供应链管理专栏

除非是非常标准的产品，产品跟产品是不同的。比如兰州拉面，虽说配方、加工过程都差不多，但你知道，北大街的马师傅就是比南大街的牛师傅做得好吃。再比如在半导体设备行业，那些关键零部件的图纸设计、所用设备、加工工序都一样，但即便在同一供应商的不同生产设施，制造出来的零部件性能都可能不一样（这就有了英特尔的"严格拷贝"，一经锁定，不能再变）。

在需求预测中，时间序列是把需求历史按照时间的先后顺序排列，影响需求的变量只有一个，那就是时间。这并不是说没有别的变量；有，而且可能很多，但我们没法一一解释，就把它们全都归因于时间（有点像"时间可以治愈一切"）。这些变量整合在一起有一定的惯性，随着时间的进展，呈现出某种模式，这就是需求的延续性。

这些年来，我越来越意识到，如果像销售那样做采购的话，采购业绩八成会更好。

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？

"小采购"是供给导向，内部需求是怎么产生的，跟自己无关。比如随便到一个公司，问问他们的采购，你们的需求预测是怎么做出来的，产品开发有几个阶段，设计变更流程是什么？你会发现，很多采购对此毫无概念，在那些规模庞大，分工巨细的企业尤其如此。"小采购"们普遍认为，采购的任务从需求落地开始，需求定义是内部客户的事。

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。

一位读者微信上问我，你喜欢读者以什么样的方式，和你沟通、学习呢？在我的每一本书上，我都留下了自己的联系方式，包括个人微信（13651271450），当然是希望跟读者互动沟通，了解他们面临的问题和挑战。不过互动和沟通的方式不重要，不管是留言还是短信，告诉我你的问题即可；重要的是问题----有些问题我是没法回答的。

有一家纺织企业营收达几十亿，是行业最大的几家企业之一。他们所处的行业季节性挺强，一到旺季，供应商产能不足，是个老问题。老总说，现在滴滴打车很流行，为什么不用滴滴打车的方式，在旺季的时候出较高的价格，吸引供应商合作呢？我告诉他，如果你是小公司，滴滴打车的方式或许可行；但现在是大公司了，滴滴打车往往没法解决你的问题。

几年前，我服务一巨无霸企业，晚上吃饭，不知怎么就聊到了软件开发。采购老总说，他们的软件供应商干的是两遍的活，拿的是一遍的钱，没法活了。忙问为什么，他说需求定义不到位，内部用户就让供应商开发软件；开发好后一看，不是自己真正想要的，于是就重来----你说软件供应商怎么能赚钱呢？

这些年来，很多行业都有"快消品化"的趋势，助长了SKU的数量泛滥，导致批量越来越小，复杂度越来越高，规模效益越来越低。可以说，SKU泛滥是供应链的大敌。很多企业并没有充分认识到SKU泛滥的严重程度，习惯性地低估SKU的复杂度，在大批量行业尤其如此。

传统的美国思维是"猎人模式"。市场就如狩猎场，采购方就如猎人，通过招投标、询比价找到最好的"猎物"，或者谈判获取最大的利益，然后慢慢享用"猎物"。至于这"猎物"是谁养大，打光了怎么办，自然有上帝照看着呢："人人为自己，上帝为大家"嘛，市场那只看不见的手自然会培养供应商，物竞天择，优胜劣汰，任由它们自生自灭。

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？

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？

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。当企业选不好、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。

【初学者问】我的专业是工业工程，目前感兴趣的工作有两方面，一个是计划，另一个跟供应链稍微偏差些，是数据分析。我由于本身专业跟供应链很相关，而且对于生产计划这样与数据打交道的工作也很感兴趣，但是专业课上学到的无外乎移动平均法、指数平滑法、霍尔特法这些，感觉一个外行人用点心，一天就能熟练掌握几种预测方法，我想知道在计划这个行业进一步是什么样的职业发展道路？

简单地说，"小采购"是供应导向，聚焦订单、料号、项目层面，以行政文秘类的事情居多，跟内部客户不是平等的合作伙伴。"大采购"正好相反，他们是需求导向，通过理顺需求来理顺供应；他们聚焦供应商这一战略资源，是内部客户的平等合作伙伴。

