供应链管理专栏

有个快消品公司，主要产品是护肤、美容用品。公司采取轻资产运作，全部由代工厂加工。比如生产一款洗面奶，他们需要找到外盒工厂、软管工厂、塑封膜工厂，帮助生产所需的包材，完成后直接发货到化妆品加工厂，由后者灌装，把成品发送到该公司，再由该公司进行销售。作为公司的采购职能，虽然名义上是采购，其实履行的是供应链管理职责，是实际上的供应链管理部门。

企业大了，摸着石头过河的实干心态不能丢。但不可否认的是，企业越大，就越经不起折腾，越需要确定性。计划就是在不确定性中寻找确定性。用一位名叫董志江的读者的话说，公司小的时候是枪杆子指挥笔杆子，公司大了一定是笔杆子指挥枪杆子。这也是凸显了计划的重要性。

对于执行职能来说，计划就是计划，好像是个单一职能；但对于计划职能来说，计划还会细分，从需求计划到库存计划到生产计划，从中心仓到前置库位的计划，从新产品到成熟产品的计划，在具体的职责上的侧重点都有所区别。不过就绩效考核而言，这些计划职能却有很多共性，主要表现在服务水平，库存周转和呆滞库存等三方面。

这些年来，美国巨无霸们在不断衰落，但并不能改变中国企业的处境：我们还是要面对全球供应链转移的挑战。我想说的是，其实全球供应链一直在转移，怎么来到一个国家的，就可以怎么离开。网上有很多声音，有些是过度悲观，唱衰中国在全球供应链的未来；有些是盲目自信，说离了中国不灵，因为整个供应链现在都在中国。这里我想讲三点，分享自己的看法。

在高度全球化的今天，供应链错综复杂，你中有我我中有你。美国强硬派议员们希望的"去中国化"，显然是低估了全球供应链的复杂度。这也是为什么在美国，强硬派议员们中断与中国正常贸易关系的提案，先后几次都被否决。

需求计划的"进化史"，也是需求计划从单一职能向跨职能、跨企业协作发展的历史，从避免大错特错向追求精益求精的发展历程。

VMI是供应商管理库存的缩写，英语的全称是Vendor Managed Inventory，最早在零售行业出现（传统上，那个行业习惯于把供应商称为Vendor，更正式的叫法是Supplier），由沃尔玛和宝洁于上世纪80年代率先导入。我们这里把VMI当做一个专题讨论，主要是因为这些年来VMI应用广泛，但由于计划和管理不善，VMI又造成了诸多问题，不光是给供应商造成损失，也严重影响到采购方。

硅谷有个创业教父，名叫彼得·蒂尔。他的《从0到1》相信很多人读过。对于他在创新上的独到见解，我是充满敬意的；但是，对于以他为代表的美国保守主义则否。蒂尔之流认为，中国经济之所以发展了，是因为做了美国人的生意，"窃取"美国的知识产权（是的，蒂尔的演讲和采访中多次用了"窃取"一词）。每个国家的经济崛起的时候，都离不开学习别的国家，但这跟"窃取"是两回事----光靠"窃取"是不可能发展到世界数一数二的。具有讽刺意味的是，你看那些美国当年崛起的老文献中，英国对美国的评价，跟蒂尔之流对中国的评价如出一辙。

我们一直在强调，需求预测得"从数据开始，由判断结束"，主客观结合，得到准确度最高的预测。有的公司说，我们也遵循这个原则，不过是销售提需求，计划做调整。这看上去也是"从数据开始，由判断结束"，却是由错误的人在做正确的事，自然不会有什么好结果。

那是我半年内第二次见到刘君，都是在我的培训中。他不久前转入采购，负责一个大型央企北京分公司的采购部。刘君虽说入行不久，但他勤于琢磨，屡屡能一语中的。

在飞机制造这样的小批量行业，供应链之所以复杂，一方面体现在产品的零件数量、技术和工艺本身的难度上，另一方面也体现在多层多级的供应商上。汽车、家电等大批量行业在管理复杂供应链上的做法，放在小批量行业同样适用。

以前我们谈到，一线销售做预测，颗粒度太小，准确度不高；责任考核机制缺失（没见过哪个销售丢了工作，是因为预测准确度低），而没有考核机制的事情是做不好的。既然如此，为什么那么多的企业都在由一线销售做预测？

增速放缓，行业不景气，库存就成了让人谈虎色变的话题。搜索互联网，到处都是触目惊心的库存话题，比如90%的电商店铺死于库存，十个女装九个死于库存，服装行业三年不生产库存也卖不完。就连图书业也是"死书累累"，前些年的实体书库存一度高达900亿元（《近900亿元"死书"呼唤按需出版》，重庆商报）。对于众多的本土企业，用业界人士的话来说，就是供应链易断，最后死在库存上；用库存控制专家程晓华的话来说，就是仓库有多大，库存就有多少，仓库越大，死得越快。

一提到新品计划，很多人的第一反应就是可计划性太低，这就自然而然地把它推到销售、产品端，由那些职能兼职，变成拍脑袋为主了。其实不然，就如我们前面详细阐述过的，即便是用专家判断法做新品的初始预测，也得严格遵守"从数据开始，由判断结束"的计划流程，数据分析至始至终贯穿期间，主导整个专家判断流程。

一般来说，批量大的产品复杂度低，复杂度高的产品批量小。汽车是个例外：一辆汽车大致有3万个零件，复杂度相当高；汽车也有一定的批量，长期以来是大批量行业的代表。兼具批量和复杂度，可以说是汽车制造的独特和挑战之处。这也是长期以来，汽车能代表一个国家制造能力的原因。而供应链的最佳实践呢，大部分都可追溯到汽车制造。

以前我们谈到，一线销售做预测，颗粒度太小，准确度不高；责任考核机制缺失（没见过哪个销售丢了工作，是因为预测准确度低），而没有考核机制的事情是做不好的。既然如此，为什么那么多的企业都在由一线销售做预测？

