很早之前就想寫 犀牛智造 這話題的內容，但無奈兩個月前知道這消息，直到現在他的資料還是少的可憐，更別說台灣媒體幾乎很少人了解，商業性媒體更是幾乎報導是接近零的情況，我嘗試努力收集了一些值得先讓你”粗淺”了解一下他將帶來的”生態遊戲大翻牌”能量，也只能希望了解看到這背後的企業能早點準備即將到來的新產業風暴了~
以客戶為中心C2M (Customer to- Manufactory 顧客對工廠)
如果說你只把”犀牛智造” 當成一個 “製造業4.0“的議題來看，那你就是只看到很表面的部分，因為這個背後代表另一個商業模式的崛起，這個 “以客戶為中心C2M (Customer to- Manufactory 顧客對工廠)” 簡稱 客對廠 又被稱為“短路經濟” 的有點新、又不是太新的新玩意，跟上這波浪潮的就是新一代的品牌世代了!
C2M模式（短路經濟模式）有多厲害呢~
他將拿掉 庫存、物流、總銷、分銷…等一切可以短路掉的中間環節，砍掉了包括庫存在內的所有不必要的成本，讓用戶以超低價格購買到超高品質的產品，更重要的是滿足了”求新、求獨特性、求關注”等等年輕世代著重的”關鍵點”，不撞衫、秀品味…等”個人化”目的，少量多樣化的生產是目前立即看的到、用得上的地方。
新聞參考 阿里新制造平台“犀牛智造”亮相：从服装业切入，实现7天交货
另外對於 C2M有興趣深入了解的朋友可以參考這 MBA智庫百科 網頁內容
犀牛智造帶來的下單模式不只”下單需求量”很少，連交貨期都會嚇死大家啊! 今年雙11他就小小的展現了一次有”製造日期”的服裝標籤，包含”交貨期”一共才花了10天! 想想看、這將改變多少想單靠”以量制價”的傳統服裝市場呢~
犀牛智造五大核心
第一點 需求大腦
傳統的製造業合作流程，一般是品牌商自身通過自己的經驗和對市場的預判，決策產品的各項指標，以服裝行業為例，需要預判服裝的款式、材料、流行色、產量等等，在對各項指標進行決策後，品牌商把新產品的設計、要求與工廠對接，工廠根據要求進行產品的生產，生產完畢後，再交付給品牌商銷售。
這就是傳統的以產定銷的模式，根據預定的產量，去製定銷售計劃。在這種模式下，品牌商的風險與不確定性比較大，一旦產生預測失誤，則會出現兩種情況：一種是高估市場，則會產品銷售受阻，產生大量庫存積壓，成本高築，現金流吃緊；另一種是低估市場，產品很快銷售完畢，但是供應鏈產能跟不上，傳統工廠無法及時響應訂單需求，造成缺貨空檔期，對品牌產生損害，但這種情況還是要比高估市場的情況好。
而犀牛智造依托阿里巴巴海量的購物大數據，進行大數據分析預測，進而為合作商家提供未來產品的銷售趨勢，以數據預測來代替品牌商的主觀預測，提高預測準確度。品牌商通過對經營類目的預測，把需求訂單發至犀牛智造，這就完成了從“以產定銷”到“以需定銷”的模式轉變。這種模式的優點在於減少品牌商的庫存壓力、現金流壓力。
但是數據真的會預測未來嗎？或者說數據趨勢指引的未來可信度如何？個人認為數據只能分析過去，對於未來的判斷依靠的是“人工智能”，需要人為根據數據去判斷，否則我們並不需要巴菲特這種投資高手，只需要大量的數據分析，讓大數據告訴我們未來的發展方向即可，即“拉普拉斯妖”根本不存在，未來根本無法預測。所以需求大腦的設定根本無從談起。生產主計劃本身就需要結合上年銷售情況、明年的銷售預測綜合形成生產主計劃，生產主計劃沒有哪個軟件可以生成，最終形成的都依靠的是召開會議。
第二點 數字工藝地圖
傳統的服裝製造溝通模式，一般是品牌商的設計師做出設計圖紙之後，由工廠進行打樣，在此基礎上進行打磨，最終確定樣品形式。接下來，開始進行小規模試產，考察產品的流水線作業能力，最終確認成品率之後，才開始大規模生產。
犀牛智造官方宣傳採用3D仿真設計，通過數字化模擬技術，最大限度完成設計對接工作，降低線下人工的溝通成本。其實這種3D仿真在裝備製造業已經非常普遍，ANSYS、pro-e等軟件都具備運動仿真、性能仿真等多種功能，但是這種是對於裝配公差、動力學等要求比較高，但是試驗成本較大、試驗週期長才導致需要仿真來驗證。在服裝行業仿真軟件成本是否可以小於試製成本，值得商榷，而且服裝行業最大的指標就是美觀、得體，利用仿真的方式是否可以表達出真實的效果，值得商榷。裝備製造業是需要仿真與試制同時並行的，服裝行業需要完全代替，在對一些投入高、主打款式的產品方面，品牌商出於風險管控意識，能否能夠接受這種仿真設計軟件帶來的產品溝通模式，畢竟不能現實中“看得見”“摸得著”。
