供应链管理专栏

网上看到很多文章，谈的是全球供应链的走向。其中最受关注的就是苹果：苹果后面是整个电子产业的供应链，其一举一动都可能产生深远影响。有些人在唱衰，也有些人很自信，说苹果离了中国，不灵，因为整个供应链现在都在这里。

连续几年的芯片短缺，成了众多企业的心头痛。好不容易今年以来，有些芯片的供应改善，甚至出现局部过剩，价格回落。于是看到不少消息，说厂家开始砍订单，颇有点出了口恶气样子：芯片商们，风水轮流转，你们也有今日啊。有些唯恐天下不乱的自媒体甚至上纲上线，把这跟当前的一些敏感话题牵扯到一起，大肆炒作来吸引眼球。

对供应链绩效来说，没有什么比预测准确度更重要了，因为它直接决定了供应链的成本、交付和资产周转效率。这就是为什么在Gartner的供应链指标金字塔里，雄踞塔顶的是预测准确度。老祖先似乎没有"预测"一词，但你一眼就可看出，"早知三日事，富贵一千年"说的其实就是预测准确度。

几年前，我服务一家千亿级的企业，晚上吃饭，不知怎么就聊到了软件开发。他们的采购总经理说，国内的软件供应商拿的是一遍的钱，干的是两遍的活，没法活了。忙问为什么，他说需求定义不到位，内部用户让供应商按自己的要求开发软件，但开发好后一看，不是自己真正想要的，于是就重来----你说软件商们怎么能赚钱呢？

让我们拿需求计划为例，阐述计划的"责任链"这一重要概念。

首先，谁是需求计划的第一责任人？谁做的需求计划，谁就是第一责任人。我们说"做计划"，指确定最终的需求数量、需求日期，驱动供应链执行。需求预测是个计划任务，虽然销售、市场、产品管理等职能扮演关键角色。当然，计划职能太薄弱时，需求预测就可能成了别的职能的兼职工作，那么这些兼职职能就得承担相应的责任。

计划职能习惯性地陷入执行模式，是众多企业的普遍挑战。怎么才能让计划"抬头看路"，而不是一味"低头拉车"？一项重要举措就是制定绩效考核来保护计划人员，引导计划更加聚焦整体绩效，避免深陷订单层面的争夺战。

计划上做不到精益求精，跟计划人员的专业能力息息相关。比如计划员工的资质、经验不足，没掌握基本的预测模型，更谈不上优化这些模型，预测准确度就不高；为了应对预测的不准确，我们就得建更多的安全库存，花更多的钱来执行弥补。能力不足，面对那么多的产品和库位，没法科学、合理地做好库存计划，合适的库存放不到合适的地方，服务水平和库存就更加没法优化，都让我们在精益求精上渐行渐远。

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，以及短缺下的过激反应，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。

任何事情都是个两阶段的实现过程：先有精神实现，然后有物质实现；前者是计划，后者是执行。企业里的每个职能，凡是有执行的，都能找到相应的计划，无非有些计划实现了专业化，由专职人员在做，有些是兼职而已。

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。

2009年，我刚开始服务本土企业，就对有些企业在计划上的欠缺深有感触。用一位美国合作伙伴的话讲，"短期计划是下午四点，中期计划是本周四，没有长期计划"。这不，前一天下午会议上谈得好好的事，第二天一大早就变了，就因为上头的一句话。

几年前，我服务一家千亿级的企业，晚上吃饭，不知怎么就聊到了软件开发。他们的采购总经理说，国内的软件供应商拿的是一遍的钱，干的是两遍的活，没法活了。忙问为什么，他说需求定义不到位，内部用户让供应商按自己的要求开发软件，但开发好后一看，不是自己真正想要的，于是就重来----你说软件商们怎么能赚钱呢？

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。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。

