扮演着RFID标签和应用程序之间的中介角色——从应用程序端使用中间件所提供的一组通用的应用程序编程接口（API）便能连到RFID读写器，读取RFID标签数据。简而言之，中间件是一个面向服务的软件层，它允许软件开发人员与传感器、执行器和RFID标签等不同设备进行沟通。云计算是分布式计算技术的一种，是一种以互联网为基础的计算平台，基于共享、需要和易扩展的方式获得所需的资源。云计算对IoT的发展至关重要，因为IoT设备生成的大量数据需要使用高速计算机进行处理分析才能实现及时和高效的决策制定（Lee＆Lee,2015）。目前，市场上已经出现了很多IoT云平台，例如国内常见的阿里云、百度BAE平台、腾讯云、华为云，国际上比较知名的亚马逊AWS、微软Azure以及思科的IoT云链接等。IoT云平台的作用和中间件相似，主要的目的也是将IoT设备和IoT运用连接起来，即将IoT设备产生的数据传输到ERP系统和商业智能软件中，这样就能够为决策者提供及时的参考信息。最后，IoT应用软件能够实现设备与设备以及设备与人之间的交互。很多应用软件构成了人与设备之间的接口，它们能够以直观的方式将数据呈现出来，同时找出问题并提供解决方案（Lee＆Lee,2015）。当然，IoT对于供应链整体的运营效率和效果的积极作用已经被大量研究证实，因此，一般来说，一方面，企业应当积极拥抱IoT技术，将IoT融入自己供应链的各个环节，以提高供应链整体运营的有效性。然而，目前由于很多企业无法将IoT技术与其他既有技术以及系统进行整合，因此，IoT技术的功效大打折扣（Ericsson,2015; Lee＆Lee, 2015），甚至还成了企业的“负债”，毕竟IoT技术的采用需要企业进行大量的投资，而这些投资常常又是不可逆转的（Ericsson,2015; Lee＆Lee, 2015）。另一方面，IoT在供应链中的运用也还处于起步阶段，各种应用还处于探索阶段，具有巨大的提升空间（Witjaksono et al. ,2018; Ryan＆Watson,2017）。因此，企业在利用IoT优化甚至重构供应链时，也会遇到许多挑战和障碍（Abubaker et al. ,2017），企业需要进行各方面的综合考量。
3.2.3.3 流程自动化
通过IoT对供应链整个流程进行数字化整合后，便需要对整个供应链运营进行自动化改造。流程自动化指运营数据的自动分析或物理设备或产品的自动处理（Wu et al. ,2016）。将网络与物理基础设施相结合不仅会使机器设备智能化，还会为与其有经济联系的其他设施、行业以及资产带来附加利益（Kim＆Heller,2006）。通常来说，自动化能够优化订单执行等相关流程，并有助于供应链整体运营成本的下降（Wu et al. ,2016），实际上，供应链自动化应用也嵌入在数据分析、制造、采购、仓储、分销和零售等各个环节（Li et al. ,2013; Trebilcock,2013）。
3.2.3.4 先进的分析技术
业务分析是将数学技术和功能知识结合起来以产生可操作的见解的过程（Wu et al. ,2016）。很多学者都认为分析学是大数据分析的基础，它能帮助企业做出基于事实的更好的决策，从而达到推动战略和提高绩效的终极目标（Waller＆Fawcett,2013）。实际上，Schoenherr和Speier-Pero（2015）的研究也发现，企业认为大数据给它们带来的主要益处包括更加正式的决策制定能力、提高供应链效率、增强需求计划能力、降低供应链运营成本并增加供应链的可视性。在决策制定方面，很多研究侧重于大数据如何提高企业决策的有效性、准确性和科学性（梁红波，2014; Foster＆Tom,2013; Brynjolfsson et al. ,2011；叶斌等，2014；梁燕，2014），实际上，Brynjolfsson等（2011）的研究也发现，一个企业如果称自己为数据驱动型企业，那么其对自己的财务和运营结果做出的评价就会更具客观性，总体上也会比竞争对手具有更高的生产率和盈利率；在提高供应链效率方面，大数据分析对于供应链效率的影响主要是通过对供应链资源的高效利用，通过数据分析、合理分配资源来提高整个供应链的协同能力（闫俊，2013；王鑫龙，2014）；在增强需求计划能力方面，数据分析使企业能够将不同数据进行聚合，分析各业务环节对于资源的需求量，并结合客户的实在需求，能更加合理地安排企业的业务活动，使企业不但能够根据顾客要求进行业务创新，还能提高企业应对顾客需求变化所带来的挑战的能力（相婷婷，2013；梁燕，2014；闫俊，2013）；在降低供应链运营成本方面，企业可以通过和上下游企业的信息共享使得企业能够最优地对有限资源进行布置，最大限度地发挥资源的效益（薛锦辉，2014；闫俊，2013）。当然，要实现大数据的价值，先进的分析技术是不可或缺的。