你不是那个最悲催的人

工作十年八年后，我们一般已经深入到特定的行业，好处是有了较深的行业背景；坏处呢，则是除了这个行业外的东西，我们知道的也越来越少。这限制了我们的视野，容易让我们特殊化我们所处的行业，以及这个行业的问题，让我们总觉得自己的行业、公司最悲催，而自己也是那个最悲催的人。这往往影响我们解决问题的意愿，也成了我们不解决问题的借口。

举个例子。有一个快速消费品公司，业务的季节性明显，每年过半的业务集中在一个季度，忙季的销量是平均月份的4倍，淡季的销量不到平均的四分之一。作为一个供应链职业人士，你知道，这意味着旺季来临的时候，供应链没法及时响应，普遍面临短缺；好不容易备足产能、雇够人、备齐物料了，紧接着的就是过剩。这是典型的大起大落，大喜大悲，从销售到供应链，大家都深受其苦，不停地与短缺和过剩轮番搏斗。他们觉得自己真悲催。

我告诉他们，你们不是最悲催的人：季节性、大小年，这是生活的一部分，没有多少行业能够幸免。零售业有季节性，比如在美国，光圣诞节前后就占全年营收的近20%[1]。中国的双十一、春节、黄金周也类似。文具业有季节性，需求高峰在秋季开学前后。医用物品也摆脱不了季节性----虽说生病不挑日子，但春节前后，天气冷，生活不规律，大吃大喝，生病上医院的人也就更多。就连挖煤、炼钢铁、生产化肥的行业也摆不脱周期性，几年好，几年差：这几年讲的供给侧改革，不就是冲着此类行业的产能过剩去的吗？

再拿更复杂的大型设备行业来说，大小年明显，几年一个周期，是普遍现象。比如在我的老东家，硅谷一个几十亿美金的半导体设备企业，两年好来两年差，4年一个周期，雷打不动：生意好起来时，半年就能翻一番；生意差起来，订单一个季度就能减半。遇到经济危机就更糟糕，比如某种设备，正常年份每个季度生产160台左右，在2008年的金融危机下，最差的一个季度就只生产了6台。作为应对，公司不得不裁员百分之二十左右。

这还不算最悲催的：老东家的供应商更悲催，因为他们更加远离需求源，最终消费市场的需求变动，在牛鞭效应的作用下，传递到他们时，放大地更加厉害。就拿我曾经的一个小供应商来说，生意处于顶峰时，总共有50多员工；生意陷入低谷时，一路裁员到只剩9个。用老板的话讲，那就是连轴转了几个月后，人终于雇齐了，订单却突然不见了：空荡荡的厂房里，只见在阳光里，灰尘一溜儿一溜儿地往下掉。

图1：不要特殊化自己的问题，对受害者文化说不

我说这些，绝不是为证明一个行业比另一个更悲催；我说这些，是为了不让这种表面上的"悲催"掩盖了问题的真相，从而影响我们认识、解决真正的问题。比如在这个快消品公司，他们的悲催，表面上是来自行业的季节性，其实源于他们的一些基本实践，比如需求预测和销售考核机制。

先说需求预测。季节性需求变动剧烈，需求预测准确度低，便是意想之中的事。作为解决方案，该公司要求销售提需求。提需求就是做预测，其基本假定是销售更加接近需求，预测能做得更准。不过你想想，这个公司有几百个销售，对应几百个经销商，每个经销商经销几十个产品，合起来就有成万个预测数据点，预测的颗粒度这么小[2]，预测的准确度自然很低；叠加在一起成为总预测，预测的准确度只能更低。需求预测是供应链的原始推动力，需求预测的质量差，后端供应链的执行难度就可想而知。

看得出，季节性造成需求预测难做是表面现象，而违背需求预测的基本原则，选择了不合适的颗粒度，由不合适的人来做需求预测，则是更本质的问题----即使没有季节性，这种预测机制也是问题多多。那解决方案是什么？这里合适的预测颗粒度是总部层面：总部针对所有的经销商做预测，再让对接重点经销商的销售来调整。比如根据历史需求和整体销售变化趋势，某个产品型号的总预测为每月10万箱。其中有两个最大的经销商，分别占总需求的25%和10%，别的经销商都较小，至多占三几个百分点。那就把这两个最大的经销商单列出来，找到相应的销售，让他们调整相应经销商的预测（如果有的话），然后再调整总体预测。总体预测做地更好，总库备足了产品，分销商随用随订，推拉结合，供应链的运作就顺畅多了。

再说销售渠道的库存积压。为了激励销售，该公司与众多企业一样，采取逐月考核的做法。比方说，一个销售人员在11月份的销售目标为100万元，她就得在当月完成这个额度，否则即使在11月份做了70万，留下30万在12月份补上也不行。企业这样做自然有他们的考量，比如问题早发现早处理。但这种做法的副作用呢，就是促使销售采取简单粗暴的做法，向渠道里压货，以便实现当期的目标。结果呢，渠道库存太高，而产品的货期有限，呆滞和过期库存就成了问题。另外，总库存有限，被压到特定渠道里后，库存无法在渠道之间自由流动，造成有些渠道积压，有些渠道过剩，过剩与短缺共存，让问题更加复杂。

