【案例】战略供应商建议开二供

| 暂无评论

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。

改变组织行为,控制多余库存

| 暂无评论

多余库存是超出正常的周转库存、安全库存的库存。

垂直整合是管理能力不足的替代品

| 暂无评论

垂直整合有很长的历史,在不同时期的动机不尽相同。

我是怎么关注起重资产的?

| 暂无评论

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。

趋势的预测:霍尔特指数平滑法

| 暂无评论

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。

模块化与外包的关系

| 暂无评论

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。

单一供应商,风险如何管控

| 暂无评论

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。

批处理与"懒人养库存"

| 暂无评论

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。

建立层层问责的闭环"责任链"

| 暂无评论

让我们拿需求计划为例,阐述计划的"责任链"这一重要概念。

信息化来减少审批,降低周转库存

| 暂无评论

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。

从外企到民企,如何?

| 暂无评论

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。

供应风险:备份是解决方案吗

| 暂无评论

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。

库存四分法,以原材料为例

| 暂无评论

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。

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。

预测模型的选择的一些考量

| 暂无评论

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。

VMI是个好东西,对供应商也是

| 暂无评论

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。

不是突然发生,而是突然知道

| 暂无评论

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。

有时候,不预测就是最好的预测

| 暂无评论

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"。

VMI:最高、最低库存水位如何设置

| 暂无评论

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。

究竟几个供应商算合适

| 暂无评论

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"。

库存水位:系统建议为什么偏低?

| 暂无评论

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]。

供应商评估:指标权重怎么分配

| 暂无评论

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?

库存计划要学赌场,而不是赌徒

| 暂无评论

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。

没有完美的供应商,怎么办?

| 暂无评论

再订货点:主要参数如何计算

| 暂无评论

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。

计划不能是一个人的最后一站

| 暂无评论

计划上做不到精益求精,跟计划人员的专业能力息息相关。

时间序列的预测:移动平均法

| 暂无评论

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。

供应商评估的严肃性

| 暂无评论

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。

服务水平不能一笔糊涂账

| 暂无评论

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。

死亡是人生抉择的试金石

| 暂无评论

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。

供应商质量:如何保证一致性

| 暂无评论

对于制造型的供应商,我们要评估其质量生产物料管理体系。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

先是自动化,后是智能化

| 暂无评论

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。

核心竞争力的几个误区

| 暂无评论

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年的小米怎么了

| 暂无评论

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

| 暂无评论

"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)。

向失败学习,提高预测准确度

| 暂无评论

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。

改善供应链从改善计划和采购做起

| 暂无评论

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自由期(如图)。

减少批处理,降低周转库存

| 暂无评论

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。

从计划的"七分管理"到"三分技术"

| 暂无评论

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》)。

计划的纠偏,为什么不能靠销售?

| 暂无评论

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。

海尔外包次要产品

| 暂无评论

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。

供应商分类:区别对待,重点管理

| 暂无评论

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。

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。

不确定性大,如何避免大错特错

| 暂无评论

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。

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。 

案例企业是个女装电商。

在很多企业,供应链是围绕量产需求设计,以效率为导向,成本能做低,但速度做不快。这往往成为新产品开发的挑战,因为研发虽然关注成本,但更关注速度。研发的需求得不到有效满足,就对供应链很不待见。看上去这是研发的行为问题(对供应链不好,不待见),其实解决方案在供应链的能力上:(供应链)不改变(支持新产品的)能力,(研发)就不会改变(不待见供应链)的行为。所以,表面上看是(研发的)行为改变,实质上是(供应链的)能力建设问题。让我们拿个案例来说明。

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。

计划有多种,相互有关联

| 暂无评论

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。

预测的灵敏度和准确度

| 暂无评论
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。

需求预测:分门别类,区别对待

| 暂无评论

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?

"一站式"全供应链的空中楼阁

| 暂无评论

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。

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。

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。

如何从无到有,制定个计划

| 暂无评论

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。

季节性强,一锤子买卖如何预测?

| 暂无评论

什么样的人适合做需求计划

| 暂无评论

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:

多权分立,供应商成了"公共草地"

| 暂无评论

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。

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。

没计划,这是计划的首要问题

| 暂无评论

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。

计划职能的绩效如何考核

| 暂无评论

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呆滞库存等三方面。

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。

中餐连锁店:计划为什么难以专业化

| 暂无评论

模块化对供应链的影响巨大

| 暂无评论

美国:制造业回流的水中月

| 暂无评论

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。

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。

计划薄弱是个职业经理人问题

| 暂无评论

VMI:如何计划,如何管理?

| 暂无评论

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。

跟中国制造说再见,不容易

| 暂无评论

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。

销售提需求,计划做判断,如何

| 暂无评论

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。

你不能不知道什么是好的

| 暂无评论

那是我半年内第二次见到刘君,都是在我的培训中。他不久前转入采购,负责一个大型央企北京分公司的采购部。刘君虽说入行不久,但他勤于琢磨,屡屡能一语中的。

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?

