背景：大型制造装备， 需要分批发货， 客户现场安装(安装过程持续大于15天)
问题描述：用户反馈了一个问题，基本逻辑是，如果在智能制系统勾选【是否更新发货】信息，如果勾选了， 系统会自动更新CRM系统， 现场安装服务团队自动接收到相应信息。
对于不是很清楚主计划调配的物流文员来说，这个信息很难维护及时和准确。就会对业务运行带来偏差，当然这会也影响《订单执行看板》的准确性。
本文观点：我今天重点想讲一下，ERP系统，MIS系统，软件设计思维的局限性。这种设计思维让很多的ERP实施顾问形成了一个固定的解决问题的思维模式。我想说的是，要打破这种思维，这种思维在修信息化的主线业务流时非常高效，遵循一种非常严谨的逻辑，然而在修小路的时候， 如果为了实现这种严谨逻辑，就要付出较高的成本，用户用起来会觉得很麻烦，有时候会出现弃用，用户会说：“我用Excel管理，要比这个简单有效的多....”。
画外音：你是否也遇到过这个困惑?
先简要描述下这个思维模式，我们知道类似像SAP，Oracle EBS，基本都是通过后台管理端根据业务需求，通过配置来实现相应的业务管理需求。譬如SAP，通过事务码spro，进行各模块业务的配置。主数据带有非常多的属性， 不同的属性会实现相应不同的业务。即如果要实现A业务， 那么需要配置B， 如果配置了B，那么就会实现A业务。
为什么说到了修小路的时候， 这个规则不适用了呢?其实对于越高级(Hign Level)的业务，抽象的层级越高，即规律性越强， 而到了业务落地执行端，可变因素会变多，变得没有那么严谨的逻辑，而这往往才是真实的世界。举个例子， 物流计划今天下午两点发车，结果因为堵车、雨雪或雾霾结果延迟了...计划明天下午完成计划，结果有个员工紧急状况请假了...当然实际业务的变数远远比这两个例子来的多。
你会说这些只是特殊情况，不会经常发生。没错!点就在这儿。我们不能为了这5%，让用户去维护数据。除非这个的业务价值大到必须要维护。我们其实要接受在允许范围的的容差。选择合适的信息化解决方案，适度的放弃。这是观点之一。譬如我们在《车间报工》的时候，采用的就是这个思路。 我们不需要精确的让工人来报工，只需要预估完成总工时的25%， 50%，75% 过程制造进度相对准确就可以，100%是要准确的，也容易做准确。
观点之二，所有事件的发生，其实是按照概率在运作的，而且概率是会事件随着发生而改变。根据贝叶斯定理，先验概率-新信息-贝叶斯定理-后验概率
打开百度APP，查看更多高清图片
通过对事件的积累，我们可以越来越接近与真相，随着时间积累，我们会获得一个近似正态分布的数据模型，这样，通过假设检验， 我们通过对数据的运算的接近真相，做出正确选择的几率就会很大，系统就会越来越懂业务。这个是机器学习算法的应用。这块还在学习中， 我相信这是解决小路问题的方案，也是趋势。
针对上边的问题，以及类似的细化的业务分支场景，可以分两步走，第一步就是观点一：合适的成本，收益最大， 第二步由计算机完成这个学习的过程， 从而进一步简化，甚至替代用户的操作!
备注：ERP核心管理思想主要体现在以下三个方面：
一、体现对整个供应链资源进行管理的思想;
二、体现精益生产、敏捷制造和同步工程的思想;
三、体现事先计划,事中控制,事后反馈分析的思想。
ERP应用成功的标志是：
一、系统运行集成化，软件的运作跨越多个部门;
二、业务流程合理化，各级业务部门根据完全优化后的流程重新构建;
三、绩效监控动态化，绩效系统能即时反馈以便纠正管理中存在的问题;
四、管理改善持续化，企业建立一个可以不断自我评价和不断改善管理的机制。
