为什么采购不得调整预测？

有的学员说，他们做调整。原因挺多，比如预测的准确度太低、供应商的良率太低，或者是纯粹是为了安全----说是每周100个，万一120个呢？得，那供应商您就按120个准备吧。这些理由，看上去很正当，其实未必。

先说预测的准确度太低。我的第一个问题就是：如果计划做的预测不准，采购何德何能，可以预测得更准确？是离需求更近、知道更多的需求情况，还是分析能力更强，能从历史数据中得到更多的信息？都不是。计划跟销售、产品甚至客户打交道，离需求更近；计划的数据处理、分析能力更强。在信息没有计划多、能力没有计划强的情况下，采购注定做不出更好的预测。如果计划的预测准确度太低，解决方案是督促他们改进，而不是越俎代庖，由采购来做计划。即便是采购的预测做得更好，你也不能代替计划，因为这样导致计划得不到锻炼，没法提高预测的质量，职能分工不清、职能之间的相互博弈等恶果就更不用说了，后面还会谈到。

再说供应商的良率。小采购说，如果知道供应商的良率是90%，那么他会把预测上浮10%。不过想想看，在良率方面，采购能比供应商知道的多吗？而且供应商也不知道采购已经加了富裕系数，他们的生产计划再加个富裕系数，结果就是双重上浮，导致需求信息的过度放大（也叫牛鞭效应）。对于良率问题，根本的应对措施是督促、帮助供应商改进生产流程与质量控制。如果一时没法改进，则建立一定的安全库存----安全库存的作用就是应对不确定因素，而良率问题是典型的供应不确定性。上调预测，只是给供应商带来更多的不确定因素。

有些公司出于"不误事"的考量，当一个职能做不好自己应该做的事时，就由另一个部门来做。这表面上看解决了一时不误事的问题，其实为很多长期问题埋下祸根。比如有个公司，采购部门是典型的"小采购"，经常没法完成供应商寻源的任务。为了不误事，设计部门就介入，甚至派员工到现场去找供应商。设计部门本来就人手不足，对这些额外的供应商寻源任务意见多多，找到一个能干活的供应商就拉倒，基本上不会货比三家；而采购部门呢，因为设计的单点寻源，在后续价格谈判、质量和交期管理上困难重重，所以对设计意见多多。设计干了活，不但没有得到好，采购反而是意见多多，两个部门关系就非常紧张。那解决方案呢，要么是把供应商寻源的任务转移到设计部门，给设计配备更多的人手干这活儿；要么是提升采购部门的能力，让他们能够履行供应商寻源的能力。在大公司，学雷锋、"不误事"只能适用于职能之间的搭接地带，即每个职能的辅助任务，而不是核心任务----你没法永远帮助一个职能做他们的核心任务。我们常说的"救急不救穷"，也是这个道理。

频频介入另一个职能的核心任务，不但造成职能分工不清，而且给系统注入人为的不确定因素。就预测而言，调整本身就是不同职能之间的博弈。比如销售说100，计划打个八折，变成80。那么销售为了保证得到100，下次告诉计划的预测就是125。类似的博弈在销售与计划、计划与采购、采购与供应商、供应商与下级供应商之间进行多次后，你就能理解为什么需求信息越来越不准，造成牛鞭效应，最后要么是过剩（大家都加个富裕系数），要么是短缺（大家都打个折）。这是供应链管理的一大挑战。供应链上的不确定因素本来就够多了，而这种人为导入的博弈更是自作孽、不可活。

另外，一旦开始博弈，客户职能就可能更加轻率，导致输入信息的质量更低。就拿预测博弈来说，假定销售花了很多功夫，制定一套销售预测，下达给计划，计划做出各种各样的调整，那下次销售还会花那么多的时间预测吗？答案是不会。本来要花3天时间做的预测，现在花3个小时就整出来了：不管我做得有多好，反正你都会调整，那我为什么还要花那么多精力做呢？随便做做得了。这种情况下，销售没法控制过程，就开始控制结果：反正我给你预测了，你怎么调整都可以，前提是得保证有货，没货的话我把你的脑袋给拧下来。这不，在预测上，销售和计划本来是朋友，互相博弈的结果是把本来的合作伙伴变为敌人，跨职能协作更加困难，职能之间的互信更低，最终带来更多的成本。

