供应链管理专栏

在博弈论中，"智猪博弈"是个著名的纳什均衡例子（摘自"百度百科"的"智猪博弈理论"）。

没人喜欢催货，但催货是供应链执行中不可避免的一部分。极端情况是行业性短缺，比如关键元器件大面积短缺，上至老总，下至采购员，都在催货，连一些百亿级的大公司也不例外：他们的供应链老总经常不在，问干什么去了，答曰到供应商那里催货了----根据催货者的头衔，供应商决定分配产能；为了不输在"起跑线"上，那就派老总去催货。

行业高峰期，有个养殖业巨头在探究垂直整合，或者跟供应商合资，因为他们的需求量大，用一位员工的话说"能够养活一个行业"（在行业集中度只有10%多一点的养殖业，这显然不准确）。我想说的是，垂直整合的真正挑战不是需求量的大小，而是需求变动：垂直整合下的重资产必须考虑季节性、周期性的需求变动，预留一定的富余量，造成淡季的产能利用问题，跟需求量的绝对大小并没关系。

作为小公司，我们资源有限，很难对供应商做到重选择----我们派不出一帮工程师，在供应商现场做3天的评估；就那么点生意，供应商也不愿意陪我们玩。所以，小公司八成只能派个有经验的员工，到供应商现场看一看，差不多就做生意（轻选择），不行就换呗（重淘汰）。

新冠疫情没开始多久，美国就算是掉进坑里了，新冠确诊病人很快超过40万了（2020年4月7日）。特朗普可以说是焦头烂额，每隔几天就得在白宫讲话，面对媒体咄咄逼人的问题。

七月份在上海培训时，正是上海最热的几天，地面温度高达五六十度，让人真正体会到啥叫"炙烤"。但热浪阻挡不了大家学习的热情：众多企业从北京、南京、昆明、哈尔滨、武汉、苏州、秦皇岛等地赶来，共有160余人次参加了上海的供应链管理系列培训。

行业性短缺状态下，企业过激反应，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（这就是为什么"造反"总是跟"聚众"紧密相连）；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。

总有人说，自己造要比买便宜。其实，垂直整合并不便宜。我们这里谈谈为什么。

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。

有一次我到一家企业，发现上上下下都在忙着开二供，找替代料。原因很简单：关键元器件短缺，再加上业务的井喷式成长，导致芯片、二极管、显示屏普遍短缺。但是，由于技术原因，该企业的2000多个关键料号中，独家供货的占比90%多，这二供可有得开啦。

2004年，我商学院毕业不久，在硅谷的一家半导体设备公司做供应链管理，一部分职责是采购钣金件。所有采购项中，钣金可以说是最简单的，所以就让我这样的新手来练兵。

有段时间行业性供应紧张，单货源风险很高；紧缺物料供需不平衡，看上去会持续一段时间，连战略供应商都在建议多货源，开二供。案例企业问该怎么办。

多余库存是超出正常的周转库存、安全库存的库存。

垂直整合有很长的历史，在不同时期的动机不尽相同。

深圳培训正在报名

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。

（7/10-14）深圳培训正在报名

在有些行业，压货行为非常普遍，人为加剧了需求的变动性，造成诸多库存和产能问题。

我对模块化与外包关系的最初理解，源自2009年的一个外包项目。

亚马逊的创始人贝佐斯说得好，计划B的价值就是确保计划A奏效（大意），言下之意是没有备份方案----我们不能一开始就计划失败，给自己准备逃跑路线；我们得深思熟虑，有所作为，争取首发命准。

批处理是拖长周转周期，增加周转库存的重要因素。比如本来是随到随处理，周转时间短；批处理下，需要积攒一段时间，周转时间就长。这听上去是个生产制造的概念，其实普遍的程度远超我们想象。

让我们拿需求计划为例，阐述计划的"责任链"这一重要概念。

距离开课还有 2 天

在周转周期里，走流程是很大一部分。就如一位名为"风子"的"供应链管理实践者"公众号读者所言："时间的流逝往往不是出自供应商的产品生产环节，而是自家公司的信息流，从签订订单到执行订单的时间过长"。而走流程中的相当一部分事情，比如审批，在客户眼里没有价值但往往不得不做，一大根因就是信息不对称，可以通过信息化来帮助解决。

那个岛上的野蛮人都不穿鞋子，自然有不穿鞋子的原因，而不能简单地归咎于没有鞋子穿。

一谈到供应风险，很多人首先想到的就是备份，即同一个料号，选择两个或更多的供应商。比如70%给供应商A，30%给供应商B。这也叫一品多点，或者多点寻源。有些公司甚至硬性规定，凡是达到一定量的料号，一定要开发第二个供货源。

