供应链管理专栏

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。

如果只用一个词来描述供应链管理，我们想到的就应该是协作：一个公司做不好的，两个公司做；一个职能做不好的，两个职能做；一个人做不好的，两个人做，目的都是实现1+1>2的效果。

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。

我在服务电信设备商时，听到这个故事。

在芯片制造领域，英特尔是典型的垂直整合，有自己的芯片生产设施。一个现代化的芯片大厂，以前投资在几十亿，现在是200多亿美元，这样的大厂英特尔就有15个，固定资产之重，可想而知。英特尔的过半业务来自PC行业，而PC的销量自2011年达到顶峰以来，是"王小二过年，一年不如一年"，英特尔的产能利用率问题就日益严峻，固定资产的投资回报成了大问题。

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？

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。

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。

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？

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。

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。

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。

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。

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。

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？

深圳培训正在报名

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。

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。

深圳培训正在报名中

我们知道，安全库存是应对不确定性的----对于需求和供应的不确定性，供应链的自然应对就是放安全库存。如图1，安全库存有三个驱动因素：（1）需求的不确定性，比如平均需求是每周100个，但有时候是120个，有时候是70个；（2）供应的不确定性，比如供应商的标准交期是4周，但有时候都5周了，货还没有送来；（3）服务水平的要求：服务水平要求越高，就得放越多的安全库存来应对。

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。

深圳培训正在报名

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。

深圳培训正在报名

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。

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）。

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。

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。

德尔菲法是一种定性预测法，由兰德公司开发，成型于1950年代，最初用来评判科技对战争的影响。比如召集多位军事专家，让他们判断前苏联攻击的可能性、攻击强度，以及预测使用核武器的可能后果等。

有一次，我在旧金山参加高科技预测与计划峰会。一个赞助商在展台上放一大瓶巧克力豆，瓶子是透明的，让与会人员竞猜。那么大的一个瓶子，几百只巧克力豆，光看一眼，谁能猜得准呢？但令人吃惊的是，几十个与会者猜下来，平均值跟真实值的误差竟然连1%都不到。

我们上次说到，我在马斯克的AI大模型Grok上自嗨，问"刘宝红写了什么供应链管理的书？"Grok给出不完整的答复，六本书中漏掉一本。我继续问，每本书都出到第几版了？Grok把最新版次都说对了，但没有年份，不过很贴心地说"第2版，具体出版年份未提及，但应在第1版之后"----真聪明，竟然知道第2版是在第1版之后出来的😊。

季节性需求的驱动因素很多。最直观的就是气候，比如一年有四季，会对服装、食品、用电量等带来季节性的需求变动。冬季天气冷，流感多，病人就多，对医药的需求高；夏季是生长茂盛季，虫害也多，对农药的需求量就大，这都是季节性需求。 

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。

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）。

案例企业在电子行业，每年营收在200多亿元。在这个企业里，采购负责供应商价格，选择便宜供应商；物控兼职采购订单管理，负责供应商按时交货率。采购在价格这一单一指标驱动驱动下，就找最便宜的供应商，拿到了他们想要的；便宜没好货，质量、交付问题不断，就害了兼职执行采购的物控。

距离开课还有 9 天

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。

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。

这是段老故事。

案例企业是个女装电商。

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。

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。

距离开课还有 16 天

我们这里谈一下邮件、短信、微信的误区，警惕被公司闲人绑架。

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？

我在硅谷参加过一个半导体技术培训，主讲人是圣何西州立大学的一位退休教授，名叫Peter Gwozdz。教授一生经历颇丰，在伊利诺伊大学获得博士学位后，进入工业界，磨砺18年，成为AMD的技术总监；然后回归校园，发展、壮大一个没有任何学校拨款的实验室，积极参与工业界的研发活动，曾获得高达450万美金的单项风险投资。

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？

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。

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。

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：

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。

前面说过，企业大了，业务更加复杂，需求预测就不能继续作为老总、高管和其他职能的兼职工作，而要走上专业化、全职化之路。专业化是企业规模化的必然结果。全职呢，一方面是专业化的结果，一方面也是因为这个职能对接市场、销售、产品、品牌、高管、供应链甚至客户，有很多组织协调工作，再加上大量的数据分析工作，不是专职就很难高质量完成。

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。

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。

一百多年前，普鲁士的军队设立了总参谋部，全面负责计划统筹工作，在采取军事行动之前，分析后勤、天气、道路等一系列因素，争取做到之前先想到，提高首发命中率，降低试错成本。总参谋部意味着军队系统的执行与计划分离，是现代军队的一大标志。

经济学上有个"不可能三角"，说资本自由进出、固定汇率和独立的货币政策不可能在一个国家同时实现。该理论的提出者是欧元之父罗伯特·蒙代尔。这套让他获得诺贝尔奖的理论呢，我们常人可能很难理解，但对于"不可能三角"，相信大家一点都不陌生。

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。

根据重要性和紧急度，事情可以分为四类。既重要又紧急的是第一优先级，必须第一时间去处理；既不重要，也不紧急的事，属于第四优先级，能拖就拖。难就难在第二优先级，是做重要而不紧急的，还是紧急而不重要的？一般的人的日程被紧急度驱动，会先做紧急而不重要的事；成功的职业人士会按重要性排序，先做那些重要但不紧急的事。

上一篇文章说到，我在探讨AI在供应链管理上的应用，话题是长尾产品的安全库存计算。

这段时间，我在探讨AI在供应链管理上的应用。这次的话题是长尾产品的安全库存。

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？

全球新冠疫情大流行期间，芯片遭遇了行业性短缺，供应链的交付问题重重。再加上中美贸易战，供应链中断的风险大增。就不时就看到一些文章，说just in time（分秒不差）的那一套过时了，企业得围绕just in case（以防万一）来构建供应链战略。

企业里，很多时间花在采购杂七杂八的东西。比如间接物料、备品备件、办公用品等。这类采购量小货杂，一般占企业采购额的10%不到，但因为复杂度高，却用掉采购团队高达40%的时间资源。要知道，不管采购金额的大小，采购量的多少，从订单处理的角度来说，采购一个5分钱的螺丝钉，跟采购一台5000元的发动机，没什么本质区别。

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。

有些人会说，我能理解"大采购"的重要性，但采购团队已经够忙了，如果要做你讲的需求管理、战略寻源和供应商绩效管理，那时间从哪儿来？要回答这个问题，我们得先看看，时间都用到哪里去了。

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？

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。