博弈与反博弈的结果是谁的话也不可信，即使是真话也是如此。读冯骥才的《俗世奇人》一书，里面有篇文章，说有个酒婆，每天傍晚来小酒馆买一杯低质烈酒，一饮而尽，然后踉踉跄跄离开。因为酒馆老板在烈酒中兑了水，这酒劲就打了折扣，酒婆摇摇晃晃走个一二百米，到了十字路口，酒劲正好过了，于是安全过街。这一天，酒馆老板老来得子，感激之下，就决定少做缺德事，停止给烈酒里兑水。酒婆不知道，还是照饮一大杯，踉踉跄跄摇晃到十字路口，酒劲却没醒，下面的惨事就甭提了。在有些行业，比如合同制造业，上下游之间习惯性博弈，上游给的预测习惯性地虚高，供应商拿到客户的预测就先打个折，否则就成了客户的仓库和银行。弄到后面就成了"假亦真时真亦假"，真假难辨，谁先诚实谁先死，结果是谁也不敢停止博弈。这也是过去把未来扣做人质。

那这问题怎么解决？其实很简单：停止博弈。销售与运营计划（S&OP）的一大目标就是消除职能之间的博弈，推动跨职能协作，制定公司范围内的最佳预测，然后指导整个供应链的各个环节。这个最佳预测遵循"从事实出发，由判断结束"的原则，由计划依据系统里已经有的数据进行数据分析，再配以销售的直觉判断。当然其他部门也可以提供信息，帮助优化预测。比如一个部件尽管是采购方的独特件，但是供应商的通用件，采购把这信息提供给计划，那么在预测上就可以做得比较富裕一点，万一有过剩，可以较低的成本或免费退给供应商。可以说，这个最佳预测汇集了各职能的最好智慧，没有一个职能可以做得更好，那就成为唯一的预测，指导供应链的各个环节来执行，让大家对就对到一起，错也错在一起。在供应链里，不确定性就是成本。消除了职能之间的人为博弈，就是消除了大量的不确定因素，从而降低成本。

让人忧心的是，有的公司习惯性地对预测层层加码，却不知道其危害。有一次在北京培训，一位来自设备行业的学员说，他们行业一直在走上坡路，需求总是高于预测，所以他们给供应商预测时，总会增加一个富裕系数。这是新能源行业的龙头企业。这些年来新能源行业发展迅猛，该公司一路跨越100亿，正在冲击200亿的大关，供应链的产能瓶颈不断，采购就通过给供应商的预测层层加码来应对。这逻辑就如价格谈判中的高要价：给我降20个点，其实如果能拿到8个点就达到目标了。我问他，2000年前后硅谷有同样的情况，预测节节拔高，但总有一天需求会停止增长，甚至走下坡路，就跟人不能一直长个儿一样，你知道后果有多恐怖吗？答曰不知道。思科等公司当年动辄就注销一二十亿美金的库存，15年后，当然是没人记得了。不过历史注定会重演，无非是时间、地点不同罢了。人会停止长个儿，企业当然会停止增长。可怕的是，经过二三十年的经济景气，越来越多的人意识不到这一点，这注定是要付出高昂的代价。

附：这是一个读者分享他们的做法。汽车行业。

这篇文章对我尤其感触颇深，我本身就从事计划相关工作。

我们公司是属于汽车零配件制造行业。从主机厂客户获取的预测数据来源主要有3类：一、全年计划，体现客户全年销售和生产计划；二、3个月内周别计划和后3个月内的月别计划（六发计划），作为公司内销售与运营会议的基础预测数据；三、周计划，作为每周生产的依据。（其实还有第四类数据，同步供货信息，即客户实时需求。）

首先，采购不参与预测数据的决定或调整，基本由计划部门直接采纳客户六发计划指定。（采购的主要职能在于前期供应商选择，价格谈判，及量产后降价谈判，商务协调）

其次，要不要在客户计划的基础上设置富裕系数或者打折，需综合各方面的信息（一般不设富裕系数，每个月对比客户初版计划和最后达成数量，只会少，不会多），

我的考量因素主要有：当月客户销量；当前客户库存及库位容量；去年同期销量；客户促销信息；其他同级别车型上市或销量情况；国际政治环境（尤其是日系车）......

但是，我们不能总看着后视镜开车，未来的形势雾里看花，打折的系数大多是凭直觉。

现在，集团越来越关注预测和实际的一致性。也就是说，即便实际销量大大超出预测，也要受到质疑：我们的情报获取能力，我们的直觉......

我们还可以从哪些方面着手，进一步提高计划的准确性？

对于上面预测准确度问题，我的答复如下：

预测的准确度方面，可先从管理需求做起。参照我的文章：https://scm-blog.com/2012/03/how-to-manage-demand.html。

预测的准确度提高到一定地步就很难再提高。需要从缩短采购前置期和生产周期、周转周期来应对----如果没有这些Lead Time的话，就根本不需要预测（谁预测过自来水？打开龙头就来了，Lead Time是零）。另外，还得从产品设计出发，尽量标准化设计，这样可以整合需求，对预测的准确度要求不高。可参照这篇文章：https://scm-blog.com/2014/11/response-trap.html