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。

哈克特集团（The Hackett Group）有一个采购管理的发展模型，把采购分为五个发展阶段：确保供料、最低价、总成本、需求管理和全面增值，也代表了从"小采购"到"大采购"的发展路径，如图。

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。

上海公开课正在报名

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。

2010年前后，海尔尝试转型，外包投资回报低的生产制造，力图把资源投放到"微笑曲线"两端的研发与营销。对于海尔的"去制造化"，外界的质疑声不断。比如"核心技术专利优势、产品品质把控能力、品牌附加值等方面都不足的海尔，甚至中国本土家电企业来说，'去制造化'并不适合"（《海尔裁员背后：空心化严重 重要产品都被外包》，中金在线）。

极端值会显著影响线性回归的统计参数，降低模型的预测准确度，需要严肃对待。让我们看个具体的例子，来简单介绍极端值的处理。

二十多年前，我在亚利桑那州立大学读商学院。有一天，研究战略采购的皮尔森教授说，采购曾经是一个人的最后一站。大家忙问这话怎讲？教授解释道，在以前，如果一个人干不了设计、做不了销售、整不来生产，也做不来人事、财务、计划，那就只能去做采购了；如果连钱都不会花了，那就只好卷起铺盖，另寻高就----不，去祸害竞争对手吧。

案例企业是个代理商，代理上万个产品，服务几百个客户。客户的产品生命周期在缩短，产品更迭频繁。案例企业的挑战呢，就是没法及时探知变动，调整预测，结果是短缺与过剩并存。

每每说到客户指定的供应商，我都会问，你们喜欢客户指定的供应商吗？答案都是不喜欢。我说这就是问题的一大根源：因为不喜欢，你看到客户指定的供应商，就下意识地开始挑刺，来证明客户傻，客户呆，客户又给你指定了糟糕的供应商。而一旦戴着有色眼镜，那跟客户指定供应商的关系注定搞不好。

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。

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。

轻资产还是重资产，外包还是自制，这里的关键是核心竞争力：对于核心竞争力，即便是重资产也要垂直整合；对于非核心业务呢，即便轻资产也应借助更为专业的供应商资源。

企业在需求预测上投入巨大资源，但很多预测行为其实不增加价值。预测是否增值的话题，大致在2015年前后，开始有了相当的热度，在杂志和学刊上有很多文章，也成为专业会议的议题，话题主要有二：

距离开课还有 7 天

计划做好了预测，但采购对预测的准确度，或者供应商的交付能力不放心，因而调整预测的数量或时间。比如计划的预测是100个，月底要；采购拔高到120个，让供应商25号就交过来。这样做行吗？答案是不行，如果这个需求预测已经是"从数据开始，由判断结束"，准确度已经是最高了的话。

上世纪九十年代，为脱离重重困境，通用汽车起用西班牙人洛佩兹负责采购。此公是个工学博士，研究的是生产制造和运营。按道理讲，洛佩兹应该是解决问题的高手，实际上，他却以年复一年地向供应商铁血压价而闻名。

距离开课还有 9 天

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。

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？

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。

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。

在需求预测上，层层报批是种很常见的做法。

有个几十亿营收的服装品牌商说，优质供应商早期介入了，但在后续的公开招标中，报价不是最低，拿不到生意，下次就不愿再帮助设计优化。

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。

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。

不管是什么产品，在什么行业，需求预测都有一些普适规律，这里总结三个。

很多人问，供应商早期介入设计好是好，但供应商锁定了，价格怎么谈？他们的逻辑是，供应商一旦早期介入设计，这生意就是它们的了，"没有竞争"，价格就很难谈。在我看来，这不是竞争不充分，而是短期关系在作怪。

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。

很多企业的问题是，设计阶段供应商早期介入了，采购没有。也就是说，设计人员纳入了供应商，但采购没有参与。供应商啥都好谈，钱不好谈；设计人员摆不平了，就推给采购：采购的任务不就是砍价吗？问题是产品开发到了这一步，供应商都锁定了，这价格还好谈吗？

