2020年的春節，新冠肺炎疫情的發生，給中國經濟帶來很大沖擊。需求和生產驟降，投資、消費、出口均受明顯衝擊。2020年的此時此刻，中國企業面臨著多重危機的疊加，經濟下行壓力、產能過剩、需求短缺、出口不足、疫情引起停產停工。
但是，疫情給予中國企業的不只是應對和挑戰，還帶來了發展機遇和方向。隨著數據與人工智能技術在病毒檢測和藥物研發提速、智能導醫和接診、網格化疫情排查、智能測溫、在線辦公等場景下的應用，越來越多的人看到了數據與人工智能技術的價值。
應對危機，從企業的角度來看，企業家往往希望能夠解決如下問題：在危機到來前，提前預知；危機出現後，快速評估疫情對企業生產經營環境、政策環境、交通環境等方面造成的影響；快速制定完備的應急生產預案，及時評價應急預案是否有效。這些，藉助數據與人工智能技術，都可以有效實現。
本文從企業的視角，系統性探討數據與人工智能技術在企業防疫應急管理中的應用。也希望這些理念和技術可以提升企業未來在面對危機時的應對能力，未雨綢繆。
建立基於數據和人工智能技術的企業防疫應急管理系統
在企業基本業務流程的基礎上，應用數據分析和人工智能等先進技術，幫助企業及時感知疫情發展狀況、研判發展趨勢、快速制定應急管理方案、儲備應急管理經驗以輔助後續可能發生的應急管理需求。
企業防疫應急管理系統主要由四個子系統組成：實現預警的疫情監控、預警與趨勢研判子系統，增強應對的疫情對企業影響研判子系統、企業應急預案制定與決策支持子系統、疫後損失評估與預案調整分析子系統。後三個系統可以在企業進行數字孿生、數字化建設時提前考慮進去，也就是企業運營操作的仿真和數字化建模。有了這個數字模型之後，通過企業的運營效益、成本、感染風險等指標在外部環境變化下的靈敏度分析，模擬得到不同外部環境下（疫情、戰爭、自然災害等）企業的生產運營狀況、最優應對策略和災害預期影響等，可以有效增強企業的抗風險能力。大企業可以定製化開發，中小企業可以通過改造流程、購買標準化的服務獲得。
圖1 基於數據和人工智能技術的企業防疫應急管理系統
1、疫情監控、預警與趨勢研判子系統
它最大的作用就是對企業進行預警提示，提醒企業及早發現危機、提早準備。比如這次疫情發生時，武漢有一些車企提前聯繫供應商送達了一批零部件，做了事前儲備。
通過每天分析大量的報紙、廣播、電視新聞和門戶網站新聞的關鍵詞與流行疾病、動物疾病、公共衛生等語義的關聯度，挖掘流行病起源信息;通過分析鐵路、公路、航空動態和人口遷徙數據，跟蹤受感染人口的流向，預測流行病的空間流動趨勢;通過天氣、環境和流行病特徵分析，挖掘流行病爆發因素，從而得到實時流行病預警與流行病風險評估。
圖2. 疫情監控、預警與趨勢研判子系統
2. 疫情對企業影響研判子系統
疫情對企業影響研判子系統主要分為兩部分：對企業供應鏈外部環境的影響和對企業供應鏈內部成員的影響。
對企業供應鏈外部環境的影響主要是對市場環境的影響，包括原材料市場、產品市場和能源市場的價格和供需數量；對交通環境的影響；對政策環境的影響。
對企業供應鏈內部成員的影響主要是對供應商供應能力的影響（例如原材料短缺、備品備件短缺等）；對物流服務的影響（例如交通管制引起的物流不暢、延遲復工引起的物流資源不足等）；對人員到崗的影響（例如延遲復工、強制隔離引起的用工人員短缺等）。
圖3. 疫情對企業影響研判子系統
3. 企業應急預案制定與決策支持子系統