一款手机面世，过不了几天就有一堆的山寨版；但波音飞机都飞了几十年了，怎么就不见给谁山寨了呢？这不是因为飞机的利润不高，也不是因为飞机的技术难度高----那些飞机上用的都是几十年前的老技术；而是因为飞机太复杂，比如波音747有600多万个零件，后面的供应链异常复杂：你可以"山寨"出一个简单的产品，但很难"山寨"出一个复杂的供应链来。

有人问通用汽车的前采购副总裁安德森，你们（采购）的挑战是什么？安德森说，"（通用汽车的）采购有三个挑战：复杂度、复杂度、还是复杂度。通用汽车在全球采购的零部件达16万种，这也意味着每天出问题的机会有16万个。而要生产线就停顿下来，缺一种零件就够了"。

在很多企业，一线销售提需求是个普遍的现象。理由看上去也很充分：他们最接近客户，最可能知道客户要什么。其实，除非是客户定制化的需求，一线销售在做需求预测上挑战多多。

案例企业有着强大的粉丝团体，一直走的是粉丝经济，虽然在向品牌经济过渡，但粉丝经济还是营收的重要构成。为了最大化粉丝收益，案例企业就不断推出新品，基本上是每周都有新品上市。该企业走的是中高端、差异化路线，快时尚，品种多，批量小，首批推出一般也就几百到几千件。多种少量让预测更难做，要么过剩，要么短缺，在案例企业得到充分体现。

牛鞭效应是指需求变动沿着供应链传递时会层层放大，造成各种短缺和过剩问题，长期以来一直是学术界和工业界的研究重点。根据斯坦福大学李效良教授（Hau Lee）及其同事的研究，牛鞭效应有四大主要成因，背后都能看到信息不对称的影子，让我们一一介绍如下。

我是个作者。不过在专业领域，一个人很难靠纯写作谋生，所以我也做点培训、咨询。那我的核心竞争力究竟是什么呢？是我二十多年来在供应链领域的实践、研究和总结。之所以这是我的核心竞争力，是因为它符合核心竞争力的三个条件。

我经常问职业人，有谁预测过自家的用水量？大家都说没有：做预测的是水务局，他们预测整个城市的用水量，确保水厂有足够的水，大家用时打开水龙头就行了。大家也从没见过水务局深入到千家万户，让每家每户"提需求"，谁预测谁有水，谁不预测就没水。那我们为什么有那么多的公司，一而再地要求一线销售、直接用户提需求（做预测）呢？

如果你问销售、设计，为什么又整出一个新产品时，他们的答复当然是因为有客户需求。也就是说，复杂度是外界因素造成的。那同样的客户群，同样的需求，为什么有些公司就是比另一些公司的产品更简单？就拿手机来说，苹果和三星的目标用户都是一帮有钱人，这些人的需求都差不多，苹果每年推出一款两款三款四款，而三星则整出几十款，多得连他们自己大概都弄不清。

新品计划的准确度低，关键是伴随着更多的需求历史，要及时滚动更新，同时平衡库存风险、断货风险和运营成本。

在《读者》上看到王蒙的一句话，很有感触："凡人容易滑向经验主义，圣人容易走向教条主义"。经验主义是感性的，局部的；教条是理性的，有一定的普适性。圣人之所以是圣人，是因为他们经多识广，"数据"充分，总结提炼出了规律性的东西。《读者》上还有一篇文章，说普通人的盲区是"过于依赖自己的直觉"，专家的盲区则是"过于相信自己的理性和经验"（《到底谁不靠谱》，作者人神共奋，《读者》2019年第4期），跟王蒙之言有异曲同工之妙。

2015年，普华永道在北美的一位总监问我，供应链管理在中国发展得怎么样？我给他简短地回复了Email，说发展得很好，同时讲了自己的三个小故事来概括：十几年前，我在申请北美商学院时，第一次听说供应链管理；七八年前，国内的一些大型企业启动供应链转型，成为我在国内的第一批客户；最近几年，越来越多的中小企业成为我的客户，从供应链的角度解决日益严峻的成本和库存问题。

计划由人做，人是有缺陷的，表现为各种偏见。不管是获取信息、处理信息，还是在输出信息、反馈判断结果的时候，人们都可能有意无意地掺入自己的偏见。这是人的天性，作为管理者，我们得正视并寻求解决方案。这里我们主要想讲三种偏见，以及如何应对。

假定一个公司只生产一种水杯、一种型号、一种颜色，那意味着只有一个预测， 一个生产、采购和销售计划，这时候水杯的单位成本为1元。现在为了多样化，公司决定生产四种水杯、六种型号、八种颜色，那意味着有192个预测（4*6*8=192），192个库存、生产和采购计划。水杯的单位成本还会是1元吗？如果再加上20个销售点的话呢？

在预测时间序列上，指数平滑法是另一类常用的方法。该方法最先由布朗提出，他认为时间序列的态势具有稳定性或规则性，所以可被合理地顺势推延；最近发生的，在某种程度上会持续到最近的未来，所以历史信息越新，其所占权重也越大[1]。指数平滑法其实是一种特殊的移动平均法，是一种加权移动平均，特点是权重按照几何数级递减，越老的数据权重越小。

硅谷有个高科技企业，设计工程师们时时处于项目进度的压力下，经常抱怨供应链速度太慢。就拿最简单的订单处理来说，随便买点什么，花钱也不多，供应商也是已知的 ，价格也早谈定了，采购不花个三天五天，这采购订单就是发不出去。

我接触过几个软件公司，都是开发计划软件的。他们有的基于数理统计，提供多种预测模型以供择优选用；有的基于人工智能，通过机器学习，为需求预测和库存计划提供独特的解决方案。这些软件都远非完美，不过整体而言，要比一帮计划员拍脑袋、各行其是强。但是，很多企业就是不愿采用，或者即便实施了计划软件，实际工作中还是在Excel中手工做计划。

