供应链管理专栏

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。

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：

供应商管理的一系列误区，解决方案都离不开供应商的选择与管理能力：选好供应商，提高首发命准率；督促、帮助供应商持续改进，管好后续绩效。而能力了，又是组织、流程和系统的三位一体。提高供应商选择与管理能力，就得在这三方面着力（如图）。

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。

精心挑选你的敌人，因为你的敌人界定了你。据说这是凯撒大帝说的，但没找到实据。

【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？

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。

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。

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。

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。

2006年4月22日，美国华裔精英组织百人会（Committee of 100）在旧金山举办年会，最后一个活动是"导师计划"。该计划的目的是由德高望重、经验丰富的前辈给下一辈传授做人、做事的道理，例如前英特尔资深副总裁虞有澄、台积电创始人兼总裁张忠谋等都列席其中。大家采取分组制，由一两个导师带领几个年轻人，围在一张圆桌旁，进行自由讨论。

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。

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。

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。

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。

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。

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。

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：

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？

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。

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。

距离开课还有 5 天

"貌似辉煌宏大的作品很多。它们面具相似，以晦涩复杂，修饰内容的虚浮投机，以主题博大，覆盖思想的贫瘠平庸。"这是多年前，"思维的乐趣"网站的片头语，放在那些复杂的预测模型上也适用。

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"。

距离开课还有 7 天

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。

距离开课还有 9 天

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。

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。

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。

距离开课还有 12 天

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。

我们经常说供应链要协同，究竟"同"在什么地方呢？在运营层面，同一个计划，具体地说，同一个需求计划，是把众多职能和供应链伙伴协同起来的基础。那为什么这么多的企业，没有同一个计划呢？信息不对称，层层博弈导致的牛鞭效应和多重预测，就是一大根因。

距离开课还有 13 天

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？

距离开课还有 16 天

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。

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）。

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。

你乘飞机，随时能知道已经飞了多久，还要走多久，晚点还是提前；下了飞机，在有些航站楼，每走一段路，会看到牌子上写着到行李转盘还有多久；到了行李转盘，显示屏上写着还有多久第一件行李就会出现；拿了行李，滴滴打车，你能清楚地知道，车子还要走多久。至于说你的快递、外卖，现在走到什么地方，啥时候能到，早都实现了信息化，一切尽在掌控中。

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。

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。

供应链是从产品开始的。供应链上的成本，大部分取决于产品设计。比如材料选型、技术规格决定了产品成本，包装设计影响到物流成本，模块化设计还是一体化设计影响到售后服务的成本。设计优化了，材料选型合理，可制造性、可运输性、可服务性就好，供应链的成本自然就低。这道理简单，那为什么那么多的产品设计不优化？

有个企业营收达几十亿，是行业最大的几家企业之一。他们所处的行业季节性明显，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，滴滴打车没法解决你的问题。

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？

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。

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。

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。

精心挑选你的敌人，因为你的敌人界定了你。据说这是凯撒大帝说的，但没找到实据。

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。

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。

一谈到供应链战略，就没法回避推拉结合：订单驱动的叫拉，也就是拿到客户订单后才生产；预测驱动的叫推，也就是基于需求预测来提前备货。推的好处是批量生产，批量发送；闲的时候多生产，忙的时候少生产，单位成本低。但一旦需求变了，库存风险就高。拉的好处是库存风险低，但规模效益不高，单位成本降不下来；加急赶工多，运营成本高。

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。

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。

我在硅谷以前老板的老板说起，他在招聘总监及以上职位的时候，除了考虑业务和综合管理等能力以外，还要考虑一个重要因素：Integrity。这个词很难找到一个非常贴切的翻译。一个有integrity的人是正直的、完整的、品德好、会做正确的事，不会在大方向上出问题。这点对于高管来说非常重要。因为位高权重，影响到很多人，特别是方向性的问题。选了能力不足的人，无非就是无大功；选了integrity有问题的人，则可能有大过。

