从计划的"七分管理"到"三分技术"

《供应链的三道防线》主要是解决计划中的"七分管理"问题，虽然涉及到"三分技术"，还是缺乏足够的细节，比如预测模型的择优，库存水位的优化，新品的导入和预测等。作为管理层，读完《供应链的三道防线》，在"七分管理"上，你会从组织、流程的层面对计划有很好的了解；但作为执行层，在"三分技术"上，却还有诸多技术性的问题，需要进一步厘清。所以，我想再写一本更加实操层面的书，解决"三分技术"的问题。

正好这两年在帮助一些电商、新零售企业改进供应链计划体系，做了一系列的案例，结合以前在高科技行业8年的全球计划经历，为这本新书提供了素材。书中案例相当一部分来自电商、新零售，一方面是因为在这些新兴行业，从业人员普遍年轻，精于业务创新而疏于供应链运营，供应链管理特别是计划薄弱，有很大的提升余地；另一方面也是因为这些行业的信息化程度比较高，需求端的数据相对完善、易得，为案例分析提供了充分的素材。

但是，我不想因为这些案例，就把该书定位在特定的行业、特定的领域----不管是时兴的跨境电商、新零售，还是传统的生产制造、贸易流通，在供应链计划上的问题都很相似，主要表现在以下几个方面：

其一，总进总出整体上不平衡，导致全局性的需求与供应不匹配。这在新产品导入上很常见，在成熟产品上也屡见不鲜。这是个需求预测的挑战，在公司层面（中心仓）尤为重要，需要提高预测的准确度，尽量作准、尽快纠偏，并驱动整个生产和供应商的执行来弥补。

其二，库存没放到合适的地方，导致局部性的需求与供应不匹配。即便整体需求与供应匹配了，合适的库存放不到合适的地方，也会导致局部性的过剩与短缺并存。这是个库存计划的问题，主要发生在前置库位，可通过设置合理的安全库存、再订货点等来解决。

其三，产品、业务、需求的复杂度大增，增加了供应链计划的难度。业务全球化，需求差异化、碎片化，产品多元化，为SKU泛滥埋下伏笔，不但导致供应链的规模效益丧失，而系统增加了需求预测、库存计划、补货配送的复杂度。产品如此之多，没有人可以靠判断做计划；我们必须更加依赖数据处理，来做好需求预测和库存计划。

这些问题交织在一起，集中体现为新产品的计划极度不准，经常大错特错；老产品的计划不能精打细算，无法实现库存优化。两个问题貌似不同，根本原因却很一致：数据分析不足，基准预测不够扎实；计划以拍脑袋为主，过度依赖业务部门的判断。这些问题不是特定行业所独有；我们需要寻找广义的解决方案，系统地从时间维度（新产品vs. 成熟产品）、空间维度（中心仓库vs. 前置库位）来应对。

还有一个维度，就是业务维度：B2C和B2B的业务有区别，对供应链计划的挑战也不尽相同。比如B2C的需求相对分散，东边不亮西边亮，但节假日、促销、活动众多，产品生命周期短，竞品众多，影响需求的因素也很多；B2B业务的需求相对集中，特别是大客户，能够显著改变供应商做生意的方式，但好处是产品生命周期一般较长，促销、活动、节假日等因素影响较小。

值得关注的是，这些年来，很多企业开始同时跨入两个领域。刚开始是传统企业上线，开拓线上业务；现在是电商进入线下业务，走传统的渠道。制造企业上线，失去了传统渠道的缓冲，屡屡被线上业务的促销、活动痛击；电商下线，线下渠道的关系复杂，运作低效，信息不对称，再加上大B客户的强势，也是吃尽苦头。两种业务不同，面临的供应链挑战也不同，在计划上也要区别对待，不过在本书，限于篇幅，我们不会专题讨论。

新产品还是老产品、中心仓还是前置库位、B2C还是B2B，这些计划对象上的差异，要求计划方法上的差异化----一刀切不是精细管理；精细化管理的标志是差异化。除了这些，我们在计划中还要考虑产品的成本、需求的变动性、客户的集中度等一系列差异化因素，区别对待，采取有针对性的措施，而这正是众多粗放管理的企业所欠缺的。

就整体方法论而言，本书依旧遵循《供应链的三道防线》一书中"从数据开始，由判断结束"的基本准则，在基本数据，比如需求历史的基础上，制定基准预测；根据销售、市场等业务部门的职业判断，比如促销计划、新品上市计划，来调整基准预测，制定最终的预测。与《供应链的三道防线》一书不同的是，本书更加聚焦"从数据开始"，通过一系列案例，更详细地介绍预测模型，包括预测方法的择优，库存计划的优化，新品导入的计划等。

特别要说明的是，本书不是一本预测方法论的书。我深知，预测方法深如海，几十年来，专业研究估计一个图书馆都装不下，自己才疏学浅，不敢奢望在这方面有所创新。本书会探讨常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。对于详细的预测方法，建议阅读专业的书籍[2]。

本书也会尽量避免数理统计，但不得不承认，供应链处处充满不确定性，而要掌握不确定性，没有什么比数理统计更好的工具了。所以，我会尽量以浅显的语言，从实践者的角度解释最基本，也是最重要的数理统计。我不想给计划贴上数理统计的标签，吓退众多的从业者----你可以不用懂得多少数理统计，仍旧做出相当不错的计划来。当然，如果要成为计划、供应链领域的高手，数理统计的思维会让你更上层楼。