从根本上看，产品的复杂度取决于企业的战略选择：是求大求全，还是走精品路线？是所有的格子都填，还是专填大格子？这里的典型是三星和苹果。苹果每年推出两款、三款、四款手机，而三星则有几十款，多到估计连他们自己也数不清（如图1）。

有个企业的需求计划由各大区提交，在总部汇总，预测准确度历来不高，造成供应链的很多库存问题。供应链部门就建立了需求评审制度，让总部的营销、市场、财务和供应链等部门评审需求预测。但大区的销售们不满意，认为评审增加了一环，阻隔了销售与生产的有效对接。案例企业就问我，需求评审流程该如何设置。

经济全球化，几乎每个行业的需求都是越来越多元化、碎片化，而供应还是大批量生产，导致需求与供应出现结构性的失调。业界一般通过三方面的措施来应对，各有优劣和挑战：（1）导入精益制造，减小对批量的依赖；（2）标准化，增加规模效益；（3）模块化和延迟战略，实现大规模定制。

在需求预测上，层层报批是种很常见的做法。

汉王科技成立于1998年，2010年在深交所中小板块上市。二十多年来，中关村那么多的科技公司中，汉王是硕果仅存的几个，离不开其在模式识别领域的技术优势。但是，在产品管理上，汉王的产品线长，产品型号众多，复杂度高，制约了它的进一步发展。

需求可以分解成两部分：存量和增量。简单地说，存量就是经常性的业务。比如你开了个小饭馆，每天中午大概有50人来吃饭，这就是存量。存量一般是有规律可循的，能够通过数据分析获取。增量是变化的部分，比如附近的公司办活动，要多订30份盒饭。增量是在存量基础上的变化，因为发生了显著改变需求的事情。"从数据开始"指的是存量，"由判断结束"指的是增量，两者叠加，构成整体预测。

我们知道，企业获取资源的方式有两种：要么自己做，垂直整合，重资产；要么供应商做，市场方式，轻资产。两者的关系是，企业选不好、管不好供应商，没法有效通过市场方式获取资源，就转向垂直整合，以重资产方式的获取资源。

案例企业的需求相当复杂，主要分三大块：大客户，渠道客户，零星散户。大客户和渠道走的是传统的线下业务，是典型的B2B；零星散户走的是线上电商业务，通过App下订单，虽然是小商户，却跟典型的B2C业务很像。线上、线下业务并存，大客户、渠道和散户对需求的影响方式也各不相同：大客户的需求变动主要是客户驱动，比如客户自己的促销、活动等；渠道和零星散户则主要由案例企业自己驱动，比如渠道政策、线上活动等。

你不需要是个计划专家，才能做预测。预测的能力不是天生的，人人都可以练就。

如何把供应链的成本做下来，交付和资产周转做上去？我们首先想到的就是跟供应商谈判降价，提升工厂生产效率，到低成本地区寻源等。这些都重要，但成效有限，因为很少触及结构性的问题，以及其后的本质原因。

1997年，沃顿商学院教授马歇尔·费雪在《哈佛商学评论》上发表《你的产品该用什么样的供应链》一文，阐述了供应链战略必须匹配产品战略。费雪的二分法具有历史意义：对于走创新路线的产品，应该采取快速响应的供应链，其核心是供应链的灵活性，也意味着高成本；对于走低成本路线的产品，应该采取高效的供应链，其核心是供应链的低成本。产品战略的成功，取决于有合适的供应链战略来匹配。

一谈起数据分析，人们经常抱怨的是没数据。就如一位职业经理人说的，公司多年来快速发展，到千亿规模了，还是靠"肩扛手拉"，从Excel到Excel，没有系统的历史数据积淀，也没有数据模型，怎么办？

我们在前文谈到，多年高速成长后，企业普遍陷入"高增长、高成本"的"增长陷阱"：生意越做越多，钱越赚越少；账面上赚了，都赚进库存和产能里了。那么该如何跳出"增长陷阱"，重建竞争优势呢？我们得从企业运营的三大核心职能上找答案。

在库存计划领域，除了安全库存，经常打交道的还有再订货点（或者就叫订货点）。其逻辑是一旦库存降到预设的水位（再订货点，ROP），就启动订货机制，驱动供应链补充一定数量的货（订货量，ROQ）；在货来到之前，库存继续下降，直到订的货到达，拉高库存的水位，然后开始下一个循环，如图1[1]。再订货点法在企业里使用很广，它的几个参数，在此稍作解释。

传统的日本供应链是长期关系，或者说，更像儒家的做法（这里说的"传统"，主要指上世纪末日本崛起的那段时间。在过去二三十年里，日本经历了显著的变化，在有些做法上与欧美更加趋同）。在长期关系下，绩效考核相对次要。这就如一家人，相互之间很少会设定指标。而约束双方行为的呢，也正是长期关系，是未来----在长期关系下，双方都有很多可失去的，所以就更加理性。

有位职业经理人跟我说，公司除了在行业数据研究领域有专业的分析人员外，其余的计划人员都没有数理统计的背景，言下之意是数据分析能力很薄弱。这是个千亿级的企业，计划员工多年来靠传帮带的方式培养，以数据搜集、汇总为主，在需求预测上严重依赖销售、产品和高管的判断。

在多年的增长至上战略下，企业进入越来越多的细分领域，业务越来越多元化，导致需求越来越复杂，需求的变动也越来越难以管理。而后端的供应链呢，层层库存加上重资产，就如一个大胖子，臃肿迟滞，响应速度慢，响应成本高。需求和供应不能有效匹配，能做快的做不便宜，能做便宜的做不快，就成了各行各业的老大难。

