案例：某设备商的备件数据清洗

身处高科技行业，案例企业的技术一直在推进，产品一直在迭代，客户一直在改变，都给备件的需求计划带来种种挑战。案例企业有成套的数据清洗逻辑，固化到信息系统中，每周在周末两天清洗数据，这里分享一些主要的做法。

我们先讲产品迭代带来的替代关系。

设备行业的常见问题是，一批设备已经安装到各地的客户现场了，却发现零件A达不到设计的性能指标，于是就优化设计，推出零件B。零件B刚开始没有任何需求历史，是通过继承A的需求历史来做初始计划。案例企业的系统里有一张产品继承关系表，说明某年月日开始，设计变更要正式导入，其时在计划系统中，B就继承了A的需求历史，计划软件会做出相应的预测。但在这之前，计划人员要手工降低A的，拔高B的预测和安全库存。

试想想，大型设备制造商很多是技术驱动，动辄有几千甚至上万的工程师，每天做的绝大多数都是持续改进，也就是对现有设计修修补补，通过设计变更导入一个又一个的新部件。这些部件中，有相当部分是售后备件，在全球几十上百个库位备货，影响到全球千百个客户。这后面的计划任务相当繁重，特别是过渡期的手工计划。

另一种替代关系是维修件。在大型设备行业，有些零部件特别是高值备件，坏了后会修理再用。刚开始的时候，安装在设备上的都是新零件，坏了后修理需要一段时间，你只能再替换上去一个新零件。慢慢地，坏掉的零件越来越多，就形成一个足够周转的"维修池"，这时候在案例企业就会更新产品继承关系表，说某年月日起，维修件C会替代新零件C，而以前新零件的需求历史也会匹配到维修件上，计划软件就会作出相应的计划建议。在此之前，计划人员要手工预测新零件和维修件，并设定安全库存。

当完全替代后，每次这个零件坏掉，就给设备安装一个维修过的零件，把换下来的零件再拿去修理；但修理几次后，这零件就没法再修了，只好完全报废。就这样，"维修池"会不断缩小，直到没法正常周转的时候，完全替代就中止了，计划人员开始拔高新零件的预测和安全库存，每次坏掉后就换新零件上去，坏掉的零件加入到"维修池"，直到"维修池"足够大......

想想看，如果你是波音、空客、GE、应用材料、华为、三一重工这样的大企业，有几百几千这样的维修件，在全球有几十、几百个库位，有些库位在用新零件，有些库位在用维修件，过渡阶段的数据没法自动清洗，计划人员的相当部分时间就是花在数据清洗上，确保有正确的数据来驱动计划。

在大型设备行业，客户的变动也很多，给售后备件的计划带来又一重挑战。

比如原来这工厂归客户A，后来A不行了，卖给客户B，那么相应的需求历史就要匹配到B。这样的兼并整合可太多了，特别是一个行业进入到成熟期后。拿航空业来说，1995年美国有95家航空公司，到2024年就整合为58家。还不要说那些供租赁的飞机，一段时间在这个国家的航空公司，一段时间在另一个国家的航空公司，备件支持也得跟着调整，需求历史也得清洗。

再拿半导体行业来说，2000年前后全球有几十家主要芯片制造商，2024年的主要玩家两把手指头大概就数完了。光美光一家就先后兼并了日本的艾尔比达、新加坡的特许半导体、台湾的力晶和华亚科技等主要晶圆厂。客户的关停并转，设备的关停并转，都给备件支持带来实质性的挑战，需要有系统的方式跟踪支持。

在案例企业的售后备件计划软件里，客户、工厂、设备、备件的物料清单（BOM）都有相应的数据库来维护。设备X从客户A转到B了，那么相应的备件需求历史也自动匹配到B；设备X上原来安装的是零件a，现在要升级为b，那么a的需求历史也会自动匹配到b，指导后续拔高b的计划，降低a的计划。

这意味着对整个装机量的动态管理。对于几十亿、百亿美元级别的大型制造商来说（案例企业后来成长为百亿美元级），这可不是件容易的事，涉及到设计、售后、计划、采购和供应链等多个职能。但只有这些数据维护好了，才可能有效计划库存，支持每年几十亿美元的售后备件业务。而备件业务一般毛利更高，对企业的盈利至关重要，特别是行业低迷，新设备销量大幅下跌的时候。

除了产品、客户的变动外，还有多种一次性需求，案例企业主要通过订单类型等方式来识别，自动清洗计划用的数据库。

比如说，要对客户现场的设备升级，需要一次性地更换很多零部件，这样的需求用专门的订单类型来识别，在计划数据中自动清零。类似的还有质保期的需求，如果期满后客户不再向案例企业采购备件，也需要清零处理。

至于说有些灾难性的事件，比如某客户现场发生火灾，需要一次性地大批量更换备件，或者说技术升级，产线工艺大调整，需要大批量一次性更换备件，这都是典型的一次性需求，需要在计划数据中清零。如果没法通过专门的订单类型来识别，就得手工来调整。

在案例企业，诸如此类的调整很多，绝大多数都是有一定规则的。这些规则都被定义下来，由计算机来自动更新。几万个备件，几十个库位，几百上千个客户工厂，这些组合数以亿计。每个周末，一台功力强大的计算机就开始运作，吭哧吭哧地从ERP中提取上周新增的备件需求历史，按照这些规则来清洗，添加到备件需求历史库中，确保下周一上班的时候，全球几十号计划人员都能用到最新、最准确的备件需求历史。

在管理粗放的企业里，比如案例企业并购的一家同行，虽然也是营收几十亿美元的大企业，基础数据质量却很差，甚至连设计变更相关的产品替代关系都没有准确维护，那备件的需求历史就只能靠手工维护，经验都存储在一帮计划员的头脑里，以及一张又一张的Excel表格中。相应地，备件计划就很糟糕，高库存、低有货。这只是并购对象"非卓越运营"的冰山之一角，也部分解释了最终被并购的命运。