计划预测 分类中的最新日记

连续几年的芯片短缺，成了众多企业的心头痛。好不容易今年以来，有些芯片的供应改善，甚至出现局部过剩，价格回落。于是看到不少消息，说厂家开始砍订单，颇有点出了口恶气样子：芯片商们，风水轮流转，你们也有今日啊。有些唯恐天下不乱的自媒体甚至上纲上线，把这跟当前的一些敏感话题牵扯到一起，大肆炒作来吸引眼球。

对供应链绩效来说，没有什么比预测准确度更重要了，因为它直接决定了供应链的成本、交付和资产周转效率。这就是为什么在Gartner的供应链指标金字塔里，雄踞塔顶的是预测准确度。老祖先似乎没有"预测"一词，但你一眼就可看出，"早知三日事，富贵一千年"说的其实就是预测准确度。

几年前，我服务一家千亿级的企业，晚上吃饭，不知怎么就聊到了软件开发。他们的采购总经理说，国内的软件供应商拿的是一遍的钱，干的是两遍的活，没法活了。忙问为什么，他说需求定义不到位，内部用户让供应商按自己的要求开发软件，但开发好后一看，不是自己真正想要的，于是就重来----你说软件商们怎么能赚钱呢？

让我们拿需求计划为例，阐述计划的"责任链"这一重要概念。

首先，谁是需求计划的第一责任人？谁做的需求计划，谁就是第一责任人。我们说"做计划"，指确定最终的需求数量、需求日期，驱动供应链执行。需求预测是个计划任务，虽然销售、市场、产品管理等职能扮演关键角色。当然，计划职能太薄弱时，需求预测就可能成了别的职能的兼职工作，那么这些兼职职能就得承担相应的责任。

计划职能习惯性地陷入执行模式，是众多企业的普遍挑战。怎么才能让计划"抬头看路"，而不是一味"低头拉车"？一项重要举措就是制定绩效考核来保护计划人员，引导计划更加聚焦整体绩效，避免深陷订单层面的争夺战。

计划上做不到精益求精，跟计划人员的专业能力息息相关。比如计划员工的资质、经验不足，没掌握基本的预测模型，更谈不上优化这些模型，预测准确度就不高；为了应对预测的不准确，我们就得建更多的安全库存，花更多的钱来执行弥补。能力不足，面对那么多的产品和库位，没法科学、合理地做好库存计划，合适的库存放不到合适的地方，服务水平和库存就更加没法优化，都让我们在精益求精上渐行渐远。

计划的大错特错，主要是因为销售和运营协调流程没打通，做生意的和做运营的严重脱节，组织博弈导致信息严重不对称，导致预测准确度太低。简单地把销售目标当成需求预测，没法群策群力整合跨职能智慧，层层博弈导致的牛鞭效应，以及短缺下的过激反应，都可能造成需求预测的大错特错，以及严峻的库存和交付问题。

任何事情都是个两阶段的实现过程：先有精神实现，然后有物质实现；前者是计划，后者是执行。企业里的每个职能，凡是有执行的，都能找到相应的计划，无非有些计划实现了专业化，由专职人员在做，有些是兼职而已。

你或许会说，我知道有个计划要比没有强，但不确定性那么大，问题那么复杂，就是不知道从哪里下手。

2009年，我刚开始服务本土企业，就对有些企业在计划上的欠缺深有感触。用一位美国合作伙伴的话讲，"短期计划是下午四点，中期计划是本周四，没有长期计划"。这不，前一天下午会议上谈得好好的事，第二天一大早就变了，就因为上头的一句话。

几年前，我服务一家千亿级的企业，晚上吃饭，不知怎么就聊到了软件开发。他们的采购总经理说，国内的软件供应商拿的是一遍的钱，干的是两遍的活，没法活了。忙问为什么，他说需求定义不到位，内部用户让供应商按自己的要求开发软件，但开发好后一看，不是自己真正想要的，于是就重来----你说软件商们怎么能赚钱呢？

增速放缓，行业不景气，库存就成了让人谈虎色变的话题。搜索互联网，到处都是触目惊心的库存话题，比如90%的电商店铺死于库存，十个女装九个死于库存，服装行业三年不生产库存也卖不完。就连图书业也是"死书累累"，前些年的实体书库存一度高达900亿元。对于众多的本土企业，用业界人士的话来说，就是供应链易断，最后死在库存上；用库存控制专家程晓华的话来说，就是仓库有多大，库存就有多少，仓库越大，死得越快。

我们这里换个视角，谈一下需求计划的"进化史"（如图 1），以及中美企业在需求计划上的差异。简单地说，需求计划的整个"进化史"，也是需求计划从单一职能向跨职能、跨企业发展的历史，从避免大错特错向追求精益求精的发展历程。

一旦提起需求计划的绩效，一般人就会联想到预测的准确度。这没错，但不全面。所谓绩效，真正重要的是指跟客户、股东利益直接相关的东西。我不是说预测准确度不重要----预测准确度当然重要，因为会影响到客户和股东利益，但客户跟你做生意，股东买你的股票，有多少是因为你的预测准确度高？所以，对需求计划的绩效评估，要超越预测准确度本身，从客户和股东的视角来看待。

供应链的成本做不低，交付做不快，库存水平居高不下，这些问题表面上看是供应链执行不到位，但仔细探究，根源却都离不开计划。

最新专著《供应链的三道防线：需求预测、库存计划、供应链执行》第2版，刘宝红著， 京东预售。

有个养殖企业，营收在几百亿的级别，长期以来是需求拉动：养殖场有需求，就提交库管，驱动采购来满足。需求拉动的问题有二：其一，给供应链的响应时间太少，经常成为紧急需求，导致加急赶工运营成本高，内部用户体验也差；其二，需求零散，难以聚合，缺乏规模效应，导致采购价格偏高----即便签订总量合同，拿得更好的价格，但因为需求是零散的，批次多，跨度长，供应商最终也往往要求随行就市，实际收取更高的价格。

