从数据里面学什么----发货记录为例

先看发货数据的时间单元，是按月还是按周划分，也就是说，每周还是每月的发货量？在供应链运营上，周是个比月更理想的时间单元，是企业运营管理细度的体现。管理能力越强，管理力度越深，企业的时间单元也越小，越可能用周而不是月。试想想，如果拿一个季度的需求历史为基准，预测未来的需求。一个季度有3个月，三个数据点，能做什么样的分析？但如果分成13周，我们就有13个数据点，数据样本更大，在数理统计上更有意义。另外，按月划分，一个季度只有三个控制点；按周划分，一个季度就有13个控制点，有13次发现问题、改进问题的机会。

讲到这儿，可能有人说，我们按天划分，数据点不是更多、更好吗？不过对一般的企业来说，这样做太细分了，需求的"噪音"会不必要地放大，可能误导你多放安全库存来应对。而且数据可能更加不符合正态分布，一个我们最常用的数理统计模型。相反，按月划分，则可能掩盖很多本来不应该掩盖"噪音"，造成错误的决策。举个极端的例子：每月需求是100个，这100个集中在某一个星期，与平均分散到四个星期，对供应链的挑战可大不一样。如果按月汇总，我们看不出需求的波动；如果按周分解，需求的波动则清晰地反映在数据中和统计结果中。

再看客户的期望，以及企业的实际交付能力。你问企业的管理者，客户对我们的期望是什么？大家往往是大眼瞪小眼，一笔糊涂账。那好，发货历史可以给你相当可靠的判断：客户订单是什么时候录入的（订单录入日期），客户希望什么时候发货（客户需求日期），我们是什么时候实际发货的（发货日期），这些数据一般的企业都有。需求日期与录入日期之间的差值，这就是客户的期望；而录入日期与发货日期之间的差值，这就是企业的实际交付表现。你马上就看得出两者的差距。

有些差距可能不需要关闭，因为有些客户习惯性地"高要价"----今天下单明天要货，期待你3天后送来，供他们7天后用----这点你需要销售、客服的判断，数据没法100%告诉你。有的差距你可要关闭，不能因为你一直不及格，就以为客户可以接受不及格----你可能因此在损失营收。怎么才能知道？你不用问销售----发货历史就能告诉你。

比如对于客户A，从去年到今年，平均交货周期在缩短；但你知道，作为一个公司，你的整体交付能力没改变----这从针对所有客户的交付周期上可以看得出。那一个原因呢，就是对于你的交付周期长的产品，客户A给你们的订单更少了：他们根据你们的交货能力，给你们更多的是你交付周期短的产品。这在统计学上叫"选择偏差"----你看到了你看到的，你没看到你没看到的。打个简单的比方：敌人新近投入了秘密武器，后方医院接到的伤兵突然少了。如果你据此认为这秘密武器没什么，那就打错特错了，因为这武器一击致命，受伤的就根本回不来了。一线的指挥官不会犯这错误，因为他"看到"了那些没能回来的士兵----清点士兵的数量就知道了。

作为后端的供应链，你不是生活在前线的炮火中，不大直接接触到客户，也对销售们的"危言耸听"充满戒心，但你可以分析数据来判断发生了什么。你可以继续深挖，落实到具体的产品类别、料号，从需求量的变化来判断客户的行为变化。没有对比就没有伤害：对于交货周期短的产品，这个客户的需求一直在上升；而对于同类但交期长的产品，这个客户的需求一直在下降，你八成可以看得出点什么了。

从发货数据中，还蕴藏着更多的客户信息。比如客户的订货习惯：每周还是每月？是不是接受部分发货？这跟我们的关系可不小：如果是每月订货，而且不接受部分发货，那你就得备更多的库存来应对；否则，你可适当降低你的安全库存。订货越频繁，需求量就相对越稳定，计划也就越容易。总体来说，订货的频次也反映了客户的运营水平：运营水平越高，订货的频次一般越高，订货量一般也越平稳，这些更可能是优质客户的体现。而习惯性地给你一个大单子，让你分N次送货的客户，就跟那些习惯于大批量运作的企业一样，往往在管理上也更粗放。这类企业呢，整体计划性也往往有待提高。这点你也可从数据中找出来：看看他们急单的比例就知道了。

从发货历史中，你还可分析客户的集中度。摘取一段时间的需求历史，比如6个月，按照料号、客户、月份分解，你就能判断，对于特定的料号，是否有客户占了相当的比例。这些客户就是"大石头"[1]，在需求预测和需求管理时要特别关注，比如积极对接销售，了解信息系统外的信息；紧盯客户的需求变化，及时采取补救措施。你不能寄希望于销售，因为他们知道自己的客户，并不熟悉别人的客户，没法告诉你他们的客户是否是"大石头"。

当然，你还可以从发货历史中看需求的变动性。比如基于13个星期的发货历史，你可以计算每个料号的标准差，跟13周平均需求值相除，就得到相对的变动性。你马上看得出，不同料号的变动性大不一样，一刀切的管理方式，比如都设置x天的用量作为安全库存，就不合适。你还可以设定一定的规则，比如过去4周的平均需求与过去8周的相比，上升或下降超过一定比例，就需要额外关注等。

从发货记录上，我们可探知的还远不止上面这些。就拿订货频率来说，当一个产品的订货频率达到一定水平，比如过去6个月里4个月有订货，我们就开始定期预测这个产品；否则就只设安全库存。当然，行业不同，这些数值不同。不过方法论挺一致：订货频率越高，需求也相对越稳定，需求预测的准确度也越高，库存风险也越低。对于多品种、小批量的企业来说，订货频率尤其是个有用的决策参数。

再看货是从哪里发出去的。比如某个客户默认是由仓库A发货，但货物实际是从仓库B发送的，那往往意味着仓库A的计划薄弱。或许有人会说，为什么不是客户需求问题呢，比如仓库B的客户调货频率高，每次调货少，这样好对付；而仓库A的客户三个月不订货，一订要3个月的量，谁都难对付，所以就不得不向B库借货，由仓库B发出？

那好，我们还是看数据。相同的料号，不同的仓库，分析需求的变动性（需求的标准差除以需求的平均值），计算相关客户的需求变动性，这问题不就有了答案？你也用不着去问两个仓库的客服人员，或者相应的销售人员----数据就放在那儿，答案就在数据里，你先该到数据里看看。

要知道，上帝只给你一张嘴，但却给你两只手，就是希望你多动手。没有人比数据知道得更多。我们要做的就是在动嘴之前，一定先动手分析数据。如果你从数据中看不出什么，很简单，你的分析还没到位，最直接的表现呢，就是你还没有花足够多的时间来分析。