2024年5月现场公开课(第456-466期)

需求预测:供应链的第一道防线上海(5/18,周六);深圳(5/22,周三)

库存计划:供应链的第二道防线上海(5/19,周日);深圳(5/23,周四)

供应链管理:高成本、高库存、重资产的解决方案上海(5/17,周五);深圳(5/24,周五)

供应商管理:一个实践者的角度深圳(5/15,周三);深圳(5/25,周六)

采购的职能建设:从小采购到大采购深圳(5/16,周四);深圳(5/26,周日)

详情请垂询助手党琪:182 1756 2014(微信同)。

计划职能的不作为同样可恨

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。

比如说,一个好的预测,除非是重复性非常低的长尾需求,是"从数据开始,由判断结束":由计划职能做好数据分析,在历史数据的基础上做出基准预测,再由销售、市场、产品等职能根据促销、活动、新品导入等做调整,最后得到一个"准确度最高的错误的预测"----所有的预测都是错的,但整合了历史信息和专业预判的预测错得最少。在这一流程中,计划和供应链抱怨最多的就是销售的不作为:销售是强势职能,不愿意提供判断,我们也拿他们没办法。不过想想看,做砸预测,是不是符合销售的利益诉求?当然不是。所以这事儿可能远没有看上去那么简单。

举个例子。我到一家公司,问他们的计划经理,你"从数据开始",分析每个产品的需求历史,比如前三个月、六个月的需求,得出未来三个月的基准预测,就给销售经理们做判断,发给他们的Excel表格有多少行?意即让他们判断多少个产品。答曰几十行到成百行。我接着问那四个销售经理,看到这么一张成百行的Excel表格,你们怎么判断?答曰不知道如何判断----人的判断力有限,那么多的内容,帐多不愁,当然就没法判断。

想想看,销售一般是按照地域、客户、渠道等划分职责,每个销售经理只负责自己的地区、客户和渠道,只知道他们负责的,不知道别人负责的。现在让判断产品层面在全国、全球的需求预测,他们哪有能力判断呢?

并不是所有的产品都需要判断。有些产品卖给很多客户,每个客户只占几个百分点的销量,东边不亮西边亮,上下起伏一般会互相抵消,其实是不需要每个具体的销售做判断的。如果要判断的话,也是在公司层面,了解在未来一段时间,整体销量预计增长多少,有没有大的促销和新品上市计划,有的话预估对产品的销量影响。这样的判断其实是聚焦在很少的几个人那里。

真正需要判断的呢,是那些需求集中度高的产品。比如这个产品虽然卖给10个客户,但其中一个占总销量的40%,一旦这个客户有大的变动,我们就可能受不了----这样的客户就叫"大石头",投入需求的"水池"中,能够溅起大浪的。那好,我们把这个客户的预测单列出来,比如总预测是100个/周,其中40个是为这个特定客户预测的,让相应的销售做判断。这时候,我们落实到了具体的产品、具体的客户、具体的销售,冤有头债有主,让销售判断的可执行度大增。这个销售一看需求历史和预测,说客户最近要多开几家店,估计需求要拔高四分之一。那好,这意味着该客户的需求由40个变为50个,而产品的整体预测也由100个变为110个,我们真正完成了"从数据开始,由判断结束"的闭环流程。

这也意味着,需求历史的分析要到产品-客户层面。一个公司,产品动辄就成百成千个,客户几百几千,产品与客户的组合动辄在成十万,数据分析做到这个层面,意味着Excel表格有成十万行,加上13周的需求历史,13周的预测,每周各占一列,还有其他数据,动辄就是几十成百列。这样的文件有多大,分析有多复杂,我们当然不能期望销售经理能胜任----计划职能的数据分析能力最强,处于最佳的位置做这样的分析。但是,很多计划人员"懒政",不作这样的分析,找到真正需要判断的"大石头",而是一股脑儿把产品层面的信息甩给销售,销售经理们当然是没法判断的。就如这个案例中的计划,他们与其说是在征求销售的判断,不如说是在免责:销售,我是问过你们做判断、调整的,以后预测错了,可别怪我们做计划的喔。

这种免责式的不作为,还表现为让销售填写各种各样的表格:因为计划没法聚焦真正需要的信息,就让销售把各种信息都填报;胡子眉毛一把抓的结果呢,又让销售的精力太分散,反倒影响对真正重要的信息的沟通。走到极端,就成了一线销售提需求。这后面的逻辑是一线销售最接近客户,最可能知道客户要什么。没错,如果是长尾产品,客户定制化程度很高,需求的重复性很低,那我们要么等着客户订单驱动,要么由一线销售提需求。但除非在特殊行业,绝大多数的产品不是这样的,它们的需求就如下图所描述的,中长期有一定的趋势和季节性,是能够基于历史数据预测的;趋势和季节性外,是没法用数据模型模拟的,但并不意味着都得靠销售来判断----小的变动是随机的,销售是没法判断的,我们需要通过安全库存、供应链执行来弥补;真正需要判断的是波峰波谷,以及其后能够显著影响需求的因素,比如促销、活动、新品等,不管是由我们导入,还是来自客户、竞品的行为。