距离开课还有 5 天

把库存分解为过程库存、安全库存、过剩库存和风险库存，给我们提供了结构化的方法，来呈现库存风险，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。

距离开课还有 7 天

预测模型的选择是个复杂过程，需要考虑多方面的因素，再配以职业判断。计划软件往往按照特定的指标判断预测模型的优劣，但很难综合考虑多种因素，特别是历史数据没有反映的信息。这就是对计划软件建议的模型，有经验的计划人员总是戒心重重的原因了。

企业的资源不是无限的，所以降库存是不可避免的。但在降库存的方式上，很多企业采取的是"搞运动"的方式，没法触及根源，屡降屡升，屡升屡降。

竞合关系下，供应商的可替代性较低，作为采购方，我们不能用淘汰作为供应商管理，而是得有意愿、有能力来跟这样的供应商合作。其解决方案在我的红皮书中有详细阐述，总结起来，就是"有选择，有管理；先督促，后帮助；谁选择，谁管理"，如图1。

对于一个品类，究竟多少个供应商就算充分竞争？当能形成实质性竞争的时候，两个供应商就是充分竞争。注意这里的前提是"实质性竞争"：你是一米八的个头，你的同桌是一米七五的壮汉，你们俩可以互相掰手腕，形成实质性的竞争；前排的小姑娘一米五八，没法跟你掰手腕，就形不成实质性的竞争。

简单地说，VMI就是供应商在采购方或第三方的仓库放一堆货，由供应商自主安排补货，把库存维持在最低和最高计划水位之间。

计划要"抬头看路"，着眼长远，但那些突发的事情，却屡屡把计划拖回人间。

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"。

这里把VMI当做一个专题讨论，主要是因为这些年来VMI被广泛采用，如果管理得当，对采购方和供应商都有好处；但由于计划和管理不善，VMI又给双方造成了诸多问题。

俗话说，女怕嫁错郎，男怕入错行。对职业人来说，怕的就是选错了公司，把未来绑在二流公司上，最终这些二流公司变为三流、四流、末流，直至被淘汰出局，如同泰坦尼克号一样沉没。倾巢之下，没有完卵，员工便成了殉葬品。

企业要赚钱，最根本的一条是规模效益，这就是为什么企业都想做大。但做大后，供应商数量膨胀得更快，采购额太分散，规模效益又给做没了。这就是为什么要整合供应商，建立合格清单来给供应商"收口子"。

一位经理人说，公司的系统里有一套算法，来帮助计划员设置安全库存。用了一段时间后，发现系统建议的库存整体偏低。我问，既然这样，那为什么你的挑战却是降库存呢？不用他回答我都知道答案：系统建议偏低，计划人员就手工调整，多放一些库存；但人员水平良莠不齐，不知道设置合适的库存水位，最终就以高库存为解决方案。

一提起绩效考核，大家联想到的就是"紧箍咒"，怎么能"保护"计划职能呢？没有绩效考核，自由自在地做事，这不最好嘛！对于强势职能没错，但对弱势职能则是大错特错。要知道，没有绩效考核指标，并不是说对这个职能就没有期望，做到什么地步就算什么，而是完全由强势职能说了算，强势部门会更加强势，弱势部门会更加弱势，失去了最起码的制衡，对企业来说并非好事。

时间序列可以分解为三种成分：水平部分（平均值），趋势部分（上升或下降），季节性部分（周期性的重复），剩余的就是随机变动，即前三者都没法解释的"杂音"。我们常见的时间序列，根据复杂度的不同，一般上述三种成分中的一种、两种或三种组合而成。当然，你也可以把水平部分当成趋势的特例，或者趋势的一部分。那么，时间序列就可简化为两部分：趋势和季节性，以及两者之外的随机变动。下面这个例子就是这样分解的[1]。

在供应商绩效评估上，经常会有人问，这么多的指标，权重应该如何分配，这样我们好加权平均，决定选择哪个供应商？

安全库存就如赌博，面对业务的不确定性，要么赌中，要么赌不中。或者说，企业做生意就如赌博，要么赌中，要么赌不中。而职业经理人的任务呢，就是争取提高赌中的概率，以最小的总成本做成最多的业务。

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。

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），就启动订货机制，驱动供应链补充一定数量的货（订货量）；在货来到之前，库存继续下降，直到补的货到达，拉高库存的水位，然后开始下一个循环，如图1。再订货点法在业界使用很广泛，对于它的几个主要参数，我们在此稍作解释。