第三點 智能調度中樞
這個優化主要體現在流水線生產端，傳統的服裝工廠流水線的設置是“直線型”，其衣服的吊掛是單向流轉，因為工廠工人的工作效率的差異化，很容易造成流水線擁堵問題，比如說上一個環節給衣服印花，速度很快，但到了下一個縫釦子環節，速度變慢，就造成大量衣服堆積在縫釦子環節，產生堵車現象；同時即使在縫釦子環節，每個工人的速度也不同。
犀牛智造官方宣傳採用全域計劃統籌，智能優化匹配產能。其落地方案是，拋棄以往的“直線型”單向流水線作業模式，採用“蜘蛛網”式吊掛設備，通過後台的人工智能技術和物聯網技術，將產能自動分配到產能空餘的工位，這樣能夠大大提高生產效率，從工人薪酬分配上來講，也更能體現“多勞多得”，提高工人單效。
這種是需要產線改造的，比如阿里如果造出一個並行流水線，可以達到這種智能調度，而且複制性比較高、成本小，可以以項目的形式出售給各中小服裝生產型企業，這種方式是個人認可，是可以切切實實提升生產效率，不過產線改造成本都不小。
第四點 區域中央倉供給網絡
這個網絡主要解決的是原材料供給端的問題，傳統的工廠在與品牌商溝通之後，由工廠或者品牌商去尋找相匹配的原材料供應商。這種傳統模式下，有一些弊端：一是尋找供應商的時間成本和渠道成本，行業魚龍混雜，在偌大的原材料市場裡，找到性價比高的供應商，其難度較大。二是傳統工廠一般有長期固定合作的原材料供應商，有穩定的利益關係，品牌商很難撼動這塊利益關係，最終選擇向工廠妥協，在產品呈現度和成本把控上會有所犧牲。三是傳統工廠的原材料品類與質量有限，無法完全滿足品牌商的原材料需求。四是行業採購潛規則盛行，以濫充好、中途換料、吃回扣現象普遍，品牌商在流程環節上無法嚴格把控，由此產生的隱性成本較高。
這種相當於給原材料預定、銷售端起到了信用背書的目的，在一定程度上搭建了原材料採購的交流平台，與滴滴打車四類。可是是否能充當面向B端的淘寶，還是有許多推廣與提升的地方。構建面向B端的原材料溝通、銷售平台非常必要，有阿里平台背書，肯定會減少許多中間商的差價。同時可以通過數據分析提供一部分採購、備料參考，但是這種參考基本通過“人工智能”也能達到，作用並不會有網上那樣神乎其神的大數據分析預測。
第五點，柔性智能工廠
這個優化主要解決中小品牌商的生產痛點，傳統的工廠為了提高利潤率和規模化效益，一般主力攻克大品牌商客戶，大訂單意味著產能穩定、道德風險小，因此中小品牌商訂單小、道德風險高，一旦出現現金流危機，傳統工廠很難收回剩餘尾款，因此大部分傳統工廠對中小品牌商不太熱情。
由於目前中文影片媒體上介紹犀牛智造相關資料太少了，我自己從對岸各大影音網站上也只收集到幾隻，目前就只能放在個人實體課程的簡報當中，這邊留一個我覺得還不錯的百度影音資料給有興趣的朋友參考看看了~
資料來源 阿里犀牛智造真的能為服裝行業創造價值嗎？ 作者：徹紋
阿里“秘密”打造3年的新物种 看鉴商业 介紹影片 另開新視窗
但傳統製造業只懂得”省工、省料、省時“的賺”管理財“模式，真的將過去了~
而有趣的地方還有，阿里一出手就選了一個”人力密集產業 紡織業“當起手式，真的很有意思，透過人與科技的”摸著石頭過河”，並且直接打通自己上下游產業鏈的韌督二脈，實在太讓我佩服了啊~
用自動化及各類傳感設備模擬了人的「手」「眼」「耳」甚至觸覺，用人工智慧算法模擬人的「認知」和智能化生產的執行能力，在邊側提供統一管理的「製造執行大腦」，能夠覆蓋從需求分析、研發設計、採購供應鏈、生產製造、質量管理、倉儲物流到銷售服務全流程的細分環節，為企業實現一站式的數智化賦能。
但如果這個產業都可以這樣用，你想過你的行業的未來會怎樣嗎?
還有、你以為把人工傳產當3C科技業，是錯的嗎? 你知道阿里曾經”練過一次兵“的一項服務 iFashion Week 這個玩意嗎?
雖然可以看到這服務停了好一陣子了，但可以預期、未來阿里一定會再讓他重新上陣，畢竟、前端到後台這次全都到位了啊~
還有~ 阿里這次還拍了幾隻”純英文”的介紹影片，居然直接跳過中文的方式來”對海外招募客戶”!! 這可厲害了~~
看著智能製造時代，你想過未來工作的變化性嗎?
