March 2024 归档

以前我们谈到，一线销售做预测，颗粒度太小，准确度不高；责任考核机制缺失（没见过哪个销售丢了工作，是因为预测准确度低），而没有考核机制的事情是做不好的。既然如此，为什么那么多的企业都在由一线销售做预测？

一款手机面世，过不了几天就有一堆的山寨版；但波音飞机都飞了几十年了，怎么就不见给谁山寨了呢？这不是因为飞机的利润不高，也不是因为飞机的技术难度高----那些飞机上用的都是几十年前的老技术；而是因为飞机太复杂，比如波音747有600多万个零件，后面的供应链异常复杂：你可以"山寨"出一个简单的产品，但很难"山寨"出一个复杂的供应链来。

有人问通用汽车的前采购副总裁安德森，你们（采购）的挑战是什么？安德森说，"（通用汽车的）采购有三个挑战：复杂度、复杂度、还是复杂度。通用汽车在全球采购的零部件达16万种，这也意味着每天出问题的机会有16万个。而要生产线就停顿下来，缺一种零件就够了"。

在很多企业，一线销售提需求是个普遍的现象。理由看上去也很充分：他们最接近客户，最可能知道客户要什么。其实，除非是客户定制化的需求，一线销售在做需求预测上挑战多多。

案例企业有着强大的粉丝团体，一直走的是粉丝经济，虽然在向品牌经济过渡，但粉丝经济还是营收的重要构成。为了最大化粉丝收益，案例企业就不断推出新品，基本上是每周都有新品上市。该企业走的是中高端、差异化路线，快时尚，品种多，批量小，首批推出一般也就几百到几千件。多种少量让预测更难做，要么过剩，要么短缺，在案例企业得到充分体现。

牛鞭效应是指需求变动沿着供应链传递时会层层放大，造成各种短缺和过剩问题，长期以来一直是学术界和工业界的研究重点。根据斯坦福大学李效良教授（Hau Lee）及其同事的研究，牛鞭效应有四大主要成因，背后都能看到信息不对称的影子，让我们一一介绍如下。

我是个作者。不过在专业领域，一个人很难靠纯写作谋生，所以我也做点培训、咨询。那我的核心竞争力究竟是什么呢？是我二十多年来在供应链领域的实践、研究和总结。之所以这是我的核心竞争力，是因为它符合核心竞争力的三个条件。

我经常问职业人，有谁预测过自家的用水量？大家都说没有：做预测的是水务局，他们预测整个城市的用水量，确保水厂有足够的水，大家用时打开水龙头就行了。大家也从没见过水务局深入到千家万户，让每家每户"提需求"，谁预测谁有水，谁不预测就没水。那我们为什么有那么多的公司，一而再地要求一线销售、直接用户提需求（做预测）呢？

如果你问销售、设计，为什么又整出一个新产品时，他们的答复当然是因为有客户需求。也就是说，复杂度是外界因素造成的。那同样的客户群，同样的需求，为什么有些公司就是比另一些公司的产品更简单？就拿手机来说，苹果和三星的目标用户都是一帮有钱人，这些人的需求都差不多，苹果每年推出一款两款三款四款，而三星则整出几十款，多得连他们自己大概都弄不清。

新品计划的准确度低，关键是伴随着更多的需求历史，要及时滚动更新，同时平衡库存风险、断货风险和运营成本。

在《读者》上看到王蒙的一句话，很有感触："凡人容易滑向经验主义，圣人容易走向教条主义"。经验主义是感性的，局部的；教条是理性的，有一定的普适性。圣人之所以是圣人，是因为他们经多识广，"数据"充分，总结提炼出了规律性的东西。《读者》上还有一篇文章，说普通人的盲区是"过于依赖自己的直觉"，专家的盲区则是"过于相信自己的理性和经验"（《到底谁不靠谱》，作者人神共奋，《读者》2019年第4期），跟王蒙之言有异曲同工之妙。

2015年，普华永道在北美的一位总监问我，供应链管理在中国发展得怎么样？我给他简短地回复了Email，说发展得很好，同时讲了自己的三个小故事来概括：十几年前，我在申请北美商学院时，第一次听说供应链管理；七八年前，国内的一些大型企业启动供应链转型，成为我在国内的第一批客户；最近几年，越来越多的中小企业成为我的客户，从供应链的角度解决日益严峻的成本和库存问题。

计划由人做，人是有缺陷的，表现为各种偏见。不管是获取信息、处理信息，还是在输出信息、反馈判断结果的时候，人们都可能有意无意地掺入自己的偏见。这是人的天性，作为管理者，我们得正视并寻求解决方案。这里我们主要想讲三种偏见，以及如何应对。

假定一个公司只生产一种水杯、一种型号、一种颜色，那意味着只有一个预测， 一个生产、采购和销售计划，这时候水杯的单位成本为1元。现在为了多样化，公司决定生产四种水杯、六种型号、八种颜色，那意味着有192个预测（4*6*8=192），192个库存、生产和采购计划。水杯的单位成本还会是1元吗？如果再加上20个销售点的话呢？

在预测时间序列上，指数平滑法是另一类常用的方法。该方法最先由布朗提出，他认为时间序列的态势具有稳定性或规则性，所以可被合理地顺势推延；最近发生的，在某种程度上会持续到最近的未来，所以历史信息越新，其所占权重也越大[1]。指数平滑法其实是一种特殊的移动平均法，是一种加权移动平均，特点是权重按照几何数级递减，越老的数据权重越小。

硅谷有个高科技企业，设计工程师们时时处于项目进度的压力下，经常抱怨供应链速度太慢。就拿最简单的订单处理来说，随便买点什么，花钱也不多，供应商也是已知的 ，价格也早谈定了，采购不花个三天五天，这采购订单就是发不出去。

我接触过几个软件公司，都是开发计划软件的。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。这些软件都远非完美，不过整体而言，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。

从根本上看，产品的复杂度取决于企业的战略选择：是求大求全，还是走精品路线？是所有的格子都填，还是专填大格子？这里的典型是三星和苹果。苹果每年推出两款、三款、四款手机，而三星则有几十款，多到估计连他们自己也数不清（如图1）。

有个企业的需求计划由各大区提交，在总部汇总，预测准确度历来不高，造成供应链的很多库存问题。供应链部门就建立了需求评审制度，让总部的营销、市场、财务和供应链等部门评审需求预测。但大区的销售们不满意，认为评审增加了一环，阻隔了销售与生产的有效对接。案例企业就问我，需求评审流程该如何设置。

经济全球化，几乎每个行业的需求都是越来越多元化、碎片化，而供应还是大批量生产，导致需求与供应出现结构性的失调。业界一般通过三方面的措施来应对，各有优劣和挑战：（1）导入精益制造，减小对批量的依赖；（2）标准化，增加规模效益；（3）模块化和延迟战略，实现大规模定制。