从数据开始，并不是只收集数据，更重要的是分析数据，从数据中发现规律，指导后续的工作。这是我从雀巢的一位计划总监的报告中体会到（如图）。

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。

垂直整合有很长的历史，在不同时期的动机不尽相同。

预测准确度有三种常见的计算方式：绝对误差、绝对百分比误差、均方误差。下面我们通过一个例子来说明。

对采购部门来说，技术指标还包括信息技术的应用，比如跟供应商的电子商务，通过信息化来达到下述目标：（1）提高效率，节省人工和运营成本；（2）把人力资源从琐碎杂务中解放出来，以做更有价值的事；（3）增加透明度和可追溯性，规避供应商相关的贪腐（阳光采购）。

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？

随着本土企业做大做强，追随战略的局限性就越发明显：以前只要盯着海外的行业老大，它们做啥我们跟着做就行了；现在我们成了行业的龙头，就轮到我们做以前行业老大做的事儿了。

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。

让我们拿需求计划为例，阐述计划的"责任链"这一重要概念。

我们都说预测要准，比较的基准是什么？其一，跟预测比。你说你要100个，实际上是否要了100个？其二，跟实际需求比。客户实际需要100个，我们是不是提前预测到100个，驱动供应链及早响应，有效满足？

围绕采购订单有很多异常，比如催交、推迟、取消，英语的缩写是PPC。不变的不需要管理。对这些异常的处理，是交付管理的重要构成，也是交付灵活性的重要体现。

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。

北美某公司的供应商评估中，有一项是对来料验收中次品的处理：你们的下级供应商给你送来一件次品，在来料验收时发现了，你们对这次品怎么处理，以确保最终不要发给客户？这时候，不同管理水平的供应商，给出的答案大不相同。

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。

提起供应链管理的起源，可以说是众说纷纭。有的说是需求的多样化，有的说是对低成本的诉求，有的说是贸易的全球化。这些都有道理，但都没有触及到最根本的原因：日本。上世纪80年代以来，日本制造业给美国沉重的打击，促使美国系统地学习日本的做法，总结并完善了供应链管理理论，以及成套的做法。可以说，供应链管理是美国"落后挨打"的产物。

一提到考核计划职能，人们想到的就是预测准确度。预测准确度是重要，但股东买你们的股票，客户买你们的产品，是不是因为你们的需求预测准确度高？不是。预测准确度是个过程指标，股东和客户对过程的兴趣没那么大，他们对结果更感兴趣，比如客户在意按时交货率，股东关注资产周转率和运营成本。

在需求预测中，时间序列是把需求历史按照时间的先后顺序排列，影响需求的变量只有一个，那就是时间。这并不是说没有别的变量；有，而且可能很多，但我们没法一一解释，就把它们全都归因于时间（有点像"时间可以治愈一切"）。这些变量整合在一起有一定的惯性，随着时间的进展，呈现出某种模式，这就是需求的延续性。

上世纪九十年代，我还在建筑行业，一个相当粗放的行业。豆腐渣工程屡见不鲜，但整个行业关注的却只是一个字：钱。不管是招投标，还是一轮又一轮的议价，焦点都是把承包商的最后五分钱榨出来。质量问题就如屋里的大象，人人都看得见，人人都假装不存在。

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。

我在服务电信设备商时，听到这个故事。

看到路透社的报道，说鉴于"萨斯"的经验教训，加拿大人学聪明了，开始提前准备。据说2007年，渥太华市就备了5500万只N95口罩，一直在仓库里放着。这不，等了十几年，新冠病毒来了，终于有了用武之地，可惜那堆积如山的口罩早已过期了。 

历史总是惊人的相似。在美国，2008年的金融危机让很多人的股票投资损失过半。惊恐之下，人们纷纷逃离股市，结果很多错过了2009年的狂飙猛升。贪婪、恐惧都有很强的传染性，从众心理便是根本原因。有几点教训：

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。

一位采购经理刚接管一家供应商，就收到来自产品部的要求：为达到产品的"目标成本"，该供应商的零件必须降价20%。自从量产以来，这个零件已经经历了两次降价。现在都投产快两年了，为什么又突然冒出个"目标成本"来？

经常有人问，如何能更好地核算成本？他们总觉得，成本核算不清，自己被"蒙"了，是拿不到更低价的根本原因。但问题是，即便你能核算清，那又能怎么样？

经常听有些供应链职业人在抱怨，说大半的时间在催货，言下之意是恨死了催货。这里想说的是，其实这些人最喜欢的就是催货，因为催货最容易----作为客户，你处于有利地位，要催总能催得动；而且供应商也早都被催成精了，习惯性地在交期中留有余地，就等着你催的时候给你。如果你是管理层的话，催货就更容易了：你位高权重，给供应商一个电话，鲜有供应商会放弃扮演"救火英雄"的机会。所以说，催货是最简单，也是供应链最擅长的事。

