邓为民　刘晓敏

面对“高库存与高缺货并存”的困境时，供应链总监该采取什么策略？怎样才能保证这种策略行之有效？

本文的案例来自于一位供应链总监的日记。这位供应链总监的问题以及解决问题的方式具有代表性，很多企业面临类似问题并采取了相似的解决思路，而解决问题的结果似乎也差不多，往往没有达到预期效果。为什么供应链总监的策略没有达到预期效果，这类问题的解决思路是怎样的，本文将进行深入探讨。

一个供应链总监的日记

作为某卫生洁具(中国)有限公司的信息技术及物流经理，2005年初，我已多次在会议上强调：公司的库存问题凸显，总部和全国各地分支机构库存状况都在恶化。我有种感觉，我们的整个供应链计划体系存在重大缺陷。

冲突来了

2005年3月2日，销售会议。

“每个月我们都有大量的缺货，好不容易争取来的订单居然没货供应！每次都说库存高，但是缺货如此频繁，实在让人费解。”销售总监强烈抗议。总经理也赞成：“有生意做不成是最大的遗憾，这对我们的品牌和市场都是致命的！我们必须搞清楚问题根源并且找到有效解决办法。希望由物流经理提出问题分析和解决办法！”

供应链的“三尺冰冻”

2005年4月8日，经理会。

经过一个月调研，虽然还没有经过细致分析，我基本了解了目前的计划体系状况。经理会上，我详细报告了主要问题:

1. 库存导向还是市场导向。公司传统的管理模式以生产为中心，我们和客户间很少沟通与协作，虽然有销售预测，但是更注重企业内部生产过程和效率，而且以前市场稳定，所有的代理商都基本可控，生产计划其实是面向库存的，预测放在次要地位，逐渐造成生产与市场需求脱节。

2. 缺乏集成导致供应链不可视。在传统的供应商、制造商、分销商、零售商和客户依次连接的供应链中，沿着供应链环节向上游移动，需求的不稳定性增加，预测准确度降低。其中补充订货的决策及相关信息管理由库存使用者掌握，而库存供应者只是被动接受信息，响应周期长、库存积压风险大，导致制造商和零售商库存增加。

3. 预测手段粗糙。经过对目前流程和工具的分析，我们发现目前的预测工作简直就是一个死循环！虽说能够真正了解自己产品需求的公司寥寥无几，但我们的高层销售管理者甚至把预算数字当作了需求量。加上缺乏历史、市场和行业的数据，缺乏科学的逻辑和计算手段，我们的预测很大程度上基于人的经验和感觉。

4. 信息系统缺陷。我们的ERP系统在管理需求尤其是把需求转化为生产计划方面有很大的缺陷。

5. 如何进行销售考核？公司长期考核销售人员的销售数字，及从工厂发到代理商的数字，代理商是否真正卖出去，我们并不关心。虽然财务上我们已经结束了销售循环，但是作为公司业务主要部分的代理商实际变成了我们真实掌握市场情况的一个障碍，因为可能有大量的产品并没有到达消费者手中，而在代理商的仓库里。如果不考核售出数字及最终货物的去向，我们既不能帮助代理商改善库存，合理进货，同时也无法准确把握市场。

6. 产品组合的管理。企业选择大规模生产或者停止生产某些产品时，无论短期还是长期都对库存有直接影响，同时对产品组合的管理手段会影响企业所提供的产品数量，产品部件的通用性会影响企业的灵活性。然而需求量越多，安全库存的要求也就越高，从而导致了更多的库存。

无可辩驳的分析，让经理们终于明白了问题根源。然而解决这些问题谈何容易！带着满脑疑惑，终于结束了一天的会议。看来冰冻三尺非一日之寒，不彻底变革是真的无法维持下去了。

协同供应链：理想与现实间的无奈

5月9日，产销协调会。

我详细阐述了新的计划系统的方案和要点：“在供应链的可视化和协同中，最有价值也最迫切的部分应该是和客户的协同。”我提出计划体系的项目可以从两个方面着手：

● 组织方面：建立总部集中计划部门，负责收集销售部门提供的所有产品线，所有销售渠道的客户需求预测。根据需求预测制作生产计划并反馈各地。每月进行预测准确率的考核。协调补货，处理紧急订单，监控缺货状况。

● 系统方面：供应链问题极为复杂而且相互作用，在错综复杂的现实当中，针对某一点的解决方案是无法从根本上解决问题的。配合当前公司正在实施的基于INTERNET的供应链系统，把重点侧重于渠道库存管理，面向客户预测管理。通过管理客户的SELL IN，SELL OUT和客户的销售预测，纳入我们的计划体系库存信息共享，自动统计市场需求，作为工厂生产计划的依据，把面向库存生产的计划体系转变为面向市场和客户的协同计划体系。