知道了问题的根源，解决方案其实简单，那就是调整销售的考核机制，放大考核单元，即由原来的逐月考核，改为季度或者半年考核，这样前一个月没有完成的销售任务，后面还有补救的机会。这样做没有从根本上消除销售强行压货的做法，但至少把一个每月的问题改变成每季度、每半年一次，也算是小有进步。我们也可以看出，对于这个快消品公司来说，渠道库存积压表面上跟业务的季节性有关，其实本质上是个绩效考核问题：绩效考核决定员工行为，而有些行为的副作用，则是制定政策者始料不及的。

为什么要谈这些呢？企业人在一个行业、一个公司待久了，长期被那些老问题困扰，会习惯性地把问题归咎于某些所谓的行业特殊性。而这种特殊性，往往掩盖着真正的问题，而且成了不解决问题的理由：我们的国家特殊，我们的行业特殊，我们的问题特殊，没有一个行业比我们行业更悲催，更特殊，这就是为什么我们没法解决那些老问题，我们在重复犯同样的错误。很不幸，这成了借口文化的一部分。

要知道，太阳底下无新事。很多问题，看上去很有行业性，很特殊，其实有相当的共性，而解决方案也是。我们如果看到的只是独特性，那表明我们还在形而下的层次，没有上升到形而上的层面。再举个例子，看在几个风马牛不相及的行业，貌似独特的问题，是如何找到共同的解决方案的。

2015年，我在深圳，拜访一个营收几十亿的纺织企业。这家企业的产品是色纺。我们知道，纺织行业的供应链是从纤维到纺纱到织布、染色，再到成衣，差异化是在织布染色阶段。色纺不同。在纺纱阶段，企业就用不同染色的纤维，纺成不同颜色的纱线，这样织成的布色调独特，柔和，质感好。但这样做的结果，就是把纺纱行业从传统的大批量做成了小批量行业，需求的复杂度大增，规模效益大减。比如客户，主要是服装品牌商的设计人员，为了达到"独特"的效果，会选择各种各样的染色纤维，混合在一起纺纱。那么多的颜色，那么多的组合，每种组合就是一个产品，没多久，该企业就有几万个成品料号。而该企业的供应链呢，还是典型的大批量生产----我到车间里去看，成千上万的纺纱机，一行行地整齐排放，一眼望不到头，典型的大批量生产配置。

纺织行业是个独特行业，色纺又是纺织业的独特行业，这看上去很独特，对吗？但根本问题一点都不独特：差异化的需求对应大批量的供应链，供应难以有效匹配需求，导致成本做不低，速度做不快，跟我从业多年的半导体设备行业相比，没有任何本质上的两样。在半导体设备行业，一台设备动辄几百万美金，几千个零件，每个客户都有定制化需要，每台设备的配置都可能不同。可以说，需求端的复杂度是无限的，而供应链不管多么灵活，其柔性总有尽头。那怎么办？你得推动标准化、模块化和通用化，降低产品的复杂度，提高可制造性，在好的复杂度上盈利，在坏的复杂度上降本。你不能简单地归咎于"行业的特殊性"，除了继续扮演受害者，就无所事事。

这时候你发现，这两个风马牛不相及的行业，面临的问题其实没什么两样。而解决方案其实也很相似：复杂度控制，比如有选择地满足客户的定制化需求。对于该纺织企业来说，如果是重点客户，多复杂的配置，多小的批量都给做；但对于非重点客户，复杂度太高、批量太小，那就得拿钱消灾----对不起客户，您得多付钱。在价格的作用下，客户的定制化行为就变得更加理性。这从一定程度上控制了需求的复杂度，从而提高供应链的规模效益。当然，这个纺织企业还采取了诸多别的措施，有效降低需求的复杂度，同时提高了公司销售额，限于篇幅，这里不予详细讨论[3]。

当然，有人会说，我们的客户需求很多样，我们本身就是个定制化行业，言下之意是需求的复杂度难以控制。瞧，这其实也是在独特化自己的问题。每个公司都面临这样的问题。而且越是这样，越得来控制需求的复杂度。这就如强盗过的是刀口上舔血的日子，风险重重，其实他们对风险控制更重视。

我讲这么多，根本的目的在于，不要独特化自己面临的问题----很多问题都没看上去那么独特，一旦把通用的问题独特化，你也就给自己找到了不作为的借口，也就是向问题投降了。我想强调的是，你不是这个世界上最悲催的那个人。你的问题，不管看上去有多么悲催、独特，都可能只是假象。越是能力低下，你看到的问题就越独特。就如在凡人眼里，众生是千姿百态，而佛看到的呢，则是芸芸众生，没什么两样。太阳底下无新事。透过现象看本质。

[1] https://www.statista.com/statistics/243452/holiday-sales-as-a-percentage-of-industry-sales-in-the-us/

[2]预测的颗粒度是指在哪个层面预测。比如预测全国需求（颗粒度大），要比预测一个具体的地区、城市更准确（颗粒度小），因为不同的地区、城市的需求变化可能相互抵消。再比如预测产品线的需求（颗粒度大），要比预测一个具体的型号更准确（颗粒度小），也是同样的原因。

[3]复杂度是供应链的大敌。在我的畅销书《供应链管理：高成本、高库存、重资产的解决方案》中，有三分之一的篇幅是讲复杂度控制。我的"供应链管理专栏"（www.scm-blog.com）上也有很多复杂度控制的文章，搜索"复杂度"即可找到。