我们行外人很难想象的是，服装从开发到上市的整个周期，需要一年以上的时间（快时尚、电商可能快点）。比如现在开发的不是今年卖的，而是明年这个季节的服装。周期长，款式多，SKU复杂，从面料到款式到颜色，服装的需求预测历来挑战重重。这些问题，特别在快时尚领域，还没有完善的解决方案；但多年来，服装行业也总结了一系列的经验智慧，把预测尽量做准，做不准的话尽快纠偏。

我们都说要及时纠偏，但究竟怎么才知道预测错了？

最简单也是很常见的，就是等别人冲着我们叫：客户在催货，你知道是短缺；财务在质询呆滞库存的事，那自然是过剩了。但是，这些结果指标是滞后的，因为供应链上的库存有冗余，信息传递有延迟，等我们知道了，已经太晚了。这就跟等觉得口渴时，身体早已处于缺水状态了。

先说计划主导。

虽然销售深度介入需求预测，但需求预测不是销售的主业，即便兼职预测的话也往往只管生，不管养：他们提完需求，然后就去忙别的，不再回头看。什么时候才回头看？灾难降临的时候，要么是短缺，要么是过剩，都是基于结果的，而结果是滞后的，甚至是严重滞后。所以，作为计划职能，我们不能一直等着业务端"有什么变化，要尽快告知"----那是推卸责任，而是要定期滚动预测，发现不确定之处主动问业务端。

对于小的需求变动，供应链有一定的纠偏和容错能力。比如预测相对偏低的话，可由安全库存、安全产能来应对；预测适当偏高的话，可以延迟供应商给我们的交付，或者手头库存暂时高一段时间。但这是有前提的：我们得尽快调整预测，否则长期累积下来，小洞变大洞就难补了。

我们接下来讨论，未来多长时间内的需求预测可以调整，执行端必须得满足。这就涉及到计划的冻结期、半冻结期和自由期，如图 1：

（1）在冻结期内，对预测的数量和时间调整，供应端可拒绝执行，否则的话执行成本太高；

（2）在半冻结期内，供应端要满足一定的时间调整（比如适当提前或推后），但可不响应数量调整（因为原材料等很难在短期获取）；

（3）其余的是自由期，预测的数量和时间都可以调整（这一般是采购提前期外），供应端必须满足。

一位经理人说，公司的系统里有一套算法，来帮助计划员设置安全库存。用了一段时间后，发现系统建议的库存整体偏低。我问，既然这样，那为什么你的挑战却是降库存呢？不用他回答我都知道答案：系统建议偏低，计划人员就手工调整，多放一些库存；但人员水平良莠不齐，不知道设置合适的库存水位，最终就以高库存为解决方案。

SKU是英语里Stock Keeping Unit的缩写，直译过来是存货单元。举个例子。女孩子去买衣服，找到喜欢的款式，喜欢的颜色，还得找到自己的尺码----款式+颜色+尺码就是这里说的SKU。SKU是我们识别产品所必须的，也是商场进出存的最小单元。同样的款式、同样的颜色，中号跟小号是不同的SKU，所以需要两个不同的SKU编码来识别。

11月供应链管理系列培训

报名倒计时还有 6 天

在各行各业，产品的生命周期在缩短，产品新老交替迅速；社交媒体带来更多的改变需求的方式，上新即高点，需求直上直下；六一八、双十一等电商大节，跟国内的传统节假日一道，显著增加了需求的波动性。再加上国内市场竞争激烈，相对欧美而言促销活动更多，需求的可预见性更低。这些都决定了基于需求历史的预测准确度低，凸显了"由判断结束"的重要性。

一个苏州的公司问，我们让供应商建了VMI，但短料、呆滞频发，怎么办？我的答复是供应链的三道防线。他们问，三道防线中没有一个字是谈到VMI的，为什么能解决我们的问题？答曰：预测准确度低，第一道防线建不好，VMI要么是断货，要么是呆滞；库存计划不到位，第二道防线没建好，VMI的最低、最高库存不合理，问题当然是一大堆；需求预测和库存计划的不足，最后都得供应商的执行来弥补，这是供应链的第三道防线，要求我们选好、管好供应商，对我们的寻源和供应绩效管理提出更高的挑战。

与VMI常常一起出现的还有寄售。很多人搞不清两者的关系。其实，它们两者没关系：VMI说的是库存的管理责任，寄售说的是库存的所有权。在实践中，你可以用VMI而不用寄售，可以用寄售而不用VMI。当然两者并用的情况也很常见，以至于业界一旦提到VMI，首先想到的是库存也归供应商持有（寄售）；而很多企业采用VMI的初衷呢，也是为了把库存压力转移给供应商。也就是说，很多人心目中的VMI其实是VMI加寄售。

四分法给我们结构化的方法，来展现库存风险，以控制整体库存。这里我们以原材料为对象，介绍这一方法的具体应用。

在有些行业，压货行为非常普遍，人为加剧了需求的变动性。

前面多次讲过，行业性短缺状态下，过激反应，大幅拔高安全库存和需求预测，不但解决不了短缺问题，反而造成后续的过剩问题，应了"所有的短缺，最后都是以过剩结束"。特别是集体决策下，人们倾向于承担更大的风险，往往超出企业的承受力度；同样是"集体"决策，库存的责任不明确，补救措施就不及时，把本来可以减轻的风险没有减轻。

有个工业品公司，项目型需求较多，一贯靠一线销售提需求。让每个销售预测自己跟踪的项目，预测的颗粒度小，预测准确度不高，呆滞库存是个大挑战。于是该企业就开始考核预测的准确度：你预测了几个，就得用掉几个。销售跟库存挂上钩了，就迟迟不肯提需求，直到需求快落地时，数量的准确度没什么问题了，但给供应链却没有时间来响应。

根据风险的高低，我们把多余库存分为两部分：如果能在一定时间内消耗掉，风险较低，就叫过剩库存；一定期限内预计消耗不掉，风险较高，就叫风险库存。多余库存的驱动因素是组织行为，比如预测失败，订单取消，最小起订量，策略备货，设计变更等。

