接触过几个软件公司，都是开发计划软件的，主要是需求预测、库存计划。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。整体而言，这些软件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。
其一，计划软件没法有效应对大错特错，比如促销、活动、项目等造成的预测准确度太低问题。我们知道，一个好的预测是"从数据开始，由判断结束；三分技术，七分管理"：好的软件系统可以帮助我们分析历史数据，做好基准预测，解决好"三分技术"的问题；但"七分管理"的问题，比如销售与运营协调，由销售、市场、产品端提供判断，更好地调整基准预测，却并不是软件能够解决的。也就是说，软件能比较好地解决"怎么做"，但没法解决"愿不愿做"的问题----职能博弈，信息不通畅，更多是个组织、流程的问题，需要从组织、流程角度来应对。
就如图中的这个产品，前40周的需求相对稳定，计划软件可以更好地应对，比如选择合适的预测模型，做到精益求精，把预测准确度提高几个百分点什么的，在提高有货率的同时，也适当降低整体的库存。不要小看几个点的改进：Gartner的一份研究说，预测准确度每提高10个点，公司的利润率可提高5到10个点[1]。不过对计划人员来说，最大的问题还是没解决：双十一、双十二期间的预测怎么做？就拿这个产品来说，一年72%的销量集中在那几周。要知道，提高整体有货率，适当降低库存重要，但真正让计划丢了工作的，是那些大错特错。
一个软件公司说，你把历史上的促销数据给我，比如促销的产品、促销的时间、促销的力度、促销的方式、类似产品是否也在促销、竞品的促销情况等，我们可以用人工智能（AI）建模，通过机器学习来总结规律，结合下次促销的参数，来预测下个促销可能的销量。计划团队说，促销数据、促销方案在营销那边，找不到合适的人要；即便找到合适的人，也并不一定能要到。这表明，销售跟运营计划的主流程没有打通，有数据的职能（计划）和有判断的职能（销售）没法有效对接。计划职能解决不了的问题，软件系统当然也解决不了。
也就是说，计划软件的特长不是帮你打通职能壁垒，促进跨职能协作；而是帮你精益求精，把那些主要是数据驱动的计划做得更好。我们用错误的标准来衡量计划软件，当然会得到错误的结论。对于软件开发者来说，如果定位不清，把大量的精力花在解决组织、流程问题上，注定是浪费资源，在对着错误的树汪汪叫[2]。对于有些企业来说，因为整体运营实在粗放，还没有到精益求精的地步，其实是没有能力上这样的计划软件，倒是建议他们更多地发力组织、流程，促进销售与运营之间的协作，投资回报率或许更高。
其二，软件往往不能显著降低整体的库存水平。很多计划类软件把降低库存作为一大卖点，其实并非如此：好的计划软件一般会降低库存，但整体降幅往往并显著；计划软件的更大价值在于改善库存结构，把合适的库存放在合适的产品上，在适度降低库存的同时，系统提高了有货率（服务水平）。让我们拿健身减肥来打比方说明。
跟健身减肥一样，库存控制分三个阶段。在初级阶段，库存很高，但客户要的没有，就如一身肥肉，都长在肚子上（高库存、低有货），这是很多公司的起点。然后开始健身，整天跑步、举铁，一段时间下来，上称一称，很失望地发现，体重并没多大变化，甚至增加了。想想看，整天锻炼，胃口更好了，吃得更多了，体重能减轻吗？但是，你也会注意到，你的身体更加匀称，肉长到合适的地方去了。这就到了高库存、高有货阶段。那就接着练，对自己更"狠"点，改变饮食结构，生活更节制，一点点把那些肥油给练下来，肌肉更多了，体重也下来了，这就到了低库存、高有货的第三阶段。
图片来源：www.odditycentral.com