库存:企业运营的焦点问题

| 暂无评论

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。

新品计划由谁做?

| 暂无评论

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。

汽车行业,如何应对复杂的供应链

| 暂无评论

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。

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?

为什么没有"山寨飞机"?

| 暂无评论

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。

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"。

一线销售,能做好预测吗?

| 暂无评论

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。

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。

好坏SKU:高乐氏控制产品复杂度

| 暂无评论

消除信息不对称,应对牛鞭效应

| 暂无评论

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。

我自己的核心竞争力

| 暂无评论

我是个作者。不过在专业领域,一个人很难靠纯写作谋生,所以我也做点培训、咨询。那我的核心竞争力究竟是什么呢?是我二十多年来在供应链领域的实践、研究和总结。之所以这是我的核心竞争力,是因为它符合核心竞争力的三个条件。

牛鞭效应下,短缺与过剩交替

| 暂无评论

ZARA与"自来水模式"的预测机制

| 暂无评论

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?

复杂度不能光怪客户

| 暂无评论

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。

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运营成本

信息化:闭环交付体系的"高速公路"

| 暂无评论

计划中的"经验主义"与"教条主义"

| 暂无评论

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。

2015年,普华永道在北美的一位总监问我,供应链管理在中国发展得怎么样?我给他简短地回复了Email,说发展得很好,同时讲了自己的三个小故事来概括:十几年前,我在申请北美商学院时,第一次听说供应链管理;七八年前,国内的一些大型企业启动供应链转型,成为我在国内的第一批客户;最近几年,越来越多的中小企业成为我的客户,从供应链的角度解决日益严峻的成本和库存问题。

设计优化中,供应链扮演关键角色

| 暂无评论

计划由人做,人是有偏见的

| 暂无评论

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。

价格由市场决定,成本由复杂度决定

| 暂无评论

假定一个公司只生产一种水杯、一种型号、一种颜色,那意味着只有一个预测, 一个生产、采购和销售计划,这时候水杯的单位成本为1元。现在为了多样化,公司决定生产四种水杯、六种型号、八种颜色,那意味着有192个预测(4*6*8=192),192个库存、生产和采购计划。水杯的单位成本还会是1元吗?如果再加上20个销售点的话呢?

时间序列的预测:指数平滑法

| 暂无评论

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。

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。

产品复杂度事关企业的战略选择

| 暂无评论

从根本上看,产品的复杂度取决于企业的战略选择:是求大求全,还是走精品路线?是所有的格子都填,还是专填大格子?这里的典型是三星和苹果。苹果每年推出两款、三款、四款手机,而三星则有几十款,多到估计连他们自己也数不清(如图1)。

需求评审:为何提不高预测准确度

| 暂无评论

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。

延迟、大规模定制和模块化

| 暂无评论

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。

层层提需求,为何准确度低

| 暂无评论

在需求预测上,层层报批是种很常见的做法。

从汉王科技说产品的复杂度

| 暂无评论

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。

不要在存量预测上麻烦销售

| 暂无评论

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。

供应商管不好,重资产成为替代方案

| 暂无评论

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。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。

供应链的推拉结合

| 暂无评论

线上线下多渠道:如何获取销售判断

| 暂无评论

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。

预测判断力是可以培养的

| 暂无评论

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。

三管齐下,系统改善供应链绩效

| 暂无评论

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。

【案例】戴尔的直销模式怎么啦

| 暂无评论

合适的产品配合适的供应链

| 暂无评论

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

从数据里学什么:以发货记录为例

| 暂无评论

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?

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。

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。

供应链管理的"儒家"与"法家"

| 暂无评论

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。

数据分析:计划工作的起点

| 暂无评论

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。

增长至上,企业普遍陷入"响应陷阱"

| 暂无评论

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。

时间序列的预测:移动平均法

| 暂无评论

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。

销售目标当需求预测,你的麻烦就大了

| 暂无评论

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。

【案例】外包过度,核心竞争力丧失

| 暂无评论

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。

供应链管理的日本起源

| 暂无评论

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。

需求预测:供应链博弈的一大焦点

| 暂无评论

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。

为什么能预测:延续性和相关性

| 暂无评论

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。

貌似没做到,实则没想到

| 暂无评论

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。

谈的都是当年之勇

| 暂无评论

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?