在《信号与噪声》一书中，特纳·希尔佛阐述道，预测之所以重要，是因为它连接着主观世界与客观现实（如图 1）。在企业里，哪个职能代表主观世界？销售----销售天生是乐天派，总是生活在希望中。哪个职能代表客观现实？供应链----供应链天生更加现实，因为他们知道，把现金变成库存容易，把库存变回为现金可就难了。而这主观与客观呢，就体现在销售预测、需求预测上。

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。

德尔菲是古希腊的神庙。在中国的一些农村，当不确定性很大时，大家还有问神的习惯。简单地说，德尔菲专家判断法就如问神，专家就是"神"；不光是问一个"神"，而且要问多个，交互验证。

案例企业有着强大的粉丝团体，一直走的是粉丝经济，虽然在向品牌经济过渡，但粉丝经济还是营收的重要构成。为了最大化粉丝收益，案例企业就不断推出新品，基本上是每周都有新品上市。该企业走的是中高端、差异化路线，快时尚，品种多，批量小，首批推出一般也就几百到几千件。多种少量让预测更难做，要么过剩，要么短缺，在案例企业得到充分体现。

你不需要是个计划专家，才能做预测。预测的能力不是天生的，人人都可以练就。

有一次，我在旧金山参加高科技预测与计划峰会。一个赞助商在展台上放一大瓶巧克力豆，让每一个与会人员有奖竞猜。挺大的一个瓶子，几百只巧克力豆，谁又能猜得准呢？几十个与会者猜下来，有猜1000只的，有猜200只的，有猜几十只的。但是，令人吃惊的是，平均值竟然只与实际值相差4只，误差在1%左右（实际值是296，平均值为292）。

VMI是供应商管理库存的缩写，英语的全称是Vendor Managed Inventory，最早在零售行业出现（传统上，那个行业习惯于把供应商称为Vendor，更正式的叫法是Supplier），由沃尔玛和宝洁于上世纪80年代率先导入。我们这里把VMI当做一个专题讨论，主要是因为这些年来VMI应用广泛，但由于计划和管理不善，VMI又造成了诸多问题，不光是给供应商造成损失，也严重影响到采购方。

对于执行职能来说，计划就是计划，好像是个单一职能；但对于计划职能来说，计划还会细分，从需求计划到库存计划到生产计划，从中心仓到前置库位的计划，从新产品到成熟产品的计划，在具体的职责上的侧重点都有所区别。不过就绩效考核而言，这些计划职能却有很多共性，主要表现在服务水平，库存周转和呆滞库存等三方面。

在再订货机制中，再订货点相对简单，但补货机制相对复杂，还有很多细节，比如是定量还是不定量，是随时补货还是定期补货，我们下面接着讲。

在库存计划领域，除了安全库存，经常打交道的还有再订货点（或者就叫订货点）。其逻辑是一旦库存降到预设的水位（再订货点，ROP），就启动订货机制，驱动供应链补充一定数量的货（订货量，ROQ）；在货来到之前，库存继续下降，直到订的货到达，拉高库存的水位，然后开始下一个循环，如图1[1]。再订货点法在企业里使用很广，它的几个参数，在此稍作解释。

什么是有货率？这几年在计划类培训中，这是学员问得最多的问题之一。

我们知道，安全库存是应对不确定性的----对于需求和供应的不确定性，供应链的自然应对就是放安全库存。安全库存有三个驱动因素（如图1）：（1）需求的不确定性，比如平均需求是每周100个，但有时候是120个，有时候是70个；（2）供应的不确定性，比如供应商的标准交期是4周，但有时候都5周了，货还没有送来；（3）有货率的要求：有货率要求越高，就得放越多的安全库存来应对。

新品计划首先是计划，然后才是新品。

一提到新品计划，很多人的第一反应就是可计划性太低，这就自然而然地把它推到销售、产品端，由那些职能兼职，变成拍脑袋为主了。其实不然，就如我们前面详细阐述过的，即便是用专家判断法做新品的初始预测，也得严格遵守"从数据开始，由判断结束"的计划流程，数据分析至始至终贯穿期间，主导整个专家判断流程。

这是个大型设备制造商，设备用于大型工程项目，是典型的大国重器。他们的崛起，让欧美的竞争对手吃尽苦头。但是，大型设备品种多，批量小，定制化程度高，关键物料主要依赖进口，供货周期长，也让案例企业挑战重重。

这个案例聚焦产品上新前，即在新品开发过程中，伴随着越来越多的信息，如何建立定期更新预测的机制，指导供应链更精准地响应。

季节性强，生命周期短，比如女孩子们穿的漂亮衣服，需求的不可预见性高，预测多了，呆滞风险大增；预测少了，补货周期又长，补货几无可能。这就相当于一锤子买卖，我们这里探讨一下该怎么预测。

时间序列可以分解为三种成分：水平部分（平均值），趋势部分（上升或下降），季节性部分（周期性的重复），剩余的就是随机变动，即前三者都没法解释的"杂音"。我们常见的时间序列，根据复杂度的不同，一般上述三种成分中的一种、两种或三种组合而成。当然，你也可以把水平部分当成趋势的特例，或者趋势的一部分。那么，时间序列就可简化为两部分：趋势和季节性，以及两者之外的随机变动。下面这个例子就是这样分解的[1]。

我们之所以能够预测，是基于（1）时间序列的延续性（也叫连贯性）；（2）变量之间的相关性（也叫类推性）。计划者的任务，一方面是分析历史数据，总结这样的延续性、相关性，然后是应用这样的关联性，对未来做出预判，指导供应链执行来提前准备。

我做了好几年的计划经理，最多的时候在全球有二十几位计划员，分布在北美、欧洲、亚洲等多个地区。那么大的团队，有人晋升了，有人离职了，有人做全职妈妈了，就注定一直在招新人。每次有新人，培训就是个大问题：采购员的话你可以给他本《采购手册》什么的读，而给计划员的书呢，不管是英文，还是中文，翻破地皮，就是找不到一本合适的，说你读了这本书，就算计划入门了。

2018年，我和赵玲合著的《供应链的三道防线：需求预测、库存计划、供应链执行》出版以来，反响很好，在京东上很快就上升到供应链销量榜的第二位（第一位还是我的红皮书《采购与供应链管理：一个实践者的角度》）。

