【小贴士16】一线销售做预测vs.主教练兼任总经理

1.    摒弃一刀切的预测方法，按照需求的特点对产品分类，区别对待，分别由合适的职能（计划或销售）来主导需求预测。对于需求频繁的产品，计划用简单的指数平滑法就能打败销售提需求；对于需求不频繁、客户集中度高的产品，销售的需求预测准确度更高。

1)    导入13周频率的概念，来量化每个产品的需求频繁度，按照需求频繁度来把产品分成三类：

    第一类是可以预测的“短尾”，在这里定义为13周频率在9或以上。“短尾”占该公司总产品的10%左右，需求频繁，而且稳定。

    第二类是难以预测的“中尾”，在这里定义为13周频率介于3和8之间。“中尾”占该公司总产品的40%左右，需求相对频繁，但不稳定。

    第三类是不可预测的“长尾”，在这里定义为13周频率在2或以下。“长尾”占该公司总产品的50%左右，需求非常不频繁，而且很不稳定。

2)    分析各个类别的风险库存，对比计划的需求预测和销售提需求的需求预测的准确率。

    销售的预测，一线销售每个月提一次需求，结合客户提供的预测和自己的计算、判断，确定未来三个月的预测；把分公司销售预测整合起来，形成总预测，录入信息系统，驱动供应链来采购和补货；然后提取半年的销售预测，计算6个月来的累计误差。

    计划的预测，用指数平滑法（注：“指数平滑法”是移动平均法的一种，其特点在于给过去的观测值不一样的权重，即较近期观测值的权重比较远期观测值的权重要大。）指数平滑的公式为Ft＝Ft-1+α（At-1-Ft-1）或者是Ft＝αAt-1+（1-α）Ft-1。其中，t是本期，t-1是上期，F是预测，A是实际值，α是权重，这个案例用的阿尔法值为0.6，即下个月的预测的60%来自上个月的实际销量，其余40%来自上个月的预测。阿尔法值越大，给最新需求的权重越大。），完全基于需求历史做预测，计算6个月的累计误差。

    做过的预测不能调整，下过的订单不能取消，但可调整新增月份的预测。需求预测的准确度用绝对值，用6个月的累计误差的绝对值，除以6个月的实际需求。比如某个产品的实际需求是100，销售的预测是140，计划的预测是150，销售“更准”。

3)    按照产品的需求频率排序（13周频率为0，表明过去一个季度（13周）没有实际需求，这类产品的需求频率最低；13周频率为13，表明过去一个季度每周都有需求，这类产品的最高。）得出结论：对于慢动产品（13周频率＜9），需求频率越低，销售的预测准确度相对越高；对于快动产品（13周频率≥9），需求频率越高，计划的预测（指数平滑法）越准确。

4)    按照销货成本（在统计期间，产品的单位成本乘以销量，转化成金额。）的高低排序得出结论：计划在70%的金额上比销售的预测准确度更高。

    销售虽然在更多的料号上预测更准，但从营业额（销货成本）的角度看，那些料号的业务量并不大，那么对企业的影响也没什么。可能那些产品是处于某种过渡阶段，比如导入或者导出，引起销售的重视，因而销售的预测准确度较高；此类产品的需求历史可重复性低，基于需求历史的指数平滑法（计划的预测）就不甚理想。

    销售更在意的是增量，而非存量，一般情况下，需求频率越高，业务越稳定，也越是存量而非增量，销售就越是不在意。

5)    我们不能光围绕“长尾”问题设计解决方案，而导致在“短尾”上制造更多的问题。

    对于需求频率低的“长尾”“中尾”产品，企业的自然反应是依赖销售、市场、产品管理等接近客户的职能；以销售为主设计了需求预测机制，那就是销售提需求。

    而把那些“短尾”产品也不加区别地给销售，则会因为预测准确度低导致更多的短缺和库存问题。

2.    需求预测的虚高与虚低

1)    销售做预测，习惯性地虚高，往往只有上，没有下。除了保守心理外，还有其他“感性”的原因导致预测不客观：

    一方面，他们希望这样来“锁住”库存；过于注重有货率，最后以牺牲库存为代价。

    虽说按道理每月销售都要评估逾期需求（前一到两个月没有用掉的需求预测），在信息系统里删掉多余预测，有些ERP提供自动的解决方案，比如需求预测逾期，一定的时间过后（用户可以设定），信息系统就自动删除，自动给供应链过剩信号，驱动供应链响应。但这是销售的兼职的兼职，销售不熟悉这些功能，也不是销售根本的责任机制，得不到足够的重视，没有系统地做。