移动平均法是用一组最近的历史需求，来预测未来一期或多期的需求。这是时间序列最常用的方法之一。当每期的历史需求权重一样的时候，我们就叫简单移动平均（一般简称为移动平均）；当权重不同的时候，我们就叫加权移动平均。在加权移动平均中，需求历史越近，权重一般越大，也就是说更重视最新的信息，但所有的权重加起来等于1。

在《信号与噪声》一书中，特纳·希尔佛阐述道，预测之所以重要，是因为它连接着主观世界与客观现实。在企业里，哪个职能代表主观世界？销售----销售天生是乐天派，总是生活在希望中。哪个职能代表客观现实？供应链----供应链天生更加现实，因为他们知道，把现金变成库存容易，把库存变回为现金可就难了。而这主观与客观呢，就体现在销售预测、需求预测上。

菲亚特是意大利的汽车制造商。过犹不及。在这个案例里，我们会回顾菲亚特的外包历程，探讨外包过度是如何影响菲亚特的核心竞争力，以及菲亚特是采取什么样的措施来补救的。

供应链管理产生于上世纪80年代，大背景是日本崛起带来的全球竞争。从汽车到家电到半导体，从消费品到工业品到航天航空，日本企业的质量好、价格低、速度快，日本制造成了美国的噩梦。

我们经常说，供应链要么是订单驱动（拉），要么是预测驱动（推）。其实不管是推还是拉，从供应链的角度来看，最终都是预测驱动，因为一个人的订单注定是另一个人的预测。比如小姑娘在网上买衣服，她得给商家下订单，是基于她预测未来会穿这衣服。不过到她的衣橱里看看，有多少件衣服买来后就再也没碰过？很简单，小姑娘的预测失败了呗。

我们之所以能够预测，是基于（1）时间序列的延续性（也叫连贯性）；（2）变量之间的相关性（也叫类推性）。计划者的任务，一方面是分析历史数据，总结这样的延续性、相关性，然后是应用这样的关联性，对未来做出预判，指导供应链执行来提前准备。

这些年来，我每年拜访、服务几十家本土企业，他们的年度营收上至千亿，下至几千万、刚过亿，规模大不相同，问题却惊人地相似：供应链的成本做不低，交付做不快，库存水平居高不下。这些问题，表面上看是供应链的执行不到位；但仔细探究，根源却都离不开计划，比如需求预测变动频繁，紧急需求频发，给供应链没有足够的响应时间等。

这几年，我经常面试职业人士，发现一个有趣的现象：那些简历上资历很丰富的人，例如在某个职业或行业做过成十年的，如果问起具体的事来，谈的大多是职业生涯刚开始时的事。以后那么多年他们都干什么去了？

这里我们从贯穿供应链的产品流、信息流和资金流的角度切分供应链，帮助大家对供应链有更深入的理解。

有个养殖企业，营收在几百亿的级别，长期以来是需求拉动：养殖场有需求，就提交库管，驱动采购来满足。需求拉动的问题有二：其一，给供应链的响应时间太少，经常成为紧急需求，导致加急赶工运营成本高，内部用户体验也差；其二，需求零散，难以聚合，缺乏规模效应，导致采购价格偏高----即便签订总量合同，拿得更好的价格，但因为需求是零散的，批次多，跨度长，供应商最终也往往要求随行就市，实际收取更高的价格。

汉王科技成立于1998年，2010年在深交所中小板块上市。二十多年来，中关村那么多的科技公司中，汉王是硕果仅存的几个，离不开其在模式识别领域的技术优势。但是，在产品管理上，汉王的产品线长，产品型号众多，复杂度高，制约了它的进一步发展。

对需求预测来说，上世纪50、60年代可以说是人才辈出。这里我想特别介绍一下美国的HMMS研究团队。这个团队的名称来自四位研究者姓氏的第一个字母，当时他们都在卡内基工学院（后来与梅隆学院合并，成为今天蜚声海外的卡内基梅隆大学），旨在是寻找更好的决策机制，以帮助工业界更好地应对种种库存、生产和计划问题。这些问题在宏观层面导致经济危机，在微观层面让企业经常处于应急状态----要么是赶工加急，要么是产能闲置和库存积压。

有了一定体量后，这些电商跟物流商的关系变得更密切了，对他们的要求也更多了，物流商也开始投入更多的资源，主要是通用资源；但如何实现，还是物流商自己的事，京东、亚马逊涉入不深，这有点像制造领域的代工关系。

除了采购、运营和物流管理外，供应链管理还有好几个"小亲戚"，比如运筹学、系统动力学、工业工程、信息技术等。

在供应链管理的三大职能中，供应管理与供应链管理只是一字之差，可以说是供应链管理的"近亲"。供应管理起源于采购管理。从严格意义上讲，供应管理的范畴远大于采购管理。但为了行文方便，采购管理和供应管理在本书中通用，如果没有特别注明的话。

1985年，作为苹果的联合创始人，乔布斯与CEO斯卡利的矛盾愈演愈烈，最终不可调和。董事会选择支持斯卡利，乔布斯愤而离开苹果。今天，在能看到的文章中，几乎都是异口同声替乔布斯叫屈。其实乔布斯也没什么委屈的，看看他的"成绩单"就知道了：自苹果上市5年以来，纳斯达克大盘上涨了43%，而苹果的股价则下跌了45%（如图 1）。企业存在的首要目标是股东回报，乔布斯没法给股东回报，董事会不向着他，让他走人再是正常不过了的。

就"从数据开始"而言，颗粒度越大，需求的聚合效应越明显，数理统计的可靠性就越大，预测的准确度也越高。但对"由判断结束"来说，颗粒度与准确度的关系就相对复杂。

公司小的时候由老板兼职，有点规模后由销售、生产、采购等相邻职能兼职，上了规模后就得有专职的需求计划职能。

培训中，我经常给学员说，用不了多久，你会把我讲的大多数东西都忘得一干二净，我也不期望你们都记住----知识就是用来忘记的，如果没法上升到智慧的话。但我希望你们能做到3+3+1，那就算不虚此行了：学习三样新东西，认识三个新朋友，做出一项好改变。