美国这段时间算是掉进坑里了，新冠确诊病人都超过40万了（2020年4月7日）。特朗普可以说是焦头烂额，每隔几天就得在白宫讲话，面对媒体咄咄逼人的问题。政客的讲话，当然是形势一片大好，比如针对医疗器材的短缺，供应正在源源不断地涌来，前些天的热点是检验试剂，这几天就变成了呼吸机。每每讲完，总有记者"不识时务"地问，（您说有这么多），那为什么医生和护士们都在说没有？纽约市长、各州的州长也不时发表言论，说的都是联邦政府短缺，找的都是联邦政府的麻烦。

强势职能，比如销售和研发的不作为，人们容易看到，也经常口诛笔伐；但是弱势职能，比如计划和供应链的不作为，却因为被其"受害者"的角色所掩护，往往不容易发现，也就更不容易纠正。

接触过几个软件公司，都是开发计划软件的，主要是需求预测、库存计划。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。整体而言，这些软件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。

新品计划的准确度低，关键是伴随着更多的需求历史，要及时滚动更新，同时平衡库存风险、断货风险和运营成本。

​预测中，预测的灵敏度（响应度）和准确度经常相抵触：灵敏度高了，准确度就下降；准确度高了，灵敏度不一定高。

预测准确度有多种统计方法，这里介绍常用的两种。

就如有的人非但帮不了忙，反而帮倒忙一样，并不是所有的预测方法都增加价值。有时候，人类一思考，上帝就发笑，作为还不如不作为，预测还不如不预测。比如在颗粒度很小的地方做预测，或者由销售、用户拍脑袋做预测，预测准确度太低，往往还不如不预测，直接用上期的实际值当做下次的预测（"幼稚预测"），亦即常见的"卖一补一"。

上周三，快消品企业A的又一款新品上市了，卖得非常好。到了这周一，短短5天的预售，原来备了两个月的货，已经有一小半给卖掉了，得马上决定是否需要补货。长周期物料、半成品加工、成品组装加到一起，整个补货周期是75天，都快11个星期了。现在的问题是，如何用5天的销量，来判断后续11周的销量？

在计算安全库存的时候，当需求相对平稳的时候，我们一般用过去一段时间的平均需求当做预测，计算这段需求历史的标准差，来量化需求的不确定性。这里有两个问题要考虑：其一，样本的数量，即用多少个数据点来计算；其二，数据汇总的颗粒度，比如按日，还是按周或按月汇总。

几年前，中兴终端的CEO曾学忠还是分管中国区销售的副总。有一次我在培训他的团队，这位年轻儒雅的少帅问了一个很简单的问题：生产和销售经常互相抱怨，销售说生产支持力度不够，生产说销售的预测不准，有什么办法？这问题简单，但是非常根本。其实任何一个行业、职业，都会归结到那么几个简单的问题上。我当时的答复是所有的预测都是错的；在力求适当的预测准确度基础上，解决方案得在供应链的快速响应上找。预测就像投篮，篮球之神乔丹的命中率也只有49.7%，这意味着超过一半的球投丢了。另外，要预测，关键是因为有响应时间----自来水随用随取，响应周期为零，所以就根本不用预测。

摘自畅销书《供应链管理：实践者的专家之路》，刘宝红著。

我们有两种方法来驱动供应链，一种是预测；另一种是订单。订单驱动，看上去风险较小，为很多公司所向往，其实未必。

摘自畅销书《采购与供应链管理：一个实践者的角度》（第2版）。刘宝红著，机械工业出版社出版。当当、京东、亚马逊等各大网站有售，纸质和电子版。

前面讲完了周转库存和安全库存，我想讲一下需求管理。需求管理不到位，需求端的不确定因素太多，最后会以库存的形式存留下来，增加了供应链的成本。

除了订单层面的自动化外，电子商务的另一个功能就是传递需求预测。我们知道，即便在订单驱动的行业，需求预测还是没法回避：一方面，长周期物料的交期太长，长出订单周期的差距需要预测来弥补；另一方面，产能扩张与收缩周期较长，需要中长期的预测来指导。所以，即使在订单驱动的情况下，供应商还是离不开采购方的预测。

所有的库存都是"合理"的，并不意味着我们就把头埋在沙子里，对库存的风险视而不见。这里要介绍的库存四分法，就是帮助我们细分库存，识别风险，管理风险。风险越大，库存的"合理性"就越低，就要引起越多的关注。

要知道，存在的就有其合理性----企业的行为是理性的，它做什么，不做什么，怎么做，都是基于现有能力的理性选择。一线销售提需求（做预测）也是，是企业在系统、流程能力不足情况下的理性选择。要改变这种现状，得通过提高系统、流程的能力，而不是简单的组织措施。

首先，让我们问一个很基本的问题：一线销售是干什么的？一线销售是开拓客户、拿订单、做生意的，需求预测是他们的兼职。企业规模大了，业务越来越复杂，产品越来越多，客户越来越多，一线销售兼职做需求预测注定做不好。此外，由于业绩不达标，销售卷铺盖走人的比比皆是，有哪个销售是因为需求预测做不好而被开掉的？没有责任机制的事是做不好的。这从组织的角度决定了需求预测做不好。

所有的预测都是错的，我们要做的是两点：第一，尽量少错："从数据开始，由判断结束"，整合了历史信息和未来判断的需求预测错得最少；第二，尽快纠错：尽快知道错在哪里，及时调整预测，采取纠偏措施，把损失降到最低。我们的挑战呢，一方面是预测准确度低，另一方面是预测错了但知道得太晚。

从业务的角度看，谁对需求预测的最终结果负责？我们这里说的"最终"，指的就是那堆过剩库存。答案是销售的老总。这有点奇怪，且听我们细细道来。

VMI是供应商管理库存的缩写，最早在零售行业出现，由沃尔玛和宝洁于上世纪80年代率先导入。这些年来VMI被广泛采用，成为采购方降低库存的重要工具。但是，因为计划和管理不善，VMI又造成了诸多问题，不光是给供应商造成损失，也严重影响到采购方。