    法不责众的从众心理。每个销售都知道，自己的需求只占总需求的千分之一，自己预测不准没关系，别的销售预测准确就行了。三个和尚没水吃。

    根本的原因，那就是对销售目标的考核机制。

    为了激励销售，老总习惯于给他们高于实际能力的目标，比如年销量定为1000万元，尽管老总认为能做到800万元就不错了，销售自己也认为800万元是个更靠谱的数字。但是绩效考核决定了销售会提1000万元，或者更高的需求。

    或者，前三个季度都是虚高，第四季度毫无例外都是虚低，因为第四季度是第二年销售目标的基准，定得低，第二年的销售业绩就好完成。

2)    在业务量大的产品上，兼职预测的质量远不如简单的预测模型，比如指数平滑法。

    对那些销售高估、计划也高估的产品分解出来，把高估部分及时拿掉，驱动供应链调整供应，及时处理多余库存，半年下来可降低大量库存，提高企业的毛利率。

    风险库存为超出周转库存、安全库存、过剩库存的库存。其中，周转库存＝周转周期×需求预测；过剩库存是周转库存和安全库存外的库存，比如可以能够在2个月内消耗完的库存。

3.    销售计划和需求计划的区别在于，销售计划是感性的，需求计划是理性的。从一定程度上讲，需求预测就是用供应链的理性对抗营销的感性的过程。

1)    主教练就如销售，被短期目标驱动，活在当下。如果由主教练兼职总经理的职位，来做人事决策，就容易为短期利益而牺牲长期利益。比如过分关注即战力，好像跟销售做预测导致的库存问题，签了很多当打之年的球员，而忽视年轻球员的培养。

2)    在一个成熟环境中，我们不是通过把不同责任整合到同一职位来提高决策质量，而是通过专业化，以及专业化后的跨职能协作来做出更好的决策。这样，既有专业化，也可适当制衡，兼顾各方利益，做出对企业来说最均衡的决策。这表现为销售与计划的分离，以及分离后的销售与运营协调机制，让需求预测同时兼顾销售的利益和运营成本。

4.    既然做不好，为什么一线销售还在做预测

1)    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），是企业在系统、流程能力不足情况下的理性选择。

    信息系统能力不足，如果设置独立的计划职能，就面临既没有数据，又没有判断的窘境。而计划职能不存在，或者能力不足时，其核心任务就变成了相邻职能的兼职。这是用组织能力来弥补系统能力的不足。

    流程不通畅是另一个能力问题。销售与运营在流程上没法有效对接，完成需求预测的“从数据开始，由判断结束”流程。

2)    我们不能简单地归因于意愿或动力问题，我们得细究背后的能力问题。计划团队胡子眉毛一把抓，给销售人员一大堆数据；信息量太大，销售人员无从下手，就草草了事。表面上，这是销售人员的意愿不够；实质上，这是计划人员的能力不够，没法从一堆“沙子”中挑选出“大石头”来，让销售人员有的放矢地帮助预测。于是一刀切的解决方案上，企业习惯性地当作销售“不愿意”协助预测需求，那好，销售自己来提需求得了。需求预测就成了一线销售的任务。

【小贴士17】如何应对向渠道压货行为

1.    随着市场日渐饱和，销售处于平台期或者下降，自上而下的销售目标分解模式就遇到了麻烦。

1)    首当其冲的受害者是中间商：为了达成当月、当季、当年的销售目标，销售就习惯性地把中间商当作缓冲地带，月末冲刺、季末冲刺、年末冲刺，人为压货形成一个个需求波峰，接下来就是需求低谷，导致生产和供应链要么是短缺，赶工加急；要么是过剩，产能利用率低下。只把销售目标当作需求预测，生产和物流节奏混乱，运营成本高昂。

2)    其次损害公司的品牌形象。销售就习惯性地每月都在向渠道压货，造成库龄过高，不新鲜了，消费者不愿买；即使消费者没注意买了，抱怨的也是这个公司。

2.    渠道压货是个非常复杂的问题，影响众多行业多年，常见的有三种做法：

1)    品牌商监控渠道的库存量，比如渠道的库存不能超过一定限度，比如60天的销量。挑战在于，如果没有合适的信息系统支持，要获取及时、可靠的渠道库存非常困难。有时出于商业原因，比如销售返点等，渠道可能在库存数字上作假，让问题更加复杂化。

2)    监控渠道的实际销量。对销售的考核不是基于卖给渠道多少，而是渠道卖给消费者和最终客户多少。挑战在于，多重供应链的环境中，销量、库存的信息准确度和及时性都是挑战，有些管理能力强的企业在尝试这么做。