這個系統的主要功能是應用智能博弈與決策仿真技術，仿真模擬企業在預估的疫情環境下的生產過程，並評估這一過程中的企業流行病感染風險、企業運營效益和風險等。通過迭代優化、調整以獲得風險最小、效益損失最低的應急生產方案。
其中企業生產過程模擬主要有智能供應商選擇與供料計劃、智能供料物流計劃、智能排產計劃、智能分銷物流計劃、智能銷售合同履約安排五部分組成。
圖4. 企業應急預案制定與決策支持子系統
4. 疫後損失評估與預案調整分析子系統
在流行病疫情結束之後，企業需要對前述執行的應急方案進行系統的評估，基於疫情全週期的交通、市場、政策環境數據和供應、物流、人員數據，從企業流行病感染風險、企業運營效益和風險三個維度，對企業應急生產方案進行評估。此外，通過系統模擬和迭代優化，將應急生產歷史數據存入企業應急方案數據庫，作為再發生疫情時企業應急響應的參考依據。
圖5. 疫後損失評估與預案調整分析子系統
上述提出的基於大數據和人工智能技術的企業防疫應急管理系統應是企業工業大腦系統的一部分，可根據各企業運營實際，逐步部署落實。想要實現這些系統落地，需要一些關鍵的支撐技術與管理理念：
- 統一的數據中臺：數據的自動化，全要素、全鏈路的數據協同是上述子系統發揮作用的前提條件。需要一個企業級的數據中臺，對數據進行統一的“打通、匯聚、共享”，以確保數據的質量與一致性。同時，通過數據中臺建立包括訂單、原料、設備、生產、產品、客戶在內的全域數據模型，並根據不同業務邏輯對數據模型進行關聯與分析，最終轉化為統一的數據服務，快速支撐前段業務的可視化決策與智能應用的開發。
- 低代碼開發平臺：傳統工業智能應用的開發門檻很高，因為整個開發過程會涉及到多個算法模型、行業機理模型、知識圖譜。因此，企業要學會用好已有的第三方低代碼工業智能平臺/工具，藉助已搭建好的智能引擎，快速生成面向不同業務場景的智能應用。例如阿里的工業大腦平臺開放的算法工廠，可提供多個智能排班/排產算法引擎（業務預測、最優分配、精細化排班……）, 即便是不懂代碼的工程師，通過托拉拽的方式，也能快速組合成滿足自身業務需求的工業APP應用。
- 複雜系統（System of System）: 所有子系統都可以獨立運營、獨立管理、分佈在各個地方、且可以獨立“進化”。但系統間需要通過一個統一的雲平臺相連接，協調合作，形成一個複雜系統，幫助企業站在全局視角進行決策優化，降低供應鏈端到端的整體風險。
- 可視化決策：利用以釘釘為代表的移動協同平臺，能夠在不改造現有業務系統的情況下，低成本快速查詢業務的關鍵數據，支撐包括生產、運維、倉儲、物流在內的企業一線業務的在線、實時決策，提升現場工作的效率。
- 數據運營組織：搭建一個獨立的、具有跨學科、跨業務能力的數據運營組織，具備數據持續運營、數據價值挖掘與創造的能力。運營組織需負責制定數據策略、流程、標準、規範以及績效考核體系，來保障數據的一致性、可信性、準確性、安全性以及業務響應的敏捷性，包括全域數據模型的標準和質量管理、控制與調度數據的製造過程。
新冠肺炎疫情的發生加速了新經濟模式發展，企業、機構接納大數據和人工智能技術將不再是選擇題，而是必答題。未來，將數據技術和人工智能技術不斷應用到企業的日常生產實踐之中，利用新技術不斷推動商業創新、驅動業務能力持續優化，實現企業的全面數智化和新一輪可持續增長。
趙 磊 上海交通大學船舶海洋與建築工程學院博士後
朱道立 上海交通大學安泰經濟管理學院教授, 中美物流研究院原院長，阿里研究院學術委員會委員
王嶽 阿里雲研究中心高級戰略專家
李雙宏 阿里雲研究中心高級運營專家
閱讀更多 阿里研究院 的文章