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。

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。

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。

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。

对于"增长陷阱"，其实大家一点也不陌生。像2008年金融危机以来的钢铁、煤炭、水泥、电解铝、光伏、风电、海运、造船等行业的产能过剩，都是整个行业陷入"增长陷阱"。其后就是连续几年的"供给侧改革"，对付产能过剩，库存高企，资金紧张的问题。这主要是宏观政策调控，针对国企央企。从企业管理的角度，该如何跳出"增长陷阱"，重建竞争优势呢？

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（如图 1）。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。

新冠疫情这两年，汽车芯片短缺的情况越来越严重，通用、福特、大众、戴姆勒、丰田、日产等整车厂的多个工厂因此停产，有些新车功能被迫推迟推出，有些车型甚至不得不退回到老的配置。

我们这里换个视角，谈一下需求计划的"进化史"（如图 1），以及中美企业在需求计划上的差异。简单地说，需求计划的整个"进化史"，也是需求计划从单一职能向跨职能、跨企业发展的历史，从避免大错特错向追求精益求精的发展历程。

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。

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执行不到位，但仔细探究，根源却都离不开计划。

最新专著《供应链的三道防线：需求预测、库存计划、供应链执行》第2版，刘宝红著， 京东预售。

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。

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。

我们都说要及时纠偏，但究竟怎么才知道预测错了？

最简单也是很常见的，就是等别人冲着我们叫：客户在催货，你知道是短缺；财务在质询呆滞库存的事，那自然是过剩了。但是，这些结果指标是滞后的，因为供应链上的库存有冗余，信息传递有延迟，等我们知道了，已经太晚了。这就跟等觉得口渴时，身体早已处于缺水状态了。

先说计划主导。

虽然销售深度介入需求预测，但需求预测不是销售的主业，即便兼职预测的话也往往只管生，不管养：他们提完需求，然后就去忙别的，不再回头看。什么时候才回头看？灾难降临的时候，要么是短缺，要么是过剩，都是基于结果的，而结果是滞后的，甚至是严重滞后。所以，作为计划职能，我们不能一直等着业务端"有什么变化，要尽快告知"----那是推卸责任，而是要定期滚动预测，发现不确定之处主动问业务端。

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。

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：

（1）在冻结期内，对预测的数量和时间调整，供应端可拒绝执行，否则的话执行成本太高；

（2）在半冻结期内，供应端要满足一定的时间调整（比如适当提前或推后），但可不响应数量调整（因为原材料等很难在短期获取）；

（3）其余的是自由期，预测的数量和时间都可以调整（这一般是采购提前期外），供应端必须满足。

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。

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。

11月供应链管理系列培训

报名倒计时还有 6 天

在各行各业，产品的生命周期在缩短，产品新老交替迅速；社交媒体带来更多的改变需求的方式，上新即高点，需求直上直下；六一八、双十一等电商大节，跟国内的传统节假日一道，显著增加了需求的波动性。再加上国内市场竞争激烈，相对欧美而言促销活动更多，需求的可预见性更低。这些都决定了基于需求历史的预测准确度低，凸显了"由判断结束"的重要性。

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。

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。

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。

在有些行业，压货行为非常普遍，人为加剧了需求的变动性。

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？

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。

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。

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。

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。

这是刀具行业的一个案例。案例企业是贸易起家，在2006年开始贸易转生产，进入制造领域，给客户做OEM代工的同时，也推出自己的品牌。刀具行业是重资产，用案例企业老总的话讲，是"重之又重"：中小企业投资一条产线，大致需要300万元，其中设备就占250万元。设备投入跟产出是1:1，也就是说，一年做1000万元的生意，就得有1000万元的设备。作为对比，波音是造飞机的，历来是重资产，固定资产周转率也达到6.1（2019）。

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。

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（如图 1）。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。