本书的目标是寻找更优，而不是最优的解决方案。书中分享的一些实际问题的解决方案，顶多算是"实践"供参考，而决不能当做"最佳实践"来看待。在那些实践中，我找到的方法比案例企业原来用的要好，但比教授、博士们的研究模型要差----研究者们寻求的是最优解决方案，但往往因为过于复杂、理想化，实践者没法理解，所以就不能信任；不信任，所以就不会采用。鉴于这点，在我的一些案例中，比如预测方法的择优，我适当牺牲了一些准确度，以期增加操作的可行性。

这些年来，我越来越意识到，在供应链领域，执行往往跟企业的规模有关，比如大公司的议价能力强，在执行上，就更容易把问题转移给供应商或客户；小公司的胳膊不够粗，就很难通过转移问题来解决问题。但对计划而言，不同规模的企业之间，共性则更多，而本书中的大部分案例，实际上是来自年度营收在几千万、几亿元的中小企业。

比如就需求预测和库存计划而言，一个年营收几千万元营收的企业，动辄就有几十几百个产品，成百成千个规格，线上线下业务并行，计划的复杂度之高，跟一个年营收几亿、几十亿的企业相比，区别没有想象的那么大。如果说有区别的话，那更多是在于"七分管理"上----企业越大，组织和流程越复杂，职能之间的博弈越多，计划与业务部门的对接越困难；对"三分技术"来说，大小公司在基础数据分析、预测模型选取、库存计划的优化上，其实没有太大的区别。

所以，就应用对象而言，本书的目标覆盖大中小规模。特别的，本书在写作过程中，时时考虑这两类型企业面临的挑战：

• 新兴企业：以前每年做几百几千万元的生意，经过爆炸式成长，做到几亿或者更大规模，供应链计划和执行越来越复杂，交付压力巨大，客户要的没有，客户不要的很多；

• 成熟企业：每年几亿几十亿乃至几百亿的营收，增速放缓，行业饱和，供应链面临严峻的成本和库存挑战，需要在供应链计划上更上层楼，以提高库存周转率和投资回报率。

两类企业所处的生命周期不同，对供应链和计划的期望也不尽相同。对于新兴企业来说，快速增长下，计划上要避免大错特错，"一快遮百丑"，在精打细算上往往乏善可陈；一旦到了成熟阶段，增速放慢了，成本太高、周转太慢的问题就如冰山浮出水面，需求预测和库存计划的精打细算就提上议事日程。

这两类企业要做的，都是跨越计划的三个台阶（如图1）。他们规模不同，但起点却很相似，那就是高库存、低有货----计划薄弱，执行也薄弱，导致没用的库存一大堆，但客户要的没有。这是计划的第一个台阶。这就如图1中的小伙子，在开始健美之前，身上的肉很多，但长错了地方。

图1：库存计划和库存控制的三个阶段

图片来源：www.odditycentral.com

然后就开始改进计划，比如选择更合适的预测模型，提高预测准确度；计算更合理的库存水位，提高库存的利用率。这些改进大都是"三分技术"的范畴，能由计划职能独立完成。因为没有触及库存的三大根本驱动因素[3]，整体库存水平没有显著改善；但因为预测准确度更高，安全库存更合理，我们把合适的库存放到合适的地方、合适的的产品上，库存的结构变得更加合理，库存的效率也就更高，结果就是高库存、高有货。这就是计划的第二个台阶。

在计划的第三个台阶，我们更多地是从"七分管理"的角度出发，改进的重点也到了执行，比如缩短周转周期以降低周转库存，降低不确定性以降低安全库存，改变组织行为以减少过剩库存。在这个阶段。计划强，执行强，整体库存会更低，而有货率更高，表现为低库存、高有货。

计划改进整个过程，就像一个人的健身过程。刚开始，胡吃胡喝不锻炼，生活习惯差，一身肥肉；慢慢地，健身有点效果，合适的肉放到合适的地方，但体重并没有减轻；最后，长期的自律和坚持，肥肉没了，瘦肉更瘦，就练出一身腱子肉来。

本书的重点是"三分技术"，旨在完成向第二阶段的过渡，即从"高库存、低有货"提升到"高库存、高有货"。这一阶段的改进相对容易，在计划职能就能完成，不需要多少跨职能协作。招一位优秀的计划经理，选择更好的预测模型，设置更合理的库存水位，把计划本身的事儿做好了，就能大大提升达到第二个台阶概率。

跟计划人员交流，听到的大多是销售和业务端如何作孽，如何不配合；殊不知，有很多事情，比如数据分析，计划职能自己就能完成，并不需要销售来帮忙----计划要做自己能够控制的，那就是解决好"三分技术"的问题；而不是一味拿不能控制的为借口，成为自己不作为的理由。

[1] 在库存控制上，中心仓库与前置库位容易陷入互扣人质的情况。比如中心仓库不增加该加的库存，导致对前置库位的补货效率下降；作为应对，众多的前置库位就增加安全库存，反而系统增加了整体库存。

[2] 我主要是参考Forecasting Methods and Applications，作者Spyros Makridakis, Steven C. Wheelwright, Rob J. Hyndman，Wiley出版，第三版，2018年重印。中文书中，我也参考一本大学教材，书名为《统计预测和决策》（第五版），徐国祥主编，上海财经大学出版社，2016年。

[3] 库存的三大驱动因素是周转周期、不确定性、组织行为，见《供应链的三道防线：需求预测、库存计划、供应链执行》。周转周期长，周转库存就多；不确定性大，安全库存就得多放；组织行为不改变，人为造成的过剩库存就多。