在这个三阶段"健身减肥"过程中，计划软件通过提高预测准确度、设置更合理的安全库存，把合适的库存放到合适的产品上，改善了粗放经营下，过剩和短缺并存的情况。可以说，计划软件主要在做第二阶段的事，实现高库存下的高有货。那怎么才能到达第三阶段呢？这就得回到库存的三大根源：周转周期、不确定性和组织行为，通过缩短周转周期来降低周转库存，减小需求和供应的不确定性来降低安全库存，以及改变组织行为来降低多余库存。这需要营销、生产、采购和供应链的整体协作，更多地是个执行问题，而非计划和计划软件能应对的----计划软件更多地是准确地量化，但不是改变这些库存的根源。
其三，系统和组织两层皮，计划人员不愿放弃控制。这有点费解，简单地说，就是软件虽然很好，但由于各种因素很难用，计划的结果不可靠；或者其中的逻辑复杂，计划人员没法理解，不理解就不信任，不信任就自然不用。两者都导致系统和组织两层皮，即便上了计划软件，计划人员还是我行我素，继续在Excel表格上做道场，计划软件就沦为上载计划结果，跟ERP对接的接口。
要知道，凡是个计划软件，如果要得到可靠的结果，都要求"清洗"数据。这很费事，要做好的话，会占用相当多的时间。很多企业没有决心，也就没有资源把这事儿做好，结果就是"垃圾进，垃圾出"，对于计划软件的建议，计划团队当然不信，自然也不会去采用，软件系统就成了摆设。这是系统和组织两层皮的原因之一。
另一个原因呢，就是软件中的很多逻辑，比如预测模型的原理和择优，计划人员根本就不理解。再加上制定这些逻辑的人呢，往往是一些IT和数理统计背景的，他们懂一点计划，但其实不熟悉计划具体怎么做，导致软件系统的实操性有限。比如有些模型虽然在数据拟合度上很好，也就是说跟历史数据很匹配，但不一定符合具体的业务环境，实际预测效果并不好。计划人员虽然不懂这些逻辑，但一眼就能看出，软件系统做出的计划并不靠谱，当然就不会去用了。
就这样，计划软件就成了一个"垃圾进、垃圾出"的黑匣子。与其把命运交给这么一个没法控制的黑匣子，还不如自己继续在Excel表格上做计划，至少自己可以控制，满足自己"一切尽在掌控"中的"受控感"。不过话又说回来，很多计划人员做计划，其实是拍脑袋为主，很难说整体效果会好过计划软件。所以这种"受控感"其实是虚幻的，它无非是自己做饭自己吃，让你感到放心，并不是说比别人的更好吃。
不幸的家庭各有不幸。计划软件得不到应用，还有很多别的因素，这里就不赘述。那作为实践者，我们该怎么办？
首先，凯撒的归凯撒，上帝的归上帝：计划是"三分技术，七分管理"，计划软件的强项是解决"三分技术"问题；在"七分管理"上，销售跟运营的协调流程至关重要，供应链部门都没法打通，我们当然不能寄希望于第三方和计划软件。这是组织和流程的问题，在我的绿皮书中有详细的探讨：《供应链的三道防线：需求预测、库存计划、供应链执行》。
其次，要调整期望，理解计划类软件的价值在于优化库存结构，提高有货率（服务水平），同时控制整体库存----好的计划软件能够提高预测准确度，设置更合理的安全库存，这些举措一般能降低库存，但很难大幅度降低库存水平。
最后，该流的汗还是要流，对于实施计划软件的基础工作，一定要做到位。比如计划团队得投入资源清洗数据，这没有捷径可走，不管你用不用计划软件；计划人员要理解基本的预测模型，以及模型的择优，即便不用计划软件，这也是计划人员，特别是管理层面必须要掌握的。我的第五本书专门探讨最根本的预测模型，以及模型的择优，《需求预测和库存计划：一个实践者的角度》。
对于读者，我也希望了解你们是不是在用计划软件，用的话，效果如何；不用的话，为什么不用，有没有尝试用过。欢迎在文后留言，先行谢过。
[1] Forecast Accuracy and ROI Report 2012, Gartner Group.
[2]这是英语里的一句俚语，大意是选错了重点。原文是barking up the wrong tree：以前打猎，猎狗把猎物赶上了树，却认错了树，对着错误的树汪汪叫。
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
评论