3)    销售纯粹不介入订单管理。让销售聚焦在签订合同、获取市场份额上，而把订单管理纯粹留给供应链运营。在有些专业性较强、客户的忠诚度相对较高的工业品公司，这种做法适用。但在有些竞争白热、产品优势不明显，时时需要销售“临门一脚”的行业，这种做法就不一定适用。

3.    公司内部而言，还可以细化销售的考核，把一个月销售目标拆解成3部分，要求销售在上月底，当月10日和当月20日前报备订单数量，这样即使销售压货，但每天每周都在压货，而不是月末、季末一次性大幅压货，需求也就相对平稳多了。

【小贴士18】销售目标10万，年中调为8万，现在能做6万，怎么办

1.    销售目标和需求预测的关系，有时候就如鸡生蛋还是蛋生鸡的问题：销售目标会影响需求预测，需求预测也很大程度上决定了销售能够卖多少。在有些行业，特别是消费品行业，在产能过剩的情况下，企业可以通过促销等价格手段，来有效影响需求。而为了营收目标、市场份额、开工率等，就不得不让销售妥协，通过价格措施等转化客户，从而扭曲了客户端真实需求预测。

2.    还是得回到基本面上来：需求预测是拿理性制衡销售预测的情感（销售目标）。供应链按照客观可行的6万来生产，万一需求超出了，就动用安全库存和赶工加急来应对。这里的安全库存主要在原材料、半成品层面，也要求供应链具备一定的柔性，比如安全产能。

3.    或许有人会说，这些销售有的人高，有的人低，预测偏差应该可以互相抵消。其实未必，因为大家经常受同样的外在因素影响，导致预测偏差单向变动。比如生意火爆时，大家都怕拿不到货，预测往往都偏高；生意低迷时，大家都怕库存积压，又向同一个方向偏低。这种大环境造成的偏差是单向的，而且因为跟风效应而放大，导致明显的“牛鞭效应”。

1)    如果产品的历史需求比较稳定，计划就“参考”销售提的需求，根据需求历史来调整预测。

2)    如果产品的历史需求不够稳定，他就完全依据销售的数据，把各个销售的预测汇总起来，作为整体预测。基于同样的原因，这预测的准确度高不到哪里去。

【小贴士19】即便考核，也没法让一线销售“做准”需求预测

1.    管理是解决“怎么做”，考核是解决“愿不愿做”。考核不能代替管理。考核可以改善结果，但最终真正解决问题的。企业里，有些事情哪个部门都不愿负责，根本原因就是没有解决“怎么做”的问题。事情没法做好，风险太大，结果谁都不愿意承担责任，谁都不愿做。

2.    销售没数字。计划没判断。销售做预测，计划来调整，错误的人在做正确的事，不但做不好需求预测，而且助长了职能之间的博弈。

1)    计划调整，一般都是打折；计划打折，销售自然会知道；为了抵消打折，销售就会加码，销售加了码，计划当然会知道，于是计划就打更多的折；计划打更多的折，销售当然会知道，那就加更多的码。重重博弈，给供应链导入更多的不确定性，最后都形成库存。

2)    更糟糕的是，双方博弈让销售对过程失去控制，没法控制过程，销售就控制结果：我给你预测，你想怎么调整就怎么调整，我管不着，也没法管；但不管怎样调整，你都得保证给我备足够的货，断货的话把你的脑袋拧下来。这客观上给计划更大的压力，实际上是由计划单方面承担预测的风险。压力之下，计划为了避免短缺，势必增加库存，导致呆滞库存的问题更加严重。

3.    解决方案，还是得回到需求预测的根本准则上来：计划熟悉系统、数据，提供数字；销售熟悉客户、市场，提供判断。“从数据开始，由判断结束”的闭环流程，结合前后端跨职能最佳智慧的这个预测错得最少。

4.    需求计划的绩效考核的三大指标相当于凳子的三条腿，只有三条腿都差不多长，凳子才能站得稳。能力低下时，这三个指标是互相矛盾，或者说背反的。比如要提高客户服务水平，就得多花钱，多建库存。但能力提高后，情况并非如此。

1)    提高客户服务水平（让客户满意）：与需求计划直接相关，客户要的他们计划了，客户服务水平就高。

2)    降低运营成本（让股东满意）：受需求计划的直接影响，比如预测失败导致的赶工加急、产线员工闲置等，尽管这些运营成本主要发生在执行部门。

3)    提高资产周转率（让股东满意）：与需求计划直接相关，客户不要的他们不计划，库存水平就低。

5.    需求计划一定要由表面上相互矛盾，但实质上相辅相成的指标来驱动，这样，需求计划才能兼顾多方利益，做出更为均衡的决策，实现对供应链绩效的杠杆作用：需求计划提高了，不但可以提高订单交付率，降低库存，还能降低运营成本、采购成本、物流成本，提高生产效率。库存降低了，资金占用降低了，资金成本自然会降低。交付做好了，成本和库存降低了，企业的利润率自然会提升。