三年前，A君离开从业多年的跨国企业，加入了一个新兴的同行，负责该企业的供应链部门。该企业当时尚处于起步阶段，每年的营收在几千万元的规模，零部件给供应商做，但有自己的生产线，负责最终的组装。企业规模小，规模效益不够，人工、设备、仓储等成本就比较高。A君一算账，外包给专业的供应商，物料费用不变，但其他费用可降下来一半。供应商能够更便宜，是因为是专业做组装，生产效率高，场地利用效率高，规模效益也更大。

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。

在北美，老产品从自制到外包的诱因众多，比如公司推动结构性变化，把固定成本变动化（就像以前谈过的泛林研发），或者供应商的能力成长较快，规模和成本优势更明显。这些都很容易理解。整体逻辑都差不多：同样的重资产问题，供应商因为专业化和需求聚合效应，处于更好的位置来应对。但是，对长期以制造商自居的企业来说，要认识到这点并采取行动的话，却不是件容易的事。

科尔尼是全球知名的咨询公司，在采购和战略寻源领域尤其突出。他们开发了一个模型，从制造战略的角度出发，应对新产品的自制还是外包问题。

如图1，在科尔尼的决策树中，我们要回答6个主要的问题，来决定新产品是自制还是外购。

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。

模块化让很多供应链管理的概念得以落地，我们这里主要讲三个方面。

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。

模块化是产品的一种方式，外包是供应链的一种方式，在有关外包的文献中，这两者经常成对出现，但究竟有什么关系呢？这就是下面要探讨的。

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。

​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。

从字面上看，核心竞争力就是能给你带来持久的差异化优势，竞争对手难以复制的能力。核心竞争力与战略外包如影随形：聚焦核心竞争力，势必要外包非核心、不擅长的业务；两者结合，成对运作，极大丰富了供应链管理，对于提高投资回报率，降低重资产的风险有着深远意义。

除非绝对必要，不要垂直整合，因为垂直整合战略太复杂、昂贵并且难以逆转----想必他们介入很多企业的垂直解体，亲眼目睹重资产问题的严重性。对企业来说，进入时要慎重，慎始如终；退出时要果断，及时止损。

请神容易送神难，剥离重资产要克服重重障碍。

​

算上这本，我共写了6本书。这六本书的侧重点各不相同，从不同角度、不同深度探讨供应链管理，相互之间有千丝万缕的关系，这里简单说明一下。

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。

摘自《供应链管理：重资产到轻资产的解决方案》，新书上架--京东、当当网有售。

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。

相比海尔、美的这样建制相对完善，做事相对有板有眼的企业 ，一些相对较年轻，特别是新兴行业的企业，在产品的外包与自制的决策上就比较轻率，没有一致的战略，前后矛盾，甚至充满投机色彩。

外包重资产，把固定成本变为变动成本，即便不一定能降低总成本，也可提高灵活度。外包供应商的规模一般更小，规模效益的临界点也更低。也就是说，同样的业务量，在外包供应商那里更有可能超出盈亏平衡点。这都是外包战略的经济学原理。

在大型设备、飞机制造、军工国防这样的行业，效率低成本高是企业的普遍挑战，差异化战略是企业的普遍选择。同样，在以重资产著称的芯片制造业，只有技术的差异化，才可能系统地把重资产的成本转移给客户。

你最终会变成你曾经讨厌的样子。

垂直整合后，除非是核心竞争力，内置的资源在专业能力上会逐步劣质化。那成本呢，还有我们一直期望垂直整合能保证的交付和产能呢？很遗憾，这些能力也会劣化，最终这些垂直整合的资源会变得"又懒又馋"，在技术和商务上都失去竞争力。

跟驯化了的动物会丧失野性一样，时间一长，垂直整合的重资产难逃劣质化的命运，从而失去竞争力。

这些年轻的创始人性格强硬，脾气大，不愿妥协，影响了对社会资源的整合，没法跟供应商有效协作，就容易走上垂直整合的路。他们集裁判与球员于一身，缺乏基本的制衡，导致决策质量低，在重资产上交了很多学费。

