不要中了ERP設計思想的毒（不是管理思想）

背景：大型制造裝備， 需要分批發貨， 客戶現場安裝(安裝過程持續大于15天)

問題描述：用戶反饋了一個問題，基本邏輯是，如果在智能制系統勾選【是否更新發貨】信息，如果勾選了， 系統會自動更新CRM系統， 現場安裝服務團隊自動接收到相應信息。

對于不是很清楚主計劃調配的物流文員來說，這個信息很難維護及時和準確。就會對業務運行帶來偏差，當然這會也影響《訂單執行看板》的準確性。

本文觀點：我今天重點想講一下，ERP系統，MIS系統，軟件設計思維的局限性。這種設計思維讓很多的ERP實施顧問形成了一個固定的解決問題的思維模式。我想說的是，要打破這種思維，這種思維在修信息化的主線業務流時非常高效，遵循一種非常嚴謹的邏輯，然而在修小路的時候， 如果為了實現這種嚴謹邏輯，就要付出較高的成本，用戶用起來會覺得很麻煩，有時候會出現棄用，用戶會說：“我用Excel管理，要比這個簡單有效的多....”。

畫外音：你是否也遇到過這個困惑?

先簡要描述下這個思維模式，我們知道類似像SAP，Oracle EBS，基本都是通過后臺管理端根據業務需求，通過配置來實現相應的業務管理需求。譬如SAP，通過事務碼spro，進行各模塊業務的配置。主數據帶有非常多的屬性， 不同的屬性會實現相應不同的業務。即如果要實現A業務， 那么需要配置B， 如果配置了B，那么就會實現A業務。

為什么說到了修小路的時候， 這個規則不適用了呢?其實對于越高級(Hign Level)的業務，抽象的層級越高，即規律性越強， 而到了業務落地執行端，可變因素會變多，變得沒有那么嚴謹的邏輯，而這往往才是真實的世界。舉個例子， 物流計劃今天下午兩點發車，結果因為堵車、雨雪或霧霾結果延遲了...計劃明天下午完成計劃，結果有個員工緊急狀況請假了...當然實際業務的變數遠遠比這兩個例子來的多。

你會說這些只是特殊情況，不會經常發生。沒錯!點就在這兒。我們不能為了這5%，讓用戶去維護數據。除非這個的業務價值大到必須要維護。我們其實要接受在允許范圍的的容差。選擇合適的信息化解決方案，適度的放棄。這是觀點之一。譬如我們在《車間報工》的時候，采用的就是這個思路。 我們不需要精確的讓工人來報工，只需要預估完成總工時的25%， 50%，75% 過程制造進度相對準確就可以，100%是要準確的，也容易做準確。

觀點之二，所有事件的發生，其實是按照概率在運作的，而且概率是會事件隨著發生而改變。根據貝葉斯定理，先驗概率-新信息-貝葉斯定理-后驗概率

打開百度APP，查看更多高清圖片

通過對事件的積累，我們可以越來越接近與真相，隨著時間積累，我們會獲得一個近似正態分布的數據模型，這樣，通過假設檢驗， 我們通過對數據的運算的接近真相，做出正確選擇的幾率就會很大，系統就會越來越懂業務。這個是機器學習算法的應用。這塊還在學習中， 我相信這是解決小路問題的方案，也是趨勢。

針對上邊的問題，以及類似的細化的業務分支場景，可以分兩步走，第一步就是觀點一：合適的成本，收益最大， 第二步由計算機完成這個學習的過程， 從而進一步簡化，甚至替代用戶的操作!

備注：ERP核心管理思想主要體現在以下三個方面：

一、體現對整個供應鏈資源進行管理的思想;

二、體現精益生產、敏捷制造和同步工程的思想;

三、體現事先計劃,事中控制,事后反饋分析的思想。

ERP應用成功的標志是：

一、系統運行集成化，軟件的運作跨越多個部門;

二、業務流程合理化，各級業務部門根據完全優化后的流程重新構建;

三、績效監控動態化，績效系統能即時反饋以便糾正管理中存在的問題;

四、管理改善持續化，企業建立一個可以不斷自我評價和不斷改善管理的機制。