首先，传递的需求信号不同。假定需求预测是每周100个，安全库存是130个。这传递给供应链的信号是，每周给我按照100个来准备产能；同时，我有个一次性的需求130个，这是安全库存，你帮我一次性备齐以防不测。这样，供应商会按照100个/周来备产能和原材料库存，对于那130个的安全库存，他们会以加班加点的方式一次性解决，影响的是供应链的短期运营成本。

但如果适当"拔高"预测，比如把这130个的安全库存分摊到未来三个月（13周），每周分摊10个，那么需求预测就变成110个每周，供应商就得按照这个来准备产能，中长期产能就多备了10%，导致产能利用率低下，长期成本上升。

此外，在SAP这样的ERP软件里，对待安全库存和预测的方式不同：安全库存是"永久需求"，除非你把它给调整，安全库存会一直在那里，一旦库存低于安全库存水位，ERP就会产生"需求"，驱动供应链补货。预测则相对"虚"多了，根据用户的设置，过段时间没用的话就会"消失"，驱动供应链来取消或延迟订单，把手头的多余库存用于别处。

对于不熟悉ERP的人来说，这比较难以理解。让我们继续上面的例子。假定你不设安全库存，而是把预测由100调到110个/周，而真实需求是100个每周，这样每周就平均有10个是"多余"的，SAP的逻辑是先帮你留着，万一需求滞后。但也不会无限期留着啊，比如留了3周以后（用户可设置），发现需求仍然没来，SAP就认为，看来这个产品预测过高了，便把这"多余"的10个预测给自动取消了，同时传递信号给供应链，说我们预测虚高了，这里要取消10个的订单。得，供应商就给你少造10个。这也意味着实际的安全库存是30个，因为在这里，按照用户设置，SAP只保留3周的"多余"预测，即3乘以10等于30。等到不测发生时，你发现你手头该有的安全库存没有，因为你的实际安全库存远低于应该设置的值。

当然，在那些管理粗放，ERP没有这功能，或者有但纯粹不用的企业，这就不是问题，"傻人有傻福"，对吧？不要高兴得过早：该流的汗总是要流的，麻烦在那里，总是会造成问题。举个例子。有一次，我们帮助一个企业改进需求预测和库存计划，几位销售拉住我们不放手，纠缠来纠缠去，老半天才弄明白是两个问题：过剩预测的调整和安全库存不够"安全"，跟我们上面谈的两个问题都相关。

这个公司是典型的销售兼职计划，把安全库存分摊到需求预测中。需求预测虚高的话，成了过期需求，就得删掉一些，不然一直挂在那里，驱动供应。但究竟哪些该删（真正的过剩），删多少；哪些要保留（安全库存），保留多久，一笔糊涂账，算不清。

这帮销售还弄不明白的是，明明设了"安全库存"，但总觉得不够"安全"----经常短缺，被客户投诉。他们的感觉没错：本来这130个的安全库存，要求供应商马上就送过来的；现在摊到未来13个星期，实际安全库存远比要求的要低，你不短缺才怪了。

那解决方案呢，就是需求预测和安全库存要"上帝的归上帝，凯撒的归凯撒"，不要混在一起，人为地增加不确定性。要知道，需求预测和安全库存相辅相成，前者对付的是平均需求，后者对付的是不确定性。这是两个不同的概念，也应该分开处理。

有个50多亿营收的公司，主要客户是国家电网等企业，客户的订单周期是30到40天，不能满足长周期物料的采购。以前是采购自己做长周期物料的预测，准确度低；现在改由销售来预测长周期物料，情况还是没改善。

经常有人问，需求预测多准才对？答案是这取决于你所在的行业。比如在工业产品领域，批量小、品种多，60%的预测准确度可能就相当不错；但在汽车制造、家电、消费品行业，这样的准确度可能意味着灾难。

预测就如赌博，赌对说明了什么？说明了你幸运。我们其实是很难分析赌对的原因，除了基本的"从数据出发，由判断结束"的需求预测流程，以及选择更合适的数理统计模型。即使这两者都做对了，你还是可能预测失败。所以，从赌对中，我们很难学到太多的东西。这就如你问那位九十多岁的老寿星长寿的秘诀，他说他吃饭，他运动，他睡觉----他其实也不知道为什么长寿，否则的话，为什么不教给他的老伴儿，这样，老伴儿就不会在三十年前去世了。

对于长周期物料，我们之所以专门探讨其需求预测，是因为它们对供应链的影响最为深远。对于供应链来说，一个行业之所以难以对付，关键就在于那些长周期物料，比如芯片，比如显示屏，比如定制化程度高的关键零部件。

在凤凰卫视驻日记者李淼的微信公众号上[1]，看到这么一篇文章，说"随着三峡工程的三次工程竣工，日本的震度M5.5以上地震发生频率逐级上升。月均发生M5.5级以上地震的次数，从三峡工程尚未开工时期的 0.12次/月，上升至 0.49次/月，增幅达到了308%。由此可见三峡工程的威力不可忽视"。作者列举了成十年的数据，非常详实，你能看到清楚的正相关。

不知道大家注意到没有，越是管理粗放、需求预测做得差的企业，做需求预测的人就越多。一线销售人人提需求，就是一例。其实，大多情况都跟水电、煤气、市政设施一样，不需要人人做预测；如果你发现基层、一线人人都在做预测，那八成有问题。

俗话说，父子不能教，医生不自医。教孩子和治病是个理性过程，如果夹杂太多的情感因素，在这里是私心，就会影响决策的客观性。君不见，父亲教孩子，没多久就在父亲的打骂、孩子的哭声中结束，不但教不好，而且成了仇人。那怎么办？《孟子》中说的，易子而教----你教我的孩子，我教你的孩子。医生自己病了也是这样，找别的医生给自己开药方。