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）。

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。

上世纪八九十年代，个人计算机开始走入千家万户。当时的主要制造商有IBM、惠普、康柏等，采取的是典型的经济型供应链：生产一大堆，发货一大堆，从总仓到分仓到分销商再到零售商，层层建库存，一路推到终端门店（图1的①）。

在需求预测上，层层报批是种很常见的做法。

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。

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。

在王建硕的网站上（www.wangjianshuo.com），看到GE总裁伊梅尔特的一句话：没有什么可以替代经验。很有同感。

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。

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。

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。

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。

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。

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）。

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。

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。

深圳培训正在报名

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？

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。

华为和苹果我都熟悉：苹果的总部离我家半个多小时的车程，二十多年来听到过不少他们的情况；华为前些年去过多次，后来在多个场合见过他们的员工和前员工。两家公司都是图腾般的存在，有着顶级的产品和顶级的供应链，对整个生态都有深远的影响。要比较两者的高下很困难，但我的个人看法是，华为是那个更强、更不可缺的公司。

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。

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。

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。

距离开课还有 1 天

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。

距离开课还有 3 天

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。

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。

距离开课还有 8 天

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。

距离开课还有 10 天

供应链的大部分活动，都是围绕一个个的采购订单完成，比如生成采购订单，发送给供应商，确认交期、单价、数量，提前或者延后交付等，都耗费了操作层面员工的大量精力。

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。

让我们拿需求计划为例，阐述计划的"责任链"这一重要概念。

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。

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😊。

距离开课还有 16 天

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。

马斯克带着几个"红小兵"到美国社保系统查账，"发现"2000万人超过百岁。这下可吊足了吃瓜群众的胃口，连我这向来不怎么喜欢看热闹的人都在翘首以待：赶快告诉我们，这些人每年要领走多少钱啊----就算每人一万美元，也是千亿美元欺诈啊，等于关掉两三个美国国际开发署了。

有个代理商，库存和交付一直是个问题：短缺时有发生，而手头的整体库存却居高不下。他们想从需求预测和库存计划着手，对付这个问题。他们的计划主管首先导出几个产品的历史销量，做了折线图想从中发现规律，却看不出什么门道。问我该怎么办，我就把数据要过来----谈到具体的计划问题，不看数据就无异于瞎谈。

这是段老故事。

经常有读者问，你的那6本供应链的书，究竟都写的是什么，按照什么顺序来读？

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。

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？

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。

以前学马列，有读马列原著的说法。理论水平高的人，标志之一就是读过原著。

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。

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]。

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。

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。

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？

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。

我问一位企业家，你们行业的重资产问题严重吗？答曰很严重，各种各样的设备，特别是专用设备，很费钱，而且更新换代很快，几年就出新型号，老的还没有折旧完，新的又来了，看上去赚了不少钱，其实最后剩下的只是一堆设备。继续问，那企业家们想过外包没有？答曰没有，因为这些企业历来都是制造出身，大家都知道制造不赚钱，但如果把制造给外包了的话，以后干什么？

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。

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。

集中采购事关多个职能，在显著改变企业的做事方式，是个实质性的变革。作为变革推动者，采购需要展示领导力，更多是个领导力挑战。

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。

最近两年，案例企业在推行资源整合。一轮整合下来，全公司的供应商由3000多精简到800多个。就某个品类来说，以前有190多个供应商，大大小小、海内海外都有；现在就30多个，采购额更集中，日常管理上也更容易聚焦了。

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。

我喜欢篮球，喜欢篮球有关的两个节目，一个是Inside the NBA（"NBA内幕"），由一些前NBA球员做评论员，包括家喻户晓的大嘴巴克利（没错，就是因为低估姚明而亲驴屁股的那位），以及"大鲨鱼"奥尼尔；另一个是NBA Lockdown（"锁定NBA"），评论员是些非NBA球员，但在NBA有过经历的人，比如原太阳队的助理总经理。两个节目都对NBA的球队、球员和教练们评头论足，但方式则不尽相同。

