大数据时代的来临，传统的信息系统架构已无法满足数据的指数级增长。今天，仅阿里巴巴或谷歌一天的数据量就有可能超过人类文明数千年所创造的全部文字作品的数据量。从GB（千兆）、TB（太字节），到PB（拍字节）、EB（艾字节），甚至是ZB（泽字节），过去集中式的数据计算和存储模式早已过时，取而代之的是大数据时代的“云平台架构”。
　　与之相似的是，定制化时代的来临，传统的供应链架构也远远无法满足个性化需求的爆炸式增长。今天，多样化的产品和服务在让顾客眼花缭乱的同时，也让供应链上的企业不知所措，迷失了方向。过去仅仅依靠单一品种、单一策略的运营方式已越来越缺乏竞争力，取而代之的将是属于这个时代的“柔性供应链架构”。
　　作为同一个时代的产物，“IT云平台架构”和“供应链的柔性架构”有着惊人的相似性。例如，一个优良的“IT云平台架构”应达到以下几个要求：运算速度快、能处理巨幅波动的数据量、容错与恢复能力强、成本与效率兼顾。这与“柔性供应链架构”的目标基本一致：反应速度快、能处理巨幅波动的需求、风险与控制能力强、成本与效率兼顾。
　　
    系统架构作为一门有趣的科学，无论是上面提到的IT架构，还是供应链的架构，甚至是建筑的架构，从原理上看，可谓异曲同工。例如，都强调布局合理、基础牢靠、人性化等等。因此，从事各种门类的架构师，都可以从其它领域的成熟架构理论来丰富和完善自己所从事的行业的架构方法。作为供应链架构师，我们不妨暂且跳出自己行业固有的传统思维，参考一下IT系统的云架构模式，从而进一步探讨和研究柔性供应链的“云架构”模式。
　　优良的“IT云平台架构”是如何实现的呢？总体来说，它遵循以下一些规律：分布与集中、兼容与扩展、并行和一致、反馈与容错。限于篇幅，今天我们先来探讨一下“云平台”的分布式架构对柔性供应链的启示。
　　MapReduce——
　　通过“降维”和“升维”实现大规模定制
　　为了尽可能又快又多地处理数据，云平台采用了所谓的分布式系统架构，即将过去集中存储和处理的数据打散后在多台设备组成的多个机群上进行并行存储和处理。这个打散和归并的过程采用的是MapReduce的逻辑框架。即将数据进行“分解映射（Map）”后再进行“归约合并（Reduce）”。
　　举个简单的例子，假如我们销售的是各种不同口味的水果沙拉。第一步我们会将苹果、梨子、香蕉、菠萝等各种水果切成片，这个过程就是所谓的“分解映射（Map）”；第二步是根据不同客人的需要，将前述切片组合成种类繁多、口味丰富的水果拼盘，这个过程就是所谓的“归约合并（Reduce）”。分布式系统架构将Map和Reduce分开由云端不同的节点来完成，极大地降低了任务的复杂程度，同时大幅地提高了任务处理的效率。

　　那么，这对我们搭建柔性供应链有什么启示呢？
　　柔性供应链为了兼顾“定制”和“效率”，往往需要实现所谓的“大规模定制”，既能够处理海量订单，也能够对每一笔订单实现定制化。这给传统供应链模式带来了巨大的挑战。传统供应链所采用的大批量采购、大批量生产、大批量流转的模式显然无法满足定制化的要求。为了实现定制化，又不丢失效率，我们模仿MapReduce框架对供应链进行如下改造。
　　首先是“分解降维”，将复杂的需求逐层进行分解，直到分解成一个个可以标准化的零部件或者是标准化的工作流程；然后是“合并升维”，根据用户的需求选择不同的标准化零部件或者是标准化的工作流程进行合并