如果没有分析学对数据进行解析，那么数据就仅仅只是一堆“数据”而已，并不具有价值（Waller＆Fawcett,2013）。因此，随着信息技术的发展，供应链必然将会成为大数据的主要来源之一，鉴于此，先进分析技术可能成为企业和供应链的决定性竞争资产，甚至可能成为提高供应链绩效的核心要素（Wu et al. ,2016）。当然，从另外一个角度看，如果没有大数据作为分析学的研究对象，那么其充其量也只是数学和统计的工具和应用方法而已，对于企业也不具有价值和意义。Chae等（2014）分析了数据管理能力、运用科学技术进行计划的能力以及绩效管理能力三者对于提升供应链满意度和运营绩效之间的关系，通过对537家生产工厂收集的数据进行的实证研究，他们发现数据管理能力是利用分析学进行供应链决策的关键驱动因素，并指出企业运用大数据进行分析决策之前，必须先要培养企业进行大数据管理的能力。
3.2.3.5 智慧供应链中的整合和创新
供应链管理包括设计、采购、生产、分销等一系列流程，供应链中的各个成员在价值创造中也扮演着不同的角色，供应链管理意味着要协调所有的参与成员和运营组件，以确保供应链能够高效运转（Wu et al. ,2016）。随着竞争的加剧和信息技术的不断发展，供应链上的分工越发细致和明确，因此，是否能够将有效的供应链实践与跨组织间的信息共享相结合，成了提高供应链绩效的关键（Kumar＆Pugazhendhi,2012）。例如，供应商整合（Danese,2013）和逆向物流整合（Cardoso et al. ,2013）就被认为是提高供应链运营绩效的重要策略。当然，除了供应链各个流程的整合外，IT技术如何与供应链运营中的其他技术、人力资源、组织能力相结合以在价值创造过程中获得竞争优势也是智慧供应链构造中需要重点关注的问题（Carmichael et al. ,2011）。
在智慧供应链中，整合的IT、先进的分析技术和流程自动化三者之间的有效互动为最大化供应链盈余提供前所未有的机会（Wu et al. ,2016）。如前文分析的，大数据本身并不具有价值，只有当公司有能力使这些数据在进行分析后作用于流程改进时，公司才能从大数据中获益（Waller＆Fawcett,2013）。也就是说，企业和供应链需要利用IT收集、存储和管理大量数据，随后需要通过先进的分析技术将其转化为及时、明智的决策，而流程自动化则辅助整个决策的实施，确保决策实施的效果，如此才能实现三者的交互价值，而这一切，则建立在上述三个要素的无缝整合基础之上（Wu et al. ,2016）。
除了供应链流程以及供应链整体技术的整合外，智慧供应链对产品和服务以及运营流程的创新也提出了更高的要求。一般来看，智慧供应链转变了消极的环境应对方式，由于“智慧”的积累，供应链整体能够对环境的变化进行主动的、（甚至在环境变化前就做出）积极的适应调整，由此，供应网络已经从线性结构转变为“复杂的自适应系统”，这种系统被认为能够及时自主地适应环境变化（Wycisk et al. ,2008）。实际上，这种自主的适应行为对于维持供应链的稳定和绩效具有积极的作用，而稳定的供应链有助于成员间的协同创新（Modi＆Mabert,2010）。当然，对智慧供应链的全面整合、打造可视化供应链的要求也增强了合作成员之间的信任，由此进一步提高了成员间协同创新的可能性以及协同创新的绩效。当然，除了智慧供应链带来的强化合作关系外，智慧供应链中的发展要素本身也与创新具有紧密的联系（Waller＆Fawcett,2013）。实际上，“大数据”代表着一种新的生活方式，提供了一种新的资源和新的能力，是一种新的技术，还带来了一种新的思维方式（李文莲，夏健明，2013），它带来了更低的成本门槛、更多的商机，并更容易孕育颠覆性的创新（任广见，2013）。具体来看，在企业业务方面，韩蕊（2013）指出，大数据技术为分析现有业务难题和潜在机会带来了创新的方法，并且这种全新的资源和分析技术也能通过全新的方式来改善企业的运作；在技术方面，李逸群和龙剑（2013）指出，大数据有助于降低知识转化的成本并加快知识转化的速度，而知识在转化的过程中则有利于技术的创新。而就大数据对于供应链创新的作用来看，Tan等（2015）认为企业可以通过大数据来获得新的想法或者更好地理解企业的顾客、市场以及产品，并提出了一种基于演绎图技术的分析构架以有助于企业将自己的能力集和其他企业的能力集进行整合，这样就能通过更好地运用大数据来加强供应链的创新能力以获得整体的竞争优势。华润万家/宝洁（中国）（2014）也提出，大数据不仅能改变企业的运营方式，也有助于供应链的协同创新。姜超峰（2015）认为，大数据有助于供应链金融的服务创新。由此可见，智慧供应链不仅是信息技术运用下的创新的结果，并且也是创新的催化剂和创新的动力，其不仅能够促进技术的进一步创新发展，还能够促进产品、服务、管理以及运营流程的创新（Evans＆Annunziata,2012）。