2020年的春节，新冠肺炎疫情的发生，给中国经济带来很大冲击。需求和生产骤降，投资、消费、出口均受明显冲击。2020年的此时此刻，中国企业面临着多重危机的叠加，经济下行压力、产能过剩、需求短缺、出口不足、疫情引起停产停工。

但是，疫情给予中国企业的不只是应对和挑战，还带来了发展机遇和方向。随着数据与人工智能技术在病毒检测和药物研发提速、智能导医和接诊、网格化疫情排查、智能测温、在线办公等场景下的应用，越来越多的人看到了数据与人工智能技术的价值。

应对危机，从企业的角度来看，企业家往往希望能够解决如下问题：在危机到来前，提前预知；危机出现后，快速评估疫情对企业生产经营环境、政策环境、交通环境等方面造成的影响；快速制定完备的应急生产预案，及时评价应急预案是否有效。这些，借助数据与人工智能技术，都可以有效实现。

本文从企业的视角，系统性探讨数据与人工智能技术在企业防疫应急管理中的应用。也希望这些理念和技术可以提升企业未来在面对危机时的应对能力，未雨绸缪。

建立基于数据和人工智能技术的企业防疫应急管理系统

在企业基本业务流程的基础上，应用数据分析和人工智能等先进技术，帮助企业及时感知疫情发展状况、研判发展趋势、快速制定应急管理方案、储备应急管理经验以辅助后续可能发生的应急管理需求。

企业防疫应急管理系统主要由四个子系统组成：实现预警的疫情监控、预警与趋势研判子系统，增强应对的疫情对企业影响研判子系统、企业应急预案制定与决策支持子系统、疫后损失评估与预案调整分析子系统。后三个系统可以在企业进行数字孪生、数字化建设时提前考虑进去，也就是企业运营操作的仿真和数字化建模。有了这个数字模型之后，通过企业的运营效益、成本、感染风险等指标在外部环境变化下的灵敏度分析，模拟得到不同外部环境下（疫情、战争、自然灾害等）企业的生产运营状况、最优应对策略和灾害预期影响等，可以有效增强企业的抗风险能力。大企业可以定制化开发，中小企业可以通过改造流程、购买标准化的服务获得。

图1 基于数据和人工智能技术的企业防疫应急管理系统

1、疫情监控、预警与趋势研判子系统

它最大的作用就是对企业进行预警提示，提醒企业及早发现危机、提早准备。比如这次疫情发生时，武汉有一些车企提前联系供应商送达了一批零部件，做了事前储备。

通过每天分析大量的报纸、广播、电视新闻和门户网站新闻的关键词与流行疾病、动物疾病、公共卫生等语义的关联度，挖掘流行病起源信息;通过分析铁路、公路、航空动态和人口迁徙数据，跟踪受感染人口的流向，预测流行病的空间流动趋势;通过天气、环境和流行病特征分析，挖掘流行病爆发因素，从而得到实时流行病预警与流行病风险评估。

图2. 疫情监控、预警与趋势研判子系统

2. 疫情对企业影响研判子系统

疫情对企业影响研判子系统主要分为两部分：对企业供应链外部环境的影响和对企业供应链内部成员的影响。

对企业供应链外部环境的影响主要是对市场环境的影响，包括原材料市场、产品市场和能源市场的价格和供需数量；对交通环境的影响；对政策环境的影响。

对企业供应链内部成员的影响主要是对供应商供应能力的影响（例如原材料短缺、备品备件短缺等）；对物流服务的影响（例如交通管制引起的物流不畅、延迟复工引起的物流资源不足等）；对人员到岗的影响（例如延迟复工、强制隔离引起的用工人员短缺等）。

图3. 疫情对企业影响研判子系统

3. 企业应急预案制定与决策支持子系统

这个系统的主要功能是应用智能博弈与决策仿真技术，仿真模拟企业在预估的疫情环境下的生产过程，并评估这一过程中的企业流行病感染风险、企业运营效益和风险等。通过迭代优化、调整以获得风险最小、效益损失最低的应急生产方案。

其中企业生产过程模拟主要有智能供应商选择与供料计划、智能供料物流计划、智能排产计划、智能分销物流计划、智能销售合同履约安排五部分组成。

图4. 企业应急预案制定与决策支持子系统

4. 疫后损失评估与预案调整分析子系统

在流行病疫情结束之后，企业需要对前述执行的应急方案进行系统的评估，基于疫情全周期的交通、市场、政策环境数据和供应、物流、人员数据，从企业流行病感染风险、企业运营效益和风险三个维度，对企业应急生产方案进行评估。此外，通过系统模拟和迭代优化，将应急生产历史数据存入企业应急方案数据库，作为再发生疫情时企业应急响应的参考依据。

图5. 疫后损失评估与预案调整分析子系统

上述提出的基于大数据和人工智能技术的企业防疫应急管理系统应是企业工业大脑系统的一部分，可根据各企业运营实际，逐步部署落实。想要实现这些系统落地，需要一些关键的支撑技术与管理理念：

• 统一的数据中台：数据的自动化，全要素、全链路的数据协同是上述子系统发挥作用的前提条件。需要一个企业级的数据中台，对数据进行统一的“打通、汇聚、共享”，以确保数据的质量与一致性。同时，通过数据中台建立包括订单、原料、设备、生产、产品、客户在内的全域数据模型，并根据不同业务逻辑对数据模型进行关联与分析，最终转化为统一的数据服务，快速支撑前段业务的可视化决策与智能应用的开发。
• 低代码开发平台：传统工业智能应用的开发门槛很高，因为整个开发过程会涉及到多个算法模型、行业机理模型、知识图谱。因此，企业要学会用好已有的第三方低代码工业智能平台/工具，借助已搭建好的智能引擎，快速生成面向不同业务场景的智能应用。例如阿里的工业大脑平台开放的算法工厂，可提供多个智能排班/排产算法引擎（业务预测、最优分配、精细化排班……）, 即便是不懂代码的工程师，通过托拉拽的方式，也能快速组合成满足自身业务需求的工业APP应用。
• 复杂系统（System of System）: 所有子系统都可以独立运营、独立管理、分布在各个地方、且可以独立“进化”。但系统间需要通过一个统一的云平台相连接，协调合作，形成一个复杂系统，帮助企业站在全局视角进行决策优化，降低供应链端到端的整体风险。
• 可视化决策：利用以钉钉为代表的移动协同平台，能够在不改造现有业务系统的情况下，低成本快速查询业务的关键数据，支撑包括生产、运维、仓储、物流在内的企业一线业务的在线、实时决策，提升现场工作的效率。
• 数据运营组织：搭建一个独立的、具有跨学科、跨业务能力的数据运营组织，具备数据持续运营、数据价值挖掘与创造的能力。运营组织需负责制定数据策略、流程、标准、规范以及绩效考核体系，来保障数据的一致性、可信性、准确性、安全性以及业务响应的敏捷性，包括全域数据模型的标准和质量管理、控制与调度数据的制造过程。

新冠肺炎疫情的发生加速了新经济模式发展，企业、机构接纳大数据和人工智能技术将不再是选择题，而是必答题。未来，将数据技术和人工智能技术不断应用到企业的日常生产实践之中，利用新技术不断推动商业创新、驱动业务能力持续优化，实现企业的全面数智化和新一轮可持续增长。

作者：

赵 磊 上海交通大学船舶海洋与建筑工程学院博士后

朱道立 上海交通大学安泰经济管理学院教授, 中美物流研究院原院长，阿里研究院学术委员会委员

王岳 阿里云研究中心高级战略专家

李双宏 阿里云研究中心高级运营专家