图片1.png

图:时间序列的分解和预测

像这样的产品,数据分析得当,计划可以得到一个相当靠谱的基准预测,再加上销售的判断,整体预测准确度会有一定的保证。但是,计划不作为,完全依赖一线销售来提需求,每个销售的颗粒度那么小,相应的趋势和季节性会更不明显,可预见性会更差,打死是预测不准的。有人或许说,那么多的一线销售,有的高,有的低,会不会互相抵消,提高整体的预测准确度?答案是可能性很小:这些销售身处同样的环境,受同样的影响,表现出来的偏差也是同向的,比如在短缺的时候,大家都会拔高预测;在过剩的时候,则一窝蜂地降低预测。

一线销售提需求,根本原因是"从数据开始,由判断结束"的预测流程不稳健,在我和赵玲的《供应链的三道防线:需求预测、库存计划、供应链执行》一书中有详细描述(见第113-117页)。但同样不可忽视的,是计划的免责心理和不作为:计划让每个销售提需求,把预测的风险转移给销售,结果连那些可以在产品层面预测的趋势、季节性也预测不好。每个一线销售提需求,预测准确度当然很低,就给计划和供应链以口实:这就是为什么你得不到你想要的货。这让销售从一开始就输了,但最后的短缺和过剩,还是少不了计划和供应链去善后。

即便是那些客户定制化程度很高的长尾产品,虽然在成品层面需求的可重复性很低,在半成品、原材料层面的可重复性则未必低,如果数据分析到位,计划职能可以在这些层面制定相当靠谱的预测,驱动长周期物料的采购。但问题是,有多少计划人员有能力做这些呢?这些年我培训了大量的计划人员,绝大多数人连最基本的预测模型都不了解,比如指数平滑法、线性回归法、趋势和季节性模型等。像预测模型的择优,就更谈不上了。比如最简单的移动平均法,为什么用过去4期或8期,而不是13期或别的期数的需求历史,答案就是"我们一直这么用"。这样的数据分析能力,就只能做些催货的事,再就是逼着一线销售提需求,让销售人员兼职做计划。

都说"知耻而后勇",但问题是有些计划人员根本就不知耻。有个IT人员,参加完我的培训后,试图说服公司的计划人员也去学学,但说服不了,问我该怎么办。我能怎么办?你没法叫醒装睡的人。预测模型和库存计划,首先是计划人员的事,他们得从业务层面确定业务逻辑,比如哪些方法适合他们的产品,再让IT人员编程,把这些方法论固化下来。计划人员不作为,就把这些统统交给IT,苦了一帮IT人员。在过去一年里,就有三四个企业的IT找我,问如何优化计划体系,甚至是建立端对端的供应链?那计划和供应链人员都去干什么了?

5月供应链系列现场公开课

围绕我的系列畅销书,我设计了五门精品课程,2024年5月份(第456期-466期培训)正在报名。


  1. 需求预测:供应链的第一道防线上海(5/18,周六);深圳(5/22,周三)
  2. 库存计划:供应链的第二道防线上海(5/19,周日);深圳(5/23,周四)
  3. 供应链管理:高成本、高库存、重资产的解决方案上海(5/17,周五);深圳(5/24,周五)
  4. 供应商管理:一个实践者的角度深圳(5/15,周三);深圳(5/25,周六)
  5. 采购的职能建设:从小采购到大采购深圳(5/16,周四);深圳(5/26,周日)

更多信息请点击链接,报名详情咨询请联系我的助手党琪:182 1756 2014(微信同),电邮[email protected]

我有微博、微信(scm-blog),也在LinkedIn上,欢迎加我,随时沟通。更多联系信息见此处

欢迎关注我的微信公众号,每天一篇文章:wwwscm-blogcom

请关注我的微信公众号,每天一篇文章:wwwscm-blogcom

畅销专著

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

畅销经典

  • Purchasing and Supply Chain Management

关于此日记

此日记由 刘宝红 发表于 2020-01-19 18:14January 19, 2020 6:14 PM

此Blog上的上一篇日记软件往往优于手工计划,为什么企业不用?

此Blog上的下一篇日记【案例】离开信息化,就不具备做VMI的条件

首页归档页可以看到最新的日记和所有日记。