供应链管理与三流集成

| 暂无评论

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。

需求预测:分门别类,区别对待

| 暂无评论

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。

从汉王科技说产品的复杂度

| 暂无评论

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。

趋势的预测:霍尔特指数平滑法

| 暂无评论

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。

有了一定体量后,这些电商跟物流商的关系变得更密切了,对他们的要求也更多了,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,京东、亚马逊涉入不深,这有点像制造领域的代工关系。

供应链管理的几个"小亲戚"

| 暂无评论

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。

供应链管理的三大来源

| 暂无评论

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。

苹果补齐供应链短板

| 暂无评论

1985,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 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。

就"从数据开始"而言,颗粒度越大,需求的聚合效应越明显,数理统计的可靠性就越大,预测的准确度也越高。但对"由判断结束"来说,颗粒度与准确度的关系就相对复杂。

谁在做需求预测:兼谈计划的进化史

| 暂无评论

公司小的时候由老板兼职,有点规模后由销售、生产、采购等相邻职能兼职,上了规模后就得有专职的需求计划职能。

畅销专著

  • Supply chain management: high cost, high inventory, heavy asset solutions

畅销经典

  • Purchasing and Supply Chain Management

最近评论

  • 大米: 例子很好,很有启发性。企业不能没有KPI管理,不过我认为KPI应对事不对人。 详细>>
  • 刘宝红: 这样做的风险是两套班子在做采购,多头对接、选择供应商,可能造成供应商战略问题。要知道,这里缺的是采购资源,应该在采购职能增加资源,而不是让设计兼职采购的活儿。毕竟,设计也需要额外的资源来兼职采购的事。 详细>>
  • Roy: 老师,您好。其实这个案例的解决方式就是将研发的物料作为一种加急手段且生产采购专人负责的措施在处理。但老师有个问题请教一下,现在公司并没有多余的采购员人手专门去处理这个事,那又该怎么解决呢?我考虑此案例的解决措施是将研发人员抽取人员专门负责采购研发物料,并后续将这些物料传达给生产采购,让他去做下一步的采购评估工作。这样既可以让研发自己快速拿到物料研发且初步了解物料的价格、生产周期等情况,又能够减少生产采购的工作。 说明:公司目前是有几个亿的实缴注册资金,但是真正采购员只有7个人,1年需要采购近10万种物料且某些料一年可能会下好几次订单,且有3-4个人还要负责供应商开发工作,所以生产采购并没有多余的人手。 详细>>
  • Li Zewei: 您好,刘老师,我是本科在天津大学物流工程专业学习,现在正在港城读金融专业,我之前因为对金融知识得喜爱而选择了转行,后来经过和家里人的沟通,我认为我的目标是去从事企业当中和数据打交道得工作,同时也希望自己能读完博士再出来工作,但害怕供应链和金融强调工作经历而使得读博得性价比不高,目前我正在申请统计学专业(为了读博做量化能力的准备),不知道老师怎么看待我的背景读博士得选择,有哪些方向在读完博士之后更被企业所需要呢。 详细>>
  • Kathy: 對老師的分析有很深體會,我所在的地區,因為人才緊張,"三無"也是混得順風順水,混日子混到升職加薪大有人在,特別是公司重視留得久的員工而非有能力之輩,往往讓我心灰意冷。不知道如何調整這種心態,感覺努力提升自己,都不如睜一隻眼閉一隻眼在公司躺平得到更多。我也換過幾家公司,氣氛大都一樣,慢慢對工作失去熱情。 详细>>
  • 文一清: 老师的现场培训课可以多弄一些城市啊 就上海深圳太少了 详细>>
  • 刘宝红: 这里的问题是供应商早期介入了,采购没有。一个两个工程师这么做,可能是那一两个人的问题。一帮工程师都那么做,往往是因为有能力短板,不是工程师的,而是采购的:采购要么没能力,要么没资源,在供应商早期介入上没法增加价值,工程师就自己来对付。我写过专门的文章解释这些。 详细>>
  • 徐培君 Carina: 非常感谢Bob对于“供应商早起介入”,这个话题的探索… 首先,在实际的工作经验中,非常赞同您从底层逻辑出发提出了“设计意愿&设计能力”的两个纬度考量,特别对于高技术新颖的市场这点尤为关键,并通过日本企业的一些成功经验来论证其观点. 作为供应链采购人员,想从实际遇到的问题和您把话题往下衍生一下,如有不恰当之处,望指出: 问题:在一个新领域(数字化算法),由于很多R&D人员就是了解到“设计能力”本身欠缺,故直接采取主动进行“前期供应商接洽”,并美其名曰“沟通更有效率”,从而结果是“寻源”可以技术部门自己完成,采购成为了“走流程,摆样子”,同时由于特殊时期,高级管理层都“默许”;而对于此时“采购人员”特别被动,对于此“怪像”,您怎么看? 详细>>
  • 刘宝红: 这关键是你有没有别的更好的选择。 详细>>
  • Kate: 刘老师,您好!本人在制造业名企有4年订单交付的工作经验,目前有另一家制造业的采购机会,但因为我缺乏采购经验,提供给我的机会是间接采购岗位。目前间接采购岗位都是大型企业才会配置或重视。不知道您对这个岗位的发展有什么看法?是否值得转变岗位? 翻看您之前在17年的回复如下,请问现在还是保持同样的看法吗?谢谢! // 生产制造业在国民经济中的比例会越来越低,服务业的比例会大幅上升,如果中国按照现在的经济发展下去的话。所以,对于间接采购的需求会增加。这也是美国现今的情况。 详细>>

首页归档页可以看到最新的日记和所有日记。