计划上做不到精益求精，跟计划人员的专业能力息息相关。

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。

选择合适的供应商做生意是件大事情，不过很多公司却是"跟着感觉走"：打几个电话，发个简单的问卷，供应商填了；采购方去趟现场，听听汇报，参观一下生产线，吃顿饭，这评估工作就算完成了。派去的多是文科性的采购人员，既不懂质量，也不懂生产，更不懂技术。评估本身没有流程、没有标准，无章可循；即便有标准，有供应商准入的"门槛"，但假大空，既不是充分条件，也不是必要条件。这就给人为操作留下余地。供应商当然也清楚，除了把现场打点地井井有条、给客户一个好印象外，就在歪门邪道上下功夫。

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。

乔布斯逝世两周年之际，我重听他在斯坦福大学毕业典礼上的演讲，一遍又一遍。感触很深的是对死亡的阐述，即如何让它成为人生选择的试金石。现代职业人，压力山大，活在当下，活在别人的期望里。长此以往，理想缺失，没有成就感，是个大问题。

对于制造型的供应商，我们要评估其质量、生产和物料管理体系。这三大体系是供应商运营绩效的保证，也是供应商的财务能力的源泉。有些公司把这三方面放在一起评估，统称"质量管理体系评估"。

我在招聘计划人员，或者评估一个企业的库存计划水平时，都会问到一个同样的问题：你是如何设定安全库存水位的？这个问题的基本程度，就如问一个成年人是怎么用筷子的一样。但在我面试过的几十个计划人员中，能给出满意答案的是凤毛麟角。这再一次证明了，最简单的往往是最难的。

一提起信息化，首先想到的往往是让计算机帮我们做决策，亦即智能化。但智能化的前提是自动化：离开自动化，数据就难以稳定地产生和获取，也很难释放人力资源来做好决策。所以说，在信息化的过程中，先要自动化，然后才是智能化。

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。

需求预测对付平均需求，安全库存是为了应对不确定性，即平均需求外的需求。经常有人说，那把预测适当拔高点，不也同样解决问题？其实不然。

对于品牌商来说，重资产的制造能力一般都不是核心竞争力，那为什么对富士康、伟创力这样的代工商来说，却是核心竞争力？

2016年，小米的营收大跌，据说出货量减少36%，供应链短缺是一大因素（当然也跟线下渠道乏力、产品升级换代不成功有关）（《全年出货量暴跌36%，小米手机究竟怎么了》，邻章，TechWeb）。元器件、显示屏短缺，没法发货，小米的营收下跌不难理解。但是，同年的华为终端、OPPO和Vivo呢，营收却都创造了历史新高。同一行业，大家都在用同样的一帮供应商，为什么天上下冰雹，专打雷布斯家的庄稼？

不管是什么公司，供应商管理的资源总是有限，我们应该重点管理哪些供应商？

"拿信息换库存"在国内不大听到，在北美却时有耳闻。传闻最广，大概要数沃尔玛创始人山姆·沃尔顿的话："人家以为我们变大，是因为我们在小镇上建大店；实际上，我们变大，是因为我们拿信息换库存"（黑体由作者加）。

预测做砸了，并不是什么见不得人的事；不愿承认做砸了，才是真正应该羞耻的。对于错误，用美国著名橄榄球教练布莱恩的话讲，就是（1）承认错误；（2）汲取教训；（3）不要重犯。这个三步曲的起点是你得承认做砸了。不承认，就不能汲取教训，就要冒重犯的风险。

我们知道，供应链管理不是个简单的职能概念；它包括一系列的职能。

根据供应商的绩效和可替代性，我们可把供应商分为五类，如图1：

1.战略供应商（决定公司生死存亡，绩效不错，替代困难）；

2.优选供应商（供应绩效好，但可替代，公司优先合作）；

3.资格未定供应商（未经验证的新供应商，或者"留校察看"的老供应商）；

4.被动淘汰供应商（不给新生意，但老生意继续做）；

5.主动淘汰供应商（不但不给新生意，而且移走老生意）。

计划和执行之间，经常为这事争执：未来多长时间内的需求预测可以调整，执行有没有义务做到？这就涉及到计划的冻结期、半冻结期和自由期（如图）。

在我的职业生涯中，有好几年是负责库存计划，跟全球的客户有八九十个库存寄售点。在日本，东芝这样的客户体量很大，需求相当平稳，离我们的仓库也就几十分钟的车程，但在客户现场寄售的库存动辄放着三四周的货。在一个以精益著称的国家，这一点也算不上"精益"。好奇心起，我就细究供应链的各个环节，看这些库存都是怎么来的，发现到处都是批处理的影子。