1)    单一指标驱动下，跨职能协作注定困难重重，聪明人就会做傻事。比如在那些销售提需求的公司，销售由服务水平指标驱动，供应链由效率指标驱动（库存周转率和运营成本），双方都是单一指标，表面上互相制衡，实质上互相博弈，提高了协作难度，增加了不确定性，最终会转化为更高的成本和库存。

2)    服务水平是横向指标，是把供应链各职能从采购到生产到计划，围绕客户集成起来的关键，也是让需求计划成功的关键。

    横向指标，是内外客户关注的指标，一般以服务指标为主，比如按时交付、质量、紧急需求情况下的灵活性等。

    计划是供应链的龙头，而需求计划又是计划的龙头。“龙头”驱动供应链有效运作。供应链所谓的“链”，就是由这些横向服务指标串起来的。缺乏横向的服务指标，是职能山头林立、协作困难的根本原因。

3)    对于需求计划的内部支持职能，如果没有类似的横向目标为考核，还是以纵向的效率指标为主。结果就是需求计划很难得到兄弟职能的足够支持，发挥应有的作用，而是沦为数据收集者，看上去可有可无，甚至被精简掉。

    纵向指标，即自上而下传递的指标，一般以效率指标为主，比如运营成本、采购价格、库存周转率、产能利用率等。这类指标会促进员工与老板之间的协作，但却是形成部门壁垒的根本原因。

    大力推广的客户导向，就是为打通职能之间的壁垒。而关键的武器呢，就是供应链上一环与另一环的服务水平指标。

4)    企业对需求计划的考核应该是全面的。两者组合起来，驱动员工既满足客户需要（横向的服务指标），又满足股东需要（纵向的效率指标）。

【小贴士20】要不要考核预测准确度

1.    绩效考核的设计准则：关键考核指标（KPI）要与客户、企业的直接诉求有直接关系。比如说，客户按时拿不到货（按时交货率，或者说服务水平），会直接影响客户的满意度；呆滞库存太多，运营成本太高，会直接影响企业的盈利水平。所以，这些指标与客户、企业直接关联，应该成为绩效考核的KPI。

2.    统计预测准确度但不一定考核，不统计就不知道，不知道就没法管理。建议企业统计需求预测的准确度，分析偏差，采取纠偏措施。

1)    需求预测是个过程，其本身并没有实质意义。预测的准确度不是目标，客户服务水平、库存周转、运营成本才是。我们可以通过后三者来度量需求预测的质量。

2)    需求预测的准确度会影响客户服务水平、库存周转、运营成本，但对客户和企业的影响是间接的。

3.    优先给销售需求预测准确度高的销售员的客户生产发货是否是一个好的权重，将压力传导到销售员那里，并进而促进他们在一对矛盾的指标中，自己做取舍，来平衡？

1)    销售做不好预测。他们不处在最好的位置应对存量问题，他们应该花时间对付增量问题，反映在销售提供的职业判断中，比如是否及早通知供应链。

2)    给予权重是种考量。但销售有太多其他指标，比如营收、毛利、回款、客户满意度等，即使加上一个预测准确度，比如占绩效考核的5%，也不会改变他们的行为。

3)    任何指标都会有副作用，解释偏差、采取纠偏措施比考核本身更加重要。改变预测准确度指标的考核方式，不是为了施压，而是为了改变思维方式，触发公司更深层次的变革，以提升企业应对市场变化的综合能力。

【小贴士21】销售老总要对需求预测的最终结果负责

1.    如果销售的老总不对需求预测的“最终”结果负责，计划就习惯性地成了销售业绩不达标的替罪羊。

1)    “最终”，指的就是那堆过剩库存。

2)    所有的预测都是错的，这表明需求预测做出的那一刻，就注定有些产品客户要，但我们没有计划到；有些产品我们计划了，但客户不要。计划的先天不足，库存都建好了，需要销售的执行来弥补。

3)    计划是给销售老总干活的。销售老总可以驱动下属来对接计划，管理好增量部分，弥补计划的不足，解决多余库存的问题。这时候，需求预测才有可能同时约束销售和供应链：

    供应链按照需求预测生产出来，销售得按照预测卖出去。否则，库存呆滞就是个挑战。

    如果销售对库存，即需求预测的最终结果负责，库存积压百分之百地形成销售的成本，降低他们的毛利率，相信销售的行为会截然不同。

    计划没做好，产生一堆呆滞库存，那计划职能先得挨板子，比如扣奖金。但那堆呆滞库存的最终解决方案，还是得在销售那里找，因为库存形成了，计划和供应链只能养着；即便是送人，也要销售去送人。