要预测，是因为供应链响应能力有限

这里我们谈个有点哲学味的话题：为什么要预测？答案很简单：供应链的响应能力有限。

人们经常抱怨没数据，其实一个公司数据再少，也会有发货数据，因为他们要靠这个来向客户收钱。光从这些发货数据中，我们就可以发现很多有用的信息，帮助我们更好地理解客户期望，判断供应链的绩效，识别能力短板。比如你新到一个企业，人家给你一个几十兆、几百兆大的Excel文件，是这几年的发货记录，你该怎么分析呢？

需求预测要"从数据开始，由判断结束"----销售是判断的主力军，计划按照销售提供的信息来判断，调整需求预测。我们经常听到计划在抱怨，说销售不愿提供信息。有几个常见的原因，这里讲三个，并探讨计划如何能帮助改变这些。

从理论上说，服务水平跟库存水平正相关。也就是说，要提高服务水平，就得增加库存；要降低库存，就得牺牲点服务水平。这里有个重要的前提，那就是库存与服务水平已经优化，多余的库存 "水分" 已被挤掉，也就是说已经处于下图中的B点临界曲线，在库存与服务水平的"效率边界"上（Efficiency Frontier）。

在库存计划和服务水平上，企业可以分为三类：最差的企业是库存一大堆，但客户要的没有，服务水平很低；最好的企业是库存最低，但客户服务水平最高。这好理解：最好的企业计划做得好，知道计划客户要的东西，所以客户服务水平高；知道不计划客户不要的东西，所以库存水平低。最差的企业正好相反。但居于中间的企业呢，客户服务水平挺高，但库存也挺高，是高库存下的高服务水平。很多做得不错的企业都会归入这个门类，简称"两高"企业。

库存是企业运营的粘合剂，也是矛盾的焦点之一。销售侧重客户服务水平，要求多放库存；供应链兼顾效率和成本，希望少放库存。老总和财务平日不怎么关注库存，但一旦现金流紧张，手头缺钱，库存马上就会上了他们的雷达。降库存就跟降成本一样，是企业不可避免的话题，而且更难对付。毕竟，老总可以一怒之下降成本，比如从明天开始，所有的出差都取消，一切问题都电话上解决；从下周开始，所有的供应商付款自动扣减x%（是的，不管你信不信，通用汽车就干过这活）。但是，你听哪个老总一怒之下，就把库存给降下来的？

在库存计划和库存控制上，我们这里想讲三个基本原则。

需求预测是需求计划的一大输出物。要不要考核需求预测的准确度？我们的倾向是不考核。根本原因呢，需求预测是个过程指标，其本身并没有实质意义：企业做预测的目的不是准不准，而是为更好地对接需求与供应，提高客户服务水平的同时，控制库存水平，降低运营成本。

这些年，我们拜访和服务过数以百计的企业，包括跨国和本土企业，发现需求计划总体经历了三个发展阶段：公司小的时候由老板兼职，有点规模后由销售、生产、采购等相邻职能兼职，上了规模后就得有专职的需求计划职能。

经常有人问，如何做好计划？这是个很大的话题，我总结为三个环节，或者说计划的三道防线：需求预测、安全库存和供应链执行。其逻辑是（1）尽力作出最准确的需求预测（第一道防线）；（2）所有的预测都是错的，所以我们设立安全库存或安全产能来应对（第二道防线）；（3）安全库存/产能没法对付的，最终要靠供应链的执行能力来应对。企业的挑战是计划能力薄弱，第一和第二道防线设得不好，很容易失守，太多的压力就会转移给第三道防线，这就是典型的计划能力不足，全靠执行来弥补，公司也就习惯性地陷入救火模式。

在很多公司，供应链苦于销售对库存不负责任。表面上看是销售不愿承担责任，根源其实是需求计划没有闭环的结果。

我们说过，库存的来源有三大类：（1）周转周期，比如生产、运输的时间；（2）不确定性，比如需求和供应的不确定因素；（3）人的行为，比如预测不准、订单取消、最小订货量等。与这三个根源一一对应，相应的库存也分三类：周转库存、安全库存和多余库存。要控制库存，就得从这三个领域着手，采取切实行动。

在采购和供应链上，很多公司都是一堆的麻烦，不光是供应端，更多的是需求端。也是，这些年来，需求端差异化地非常厉害，很多行业都感受到批量越来越小、需求变化越来越快。相应地，预测的准确度就成了供应链的心病。我在培训中每每谈到这些问题时，不少学员都奢望，如果预测能更准一点就好了。那神态就像《我的叔叔于勒》中的一句台词："如果于勒竟在这只船上，那会叫人多么惊喜呀!"。我想说的是，于勒不在那条船上，预测的准确度也不会高到哪里去。所以，你不能寄希望于预测的准确度。

在培训采购与供应链管理时，我每次都有个讨论问题：计划给出的预测，当采购传达到供应商时，你们做调整吗？为什么？

虽说计划是供应链的引擎，驱动采购、生产运营和物流配送等执行职能，但在很多企业，计划由执行部门兼职，并没有独立的计划职能。这在一些快速发展成长起来的公司尤其如此。这些公司规模上成了大公司，管理和运作水平却停留在小公司层次，忽视计划职能就是表现。

在培训采购和供应链管理时，我有个案例，专门讨论如何提高预测的准确度。每每谈到哪个职能该做预测、哪个职能该对预测准确度负责时，鲜有例外，大家的矛头所指都是销售。原因很简单：销售离需求最近，最了解需求，所以处于最合适的地位做预测，自然也该对预测的准确度负责了。这听上去很有道理，其实是个误区。

10月份在深圳培训，20%的学员来自电商。电商可以说是"速度经济"的代表：消费者不但期望批量经济下的价格、大规模定制下的选择，而且希望鼠标一点、几个小时后就能送货上门。虽说不要店面，但电商的种种成本，远超一般人的想象。很多传统公司跨入电商，例如美特斯邦威、红星美凯龙、飞虎乐购，都是兴冲冲而来，没多久就仓皇撤退，一大原因就是对电商的成本估计不足。