运行效果不佳

9月29日，产销会。

经过三个月试运行，显然，新的计划体系没有能够达到理想的效果，系统产生的数据并不完全可行。出现了诸如数据输入混乱、预测的精确度极低等问题。

企业之间的竞争逐渐演变为供应链之间的竞争，企业与合作伙伴之间的关系日趋紧密，大家关注的重心是以协同商务、相互信任和双赢机制作为企业共同的运作模式。制造商如果不能获得零售商的最新、最精确客户定单信息、零售商店的销售数据、生产容量和配送能力数据，永远不要期望任何供应链计划软件能够精确有效地帮助你。然而纯粹依靠逻辑和数学支撑的系统并不一定可行。经过细致调整，新的计划体系是否有效还需要进一步实践检验。但只要有求变的心智和锲而不舍的精神，持之以恒逐渐改变对事物的思维方式，相信一切问题都能够解决。 （本部分内容为供应链总监日记内容原文，来自互联网。）

为什么没有达到预期效果？

该企业面临的问题，与所有企业在供应链上面临的问题一样——“高库存与高缺货并存”——这是供应链的基本规律，只不过在这家企业表现得尤为严重。

总监对产生这种现象的原因进行了分析，并总结出6个方面的问题。比较遗憾，这6个问题都是很大的问题，每一个问题都很难定义解决的程度和目标，需要长期不断的努力才能够解决；不是目标清晰，可以采取针对性行动的问题。虽然，问题分析得“无可辩驳”，各个部门都很关注和期望，“不彻底变革是真的无法维持下去了”，这种定义问题的方式就为 “达不到预期效果”埋下了种子。

供应链总监把问题锁定在计划体系，并从组织和信息系统两个方面来着手。计划体系是供应链运作的灵魂，抓住计划体系进行优化无疑是非常正确的，但是着手的两个方面都不是解决问题的关键。从分析看，预测不准确是所有问题的关键，而“建立集中部门负责收集客户需求预测”，以及建立“把重点侧重于渠道库存管理，面向客户预测管理”的信息系统，显然不能解决预测不准确的难题，而只是解决问题的辅助手段。

销售预测是销售部门的责任，应督促销售部门负起责任，对各区域销售预测结果进行考核，把预测结果作为发货参考依据迫使销售部门提高预测准确性才是解决问题的核心。供应链总监没有调动公司层面资源，要求销售总监来提高销售预测准确性问题，而是选择了自己容易推动的建立收集预测信息部门，以及完善信息系统，有点舍本逐末，“没有能够达到理想的效果”，就在情理之中了。

问题的核心是销售预测

虽然总监分析6个方面的问题，但是核心问题只有一个：销售预测准确度不高。总监分析的6个问题中，有四个以上都与销售预测准确度不高有关。我们来一一分析：

问题1：库存导向还是市场导向：当然应该采取市场导向的思想，根据对市场需求的预测来编制供应链运作计划，这是很容易判断的。但是销售预测准确是执行市场导向思路的前提，预测不准确，那就只好继续库存导向了。所以，表面上是库存还是市场导向的问题，实质上是销售预测不准的问题。

问题2：缺乏集成导致供应链不可视：“库存供应者被动接受信息，响应周期长，库存积压风险大，导致制造商零售商库存增加”。作者认为：这里实际应解决的问题是：销售预测的信息(或者渠道信息)要及时和供应链部门沟通。而企业的实际情况可能是：销售部门没有预测或者预测很不准，没有供应链部门需要的信息，没有信息可以去集成，所以缺乏集成。

问题3：预测手段粗糙：这是指预测方法问题。怎样做好销售预测是每一个企业都关注的事情，该企业也不例外。但是应指出，预测做不好，预测方法和预测手段并非最重要，最重要的是没有基础数据以及对销售预测不重视。

问题4：信息系统缺陷：“系统在管理需求以及需求转化上功能欠缺”。作者认为：最关键的是销售部门未能提供相对准确的销售预测数据，而不是系统功能欠缺。从需求计划到生产、采购计划是ERP的标准功能，一般的中型大型ERP都可以提供这种功能。

问题5：如何进行销售考核：对于销售考核问题要分为两个方面：一是如何考核更合理：逻辑上说，考核终端出货数据以及渠道库存肯定比考核对经销商的销售收入更合理，这不会有分歧；二是考核的可行性：没有收集到渠道的数据，或者收集得不全（往往很难百分之百掌握渠道数据），实际上是无法按照终端出货以及渠道库存进行考核。问题的核心在于渠道数据采集以及数据的可信度，用于考核的数据必须具有很高可信度。

问题6：产品组合的管理：客户需求越来越个性化，品种越来越多。这是一个基本趋势，不以人的意志为转移。这个问题本身与预测无关，但是它会影响销售预测：由于品种多，销售分散，销售预测要做准确越来越难了。