计划上做不到精益求精，跟计划人员的专业能力息息相关。

采购权集中了，集中采购就有了组织保障；需求整合了，集中采购就有了规模效益的基础。这里要讲的是供应整合，以最大化集中采购的效果。

在管理方式上，模块化可以说是欧洲车系的贡献，大众以工程师的方式，从产品开发开始，应对成本和速度问题；精益是日本车系的贡献，丰田从生产制造入手，应对成本和速度（当然今天的精益已远超生产制造领域）；流水线则是北美车系的贡献，福特以流水线、大批量的方式来应对成本与速度。以这三个企业为代表的汽车行业深刻地影响了供应链管理，也极大丰富了人类对商业活动的管理。

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。 

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。

让我们拿踢足球打比方，来进一步理解指数平滑法的逻辑。

乔布斯去世两周年之际，我重温他在斯坦福大学毕业典礼上的演讲，听了一遍又一遍。就如精致的iPhone和iPad一样，这个15分钟不到的演说，没有一句废话，注定是励志演讲中的精品。相信几十年、几百年后人们听起来，还会是热血沸腾。

"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）。

我做了好几年的计划经理，最多的时候在全球有二十几位计划员，分布在北美、欧洲、亚洲等多个地区。那么大的团队，有人晋升了，有人离职了，有人做全职妈妈了，就注定一直在招新人。每次有新人，培训就是个大问题：采购员的话你可以给他本《采购手册》什么的读，而给计划员的书呢，不管是英文，还是中文，翻破地皮，就是找不到一本合适的，说你读了这本书，就算计划入门了。

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。

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。

有些公司喜欢集中采购，有些企业甚至有指标，说集中采购的比例每年要提高多少多少，好像越集中，就越是"大采购"。其实不然。我看到很多管理非常粗放的企业，采购的集中度相当高，但还是在做典型的"小采购"，比如一标一议，一标一操作；供应商有选择，没管理。

多余库存是超出正常的周转库存、安全库存的库存。

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。

深圳培训正在报名

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。

深圳培训正在报名

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。

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。

有些企业雇人，更多是冲着一些名企去的，希望挖到那些企业的"空降兵"。但是，那些名企的员工，头顶成功的光环，大多是公司的成功，而非个人的成功。真正把公司成功和个人成功融为一体的，不多。

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。

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。

经常有读者问，哪些公司的供应链管理最好？这就如问哪个股票最好一样：市面上最热的股票八成已经不是最好，否则就没有那么多逢高买进的悲剧了。同理，案例中读到的那些公司，杂志上经常提起的那些公司，八成都已成为老黄历。剥开华丽的外壳，八成是金玉其外，败絮其中。IBM、惠普、摩托罗拉、沃尔玛，凡是你能经常听到的那些名字，八成都难逃过热的嫌疑。

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。

距离开课还有 5 天

距离开课还有 9 天

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。

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。

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。

跨职能团队合作很普遍，但很多时候"团队"是真，"合作"则否。图1的杀猪小分队，图2的鬣狗分食，看上去都是"团队作业"，实质上大不一样。

 距离开课还有 14 天

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。

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。

几年前，我去旧金山，参加IE Group举办的高科技企业计划和预测峰会。一天时间，听业界的同行分享他们的实践经验，加上自己已经有一段时间的实践，顿觉茅塞顿开，很多东西都理清了，例如"由事实出发、由判断结束"的决策流程，预测的三原则，预测与计划的关系等，都是在那次峰会后整理出来的。本来纷繁复杂的预测与计划，在参加这次峰会后，变得有条理多了。

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。

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。

采购做细了是个技术活。就连看上去最没有技术含量的讨价还价来说，如果没有技术背景，也很难做好，因为加工一个零件，需要多少工时，车床还是铣床还是刨床，良率如何，不懂技术就很难推算出成本来。这也是为什么在一个家电巨头，采购工程师的职责之一就是核算成本。

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。

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。

就模块化和外包的进程而言，计算机行业率先模块化，汽车行业学习计算机行业，飞机制造学习汽车行业。从复杂度低的行业到复杂度高的行业，这就是模块化和外包的发展路径。

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。