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》）。

需求计划有两大关键，一是尽量作准，二是尽快纠偏。我们这里谈尽快纠偏。

在本土企业中，海尔属于最早尝试外包的一族。早在2007年，张瑞敏就提出轻资产概念，致力打造品牌+营销型的公司，从单纯的制造向服务业转型，从卖产品向卖服务转型。这后面的依据呢，就是施振荣的"微笑曲线"：两端的研发和营销是轻资产，获利高；中间的生产制造是重资产，获利低。2008年的金融危机下，海尔的盈利受到更大的挑战，更加坚定了张瑞敏外包生产制造，走轻资产之路的决心。

供应商分类是针对具体的采购品类，（1）摸清家底----有多大的采购额、有多少供应商、钱都花到哪里去了；（2）区别对待----不同类别供应商的管理方法各不相同，把管理资源投入到回报最高的地方；（3）合理化----供应商太多要整合，太少要开发新的，确保新生意流入最合适的供应商。

我以前带计划团队的时候，有个计划员老是抱怨，说销售和客户"作孽"，没有提前告诉他，这就是为什么现在有一堆的过剩，或者整天在催料。我就问，销售没说，那你问了没有？答案往往是没有----这个计划员整天对着计算机，习惯于"跪受笔录"，内部客户叫干啥就干啥，而不是主动出击，提前探知内部客户的需求。他没说，罪在不赦；你没问，同样要挨板子。

计划的大错特错，主要是因为销售和运营协调流程没打通，做生意的和做运营的严重脱节，组织博弈导致信息严重不对称，导致预测准确度太低。简单地把销售目标当成需求预测，没法群策群力整合跨职能智慧，层层博弈导致的牛鞭效应，都可能造成需求预测的大错特错，以及严峻的库存和交付问题。

在再订货机制中，再订货点相对简单，但补货机制相对复杂，还有很多细节，比如是定量还是不定量，是随时补货还是定期补货，我们下面接着讲。 

案例企业是个女装电商。

在很多企业，供应链是围绕量产需求设计，以效率为导向，成本能做低，但速度做不快。这往往成为新产品开发的挑战，因为研发虽然关注成本，但更关注速度。研发的需求得不到有效满足，就对供应链很不待见。看上去这是研发的行为问题（对供应链不好，不待见），其实解决方案在供应链的能力上：（供应链）不改变（支持新产品的）能力，（研发）就不会改变（不待见供应链）的行为。所以，表面上看是（研发的）行为改变，实质上是（供应链的）能力建设问题。让我们拿个案例来说明。

我们行外人很难想象的是，服装从开发到上市的整个周期，需要一年以上的时间（快时尚、电商可能快点）。比如现在开发的不是今年卖的，而是明年这个季节的服装。周期长，款式多，SKU复杂，从面料到款式到颜色，服装的需求预测历来挑战重重。这些问题，特别在快时尚领域，还没有完善的解决方案；但多年来，服装行业也总结了一系列的经验智慧，把预测尽量做准，做不准的话尽快纠偏。

在供应链的每一个环节，都有相应的计划，驱动相应的执行职能。比如计划在决定买什么，买多少；生产什么，生产多少；配送什么，配送多少。供应链的绩效问题，包括交付和库存，计划没想到，执行就很难做到，即便做到的话，也是以高昂的成本和库存为代价。我们的目标是不但要做到，而且要想到。企业越大，想到就越重要。

一个公司动辄有几百、几千甚至几万个产品，究竟哪些可以预测，该计划；哪些不能预测，不应该建库存？

经常听到一些行业的巨无霸们出来，到处并购，垂直整合，承诺给客户"一站式"的供应链服务。一看到这些，我就非常谨慎，因为这样的并购，跟自建产能本质并无二致，最后的结局也很相似，难脱资产的劣质化。

企业都知道选好供应商很重要，所以把大约60%的时间用在战略寻源上。但是，供应商选来后，后续的管理不同，结果却大不相同。

考不考核预测准确度，考核哪个职能，如何考核，历来是需求预测的一个热点话题。

你或许会说，我知道有个计划要比没有强，但不确定性那么大，问题那么复杂，就是不知道从哪里下手。

需求计划需要对接销售和运营，对人的资质要求相当高。可以说，在供应链管理领域，需求计划对人的综合素质要求最高。理想的需求计划人员需要具备三方面的条件：

环境经济学家哈丁发表了《公共草地的悲剧》一文，分析公共草地为什么长不好：这块草地是大家的，你把牛赶去放，他把羊赶去放，人人都毫无节制地向草地索取，但因为是无主财产，所以没有人来维护，必然导致草地退化。或许有人会说，谁说没主人，不是公共所有吗？人人都拥有，其实是人人都不拥有，就如人人都负责、人人都不负责一样。

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。