苹果的iTunes U上有很多免费的课程，我在听Harvard Thinks Big（哈佛大思想）系列。自2011年期，该系列每年找10个教授，每人十分钟左右，介绍一个大思想。说大，如果拿经济社会的标准来说，其实也不大，例如讲母乳、讲统计、讲社交网络，都是些细微而具体的话题。全球变暖这样的大话题有，但不多。这里我不想多评价教授们讲的内容，因为对很多话题来说，我是外行；我想说的是，在我听过的几个教授中，每一个都是异常地沉静、自信，虽为一介布衣，却悲悯天下，充满着人文关怀。他们有这种素养，是因为他们的研究不是让自己赚多少钱、有多成功，而是如何让社会更好、让别人更幸福。一句话，他们在做比自己大的事。这也是为什么他们能耐得住寂寞，几十年如一日地辛勤钻研。从他们的平静、自信中，你能看得出，他们挺幸福。

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。

案例企业是个大型设备制造商，售后备件是营收的一大来源，每年达10几亿美元。为了支持庞大的备件业务，该设备商在全球有二十几个仓库，八九十个客户寄售点，几十名备件计划人员。

二次议价是询价或招标没达到期望，采购方便与供应商继续价格谈判。

如果说物料需求计划（MRP）主要是处理需求的话，可承诺逻辑（ATP）则是聚焦供应，串起供应链的那条线。在ERP系统里，这两个逻辑结伴而行，完成需求与供应的匹配；这里分开讲，主要是防止混淆两者的细节。

ERP的核心功能之一是物料需求计划（MRP），把计划、物控、客服、采购从海量的手工操作中解放出来。但实施ERP以后，真正能跑MRP的企业并不多。也就是说，生产和采购计划仍旧在Excel上做。有些企业即使启用了MRP模块，可还是在手工录入生产计划，而ERP能做的呢，只是自动生成采购计划，充其量是个订单管理和进出存系统，发挥执行记录的功能而已。

计划上做不到精益求精，跟计划人员的专业能力息息相关。

案例企业是个大型设备制造商，售后备件是营收的一大来源，每年达10几亿美元。为了支持庞大的备件业务，该设备商在全球有二十几个仓库，八九十个客户寄售点，几十名备件计划人员。

一分钱一分货，还是物美价廉？相信大部分人相信一分钱一分货：你偶然可以便宜买到好东西，但就大概率而言，最低价买到的肯定是最糟糕的。赢得政府合同的，总是报价最低的供应商。这不，政府的这停车场就塌了。美国大兵们有句笑话，说不要忘了，我们手上的武器弹药都来自报价最低的供应商，言下之意是质量就可想而知了。

深圳培训正在报名

有个企业是典型的销售提需求----销售兼职需求计划。几十个销售预测未来三个月的需求，每月更新一次，按照客户汇总，上传到ERP系统，驱动后端的供应链来执行。我去这个公司培训，负责公司最大客户的销售经理说，让帮忙看看这个客户的备货计划。当天培训结束后，我们就坐下来谈。起初想，他和他的团队应该问需求预测、安全库存方面的问题----这是计划工作的核心任务。谁知道打开Excel表格后，所有的问题都归结到执行操作上，在信息化水平高的公司由 ERP做的那些事。

距离开课还有 2 天

所有的预测都是错的，一个好的需求预测需要定期调整，逐渐逼近。但这并不是说供应链可以无限响应：供应链的柔性不是无限的。当进入一定的时间窗口，我们要控制需求预测的调整，以保护供应链的效率。否则，会造成过高的运营成本和产能浪费：频繁的调整会打乱整体的生产、配送计划，让整体交付更加不可预计；越是不可预计，越需要人为干预，这就陷入恶性循环，增加了不确定性，最终会转化为成本和库存。

