案例企业是个女装电商。
女装本身就很难对付：产品生命周期短，季节性明显，款式、颜色、尺寸众多；供应周期长，从布料到半成品到成品，整个供应周期动辄在3个月左右。电商又增加了一层难度：各种社交媒体层出不穷，给我们众多的方式来影响需求，但也加剧了需求的波动性，让不确定性高的需求更加难以预计。快时尚的服装，再加上电商，需求和供应的复杂度都很大，给供应链计划和执行带来的挑战就可想而知。
在快时尚和电商的双重影响下，案例企业的产品成熟期非常短，上新促销即达顶峰，然后大部分产品的需求就一路下跌，进入衰退期；只有少部分产品会维持一定销量，成为长销产品。需求变化快，不确定性高，供应链的响应周期长，这对新品的计划提出非常高的要求：新品的预测准确度要尽量高，否则过剩、短缺风险就很大；预测错了要尽快纠偏，否则给供应链的响应时间不够，加急赶工的运营成本惊人，返单的可能性也大大降低。
整个供应周期为3个月（13周），也就意味着要提前13周做预测。做初始预测的时候，甚至连产品设计、生产工艺都还没有定型，再加上快时尚和电商环境的不确定性，预测的准确度就可想而知。做不准，那就得尽快纠偏，即在整个产品生命周期里，伴随新产品的开发、导入和量产，信息越来越多，我们要及时回顾，及时更新需求预测，也是这里要讲的滚动预测。
对于这个案例企业的新品计划，我们设计了6个关键的时间节点，也是产品生命周期里的六个决策点，3个在新产品导入前，3个在上新期间，来建立新产品的滚动预测机制。
先说新品的开发阶段。在案例企业，我们把3个月的供应周期分解为三段：长周期物料（比如面料）的采购大致1个月，半成品深加工（比如染色）大致1个月，成品加工大致1个月，如图 1。这三个决策点是广义的，无非是行业不同、产品不同，对应的时段长短不同罢了。
相应地，在新品开发阶段，我们有三个决策要做，也就是说3次调整需求预测的机会：
·倒数第3个月的时候（第13周），我们要决定长周期物料的采购（决策①），这是制定初始预测；
·倒数第2月的时候（第9周），我们要决定是否对原材料深加工（决策②），这是第一次更新预测；
·倒数第1月的时候（第5周），我们要决定究竟加工多少成品（决策③），这是第二次更新预测。
图 1：案例新品开发过程中的三个决策点
与这三个决策相对应的，是供应链上的三个推拉结合点：原材料、半成品和成品。就产品形态而言，越靠近原材料，呆滞的风险越小，短缺的风险越大；越靠近成品，短缺的风险越小，而呆滞的风险却在增加。这三个决策对应的需求预测呢，决定了产品在这三个推拉结合点的数量和时间。伴随着产品的开发进程，信息越来越充分，更新预测就是动态匹配需求和供应，动态评估短缺和过剩的风险，以便供应链更精准地响应。
比如在决策点①，产品刚出原型，甚至只有图纸、规范，信息有限，但因为已经进入3个月的提前期，我们必须制定初始预测，比如1000件，来驱动长周期的物料采购。到了决策点②，产品的设计、工艺基本定型了，甚至已经得到一定的用户反馈，比如发现产品的受欢迎度有限，我们认为1000件的预测有点高，就可能决定只把700件加工成半成品，而让其余的300件停留在原材料阶段，来控制库存风险。
到了决策点③，我们可能已经接到一些预售订单，信息更加充分，看样子前景没有多大改善，我们可能决定只把700件半成品中的500件加工成成品，200件半成品和300件的原材料先放着不动。当然，如果发现前景变得更好了的话，我们也可能会尽快把这700件半成品都加工成成品，把300件原材料加工成半成品，同时再采购400件的原材料什么的。
想想看，供应链的响应周期那么长，新品的初始预测要提前那么早做，而且往往是销售、产品、老总拍脑袋的结果，就注定做不准；一旦做出，预测制定者往往是"只管生不管养"，回头不看；"养"的任务就交给计划来主导：伴随着产品、项目的进展，计划需要纳入更多的信息，及时调整、更新预测。
但现实是，在新产品计划上，很多企业的计划人员只扮演执行者的角色，把销售、产品等职能给的"数字"录入系统就万事大吉，然后盲人骑瞎马，不管不顾地一路往前走，在有了更多信息的时候也没有及时更新预测。就这样，新品预测既没作准，又没及时纠偏，结果就可想而知。
那应对方案呢，就是在产品开发流程中，明确上述三个时间节点，作为集成产品开发流程的一部分，正式成为供应链的三个里程碑。这三个里程碑能让我们免于损失吗？当然不能。但是，它们能让我们免于灾难性的损失。
有一次，我在上海培训，一位叫劳志成的总监这么讲（大意）：任何一件事情做砸了，但如果及时补位、及时纠偏的话，没有什么灾难是不可避免的。这话是他多年供应链与企业运营的经验结晶，讲得很到位，让人顿时有种被击中的感觉。放在新品的需求预测上，也再贴切不过了：新品计划要避免而且能够避免大错特错，只要及时纠偏，我们可能会有点损失，但不会是灾难性的损失。
对于案例企业来说，新产品导入后，紧接着就又有三个决策点，对应三次调整预测的机会。
首先是新品导入的第1天。这就如战役的第一天，各个电商平台、微信公众号、社交媒体开始狂轰滥炸，炮火密集，一天下来，已经可以相当好地预判未来。我们分析了15个类似产品的上新历史，发现如果首日只卖个几件十几件什么的，这款产品的后续销量也就基本那样了；上新第一天的销量高，比如说超过100件，那上新一周、上新三周、首月正常销售注定也不错。
根据上新首日的销量，我们可以调整后续预测，决定是把更多的半成品加工为成品、把更多的原材料深加工、采购更多的长周期物料，还是尽快踩刹车，及时止损。这就是决策④。
几天后，上新第1周的销量出来了，我们有了更多的数据，就可以更进一步更新计划，决定下一步的原材料、半成品和成品计划。这就是决策⑤。
在决策⑤，我们把第1周的销量与整个上新期间3周、正常销售首月的销量对比，发现正相关的线性关系更明确。当然，一周的数据毕竟有限，而且受促销活动影响较大，我们还得结合销售、产品等的职业判断，来决定是否要采购更多的原材料，做更多的深加工，生产更多的成品等。
在案例企业，等上新三周结束后，我们有了3周的需求历史，数据更多了，信息更充分了，相应的预测也更准确，这就是决策⑥。由于上新初期的广告、活动影响，这段时间的需求还是有一定程度的扭曲，不会百分之百重复，但已经相当接近正常，而计划职能扮演的角色也越来越大。
就这样，对于案例企业的快时尚产品，我们在第1天、第1周、前3周的销售数据出来后，三次系统地回顾和调整需求预测，来驱动整个供应链快速响应，比如长周期物料的采购、半成品的深加工等。这就是典型的"快反"，快时尚行业的热词。
值得注意的是，人们一提到"快反"，就习惯性地联想到让供应商、生产线快速反应，是执行的快反。其实，快反首先要体现在计划上，表现在快速滚动预测、及时调整计划。毕竟，想不到就很难做到，我们计划职能连想都想不快的话，你还能期望生产线、供应商执行得快吗？
评论