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。

北美和欧洲的衰落，在某种程度上，可以说是从员工失去干劲开始的：垂直整合下，竞争不充分；工会保护下，干多干少都一样；经济增速缓慢，收入停滞不前，没了奔头。时间长了，这都让一些员工变得既懒又馋，成了管理层眼里的毒瘤。

供应链是从新产品开发开始的。重资产的很多决策，也是在新产品开发阶段做出的。新品的不确定性大，在决定重资产投入时要深思熟虑，慎始如终。很多重资产决策，一旦轻率做出，就逆转无望，没有赢家。

从公司层面评估整个生产、仓储、配送等重资产网络，基于成本、服务、质量等对网络进行优化，以期望从更高层面影响成本和其他绩效。

外包重资产，把固定成本变为变动成本，即便不一定能降低总成本，也可提高灵活度。外包供应商的规模一般更小，规模效益的临界点也更低。也就是说，同样的业务量，在外包供应商那里更有可能超出盈亏平衡点。这都是外包战略的经济学原理。

在大型设备、飞机制造、军工国防这样的行业，效率低成本高是企业的普遍挑战，差异化战略是企业的普遍选择。同样，在以重资产著称的芯片制造业，只有技术的差异化，才可能系统地把重资产的成本转移给客户。

你最终会变成你曾经讨厌的样子。

垂直整合后，除非是核心竞争力，内置的资源在专业能力上会逐步劣质化。那成本呢，还有我们一直期望垂直整合能保证的交付和产能呢？很遗憾，这些能力也会劣化，最终这些垂直整合的资源会变得"又懒又馋"，在技术和商务上都失去竞争力。

跟驯化了的动物会丧失野性一样，时间一长，垂直整合的重资产难逃劣质化的命运，从而失去竞争力。

这些年轻的创始人性格强硬，脾气大，不愿妥协，影响了对社会资源的整合，没法跟供应商有效协作，就容易走上垂直整合的路。他们集裁判与球员于一身，缺乏基本的制衡，导致决策质量低，在重资产上交了很多学费。

一位创业者说，几乎所有的供应链书籍都在宣扬轻资产，认为轻资产是趋势；但他看到的同行呢，却走的是从轻到重再到轻的路线。从轻到重再到轻，是不是必经之路？

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。

技术创新不够，品牌溢价能力不足，就没有足够的盈利空间来外包重资产业务；管理能力低下，没法有效地选好、管好供应商，通过市场方式获取资源，就不得不垂直整合，自建产能，重资产运作。

德尔菲是古希腊的神庙。在中国的一些农村，当不确定性很大时，大家还有问神的习惯。简单地说，德尔菲专家判断法就如问神，专家就是"神"；不光是问一个"神"，而且要问多个，交互验证。

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。

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。

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，让每一个与会人员有奖竞猜。挺大的一个瓶子，几百只巧克力豆，谁又能猜得准呢？几十个与会者猜下来，有猜1000只的，有猜200只的，有猜几十只的。但是，令人吃惊的是，平均值竟然只与实际值相差4只，误差在1%左右（实际值是296，平均值为292）。

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。

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。

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。

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。

什么是有货率？这几年在计划类培训中，这是学员问得最多的问题之一。

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。安全库存有三个驱动因素（如图1）：（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）有货率的要求：有货率要求越高，就得放越多的安全库存来应对。

新品计划首先是计划，然后才是新品。

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。

这是个大型设备制造商，设备用于大型工程项目，是典型的大国重器。他们的崛起，让欧美的竞争对手吃尽苦头。但是，大型设备品种多，批量小，定制化程度高，关键物料主要依赖进口，供货周期长，也让案例企业挑战重重。

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。

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。

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。

在选择合适的预测模型时，我们首先要看预测准确度。前面说过，常用的准确度指标有两个：绝对误差百分比、均方差。前者的好处是直观，但有可能误导；后者的好处是更能够避免极端误差，但不直观。