而诸多成本中，一大块就是库存成本。从本质上看，电商是个库存系统。从总库到一级库、二级库，哪些商品该备货、备在哪一级的库、备多少，是个典型的库存计划问题。库存计划不到位，短缺与积压并存，结果是要的没有，不要的却有一大堆。有些电商缺货率动辄百分之二三十，同时呆滞库存比例高达百分之三四十，由此而来的业务损失、库存贬值、削价清仓，成本惊人。而这些问题的解决方案，则离不开库存决策的三部曲：预测、计划和补货。

这是《国际电子商情》的采访，关于库存控制与管理。

点击此处来下载。

《国际电子商情》采访库存控制的一些话题，这里是我对库存管理的挑战和如何设定库存水位的答复。

《扁鹊的医术》中说，一流的医生在病还没发作的时候就治好了，好的医生在病刚发作时就能施诊，一般的医生一直等到病入膏肓才下猛药、动针砭、刮骨疗毒。这个比喻放在库存计划和供应链管理上也很贴切。接着阅读。

一个公司投巨资建成的新厂房终于投产了。几个月内，产量以50%的速度逐月飙升。来势太猛，供应商措手不及，短料、断料，疲于奔命。该公司与供应商设立寄售库存。在产能飙升之前，这些料号都已备在寄售仓库里。现在屡屡短缺，生产工程师们大为光火：我们的产能是调高了，但寄售库存的再订货点两三个星期前就提高了，你们怎么现在还是没法把货补齐？

两篇有关备件业务和服务的文章，如果感兴趣的话。

备件业务简述

备件服务水平

几个月前，我去硅谷一个生产高科技公司。该公司的产品火热，年营销额节节攀升，一路飙升到8亿美金左右，处于量变到质变的时刻，即基础设施、流程、系统需要全面提升。公司规模小，人可以驱动流程，苦干、硬干加巧干，产品还能将就着按时出门。公司规模大到一定程度，流程、系统上的缺陷就会放大，员工会经常处于救火状态。产品热销，使得公司的销售强势，能够要求客户提前半年下订单，远超过生产周期。对销售来说，这下销售预测可好办了，但对于负责订单履行的供应链总监来说，日子却没什么好过。

协同规划、预测和补货（CPFR）的权威组织VICS在上海举办认证培训。他们给"供应链管理专栏"两个席位，我从众多的申请者中间选了两个职业经理人参加。

下面是百思买（Best Buy）的岳冰写的总结，登录出来，与大家共享。

VICS计划在国内继续这样的培训。如果你感兴趣参加的话，请跟我联系：[email protected]。

刘宝红，2010年11月8日

协同规划、预测和补货（CPFR）的权威组织VICS在上海举办认证培训。他们给"供应链管理专栏"两个席位，我从众多的申请者中间选了两个职业经理人参加。下面是上海荷美尔食品有限公司SCM 李晋写的总结，与大家共享。

VICS计划在国内继续这样的培训。如果你感兴趣参加的话，请跟我联系：[email protected]。

刘宝红，2010年11月8日

Michael Katzorke出版了他的新作：Leading Effective Supply Chain Transformations - A Guide to Sustainable World-Class Capability and Results，讲的其实就是他在Cessna（工业巨譬德士隆的子公司）和Smiths（被GE在2007年收购）担任供应链副总裁期间，如何引领两个二三十亿美金的大公司的供应链转型，并取得持久的结果。我的工业界的导师Ron Nussle师从Michael Katzorke多年，并把Katzorke的那一套系统地应用到我供职过的Lam Research（硅谷的一家年销售额在20亿美金左右的高科技公司），以及青岛海尔，指导海尔的供应链转型。如果要讲根源，Michael Katzorke算是祖师，我在"供应链管理专栏"上的很多文章，寻根究底，都能看到Katzorke的影子。

这本书短小精干、实用，正文就170页，加上附录就260页左右，在Amazon.com上能买到。工业界实践家写的书，讲的是经验之谈，说的都是身边事，给专业人士读，颇能引起共鸣。耐读，也是因为它是Katzorke三十年职业经历的浓缩，同时包括很多大公司如Honeywell、Motorola等最佳实践。书中的亮点很多。这里要讲的是库存、信息和能力。

海尔作为国内第一品牌，一直在经营理念上领先同行。他们在创造新理念的同时，也创造了很多新词，零库存下的即需即供就是其中一个。

说得是零库存，其实不是零库存。因为不管是成品、半成品、在途库存还是原材料，在一条供应链里，总会有这些库存。但是，管理得当，却可以大幅度降低这些库存。这就是零库存的初衷。

这似乎是个悖论。按道理，库存越多，有货率就越高。实际上正好相反。看看问题的根源就知道了。

为什么存货多？因为卖不掉的破烂备得太多。
卖不掉为什么备那么多？因为规划不到位。
为什么规划不到位？因为不懂或不重视规划。

结果是该备多的备少了，该备少的备多了，恰到好处不过是凑巧。貌似两种问题，其实只有一个根源。

阅读全文。

规划员："这个料要备三个，请批准"。

规划经理："为什么要备三个"（而不是四个或者两个，或者一个）？

规划员："客服工程师说要三个"。

我在备件规划领域这么些年，这是经常遇到的，也是最不喜欢遇到的对话。

点击此处继续阅读。

俗话说，女怕嫁错郎，男怕入错行。对公司来说，怕的就是排错了队，资源花在二流客户上，最终这些二流客户变为三流、四流、末流，直至被淘汰出局，如同泰坦尼克号一样沉没。倾巢之下，没有完卵，供应商便成了殉葬品。

就半导体行业来说，二流的客户大多在北美和欧洲。如果时光倒退10年，这些公司大都是一流客户。只因为社会福利太好，生活太安逸，员工从上到下都成了慵懒的肥猫，公司也成了贵族，失去了饥饿感，就失去了竞争力，于是就被亚洲的公司打得满地找牙。结果一流的变为二流，二流的变为三流甚至破产倒闭。欧洲第二大半导体生产上Qimonda就是例子。