2.    另外，企业中，销售一般是强势职能，处于支配地位；计划一般是弱势职能，处于被支配地位。弱势职能给强势职能制造了麻烦，强势职能胳膊粗、拳头大，更可能驱使弱势职能改进；而弱势职能呢，离开绩效考核，是断断不能驱动强势职能的。

【小贴士22】按哪个预测评估准确度，非限制性预测还是限制性预测

1.    非限制性预测，是基于市场视角，不考虑任何供应限制的预测。供应能力充裕时，非限制性预测与限制性预测是一致的。

1)    销售敢预测供应就敢生产，产生的慢动库存是需要销售承担责任的。

2)    以非限制性预测为基准，会增加供应链的考核压力。而且供应链认为，供应链能力不足不是他们的主观问题。从中长期看，供应能力是中长期需求预测的问题。

3)    按非限制性预测进行评估，反映了市场需求与公司供应能力的客观偏差，是从公司的视角来管理偏差。对于以非限制性预测为基准的考核，供应链的焦点不应该是抵制，而是想法让非限制性预测更靠谱。

2.    限制性预测，是基于供应能力的限制下，销售和供应链达成的预测。总体供应能力低于市场需求时，限制性预测要低于非限制性预测。

1)    如果以限制性预测600作为基准，预测准确度则接近100%，从预测准确度的角度讲，不需要做任何偏差解释和采取纠偏措施。从销售部门的视角来看，由于供应限制而丧失销量，不揭示的话，那对销售而言也是不公平的。

2)    如果以非限制性预测1000为基准，最终的预测准确度则变成了60%。那么60%的准确度需要解释原因。偏差需要被揭示而不是掩盖：如果以限制性预测为基准，则偏差被掩盖，产能问题得不到及时警示。

3)    以限制性预测为基准，则是从运营部门的视角来评估其对公司的承诺，是对操作执行偏差的评估。

3.    短期以产定销、长期以销定产：即短期看限制性预测，在产能不足的情况下，可以平衡考核压力；长期则看非限制性预测，否则这个限制要永远存在了。

4.    预测不是衡量准确性，而是偏差率

1)    成功并不能让我们更聪明多少，也很难复制。人之所以变聪明，是因为我们从失败中学习。具体地说，就是坚守基本准则，尽量避免失败，这样就增加成功的概率。

2)    对于需求预测来说，坚持基本准则就是选择最合适的统计模型，走“从数据开始，由判断结束”的基本流程。而要避免的失败呢，则得从预测的偏差率中去发现——所有的预测都是错的，识别偏差，纠正差别就是调整预测的过程。

3)    预测的偏差是怎么计算的

    偏差，是实际值与预测值的差。

    预测是个循环更新的过程，用哪个月的预测来计算偏差，取决于供应链的响应周期：比如在有些行业，生产周期加上长周期物料的采购提前期，大概在3个月左右。理论上讲，用3个月前的预测（M-3）最合理。1月份，你告诉我4月份的预测是100个，我就按照这个来采购、生产。结果4月份的实际需求是80个，那么偏差就是20个，偏差率是25%［＝（100-80）/80］。

4)    时间是最大的因素，对于需求预测来说又不可控，反倒把很多别的可控因素给掩盖了。解决方案就是缩短供应链的响应周期，这样我们就不需要那么早做预测了。

    M-3的偏差率一般会非常高，最大的问题呢，就是预测做得太早而不准。

    很多行业，需求预测的冻结期大概是1个月以内（意味着数量、配置和日期都不能改变）；如果进入冻结期还改变预测，那对生产和供应链的代价很高，所以必须严加控制。冻结期内的问题由销售买单。

    半冻结期大概在1到2个月，这段时间内的需求变化，由供应链买单。但是，对于芯片等采购提前期很长（动辄就13个星期或更长），供应灵活性很差的情况，M-1对供应链来说就有点太不公平：M-1的预测准确度挺高，但太迟了，因为供应链的决策早都做了。

5)    其实，采用多久前的预测做基准，往往是销售与供应链力量博弈的结果：销售的力量越强，就选择更近期的预测做基准；供应链的胳膊越粗，就可能用越久前的预测做基准。如果两家公司都说它们的预测偏差是30%，而一个用的是M-1，另一个用的是M-3，那它们的差距可不是一点点。