在硅谷，每当我说起自己是做供应链管理的时，常常就有人问，你做的是SRM软件（供应商关系管理）还是CRM软件（客户关系管理）？是编程序还是负责业务流程？当听说是管理供应商、控制库存和提高客户服务水平的时候，总有人半信半疑：供应链管理不是软件？

对于小的需求变动，供应链有一定的纠偏和容错能力。比如预测相对偏低的话，可由安全库存、安全产能来应对；预测适当偏高的话，可以延迟供应商给我们的交付，或者手头库存暂时高一段时间。但这是有前提的：我们得尽快调整预测，否则长期累积下来，小洞变大洞就难补了。

在需求定义阶段，供应链对产品的贡献，主要在于帮助设计优化和设计选型。设计优化对可制造性至关重要，可制造性越高，复杂度就越低；设计选型对标准化、通用化意义重大，直接影响到规模效益。不管是设计优化还是设计选型，供应链都扮演关键角色。

就如有的人非但帮不了忙，反而帮倒忙一样，并不是所有的预测方法都增加价值。有时候，人类一思考，上帝就发笑，作为还不如不作为，预测还不如不预测。比如在颗粒度很小的地方做预测，或者由销售、用户拍脑袋做预测，预测准确度太低，往往还不如不预测，直接用上期的实际值当做下次的预测（"幼稚预测"），亦即常见的"卖一补一"。

我们接下来讨论，未来多长时间内的需求预测可以调整，执行端必须得满足。这就涉及到计划的冻结期、半冻结期和自由期，如图 1：

一般情况下，产品和工艺的复杂度越高，固定资产就越重。这能在行业层面解释，为什么有些行业资产较重，有些行业资产较轻。但同在一个行业，面临的挑战都差不多，为什么有的公司资产较轻，有的公司资产就重呢？

时常有人问，某某行业的供应链怎么管理？这个"某某"可以是任何你能想象的行业，比如电商，服装，快时尚，外贸，食品，餐饮，新能源，医药，建筑，房地产。每次接到这样的问题，我就头很大，甚至有点愤怒，因为这样的问题已经问过几百次了。我不想一次又一次地解释，就决定在这里写下来，一劳永逸地回答这个问题。

​一提起"长尾"，人们容易觉得比较独特，容易联想起小众来。其实，大众是由小众组成的。要知道，需求越是细分，或者说越是在供应链的末端，就越呈现小众化。或者说，只要是足够细分，或者说供应链足够末梢，我们面临的注定就是"长尾"需求。我们说的供应链的末端，或者说最后一公里，放在库存计划上，就是如何应对此类"长尾"需求。

网上有很多文章，谈到苹果对待供应商如何如何，大抵是负面的居多，也经常有人向我求证。我没有在苹果工作过，也跟苹果没什么商业关系，这里纯粹是从第三者的角度，基于我在硅谷20年来的所见所闻，以及硅谷顶尖高科技企业在供应商、供应链管理上的普遍实践，分享一些个人看法。

我在企业培训、咨询时，经常问他们服务水平目标是什么，从销售到供应链，大家经常是大张嘴，一笔糊涂账。

在油管上看到一段贝佐斯的采访视频，谈的是他在亚马逊早期的一段轶事，延伸出他对绩效指标的看法。

2018年，《供应链的三道防线：需求预测、库存计划、供应链执行》出版以来，反响很好，在京东上很快就上升到供应链销量榜的第二位（第一位还是我的红皮书《采购与供应链管理：一个实践者的角度》）。

纵观历史，大都是野蛮人征服了文明人。秦灭六国，但在文明上秦比六国落后。匈奴为患几百年、蛮族攻入罗马、蒙古横扫欧洲、满清入关，都是同样的例子。与蛮族为伍，光靠德治行不通，否则就成了宋襄公之仁。需要的是胡服骑射，即摒弃文明的绫罗长衫，穿上野蛮人的短打扮，跟他们一样骑马、射箭。看上去是倒退，其实是生存所必需的。

2005年，博客刚开始流行，我就开始写"供应链管理专栏"（www.scm-blog.com），先后写了700多篇文章，讲的都是些供应链实践中的事。后来，微博和微信兴起，这些文章流传更为广泛，我的"供应链管理实践者"微信公众号也备受欢迎。不时有人问，这些文章什么时候结集出版？

一旦提起需求计划的绩效，一般人就会联想到预测的准确度。这没错，但不全面。所谓绩效，真正重要的是指跟客户、股东利益直接相关的东西。我不是说预测准确度不重要----预测准确度当然重要，因为会影响到客户和股东利益，但客户跟你做生意，股东买你的股票，有多少是因为你的预测准确度高？所以，对需求计划的绩效评估，要超越预测准确度本身，从客户和股东的视角来看待。

在很多公司，供应链苦于销售对库存不负责任。表面上看是销售不愿承担责任，根源其实是需求计划没有闭环的结果。

这个案例聚焦产品上新前，即在新品开发过程中，伴随着越来越多的信息，如何建立定期更新预测的机制，指导供应链更精准地响应。

SKU是英语里Stock Keeping Unit的缩写，直译过来是存货单元。举个例子。女孩子去买衣服，找到喜欢的款式，喜欢的颜色，还得找到自己的尺码----款式+颜色+尺码就是这里说的SKU。SKU是我们识别产品所必须的，也是商场进出存的最小单元。同样的款式、同样的颜色，中号跟小号是不同的SKU，所以需要两个不同的SKU编码来识别。

核心竞争力可以说是"高筑墙，广积粮"，需要持续的资源投入。但"城池"建起来了，并不是说就能一直提供保护：核心竞争力是动态变化的，有些能力当初是核心竞争力，随着技术的发展、业务环境的变化，可能变成非核心竞争力。所有的技术都会过时，所有的品牌认知都会消退，所有的创新最终都会大众化。每个曾经辉煌过的公司，都有过自己的核心竞争力；但时过境迁，曾经的优势，也可变为负担。