点击此处继续阅读。

提起预测，很多人想到的往往是数理统计方法。常用的统计方法有几十种，绝大多数都有同一假设：历史会以一定的方式重演。数理统计的误区也正好在这里：市场变化复杂，产品更新换代迅速，消费者爱好、流行趋势难以捉摸，发生过的与未发生的关联度并不一定有多高，尤其是在单件产品、单个销售点、短期预测的情况下。套用股市中常用的免责声明，就是"过去的绩效并不代表未来回报"。不管是多好的工具、多精致的模型，都很难纳入难以量化的变量，即经验与直觉。模型得出的预测，准确与否都得过直觉这一关：看上去对不对？

四月下旬，在IE Group在旧金山举办的高科技预测与规划峰会上，一个赞助商在展台上放一瓶巧克力豆，让每一个参观的人有奖竞猜。挺大的一个瓶子，几百只巧克力豆，又不是标准包装，谁又能猜得准呢？

规划是供应链运作的大脑。几十年来，规划从MRP发展到到ERP到APS再到SCP，经历了从部分到全局，从静态到动态，从企业到供应链的发展历程。供应链的效率取决于规划。规划不到位，任何执行都是事后挽救。

这是我的一位朋友陈兵兵女士的文章。陈女士是微软中国首席解决方案架构师（制造、能源、零售物流）。曾担任IDS、i2中国首席顾问，康柏、SAP等公司高级顾问、市场总监等，熟知供应链管理和全球供应链网络的优化。这篇文章概括了规划的发展历程。如果感兴趣的话，请继续阅读。

这是在"国际电子商情"上看到的一段经验之谈，讲得很系统，很有条理，全文摘录下来，与大家共享。

原文来自Alan Xue，深圳。

一位在英国做采购的朋友最近面临一个关于中国供应商VMI的难题，希望可以得到大家指点。

中国供应商在３个月之内需要回款做退税，可是由于公司没有协调好好需求，导致国内供应商积压过多库存在第三方仓库，采购方的付款条例是每周从第３方仓库转运多少货，就付多少钱。每周付款一次。这样看来，３个月内回款给供应商看似不可能。供应商将巨额损失在VAT上。大家有没有什麼好的建议当遇到这样的问题?

另外，中国做出口VMI，就必须支付国外第３方仓库运费，库存费用，这是笔不小的费用，可是中国外汇管制，对外货币有限制，不知道您是否可以指点一下，供应商怎样具备怎样的出口文件和条款，国内银行才允许对国外的付款顺利进行？我的供应商之前在出口文件上的TERM是FOB，这显然是不对的，那么，是否改成CIF或DDU就可以避免这样的问题呢？

常见的库存控制是静态的，以控制库存水位（安全库存、补货点、补货量等）来控制总体库存。它的不足之处是对转库库存缺乏透明度，例如你知道有一定数量的库存正在流动转库，但没法系统地预测何时会有多少到达。对于有大量库存处于流动状态的供应链，静态控制库存的不足就更明显。

举个例子。美国销量很不错的健力士（Guinness）啤酒产于爱尔兰的都柏林，出厂时装在啤酒桶里，由大卡车载着，运到都柏林港，卸到海关检验处，集装箱装运，先搬到小吨位的轮船，再驶到深水港，例如阿姆斯特丹、南汉普顿，甚至是利物浦，卸载到集货处，随后转到大吨位的轮船，这才算是正式上了路。然后是一路颠簸，跨过大西洋，先到纽约，再到查来斯顿、休斯顿，最后到了洛杉矶。集装箱下了船，清关，抵达洛杉矶的仓库，这才算是到了家。从都柏林到纽约需要21天，从都柏林到洛杉矶要33天到36天。当然啦，这还得取决于很多因素，例如航运公司、天气、闲季与忙季等。

没有十全十美的东西，供应商管理库存（VMI）也不例外。

对采购方而言，选对合作伙伴很大程度上决定VMI的成功与否。在VMI下，采购方实际上把物料管理职能分包给供应商。如果供应商因为管理水平、财务状况、员工素质等没法很好履约，采购方就面临着断料危险。在国外，有些VMI计划就因此而中止。采用VMI时间长了，采购方丧失物料管理资源、能力（例如原来的人员转移到别的部门去了）。一旦中止VMI，重新配置人员，资金预算可能是个问题。

前面说了供应商管理库存（VMI）。这里说协同规划、预测与补货（CPFR）。

CPFR的全称是Collaborative Planning, Forecasting and Replenishment，即购、卖双方协同进行产品规划、需求预测和补货。这个概念源自零售业，在上世纪九十年代初由宝洁与沃尔玛率先应用，现在仍然以零售业为主要战场，当然也适用于非零售环境。

几年前，硅谷的一个高科技生产企业耗费几千万美元，实施一套新的ERP软件。实施的前几个月只能用一个词来形容：灾难。物料准确性更差：系统明明显示有货，但物料管理人员总是找不着，客户服务人员也没法发备件给客户；生产计划更不可预测：明明按计划可按时发的货就是没法准时完成；数据录入准确性也下降：客户的订单接收错了，订单物料清单不准确，甚至货发给错误的客户。套用墨非定律：凡是可能发生的都会发生（而且确实发生了）。

2003年，整个硅谷还笼罩在经济泡沫破灭的阴影下，很多公司的营业额大幅下跌，但降价压力也与日俱增。祸不单行的是，动辄千百万美元的滞销库存，绝无可能销售，都得销毁。其中相当部分是供应商管理的库存（VMI），意味着得支付给供应商钱，因为VMI下采购方有一定的责任。光笔者本人就处理了八十多万美金的过期库存，而整个产品类的采购额一年也就几百万。

采购沙龙上有个主题，说的是剩余库存从何而来。

从表面上看，剩余库存是因为过量采购、设计变更、客户订单变更、生产计划变更、质量问题等。从实质上看，它源于两个基本面的问题，那就是采购前置期（Lead Time）和不确定性。

很多人问，如何规划在供应链管理领域的职业发展？这个问题很大，因为各人的背景、兴趣不同，加上供应链管理本身无所不包，所以没有一个明确的答案。笔者的看法是可考虑三个方面，（１）技术类的，如供应商质量工程师、供应商开发工程师；（２）生意类的，如采购经理、采购员、供应商业务经理；（３）规划类的，如物料管理经理、物料规划员等。这里想说的是第三种。