供应链管理专栏

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。

对于垂直整合的重资产来说，最光鲜的就是建成投产的那一天。如果不是核心竞争力，就一日日地贬值，劣质化，没多久就变成了一堆烂菜。要么继续保留在自己手里，彻底烂掉；要么倒手，一站一站地，如同击鼓传花，不断地剥离分解重组。

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。

距离开课还有 13 天

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。

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。

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？

人们喜欢模仿成功，而不是预防失败。其实成功的原因很难定义，所以很难模仿；而失败的根源则相对容易确定，所以更容易避免。向成功学习，往往会有误导，且难以实施；避免失败，则更加直观，而且容易执行。

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。

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？

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。

本田美国是本田在美国的分公司。在关键下级供应商的管理上，本田美国的做法颇具代表性。

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。

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。

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。

从供应链的角度看，我们整体上有三类方法来降本，那就是谈判降价、流程优化、设计优化，总结起来就叫供应链降本的三个台阶，每个台阶都跟供应商息息相关（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。

刚到硅谷的那几年，我屡屡有出来单干的念头。行业动荡，公司动荡，人事变动频繁，三年间光顶头上司就换了5个。每次人事变动，都得从头开始；磨合期没过，又是新的人事变动。出来单干，不是因为有多么热衷创业，而是想逃脱。逃脱频频的变动，逃脱让人不安的环境。

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。

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。

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。

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。

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？

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。

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。

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。

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。

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）。

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。

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。

在需求预测上，层层报批是种很常见的做法。

一位首席采购官告诉我这么一个故事。他当年新到一个公司时，需要整体提升采购与供应链部门的水平，其中一项任务就是从外面招聘新鲜血液。该公司地处美国中部，属于那种前不着村、后不着店的地方，虽说是该州的首府城市，但上得了规模的公司屈指可数，除了他所在的那个公司外，就只有波音，那招人也就只能招波音的人了。

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。

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。

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。

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。

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。

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。

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。

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。

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。

我在服务电信设备商时，听到这个故事。

南亚某大国有个电信商习惯性地拖欠货款。他们对华为、中兴这样做，对爱立信、诺基亚也如此。那作为应对措施，大家就都提高报价。比如上次延期支付的利息是10万美元，这次就多报15、20万美元。为什么要多报更多？因为这次你不知道会拖多久----不确定性产生成本。

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）。

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？

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？

人有时候只想着让自己的简历更精彩，但却忘了自身就是自己最好的广告。不管何时何地，我们的一言一行，无不折射出我们的个性、修养和潜能。所以，润色简历重要，但更重要的是做好每一件事、善待每一个人、每天提高自己。

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。

上海、深圳课程正在报名

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。

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？

上海、深圳课程正在报名

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。

距离开课还有 2 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

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）。

距离开课还有 5 天

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。

距离开课还有 7 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。

距离开课还有 9 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。

工作十年八年后，我们一般已经深入到特定的行业，好处是有了较深的行业背景；坏处呢，则是除了这个行业外的东西，我们知道的也越来越少。这限制了我们的视野，容易让我们特殊化我们所处的行业，以及这个行业的问题，让我们总觉得自己的行业、公司最悲催，而自己也是那个最悲催的人。这往往影响我们解决问题的意愿，也成了我们不解决问题的借口。

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。

距离开课还有 12 天

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。

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。

距离开课还有 14 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。

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。

在他们经典的《哈佛商业评论》文章中，普拉哈德和哈默尔对于核心竞争力定义了三个条件，至今仍具指导意义。

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。

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。

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。

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。

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。

在供应链管理上，有些公司习惯性地陷入救火状态，自上而下都是如此。供应链管理离不开救火，比如生产线停机待料，本身就得救火，但那是基层的任务。一旦自上而下地形成救火文化，那就是问题。

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）。

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。

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。

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。

有些人习惯性地淘汰供应商，把淘汰当做管理的主要方式。

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。

协作关系跟它的变种"合作""共赢"等一起，可能是供应商关系中最被滥用的词语。当对方嘴巴上吊起这几个词的时候，你就知道，鳄鱼的眼泪来了。在我看来，真正的协作关系须具备三个特点，必要但不一定充分的条件：（1）长期关系；（2）跟数量有限的供应商做生意；（3）共同解决问题，而不是转移问题。

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。