我这几年在国内，给一些公司的销售培训供应链管理，越来越意识到，如果像销售那样做采购的话，采购业绩八成会更好。

如果说计划是供应链领域专业度最高的职能的话，那么库存计划就是计划职能专业度最高的。而安全库存的设置呢，则是库存计划中技术含量最高的一块。

十几年前，我在同济大学读研究生，导师丁士昭教授访问日本回来，说日本建筑公司对于安全非常注意，施工现场有专门的人站在那里确保安全。不过他说，就建筑工地的安全事故发生率来说，日本并也没好到哪里。后来我到了美国，经常看到道路上施工，短短一段施工现场，两头各站着一个五大三粗的大汉，啥事也不干，专职负责安全。我没看到过统计资料，但不用看也知道，美国的施工安全也不会好到哪里去。要不，要那大汉站在那里干什么？如果干活的人都不注意自身安全的话，别人怎么能"确保"其安全呢？

在美国，年度降价被认为是国际竞争的产物。上世纪80年代，价廉物美的日本汽车进军美国，美国汽车厂商被迫打起了价格战，维护市场份额。通用汽车选择了"大棒"：倚仗着在全球产销量第一，通用汽车采取强势做法，强迫供应商逐年降价。这严重伤害了与供应商之间的关系。就如前面说到的，供应商宁肯把最新技术卖给福特、克莱斯勒，也不愿卖给通用。当然，他们最想合作的是丰田、本田等日本车厂，也跟这些日本公司对待降价的方式有关。

对于长周期物料，我们之所以专门探讨其需求预测，是因为它们对供应链的影响最为深远。对于供应链来说，一个行业之所以难以对付，关键就在于那些长周期物料，比如芯片，比如显示屏，比如定制化程度高的关键零部件。

经常有人问，供应链的风险该怎么管，你为什么不写写风险管理？特别是在新冠病毒的影响下，供应风险大增，有位读者甚至很愤怒，在我的公众号上留言，好像我不就这话题说点什么，就不是同恤国难，见死不救。我当然不在乎道德绑架，但还是忍不住在这里说几句。

与VMI常常一起出现的还有寄售。很多人搞不清两者的关系。其实，它们两者没关系：VMI说的是库存的管理责任，寄售说的是库存的所有权。在实践中，你可以用VMI而不用寄售，可以用寄售而不用VMI。当然两者并用的情况也很常见，以至于业界一旦提到VMI，首先想到的是库存也归供应商持有（寄售）；而很多企业采用VMI的初衷呢，也是为了把库存压力转移给供应商。也就是说，很多人心目中的VMI其实是VMI加寄售。

季节性强，生命周期短，比如女孩子们穿的漂亮衣服，需求的不可预见性高，预测多了，呆滞风险大增；预测少了，补货周期又长，补货几无可能。这就相当于一锤子买卖，我们这里探讨一下该怎么预测。

成本问题没法回避。虽说供应链的绩效有多个维度，但没有哪个指标比成本更难对付：供应链关系陷入僵局的时候，啥都可以谈，就钱没商量。

对于采购来说，要证明拿到的采购价是合理的，就如证明你妈是你妈，可不是件容易的事。其实这事儿远没有那么难，要说坏，都是坏在二次议价上了。

一个苏州的公司问，我们让供应商建了VMI，但短料、呆滞频发，怎么办？我的答复是供应链的三道防线。他们问，三道防线中没有一个字是谈到VMI的，为什么能解决我们的问题？答曰：预测准确度低，第一道防线建不好，VMI要么是断货，要么是呆滞；库存计划不到位，第二道防线没建好，VMI的最低、最高库存不合理，问题当然是一大堆；需求预测和库存计划的不足，最后都得供应商的执行来弥补，这是供应链的第三道防线，要求我们选好、管好供应商，对我们的寻源和供应绩效管理提出更高的挑战。

对于执行职能来说，计划就是计划，好像是个单一职能；但对于计划职能来说，计划还会细分，从需求计划到库存计划到生产计划，从中心仓到前置库位的计划，从新产品到成熟产品的计划，在具体的职责上的侧重点都有所区别。不过就绩效考核而言，这些计划职能却有很多共性，主要表现在服务水平，库存周转和呆滞库存等三方面。

四分法给我们结构化的方法，来展现库存风险，以控制整体库存。这里我们以原材料为对象，介绍这一方法的具体应用。

经常有人问，做供应链管理，是该到大公司，还是小公司？这里我们分析一下各自的长处、短处，并探讨在不同规模的企业，分别能学到什么。

采购管理分两层：战略层是供应商管理，战术层是采购执行。两块如何分工、搭接，对于采购与供应管理的绩效影响甚大。

VMI是供应商管理库存的缩写，英语的全称是Vendor Managed Inventory，最早在零售行业出现（传统上，那个行业习惯于把供应商称为Vendor，更正式的叫法是Supplier），由沃尔玛和宝洁于上世纪80年代率先导入。我们这里把VMI当做一个专题讨论，主要是因为这些年来VMI应用广泛，但由于计划和管理不善，VMI又造成了诸多问题，不光是给供应商造成损失，也严重影响到采购方。

小孩想着长大，因为在他们看来，长大意味着可以做想做的事；读书的想着早日毕业，出发点也差不多；职场人士希望晋升，位高权重，想来自由度会大增。其实这些都未必，甚至正好相反。

在有些行业，压货行为非常普遍，人为加剧了需求的变动性。

一提到新品计划，很多人的第一反应就是可计划性太低，这就自然而然地把它推到销售、产品端，由那些职能兼职，变成拍脑袋为主了。其实不然，就如我们前面详细阐述过的，即便是用专家判断法做新品的初始预测，也得严格遵守"从数据开始，由判断结束"的计划流程，数据分析至始至终贯穿期间，主导整个专家判断流程。