所以问题的核心是销售预测，提高销售预测准确度的责任在销售部门，所以解决该企业供应链问题的关键不在供应链部门，而在销售部门。供应链是根据需求起舞，如果需求不准确，整个供应链的舞动那就是无章法的乱舞了。

核心问题的核心是数据采集

问题的核心是销售预测问题，这仍然不具有行动指导性。因为销售预测也是一个普遍的难题，解决销售预测问题，提高预测准确度是一件非常难的事情，需要持续努力、逐渐改进。作为一个解决具体问题的内部项目，还需要进一步细化以找到行动着力点。

销售预测水平的提高：需要有数据基础、预测模型、预测工具、预测流程，而其中最难的是数据采集，为什么呢？因为数据采集涉及到商业博弈，经销商的商业机密涉及的业务主体很多，涉及的业务面很广，工作量最大。至于模型和工具：那只是数据处理问题，处理的方式很多，计算机处理的速度很快，变换处理模型和工具也很容易，这不是难题。实际应用的预测模型往往非常简单，比如联想笔记本电脑公司采用的预测模型就是移动平均法结合历史数据分析。

所以问题的核心聚焦到数据采集问题。需要进一步分析采集什么数据？数据采集工作要达到什么目标？什么时间采集数据？谁去采集数据？

一般来说：需要采集经销商的进销存数据，采集零售终端的数据；数据采集的目标：比如，要采集到85％的经销商业务数据，50％的终端零售数据需要采集到。必要的话，企业可以花钱购买终端零售数据。数据采集的时间：可以确定为每周采集一次，并对数据及时上报汇总。对于是否需要建设渠道数据采集系统，个人认为这不是实现数据采集的必要条件，Excel报表就可以完成采集统计功能，只是准确度不能保证做到百分之百，当然有系统更好。

由于数据采集是核心问题的核心，所以应该有非常强力的措施来推行。这是销售总监要负责的，能否推动销售部门强力进行数据采集工作是解决问题的关键。可以采取什么措施呢？数据采集工作与奖金发放挂钩（不采集完成数据不发奖金等等），对数据采集制定奖励惩罚措施。这一定要强力推行，否则任何供应链问题的解决都是一句空话。作为公司管理层应有一个坚强的决心：就是用笔抄写，也要把数据收集上来。

要辅助建立起数据收集处理的方法和机制，需要强调的是：不要把销售渠道信息系统建设作为采集数据的先决条件，完全可以手工采集。Nike中国公司就采取过类似做法。在实施渠道信息系统之前，Nike中国公司已经进行了4年多的手工数据采集，后来实施的渠道管理系统，只不过把手工数据工作电子化了，系统实施成功的风险大大降低。

渠道当前数据是数据采集的重点，但是企业的眼光不可局限于此，还可以建立数据仓库，从企业自身历年的销售数据中去发现需求规律，用于销售预测，这也是企业非常值得做的一个事情。

没有供应链上的信息流，任何其他的供应链管理的优化都是巧妇难为无米之吹。数据采集是解决问题的第一步，是最艰难的一个起点，并不是解决问题的全部。只是解决了数据采集问题，其他步骤都相对容易推动。

第二步：利用数据，建立对数据的感觉。

在数据采集之后，要做两件事情：第一：要形成数据分析处理的流程方法：比如如何根据渠道各种数据做出销售预测，供应链部门如何分析利用各种渠道数据。第二要逐渐形成对数据的敏感性，找到对于数据的感觉。同样的数据，有经验的人能够发现很多问题，而没有经验的人可能觉得数据一文不值。业务部门需要对数据找到感觉，不断挖掘数据的利用价值。比较好的做法定期组织对数据的分析讨论，或者建立专门的数据分析岗位。

第三步：要让供应链长期持续优化，企业需要建立经营分析体系。经营分析体系是一个业务优化机制，它包括四个部分：一套反应业务运作情况的指标→定期分析指标值、指标差异原因以及提出解决差异的措施，形成分析报告→定期组织跨部门会议讨论报告，形成解决差异的行动方案→对行动方案的执行进行跟踪确保落实。建立了经营分析体系，就相当于定期对企业进行体检，及时发现问题采取行动。我们公司提供专门的经营分析体系建设服务。

不妨对企业变化的轨迹做一个展望：由于每周都能够采集上来经销商的进销存数据（假设85%）以及零售终端数据（假设50%），销售部门在此基础上形成了做销售预测的方法，并能够提供比原来准确得多的预测数据（假设可达到60％的准确度）。产销协调会上能够讨论未来两周或者一月的可执行的销售预测以及第二月的销售分析，指导供应链短期以及中期的行动。供应链部门从库存导向逐步变化为市场导向。渠道信息数据向上游供应商传递，企业自身以及供应商的反应速度加快。未来根据这种运作模式建立信息系统支撑，供应链反应速度可以进一步加快，库存以及缺货都显著降低……