距离开课还有 3 天

我们有两种方法来驱动供应链，一种是预测；另一种是订单。订单驱动，看上去风险较小，为很多人所向往，其实未必。

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。

顾名思义，极端值明显与众不同，也叫异常值、离群值。它们要么太大，要么太小，落到正常的区间之外。如图1，该产品的需求没有季节性，也没有趋势，如果我们用平均需求加减两倍的标准差作为上下限，那么第6周的需求超出上限，就是极端值。

供应商啥都好谈，就钱不好谈。但谁也没办法不谈成本，就如北美的一位首席采购官所言，采购绩效的70%来自成本。这里我们来谈三类主要的成本指标，包括采购降本、成本规避和采购返利。

跟采购方一样，供应商的供应链也需要预测来驱动。供应商能否执行到位，很大程度上取决于需求预测的及时性和准确度。

距离开课还有 9 天

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。

有一次跟以前的老板吃午饭，谈到职业发展，他给了很多建议，邻末说了句，人应该听从自己的建议。这话其实是说给他自己听。

"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）。

需求就是特定的定价策略、竞争态势下，客户想要什么、要多少、什么时候要。打个简单的比方，这就相当于是客户想吃几碗饭，跟我们想让客户吃几碗饭完全不是一码事----前者事关需求预测，后者却是销售目标，两者不能混为一谈。

我们知道，有能力的供应商有脾气，没脾气的供应商没能力，没有完美的供应商，所以我们要督促、帮助供应商来改善。那供应商为什么要改善呢？或者说，我们凭啥要求供应商改进？就凭我们给它们的生意？不是。已经拿到手的生意没有驱动力，就如已经拿到手的那份工资不会让你熬夜加班一样。

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。

在失去的二十年里，罩在日本企业头上的光环逐渐散去，丰田的"刹车门"等也让人们对日本的质量有了进一步的认识，人们也应该重新审视很多日本的做法。

在库存控制上，总部跟分部、销售跟计划往往陷入互扣人质的情形，导致该加的加不上去，该减的减不下来。这是个典型的组织行为问题，其解决方案呢，我们这里主要讲三点。

经过二三十年的攻城略地，快速增长，本土企业的"家底"已经相当厚，虽说创业还是主旋律，但守成的压力也越来越大，很多企业处于从创业到守成的拐点。表现在增长上，就是从高速变为中低速增长；表现在运营上，就是从野蛮成长转向精耕细作。

一位跨境电商的创始人问我，能否把那些预测模型给他们，写到程序中指导补货？电商、新零售是互联网的产物，其惯常的解决方案是信息化----当你手里的工具是把锤子的时候，你会有意无意把所有的问题都当钉子。

在美国的绝大多数州（除了蒙大拿），公司可随时解雇员工，不管有没有理由。但理论归理论，对大企业来说，因为绩效表现问题而解雇一个人还真不容易：你得先给这员工改进的机会，制定绩效改进计划，并确定具体的改进目标；改进期限一到，双方都尽了合理的努力，员工还是达不到目标的话，这才进入解雇程序。

多余库存是超出正常的周转库存、安全库存的库存。

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。

不时有公司问我，他们行业的供应链怎么管理？有没有行业标兵的案例或做法？我能理解，他们想完全定制，有针对性地学习本行业的最佳实践，以最快提高本公司的供应链管理。我想说的是，不管是哪项管理实践，最好的学习对象往往不在你自己的行业，而在别的行业，即最佳实践开始的行业。本行业的标兵，其实不一定就做得好。跟他们学，往往是越描越不像，一代不如一代。

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。

在我的职业生涯中，有八年在对付长尾产品的计划，发现在库存和服务水平的平衡上，企业可以分为三类：

有些人习惯性地淘汰供应商，把淘汰当做管理的主要方式。

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。

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。

在本土企业中，多点寻源的行为非常普遍（同一个料号，多个供应商供货）。原因无非是有个备份，当一个供应商出了质量问题，或者没法按时交货时，也好以防万一。还有就是导入竞争，以获取更好的价格。这对于大众性、竞争充分的商品或许有点道理----这类供应商相对简单，转换成本低，很多企业采取"有选择、没管理"的粗放式管理，主要依赖市场竞争来管理。但对于关键的产品，比如技术含量高、供货周期长、复杂度高的产品，供应商的转换成本高昂，单纯的"有选择、没管理"注定吃尽苦头，备份不是首选的解决方案。