对于垂直整合的重资产来说，最光鲜的就是建成投产的那一天。如果不是核心竞争力，就一日日地贬值，劣质化，没多久就变成了一堆烂菜。要么继续保留在自己手里，彻底烂掉；要么倒手，一站一站地，如同击鼓传花，不断地剥离分解重组。

企业想做大。做大后不但自身有了规模效益，而且在供应链上有更大的话语权。但是，有些企业从"小白兔"变成了"大狮子"后，却延续"小白兔"的一些做法，比如对供应商淘汰为主的粗放管理，造成诸多问题，阻碍了企业的进一步发展。

前面多次讲过，行业性短缺状态下，过激反应，大幅拔高安全库存和需求预测，不但解决不了短缺问题，反而造成后续的过剩问题，应了"所有的短缺，最后都是以过剩结束"。特别是集体决策下，人们倾向于承担更大的风险，往往超出企业的承受力度；同样是"集体"决策，库存的责任不明确，补救措施就不及时，把本来可以减轻的风险没有减轻。

在高度全球化的今天，供应链错综复杂，你中有我我中有你。美国强硬派议员们希望的"去中国化"，跟全球制造的28.3%绝缘，显然是低估了全球供应链的复杂度。这也是为什么在美国，强硬派议员们中断与中国正常贸易关系的提案，先后几次都被否决。

案例企业有着强大的粉丝团体，一直走的是粉丝经济，虽然在向品牌经济过渡，但粉丝经济还是营收的重要构成。为了最大化粉丝收益，案例企业就不断推出新品，基本上是每周都有新品上市。该企业走的是中高端、差异化路线，快时尚，品种多，批量小，首批推出一般也就几百到几千件。多种少量让预测更难做，要么过剩，要么短缺，在案例企业得到充分体现。

在《读者》上看到王蒙的一句话，很有感触："凡人容易滑向经验主义，圣人容易走向教条主义"。经验主义是感性的，局部的；教条是理性的，有一定的普适性。圣人之所以是圣人，是因为他们经多识广，"数据"充分，总结提炼出了规律性的东西。《读者》上还有一篇文章，说普通人的盲区是"过于依赖自己的直觉"，专家的盲区则是"过于相信自己的理性和经验"，跟王蒙之言有异曲同工之妙。

2013年IBM裁员，尤其是拿老员工动刀，闹得纷纷扬扬。网上有人发帖子，说是在IBM辛辛苦苦十几年，把整个青春都奉献了，说被砍掉就砍掉。不胜唏嘘中，IBM无非是给"薄情寡义"的雇主清单又增加了一个公司。而作为职业人，则需要要清醒地认识到，资历老并不是优势，如果不能把这资历在管理上演变为领袖、在专业上上升为专家的话。

在很多国家，政府都是最大的买方，而且"钱多、人傻"，或者说花纳税人的钱不心疼，容易成为冤大头。例如有人大代表就质疑：政府的采购量那么大，为什么政府公共采购的价格高？网上甚至夸张地说，地方政府采购近八成高于市价。其实这里除了政府"钱多、人傻"，容易被蒙，以及官商结合的腐败外，公共采购过程繁文缛节，系统地增加了企业与政府做生意的成本，也是公共采购价格高的一个重要因素。

案例企业的需求相当复杂，主要分三大块：大客户，渠道客户，零星散户。大客户和渠道走的是传统的线下业务，是典型的B2B；零星散户走的是线上电商业务，通过App下订单，虽然是小商户，却跟典型的B2C业务很像。线上、线下业务并存，大客户、渠道和散户对需求的影响方式也各不相同：大客户的需求变动主要是客户驱动，比如客户自己的促销、活动等；渠道和零星散户则主要由案例企业自己驱动，比如渠道政策、线上活动等。

这里，我们想从另一个角度来看待成本：产品成本、运营成本和库存成本。之所以把库存成本单列出来，是因为库存问题往往得不到足够重视，而企业的最后一点盈利，往往就在库存里。就拿电商来说，虽然这些年来非常火热，但盈利的电商很少，一个根本原因就是库存问题。

我有位校友，在北美博士毕业就创业，主要业务在北美，供应链在国内。几年下来，企业已经颇具规模，每年营收有数亿美元。最近一起吃饭时，他随口问到，国内供应链的"大神"是啥样子（大意），一时我竟然不知如何回答是好。

有个工业品公司，项目型需求较多，一贯靠一线销售提需求。让每个销售预测自己跟踪的项目，预测的颗粒度小，预测准确度不高，呆滞库存是个大挑战。于是该企业就开始考核预测的准确度：你预测了几个，就得用掉几个。销售跟库存挂上钩了，就迟迟不肯提需求，直到需求快落地时，数量的准确度没什么问题了，但给供应链却没有时间来响应。

一位创业者联系我，说他们有业内很好的工程师，走的是轻资产路线，运营成本非常低。但随着业务的发展，他们开始讨论建工厂的事，一致认为将来建厂是必经之路。

对于中国制造来说，我们当前的优势在大批量行业。大批量行业相对竞争比较充分，供应商管理可以更多地依赖市场竞争。一旦到了小批量行业就不是这样。大批量行业受人工成本影响大，会不断向更低成本地区转移。而小批量行业呢，由于技术含量相对更高、产品设计和制造工艺相对更复杂，往往更难转入低成本地区。比如美国一直是世界制造大国，不是第一就是第二，就是靠小批量行业支撑。

