May 2025 归档

【初学者问】我的专业是工业工程，目前感兴趣的工作有两方面，一个是计划，另一个跟供应链稍微偏差些，是数据分析。我由于本身专业跟供应链很相关，而且对于生产计划这样与数据打交道的工作也很感兴趣，但是专业课上学到的无外乎移动平均法、指数平滑法、霍尔特法这些，感觉一个外行人用点心，一天就能熟练掌握几种预测方法，我想知道在计划这个行业进一步是什么样的职业发展道路？

企业都知道选好供应商很重要，所以把大约60%的时间用在战略寻源上。但是，供应商选来后，后续的管理不同，结果却大不相同。

有个快消品公司，主要产品是护肤、美容用品。公司采取轻资产运作，全部由代工厂加工。比如生产一款洗面奶，他们需要找到外盒工厂、软管工厂、塑封膜工厂，帮助生产所需的包材，完成后直接发货到化妆品加工厂，由后者灌装，把成品发送到该公司，再由该公司进行销售。作为公司的采购职能，虽然名义上是采购，其实履行的是供应链管理职责，是实际上的供应链管理部门。

环境经济学家哈丁发表了《公共草地的悲剧》一文，分析公共草地为什么长不好：这块草地是大家的，你把牛赶去放，他把羊赶去放，人人都毫无节制地向草地索取，但因为是无主财产，所以没有人来维护，必然导致草地退化。或许有人会说，谁说没主人，不是公共所有吗？人人都拥有，其实是人人都不拥有，就如人人都负责、人人都不负责一样。

一百多年前，普鲁士的军队设立了总参谋部，全面负责计划统筹工作，在采取军事行动之前，分析后勤、天气、道路等一系列因素，争取做到之前先想到，提高首发命中率，降低试错成本。总参谋部意味着军队系统的执行与计划分离，是现代军队的一大标志。

2006年4月22日，美国华裔精英组织百人会（Committee of 100）在旧金山举办年会，最后一个活动是"导师计划"。该计划的目的是由德高望重、经验丰富的前辈给下一辈传授做人、做事的道理，例如前英特尔资深副总裁虞有澄、台积电创始人兼总裁张忠谋等都列席其中。大家采取分组制，由一两个导师带领几个年轻人，围在一张圆桌旁，进行自由讨论。

极端值会显著影响线性回归的统计参数，降低模型的预测准确度，需要严肃对待。让我们看个具体的例子，来简单介绍极端值的处理。

这些年来，美国巨无霸们在不断衰落，但并不能改变中国企业的处境：我们还是要面对全球供应链转移的挑战。我想说的是，其实全球供应链一直在转移，怎么来到一个国家的，就可以怎么离开。网上有很多声音，有些是过度悲观，唱衰中国在全球供应链的未来；有些是盲目自信，说离了中国不灵，因为整个供应链现在都在中国。这里我想讲三点，分享自己的看法。

需求计划的"进化史"，也是需求计划从单一职能向跨职能、跨企业协作发展的历史，从避免大错特错向追求精益求精的发展历程。

在高度全球化的今天，供应链错综复杂，你中有我我中有你。美国强硬派议员们希望的"去中国化"，显然是低估了全球供应链的复杂度。这也是为什么在美国，强硬派议员们中断与中国正常贸易关系的提案，先后几次都被否决。

我们一直在强调，需求预测得"从数据开始，由判断结束"，主客观结合，得到准确度最高的预测。有的公司说，我们也遵循这个原则，不过是销售提需求，计划做调整。这看上去也是"从数据开始，由判断结束"，却是由错误的人在做正确的事，自然不会有什么好结果。

硅谷有个创业教父，名叫彼得·蒂尔。他的《从0到1》相信很多人读过。对于他在创新上的独到见解，我是充满敬意的；但是，对于以他为代表的美国保守主义则否。蒂尔之流认为，中国经济之所以发展了，是因为做了美国人的生意，"窃取"美国的知识产权（是的，蒂尔的演讲和采访中多次用了"窃取"一词）。每个国家的经济崛起的时候，都离不开学习别的国家，但这跟"窃取"是两回事----光靠"窃取"是不可能发展到世界数一数二的。具有讽刺意味的是，你看那些美国当年崛起的老文献中，英国对美国的评价，跟蒂尔之流对中国的评价如出一辙。

我们在前文谈到，多年高速成长后，企业普遍陷入"高增长、高成本"的"增长陷阱"：生意越做越多，钱越赚越少；账面上赚了，都赚进库存和产能里了。那么该如何跳出"增长陷阱"，重建竞争优势呢？我们得从企业运营的三大核心职能上找答案。

企业在需求预测上投入巨大资源，但很多预测行为其实不增加价值。预测是否增值的话题，大致在2015年前后，开始有了相当的热度，在杂志和学刊上有很多文章，也成为专业会议的议题，话题主要有二：

在飞机制造这样的小批量行业，供应链之所以复杂，一方面体现在产品的零件数量、技术和工艺本身的难度上，另一方面也体现在多层多级的供应商上。汽车、家电等大批量行业在管理复杂供应链上的做法，放在小批量行业同样适用。

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？

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？

一般来说，批量大的产品复杂度低，复杂度高的产品批量小。汽车是个例外：一辆汽车大致有3万个零件，复杂度相当高；汽车也有一定的批量，长期以来是大批量行业的代表。兼具批量和复杂度，可以说是汽车制造的独特和挑战之处。这也是长期以来，汽车能代表一个国家制造能力的原因。而供应链的最佳实践呢，大部分都可追溯到汽车制造。

在多年的增长至上战略下，企业进入越来越多的细分领域，业务越来越多元化，导致需求越来越复杂，需求的变动也越来越难以管理。而后端的供应链呢，层层库存加上重资产，就如一个大胖子，臃肿迟滞，响应速度慢，响应成本高。需求和供应不能有效匹配，能做快的做不便宜，能做便宜的做不快，就成了各行各业的老大难。

距离开课还有 5 天

"貌似辉煌宏大的作品很多。它们面具相似，以晦涩复杂，修饰内容的虚浮投机，以主题博大，覆盖思想的贫瘠平庸。"这是多年前，"思维的乐趣"网站的片头语，放在那些复杂的预测模型上也适用。

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"。

距离开课还有 7 天

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。

距离开课还有 9 天

这些年来，很多行业都有"快消品化"的趋势，助长了SKU的数量泛滥，导致批量越来越小，复杂度越来越高，规模效益越来越低。可以说，SKU泛滥是供应链的大敌。很多企业并没有充分认识到SKU泛滥的严重程度，习惯性地低估SKU的复杂度，在大批量行业尤其如此。

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。

经过二三十年的攻城略地，快速增长，本土企业的"家底"已经相当厚，虽说创业还是主旋律，但守成的压力也越来越大，很多企业处于从创业到守成的拐点。表现在增长上，就是从高速变为中低速增长；表现在运营上，就是从野蛮成长转向精耕细作。

距离开课还有 12 天

不管是什么产品，在什么行业，需求预测都有一些普适规律，这里总结三个。