我找了三個具備代表性的”新職務“給你瞧瞧看~~~
智能製造事業部-生產質量專家
崗位描述：
1、建立並維護全域質量管理體系。
2、通過科學的QE管理工具和思路，有效地進行持續改善，進行組織質量保障。
3、建立有效的供應商管理機制，在柔性快反的模式下，進行供應商質量管理創新。
4、通過不合格品、事故報告分析改善日常質量問題，並深入進行流程和系統優化，避免同類問題反復發生。
5、沉澱分析思路與框架，提煉數據產品需求，與相關團隊（如技術開發團隊）協作並推動數據產品的落地。
崗位要求：
1､本科及以上學歷，5年以上質量管理、QE或IE經驗，熟悉紡織、製衣相關流程更優。
2.能熟練使用QC七手法、8D、6Sigma,IE、精益方法和工具。
3.熟悉ISO質量管理體系，能有效地進行ISO審核，PDCA流程改善。
4.具備質量項目的經驗，有豐富的跨團隊、部門的項目資源整合能力，能夠獨立開展質量項目。
5.能熟練運用各類數據分析軟件，EXCEL,POWER BI,MINITAB等，能使用SQL更優。
智能製造事業部-供應鏈-計劃&調度專家
崗位描述：
1.設計新製造模式的供應鏈中台調度、計劃協同的架構、業務模式，以及平台化運營模式。並能夠通過有效措施確保結果可達成，模式可複制。
2.制定能夠適配小單快反產能、物料計劃協同的流程、SOP及相應的KPI。並通過有效的管理措施確保業務運營達成既定目標。
3.搭建計劃調度團隊
4.業務模式產品化項目協同：定義並輸出業務需求，跟進項目進展
崗位要求：
1.在供應鏈領域（紡織服裝或者快消領域）有5年以上的工作經驗，有互聯網經驗或柔性快反供應鏈經驗者優先。
2.有創新意識和創新思維，不局限與經驗形成的框架，勇於突破傳統領域的成型模式；
3.有良好的組織溝通能力和抗壓能力，能夠勝任複雜環境下的溝通協作；
4.有較強的抽象建模以及文檔撰寫能力，以及良好表達和呈現技巧；
5.有從0到1項目經驗者優先。
6.有能力引領產品技術部，打造行業級產品並獲得業務成功。
智能製造事業部-數據分析專家
崗位描述：
新製造智能決策中心是阿里巴巴犀牛智造的綜合性數據科學團隊。團隊的工作核心是基於行業洞察與方法革新，通過數據驅動實現從製造端到零售端多場景的高質量決策能力。團隊中既有長期身處一線需要為每一個業務決策結果直接負責的行業專家，也有對數據方法與應用有深刻理解並不斷嘗試結合新場景創造新工具的探索者。我們看重藝術與科學的結合，相信感性與理性的結合能孕育出更有生命力的創新。
1.基於業務場景的建模與驗證，將行業內未被精確定義的問題還原為可解的模型問題並尋找解決方案。
2.負責團隊內的數據分析、業務指標體系設計與BI報表。
崗位要求：
1.聰明有創造力。你需要快速學習和理解一個發展多年的行業，同時也能提供新的視角以帶來突破性的創新而不僅僅是不痛不癢的優化。
2.行動能力強，有想法能端到端地快速落地。永遠不可能有完備的資源，因此一個快速的70分方案會比一個耗時的100分方案更值得推崇。
3.溝通能力強，善於團隊合作。能讓不同行業不同背景的人理解每個項目和工具之於他們的價值並使用，同時自己也能靈活使用其它團隊的已有成果，避免重複造輪子。
4.數據感覺和統計感覺好。我們會面對海量數據，同時需要榨乾這些數據裡的每一點價值。
5.不迷信複雜模型（加分項），相信足夠簡單的模型也能很好地甚至更好地解決大多數問題。
6.理解淘寶內的流量邏輯（加分項）。
7.熱愛數據科學並希望讓數據科學在製造業發揮更大價值。
特別是最後一個和我自己有很大的關聯性，有發現到甚麼變化了嗎?
“溝通能力“、”執行力“、”商業敏感度“，這些比起”熟工具使用“可更重要啊~ 並且如果你在原本的”工作職務”上就做的好，加上了這科技年代有的”技能”，根本是加分項目啊~
將消費端需求，轉換為製造端可設計、可追溯、可量化、可定價的生產元素，從而連結製造端研發、管理、生產、運維、服務全流程, 實現了消費端與製造端的完美結合! 這、就是即將馬上、立即到來的未來”新智能製造“時代啊!
最後、可別以為只有阿里出招啊~ 京東可也是緊追在後的呢~
京東推「C2M智能工廠」，重新定義中國製造業未來 36氪文章
「2030年，所有的企業都將成為『技術』企業」，JDDiscovery-2020京東全球科技探索者大會上，京東集團技術委員會主席、京東智聯雲總裁、IEEE Fellow周伯文做出這樣的行業預判。