我们讲的集成供应链，一般是围绕订单的集成，即客服接到客户的订单、计划制定生产排程、采购处理采购订单、生产来加工组装、物流配送给客户。这是在订单层面给客户端对端的服务。像华为这样的企业，在导入集成供应链的时候，集成的第一层次也是在订单层面。这种集成的好处呢，就是在客户订单层次有了清晰的责任机制，由一个部门（供应链部门）从头到尾负责，避免传统上各职能"铁路警察，各管一段"的局面，减少了职能之间的推诿、扯皮。同时，集成供应链有助于订单层面的成本最低。比如在一个公司，没有集成供应链时，采购常常让供应商加急快运，因为花的钱是物流部门的；集成供应链后，采购和物流都归属供应链部，无谓的加急运输就少多了。

人们经常说，他们的供应链是推式的，由预测驱动；或者拉式的，由订单驱动。其实，供应链没有100%的推，否则库存风险太大，股东受不了；也没有100%的拉，否则交付太慢，客户体验太差。每条供应链都是推拉结合的：先根据需求预测推到一定地步，以获取规模效益、降低成本、提高响应速度；再由客户订单拉动，以满足差异化的需求，并降低库存风险。

在供应链管理领域，有两种文章可以说是汗牛充栋：一种是从供应商的角度出发，抱怨客户的需求管理不到位，紧急需求频发----客户不是好客户；另一种是从客户的角度着眼，探讨如何才能管好供应商----供应商不是好供应商。但很少看到从客户自己的角度出发，探讨如何才能做个好客户；或者从供应商自己角度出发，探讨如何才能做个好供应商。

对于采购来说，要证明拿到的采购价是合理的，就如证明你妈是你妈，可不是件容易的事。其实这事儿远没有那么难：当市场竞争充分的情况下，多家报价，你得到的报价就是合理的价格。这是由市场机制，也就是那只看不见的手决定的。我们采购的任何一样东西，没有一个是只有一个供应商能做----每个供应商都有实质的竞争对手，即使复杂如商用大飞机，这地球上还有波音和空客两家在死磕，而两家实质性的竞争对手就决定了市场竞争是充分的。

供应商啥都好谈，钱不好谈。一位首席采购官曾经说，采购绩效的70%来自成本。成本在供应商绩效中占据重要地位，可见一斑。这就是为什么我们率先谈成本指标。

苹果的供应链管理就如它的新产品开发：一贯低调、讳莫如深，外界知之甚少。十几年来，不管是在中国还是美国，我还从没有在会议、论坛上看到苹果人在侃侃而谈其供应链，也很少看到任何苹果人关于其供应链管理采访。我的商学院校友中，有好几个在苹果从事供应链管理，经常见面，但他们很少提及苹果的供应链运作----他们一进公司时就受过严格的保密培训，知道哪些该说、哪些不该说。但这些都无损苹果的供应链高效运作的事实，即把合适的产品在合适的时间以合适的成本送到合适的地方。对照Gartner评选卓越供应链的五项条件，苹果完美地满足了每一条，尤其是不尚空谈、不事张扬的实干精神，它能多年荣居Gartner的全球供应链25强榜首，也就不足为奇了。

根据风险的高低，我们把多余库存分为两部分：如果能在一定时间内消耗掉，风险较低，就叫过剩库存；一定期限内预计消耗不掉，风险较高，就叫风险库存。多余库存的驱动因素是组织行为，比如预测失败，订单取消，最小起订量，策略备货，设计变更等。

供应链上的各种问题，都会或多或少在库存上体现出来。比如信息沟通不充分，需求的不确定性增加，导致安全库存上升；执行能力差，供应的不确定性增加，也导致安全库存上升；设计变更多，设计变更管理粗放，设计造成的过期库存多；质量差，次品多，劣质库存就多，而且得多备库存来应对质量问题；质量差，回款周期就长，应收账款就多----应收账款和应付账款也是库存，不过是以另一种方式出现；生产周期长，周转库存自然就高；运输慢，在途库存就高；预测、计划不到位，要么造成短缺，要么造成过剩，都是库存问题。

在预测时间序列上，指数平滑法是另一类常用的方法。该方法最先由布朗提出，他认为时间序列的态势具有稳定性或规则性，所以可被合理地顺势推延；最近发生的，在某种程度上会持续到最近的未来，所以历史信息越新，其所占权重也越大[1]。指数平滑法其实是一种特殊的移动平均法，是一种加权移动平均，特点是权重按照几何数级递减，越老的数据权重越小。

协作关系跟它的变种"合作""共赢"等一起，可能是供应商关系中最被滥用的词语。当对方嘴巴上吊起这几个词的时候，你就知道，鳄鱼的眼泪来了。在我看来，真正的协作关系须具备三个特点，必要但不一定充分的条件：（1）长期关系；（2）跟数量有限的供应商做生意；（3）共同解决问题，而不是转移问题。

"大采购"做什么？"大采购"管理需求，围绕需求找供应商（战略寻源），围绕供应商管理绩效（供应绩效）。这就是"大采购"的三大任务，如图1所示。

强势职能，比如销售和研发的不作为，人们容易看到，也经常口诛笔伐；但是弱势职能，比如计划和供应链的不作为，却因为被其"受害者"的角色所掩护，往往不容易发现，也就更不容易纠正。

十几年前，我在北美读商学院，一位教授说，（以前在美国），如果一个人做不了设计、干不了销售，也做不来财务、人事、生产、仓储、物流，那就让他做采购；如果连钱都不会花，那就实在抱歉了，只有卷铺盖走人。这是美国几十年前的情况，随着全球采购和外包战略的盛行，采购的地位大幅提升，不再如此。但在一些粗放经营的本土企业，采购的地位还很低，是典型的"小采购"。我一直以为采购是一个人在这些公司的最后一站，直到2015年初。

在计算安全库存的时候，当需求相对平稳的时候，我们一般用过去一段时间的平均需求当做预测，计算这段需求历史的标准差，来量化需求的不确定性。这里有两个问题要考虑：其一，样本的数量，即用多少个数据点来计算；其二，数据汇总的颗粒度，比如按日，还是按周或按月汇总。