对于有趋势的季节需求，我们这里介绍一个常用的方法，准确度不是最高，但相对简单易行。

我们先看一下季节性和周期性的区别。周期性是时间序列呈现出波浪形起伏，上下起伏，一般由商业和经济活动引起。它不同于趋势变 动，不是朝着单一方向的持续运动，而是涨落相间的交替波动；它也不同于季节变动，季节变动有比较固定的规律，而循环波动则无固定规律[1]。可以说，周期性和季节性都有波峰波谷，前者缺乏规律性，可预见性低；后者规律性强，容易预见。

霍尔特法得名于查尔斯·霍尔特，最早发表于1957年，成为预测上用得最广的模型之一[1]。对需求预测和库存计划来说，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（Holt，Modigliani，Muth和Simon），当时他们都在卡内基工学院[2]，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危机状态，要么是赶工加急，要么是产能利用不足，以及库存积压。

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。

让我们拿踢足球打比方，来进一步理解指数平滑法的逻辑。

如图 1，预测就如防守方，下一步跑到哪里，取决于（1）现在球落到什么地方，即上期的实际值；（2）现在自己的位置，即上期的预测值----防守者是按照自己的预测行事，他现在的落点就是上期的预测值。

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。

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]。

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。

自2012年以来，算上这本，我共写了5本书。这五本书的侧重点各不相同，从不同角度、不同深度探讨供应链管理，相互之间可以说是独立，但又有千丝万缕的关系，这里简单说明一下。

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。

2018年，我和赵玲合著的《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》）。

我拜访一家公司，见他们的供应链新老总。这位老总来自销售端，长期以来，被供应端的"高成本"害苦了，比如子分公司作为内部供应商，不愿意降价。现在好，终于轮到他来管理供应链部门了，上任伊始就拿子分公司动手，让那些工厂关停并转。原因很简单：产品大众化了，产品和工艺都很成熟，毛利一日不如一日，子分公司的那帮"大爷"成本高，养不起；脾气大，不愿养。

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。

全球的疫情还在继续，中美的航班还没有开启，我继续在硅谷的家中隔离。在国内，疫情虽然得到控制，但很多企业还是提倡视频会议或者云办公，尽量避免大规模集会。于是我就通过思科的WebEx系统，以视频电话会议的方式培训。

​垂直整合后，内置的资源在专业能力上会逐步劣质化----即便不劣质化，在一个封闭环境里，提升速度也会慢于专业的供应商，逐步失去竞争力。那成本呢，还有我们一直期待垂直整合能保证的交付和产能呢？很遗憾，这些能力也会劣化，最终这些垂直整合的资源会变得"又懒又馋"，在技术和商务上都没有竞争力，且听我详细道来。

京东、亚马逊刚开始电商业务的时候，规模小，业务少，那些物流商体量巨大，双方的关系是典型的持币购物，京东、亚马逊得到什么就是什么。有了一定体量后，这些电商跟物流商的关系更密切了，给他们更多的要求，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----这有点像制造领域的代工关系，京东、亚马逊涉入不深，如图1中的第①步。

有个大公司的二级公司，这两年在向多元化迈进。他们成立了专门的事业部，购置了设备，建了生产线，但新产品却远没达到期望，销量不温不火。于是，该二级公司陷入成本"三高"的境地：技术行业，研发投入高；专业人才多，人工成本高；重资产进入，固定成本高。成本太高，支出太大，母公司也受不了，就开始考虑关停并转；二级公司人心惶惶，未来充满不确定性。

看到路透社的报道[1]，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2017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。

每次灾难来临，都如世界末日；每次灾难，人类都能安然度过。

新冠疫情的影响下，经济充满了不确定性，特别是那些打完"上半场"还得打"下半场"的行业，比如跨境贸易的电商：前段时间是有订单，没人做，交付困难；现在终于有人做了，但越来越多的国家被疫情击倒，订单没了。生产制造，餐饮服务，旅游教育，各行各业都有类似的挑战。