5.    差异是怎么分析的

1)    绝对偏差，没法判断预测是虚高还是虚低，对供应链的影响也不同。实际的偏差百分比，拿掉绝对值，可以清楚地判断预测与实际的偏差方向。

2)    累计偏差，把预测和实际的偏差值累计起来，比如，1月、2月、3月的预测偏高，4月、5月、6月的预测偏低，半年加起来可能抵消，从而没有造成呆滞库存。不过，没有呆滞库存并不意味着没有别的问题。基于前3个月的过高预测，供应链可能不得不赶工加急，造成额外的运营成本；由于后3个月的预测偏低，工厂可能遣散一部分员工，产生遣散费用。所以，预测的累计偏差一般不独立使用，而是和别的偏差指标一起用。

3)    还有很多偏差的统计方法，比如统计预测值与实际值之间的方差、均方差，来衡量偏差的幅度和离散度。但不管用什么样的统计方法，超过一定限度的会成为异常值，需要根源分析，采取纠偏措施。需求预测虽说是“预测”，但其实大部分时间都在纠偏：发现差异，分析差异，理解差异，采取纠偏措施，比如更换统计模型，与销售、市场、产品管理会面讨论，和关联职能协商等。

【专题一】长周期物料的预测：需求预测的一大难点

1.    就供应链来说，一个行业的门槛，关键就在于那些长周期物料，比如芯片，显示屏，定制化程度高的关键零部件。在技术上它们提供了差异化优势，在管理上它们把管理落后的企业排除在外。越是有差异化优势的行业，比如大型设备、多品种小批量行业，长周期物料越多；越是大批量行业，长周期物料的比例越小，竞争优势也越难以持久。

2.    对于长周期物料的预测，最直观的方式就是建立成品预测后，通过运行MRP，打开BOM，自动生成物料层面的需求预测。销售部门每月更新成品需求预测，成品通过BOM拉动材料预测。如果出现超过预测的情况，就要和供应商协商压缩周期。采购会根据具体情况建立一定的安全库存。

1)    问题是，在很多情况下，成品层面的预测很难确定，定制化程度越高、供应链周期越长，情况就越是如此。

2)    常见的替代方案，就是在长周期物料层面独立做需求计划，由最优秀的员工来做。

    有的企业通过销售与运营计划（S&OP）输出，计划委员会审核后做出来的。典型的S&OP，是由计划主导，协同销售、产品、供应链等职能。这是比较正式的做法。

    有的企业是由产品经理负责。比如主要集中在电子元器件上，因全球指定品牌和厂家，受国际市场需求和厂家产能影响，很多采购周期长达4～5月不等。预测主要来自上层产品的需求，一般由上层产品的产品经理（负责该产品的研发、上市和维护等）负责提供。

    有的企业是市场，采购和计划共同决定，同时让供应商也适量备库存。

    有的企业专门设立一个部门，叫CPMC（critical production material control），集中管理长周期物料，基本每周都在和销售回顾预测。

3)    长周期物料的预测关键是端到端的思维，是产销协同痛点。贯通客户端与供应端，再回到客户端，并不断修正。这是产销协同能力的绝对体现，或者说是制造型企业运营管理水平的一个标志。

4)    长周期物料是滚动预测，首先要明确长周期物料对应的成品模式：

    在按库存生产（MTS）下，成品库存可以作为缓冲，应对长周期物料的预测不准。对于MTS的产品来说，需求相对稳定，长周期物料的预测也相对较连续，供应渠道的不同阶段都有库存，可以通过赶工加急等方式，更快地驱动供应链响应来弥补预测的不足。

    对于按订单生产（MTO）的产品来说，长周期物料就更难对付。有两类方案可供考虑：

    其一，对预测进行KPI考核，以提高预测质量，但这也只是一定程度上的改善。

    其二，把长周期层层剥开，在成品、半成品等环节建一定的柔性库存，推拉结合，优化组合库存和运营成本，以便在订单大幅波动后，仍能快速拉动响应。

5)    推拉结合的决策很难。最关键企业要理解柔性和快速响应的代价，那就是相应的库存风险。

  一是涉及供应链利益和风险共担——链主企业习惯于利益最大化上游，风险最大化下游，不愿承担推拉结合处半成品库存的风险。

    二是此类库存的建立也要基于预测，而这正是我们所欠缺的——这要求对产品的历史销售数据有清晰的掌控，比如识别、纠正由于缺料扭曲了的销量，同时要熟悉后续的市场整体走势、份额规划、可能的促销政策、季节因素、产品的技术切换等。

6)    对于长周期物料的预测，作为采购方，你得有所作为，采购方放手不管，由供应商自己捣鼓预测，预测准确度只能更差，因为供应商更加远离需求。到头来难以保证供应，双方关系破裂的可能性大。比如：

