April 2025 归档

案例企业是个代理商，代理上万个产品，服务几百个客户。客户的产品生命周期在缩短，产品更迭频繁。案例企业的挑战呢，就是没法及时探知变动，调整预测，结果是短缺与过剩并存。

供应链是从产品开始的。供应链上的成本，大部分取决于产品设计。比如材料选型、技术规格决定了产品成本，包装设计影响到物流成本，模块化设计还是一体化设计影响到售后服务的成本。设计优化了，材料选型合理，可制造性、可运输性、可服务性就好，供应链的成本自然就低。这道理简单，那为什么那么多的产品设计不优化？

有个企业营收达几十亿，是行业最大的几家企业之一。他们所处的行业季节性明显，一到旺季，供应商产能不足，是个老问题。老总说，现在滴滴打车很流行，为什么不用滴滴打车的方式，在旺季的时候出较高的价格，吸引供应商合作呢？我告诉他，如果你是小公司，滴滴打车的方式或许可行；但现在是大公司了，滴滴打车没法解决你的问题。

我们都说预测要准，比较的基准是什么？其一，跟预测比。你说你要100个，实际上是否要了100个？其二，跟实际需求比。客户实际需要100个，我们是不是提前预测到100个，驱动供应链及早响应，有效满足？

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。

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。

计划做好了预测，但采购对预测的准确度，或者供应商的交付能力不放心，因而调整预测的数量或时间。比如计划的预测是100个，月底要；采购拔高到120个，让供应商25号就交过来。这样做行吗？答案是不行，如果这个需求预测已经是"从数据开始，由判断结束"，准确度已经是最高了的话。

精心挑选你的敌人，因为你的敌人界定了你。据说这是凯撒大帝说的，但没找到实据。

我们知道，企业获取资源的方式有两种：要么自己做，垂直整合，重资产；要么供应商做，市场方式，轻资产。当企业选不好、管不好供应商，没法有效通过市场方式获取资源，就转向垂直整合，以重资产方式的获取资源。

在需求预测中，时间序列是把需求历史按照时间的先后顺序排列，影响需求的变量只有一个，那就是时间。这并不是说没有别的变量；有，而且可能很多，但我们没法一一解释，就把它们全都归因于时间（有点像"时间可以治愈一切"）。这些变量整合在一起有一定的惯性，随着时间的进展，呈现出某种模式，这就是需求的延续性。

一谈到供应链战略，就没法回避推拉结合：订单驱动的叫拉，也就是拿到客户订单后才生产；预测驱动的叫推，也就是基于需求预测来提前备货。推的好处是批量生产，批量发送；闲的时候多生产，忙的时候少生产，单位成本低。但一旦需求变了，库存风险就高。拉的好处是库存风险低，但规模效益不高，单位成本降不下来；加急赶工多，运营成本高。

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。

上一篇文章说到，我在探讨AI在供应链管理上的应用，话题是长尾产品的安全库存计算。

这段时间，我在探讨AI在供应链管理上的应用。这次的话题是长尾产品的安全库存。

我在硅谷以前老板的老板说起，他在招聘总监及以上职位的时候，除了考虑业务和综合管理等能力以外，还要考虑一个重要因素：Integrity。这个词很难找到一个非常贴切的翻译。一个有integrity的人是正直的、完整的、品德好、会做正确的事，不会在大方向上出问题。这点对于高管来说非常重要。因为位高权重，影响到很多人，特别是方向性的问题。选了能力不足的人，无非就是无大功；选了integrity有问题的人，则可能有大过。

2010年前后，海尔尝试转型，外包投资回报低的生产制造，力图把资源投放到"微笑曲线"两端的研发与营销。对于海尔的"去制造化"，外界的质疑声不断。比如"核心技术专利优势、产品品质把控能力、品牌附加值等方面都不足的海尔，甚至中国本土家电企业来说，'去制造化'并不适合"（《海尔裁员背后：空心化严重 重要产品都被外包》，中金在线）。

在需求预测中，时间序列是把需求历史按照时间的先后顺序排列，影响需求的变量只有一个，那就是时间。这并不是说没有别的变量；有，而且可能很多，但我们没法一一解释，就把它们全都归因于时间（有点像"时间可以治愈一切"）。这些变量整合在一起有一定的惯性，随着时间的进展，呈现出某种模式，这就是需求的延续性。

上世纪八九十年代，个人计算机开始走入千家万户。当时的主要制造商有IBM、惠普、康柏等，采取的是典型的经济型供应链：生产一大堆，发货一大堆，从总仓到分仓到分销商再到零售商，层层建库存，一路推到终端门店（图1的①）。

在需求预测上，层层报批是种很常见的做法。