美国这段时间算是掉进坑里了，新冠确诊病人都超过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。政客的讲话，当然是形势一片大好，比如针对医疗器材的短缺，供应正在源源不断地涌来，前些天的热点是检验试剂，这几天就变成了呼吸机。每每讲完，总有记者"不识时务"地问，（您说有这么多），那为什么医生和护士们都在说没有？纽约市长、各州的州长也不时发表言论，说的都是联邦政府短缺，找的都是联邦政府的麻烦。

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。但销售不满意，认为评审增加了一环，阻隔了销售与生产的有效对接。案例企业的供应链就问我，需求评审流程该如何设置。

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？特别是最近，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。

精益听上去是个日本概念，其实不完全是：它是美国与日本管理方式的结合。精益的源头是福特的流水线。上世纪50年代，丰田来美国，学习美国汽车的流水线制造，结合日本的本地特色，比如资源稀缺，空间狭小等，形成精益的雏形（JIT）。到了80年代，精益实践开始传回美国，经过80年代、90年代的总结提高，形成完整的精益体系。这里能频繁看到两个企业的影子：福特和丰田，可以说先是从福特到丰田（丰田学习福特的大批量、流水​线），再是从丰田到福特（福特学习丰田，从传统的批次生产方式，转化为精益的流式生产）。

时常有读者问，某某行业的供应链怎么管理？这个"某某"可以是任何你能想到的行业，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。

这里讲的重资产，是垂直整合了专门为自己服务的。比如你是个品牌公司，自建产能，专门制造自己的产品；你是个机械加工厂，并购了个电镀厂，专门给自己的产品做表面处理。你或许会尝试多元化，让这垂直整合的资产为更多的企业服务，但其主要客户仍旧是你自己。

汽车在美国是个夕阳行业，在过去三四十年里，好像就没听到过底特律的好消息。先是80年代被日本汽车摁在地上摩擦，然后是通用的全球第一桂冠转给丰田，再就是2008年金融危机以后，三个巨头破产了两个。而作为唯一的幸存者呢，福特这两年也是流年不利，危机重重。

2004年，我商学院毕业不久，在硅谷的一家设备制造商做供应链管理，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，所以让我这样的新手来练兵。

案例企业是个制造商，让供应商做VMI库存，但VMI的库存计划还是基于经验，一刀切地设置，问题多多。我探究了该企业的详情，发现根本不具备运行VMI的条件，主要跟信息系统的能力不足有关。

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。

接触过几个软件公司，都是开发计划软件的，主要是需求预测、库存计划。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。整体而言，这些软件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。

一位读者留言，说研发和市场部总是想拉合格供应商名录之外的厂商来做比价，怎么去说服对方不建议这么做？

这里我们不说什么是"长期关系"；我们说说几种不是长期关系的"长期关系"。

一位职业经理人反映，集团层面集中采购后，价格竟然比他所在分公司原来的价格还要高。

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。

​预测中，预测的灵敏度（响应度）和准确度经常相抵触：灵敏度高了，准确度就下降；准确度高了，灵敏度不一定高。

预测准确度有多种统计方法，这里介绍常用的两种。

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"。

上周三，快消品企业A的又一款新品上市了，卖得非常好。到了这周一，短短5天的预售，原来备了两个月的货，已经有一小半给卖掉了，得马上决定是否需要补货。长周期物料、半成品加工、成品组装加到一起，整个补货周期是75天，都快11个星期了。现在的问题是，如何用5天的销量，来判断后续11周的销量？