    给供应商提供26周+3个月的预测，其中前13周目标是80%的准确度，13～26周是80%～150%的准确度（预测准确度的数字大，其实是误差区间大，更不准，仅供参考），每个月结束后，对比前13周的数据差异，达成内部一致意见，调整预测，并和供应商沟通。

    针对具体的预测，要落实到供应商的下级供应商，比如毛坯的原材料、过程库存和成品库存等，并和下级供应商的老板沟通，关键是展示未来以获得支持。

    在执行层面，每天的订单交货必须逐行落实，保证在途库存按期到达，提高工单中的物料齐套率。

    如果有设计变更，一定要非常小心地管理，维护供应商的正当利益。

7)    总的来说，长周期物料集中体现了供应链的三道防线思想：

    所有的预测都是错的，但有个预测总比没有预测强。长周期物料必须由预测驱动，以准备产能、原材料等，没有预测，供应链的各个环节就自己整出个预测，结果陷入多重预测、多重博弈的困境。

    需求预测错了，设立安全库存来应对，包括过程库存。

    需求预测和库存计划的先天不足，需要执行来弥补，比如适当集中采购额，整合供应商把自己做成大客户，以有效驱动供应商响应；让供应商有一定的灵活产能，应付一定百分比的需求增幅；提前与供应商商定取消订单的条件，比如提前13周可免费取消，提前8周支付x%的价钱，提前4周支付y%的价钱等。

8)    从根本上解决问题，还是要标准化、模块化、通用化设计，控制多样化设计，降低产品的复杂度，降低长周期物料的库存风险，以便更好地建立推拉结合点，把库存往需求点推。

【专题二】计划体系改进：你不能忽视现状的合理性

1.    计划体系的改进是众多本土企业的共同挑战，需要有经验的专业人士来推动。经验丰富的职业人士呢，大都来自跨国企业，而跨国企业的很多做法，不管看上去有多么合理，你不能简单地搬到本土企业。“空降兵”和第三方咨询往往死得很惨，就是因为没有认清这点，一开始就质疑企业的组织架构、文化、绩效管理等现行做法，而不是试着去理解企业为什么这么做。

1)    在计划所依赖的系统、流程和人员技能不足的情况下，由执行职能来兼职做计划，是一种理性选择。计划、执行不分开，不利于充分暴露计划不足的问题，客观上不利于计划的持续改进——谁见过一个既做计划，又做执行的人自己抱怨自己的计划烂；而一旦计划和执行分离，执行者抱怨最多的就是计划者。

2)    在企业里，尽管有些做法不是你希望看到的，但你不能忽视现状的合理性。这种合理性是基于现有的能力。不改变能力，光改变做法，往往行不通。不改变能力，就很难改变做法；即使改变了做法，往往也达不到期望的效果，没法持久，最终又回到老路上去。

2.    简单地说，能力就是组织、流程、系统的综合。

1)    设立专门的计划职能是个组织措施，但分离后两者之间需要流程来对接。

    管理能力不足时，计划和执行之间的对接困难。职能分离往往触动了利益分配，常见的问题就是执行部门故意设置障碍，不愿分享数据信息，导致职能之间的流程不通畅，计划职能面临的是闭门造车。

    专职计划职能的运作是基于信息的，而信息来自两个方面：

    结构化的信息来自信息系统，流程不通畅，意味着各职能没有各司其职，结构化的数据也难以在信息系统积淀——结构化的信息来自结构化的操作，大家不按规定的流程操作，就没有结构化的操作，自然没有结构化的数据。

    非结构化的信息来自兄弟职能。组织间的流程不通畅，计划职能就得不到兄弟职能的非结构化信息。

    即使在组织力量的推动下，独立的计划职能建立了，也很难发挥应有的作用，最后又返回到执行职能兼职做计划的状态。

    流程的能力体现在，对于系统没法提供的，比如全新的设备没有需求历史，或者客户的生产工艺改变造成备件需求改变，有专门的流程与产品工程师、客户现场服务工程师以及销售团队对接，获得他们的知识与经验，有效弥补系统和历史数据的不足。

    组织的能力体现在，每个计划员都是本地运营团队里最优秀的员工，熟悉公司的产品、组织和流程，接受过系统的计划培训，有较强的数据分析能力。

2)    系统的能力体现在，在每一个库存点设定库存水位；BOM齐全，过去成十年里卖掉的每一台设备，以及未来几个月要卖掉的设备，都有完整的材料清单，你可以很容易地判断哪些料号是备件，需要备在总库、地区库还是客户现场的寄售库；10多年的需求历史都储存在信息系统里，每个客户、每个厂区对每个料号的消耗都挺清楚，计划员可以根据历史数据制定需求预测，能在95%的情况下按照客户约定的服务水平提供产品和备件等等。