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。

在大型设备行业，关键备件要力求首发命中。也就是说，第一次有需求，就得有库存满足。如果首发命不准，就很难达到既定的服务水平目标。这也是很多设备行业的共同挑战，单纯依赖需求历史来计划库存注定会吃尽苦头：你不能等着产生了需求后才备库存；你一定要想方设法首发命准，在客户首次有需求时就能满足。

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"）。

计划是个技术活

新品要避免大错特错，

老品要追求精益求精 

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）。

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。

那好，我选了个优秀的大公司。那我该学点什么呢？

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。

对于很多长尾产品来说，需求是如此之不频繁，如此之低，库存计划的决策就简化为备1个，还是1个不备。除了数理统计模型外，我们还可以借助简单法则来决策。这就是我们接着要讲的。

对一个采购品类来说，供应商选择就是制定合格供应商清单。合格清单把供应商的"口子"收起来，以后的新产品、新项目主要跟"口子"里的供应商合作，集中采购额，产生更大的规模效益。但是，"口子"收起来了，就面临着灵活性的问题："口子"外的供应商想进来怎么办，内部客户发现更好的供应商怎么办？

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。

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。

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。

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。

长尾需求的特点是需求的频次低、需求量的差异大。让我们拿一个B2B电商为例，图1是他们的一个产品，在过去12个月里，这个产品有5个月每月卖掉1个，2个月分别卖掉2个和5个，其余月份没有任何需求。看得出，需求不连续，离散度大，不符合我们熟悉的正态分布，但符合另一种分布：泊松分布。

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。

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。

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。

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。

简单地说，企业的计划可分三层。如图1，在战略层面，老总制定战略目标，这是战略规划；在战术层面，职业经理人把战略目标翻译成计划，匹配需求和供应，指导基层执行；在执行层面，基层员工把计划付诸实施，并把可执行性反馈给战术层，供调整计划。三层结合，从战略到战术再到执行，是基本的企业管理模式。

一提到产品分类，很多人想到的就是ABC分类法。比如A类产品贡献80%的营收，B类产品贡献15%，其余贡献5%等。这是从业务的视角来分类产品，也有公司称为头部、腰部、尾部产品的。

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。

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。

距离开课还有 2 天

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。

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"。

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。

每次订多少货最合适，跟库存持有成本、订货成本密切相关。每次订货量越大，单位订货成本就越低，但库存持有成本就越高；每次订货量越小，库存持有成本降下来了，单位订货成本却上去了。让两者之和最小的订货量，就是经济订货量，如图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？

距离开课还有 7 天

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。

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。

经常收到读者来信，问职业发展的下一步该怎么办。是去大公司还是小公司？做质量管理，还是做采购？做物流，还是做供应链？我的答复都很简单：你最知道你想要什么，你最知道你喜欢什么，你最知道你擅长什么。那么，你就是回答这些问题的最佳人选，因为你最了解你自己。

高乐氏总部位于加州奥克兰，是全球领先的消费品制造商，主营卫生、家庭、生活用品等。该公司2021财年的销售收入为73亿美元，全球有9000多名员工，在25个国家和地区运营。

有能力的供应商也有脾气，没脾气的供应商也没有能力。有没有第三类供应商？没有。有能力，没脾气的供应商凤毛麟角，即便有，也早给采购方欺负致死；没能力，但脾气很大的供应商呢，你不用看我的书，早都给淘汰掉了。这就是说，跟我们合作的供应商主要就两类：有能力的有脾气，没脾气的没能力，我们总是在跟不完美的供应商打交道。

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。

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）。

相信这是个偶然现象，但后面有其必然性。离开校门久了，在一个行业、公司工作久了，朝九晚五的日子久了，有了家庭、孩子久了，人就对新事物、新概念越来越陌生了。温水煮青蛙中，人们越来越不愿意承担作为的风险。表面上看，风险最小莫过于不作为，因为不作为意味着犯错误的可能性最小；其实风险最大也莫过于不作为，因为长期不作为，一旦平衡被打破，就意味着巨变和更大的风险，就像上面提到的煤炭公司一样。

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。

一提到新品计划，很多人的第一反应就是可计划性太低，自然而然地把它推给销售、产品、市场等职能，变成拍脑袋为主了。其实不然，就如我们前文讲过的，即便是用德尔菲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其间。

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。

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。

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"。