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。

一个软件公司的业务微信我，您去xx公司培训，他们适合做预测吗？

不时有读者问，您的这4本书，应该按照什么顺序来读？这里一并作答。

一再有人问我，什么样的价格是合理的。我想这里统一回答：价格的合理性只能由市场决定。简单地说，当市场竞争充分的情况下，多家报价，你得到的价格就是合理的价格。这是由市场机制，也就是那只看不见的手决定的。这就是为什么你在一线城市打工，一天赚1000元----这个公司不给你一千，别的公司会；而你到老少边穷地区给老乡放羊，一天就只能赚50块钱了----市场能提供的也就50元一天，你不愿意，自然能找到别人放羊（反过来想想，如果你也每天赚1000，没几天，那群羊就全归你啦，这好像也不合理啊）。

有人问通用汽车的前采购副总安德森，你们的挑战是什么？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"。

案例企业有着强大的粉丝团体，传统上走的是粉丝经济，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，基本上是每周都推出一款新品。

该企业走的是中高端、差异化路线，品种多，批量小，首批推出一般也就几百到几千件。多种少量的挑战是预测很难做，要么过剩，要么短缺，在案例企业得到充分体现。

2005年，我开始写"供应链管理专栏"（www.scm-blog.com），到现在已经14个年头了。先后写了600多篇文章，长短不一，讲的都是些供应链实践中的事。"供应链管理专栏"也成长为备受欢迎的专业网站，如果你百度或谷歌"供应链管理"的话，这个网站会在第一页出现。对于一个没有做过任何推广的网站，这完全是千百万读者频繁访问的结果。

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、德国、日本、新加坡、台湾、韩国、大陆等多个地区。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，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。

十几年来，我接到过很多读者的问题，大多是关于供应链管理或者职业发展。我很喜欢这些问题。老实地说，我从这些问题中学到的，远比提问者要多得多。不过，有几类问题我没法有效回答，所以这里一并解释。

2018年是特殊的一年。我很高兴我仍旧是个作者，没有变成生意人，主要表现在下面3个方面。

采购做细了是个技术活。就拿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。这也是为什么在一个家电巨头，要设采购工程师这一职位，其职责之一就是核算加工一个零件，需要多少工时，车床还是铣床还是刨床，以推算出成本来。对于生产工艺、质量问题等来说，就更加需要技术力量来应对。

在过去几年里，我研究、拜访过几十家本土企业，上至营收数千亿、过万亿的企业，下至几千万、刚过亿的中小企业，发现在采购的组织结构上，有些普遍存在的问题，这些问题不解决，就难以完成向"大采购"的转变：（1）总部与分公司职能重叠、分工不清；（2）多头管理，形不成合力。

上世纪八九十年代，IBM在生产制造上的优势日衰，就决定转型，从竖向集成向外包过渡，面临的问题之一就是供应商行吗？IBM的忧虑是有根据的。IBM历来技术领先，当时公司的任何东西对供应商来说都是秘密，采购的一大任务就是做好"看门狗"，不要让供应商"偷取"IBM的技术。但是，供应商还是有很多方面比IBM做得好的：他们更具成本优势和快速响应能力。

供应链的大多问题，表面上看是因为执行没做到，实质上是计划没想到。客户交付差，库存周转慢，运营成本高，问题虽然看上去各不相同，但解决方案都很一致：供应链的三道防线。无论是生产制造业，还是零售、电商、服务业，莫不如此。

对于技术要求高的行业，供应商的价值往往在于他们有独到的技术，或者工艺。这对那些战略供应商尤其如此。这些供应商给我们的是产品、技术、工艺的差异化优势，而不是最低价。因为这些供应商一直在技术的最前沿，面临很多不确定性，作为采购方，我们的技术发展蓝图，对于帮助供应商聚焦未来的技术发展，意义重大。

集中与分散，是采购反复权衡的话题，不管是本土企业，还是全球企业，都没法回避。在我看来，集中还是分散，取决于两个因素：企业的管理能力和业务需求。

简单地说，企业的管理能力越强，就越可能集中采购；企业的成本压力越大，就越可能集中采购。相反，企业的管理能力越弱，对速度的诉求越高（比如新产品开发），就越可能分散采购。