3.    系统、流程和组织问题会交织在一起，互相影响，使得整体能力更低。系统越原始，组织就得花越多的时间，来做那些本来应由系统做的事；而组织干了系统应该干的活儿，就没有资源把应该由组织做的事做好，导致数据的准确性更低，系统的可信任度更低；系统的信任度更低，就只能更靠人来弥补。

4.    解决方案就是，你不能简单地给戴上“管理不规范”的帽子，让改变做法。我们要做的，就是补齐组织、流程和系统的能力短板，改变能力以改变行为，从而打破这已经形成平衡的管理方式。当系统、流程和组织的能力提高了，成套方法论就慢慢地被需要改造的公司的业务所接受，相应的绩效也自然提高了。可以采取的步骤：

1)    第一，在信息系统上，围绕需要改造的公司的业务，按照先进的方式构建计划系统和设置ERP，比如在计划系统里录入需求历史、BOM表等。这样，计划员就不用完全依赖工程师做计划。

2)    第二，在流程上，加强需求端与供应端的对接，建立计划团队与销售和客服工程师的定期、不定期沟通机制，确保及早获知需求异动信息，为供应链争取更充分的响应时间。

3)    第三，在组织上，按照先进的方式，系统培训需要改造的公司的计划团队，提高他们的计划水平和决策能力。

5.    能力的提升是个漫长的过程，特别是信息系统和流程的建设。有些公司没有耐心，所以就一直在维持现状；而现有的做法呢，只能把你带到现在的水平。

【专题三】改善计划以改善供应链：一个本土企业的变革之路

1.    背景：高速发展后，供应链管理遇到瓶颈

1)    运营端的成本压力（显性成本和隐性成本），公司物流费用占比很高；淡旺季明显，频繁的切换难以控制，导致生产成本居高不下；库存结构不合理，造成交付问题多多、调拨成本高昂，同时也影响了产品新鲜度，带来大量的临期产品处理费用。

2)    供应链对营销端的支持乏力，包括供应链网络规划、需求计划、生产计划、高级排产和补货计划的预测准确性很低。

2.    第一阶段：补齐信息系统短板，希望借助IT系统走出管理困境

1)    引入供应网络规划系统，进行产能规划、仓储布点规划和发货路径优化。

2)    引入供应链计划系统，实现需求预测、协同计划、主生产计划、补货计划等业务信息化。

3)    在使用了网络规划和计划系统后，减少不必要的配送中心，结束了办事处提报1+3月需求预测的历史，改由生管部按历史数据做统计预测、办事处进行调整，就12个月的需求预测达成共识，驱动供应链计划，而且供应链对最终需求预测有决定权。

4)    营销端开始重视终端拉动和渠道库存的管控。

    由于公司目前规模和品牌影响力较小，不能控制渠道，于是公司将其主要资源投入到了一线终端。

    对于渠道，不再寻求掌控多级销售渠道，而是重点管控好直接交易的经销商，并且管控也不再是简单地压货、占用资金，而是希望和经销商建立良性共赢关系。

    改变了对业务人员的KPI考核，从100%考核经销商进货，改为100%考核经销商出货。

    对于大区经理，则是出货和进货并重，各占一定比例。

    同步推动经销商管理系统，依赖返点奖励等激励政策。在激励政策引导下，经销商完全是自主上单，自主决定进什么货、进多少。而不再通过业务代表强制管控，而是通过终端的拉动和激励政策来引导。这些从根本上改变了向渠道强行压货的做法。

    为了帮助经销商管控好产品的健康度，将效期管控指标压给了业务人员，将渠道库存准确率达到95%（SKU级别），同时还可以监控到保质期。

    最终，公司内部的订单管理已经从营销端转入供应链——这是很多供应链管理较强公司的普遍实践，渠道库存的控制也是供应链的职责之一。

3.    第二阶段：系统领先流程，变革推行遇到阻力

1)    信息系统的实施是个长周期任务，尤其是组织、流程等配套跟不上的情况下，其中的推行要点主要如下：

    用户深入理解供应链计划系统后面的复杂逻辑，以及设计理念，提升配合度。

    事先梳理和优化流程，而不是直接用软件驱动计划流程的改善。但是，信息系统没法解决流程层面的问题。系统顾问也没能力推动流程变革，就勉强将原有作业流程复制到系统中，削弱了系统的应用效果，并产生了流程与系统冲突，也影响了用户对系统的实施信心。

2)    找到合适的角色来领导和推进，从CIO到物流总监，最后直到成立全新的供应链市场统筹部。

    走IT倒逼的道路，首席信息官（CIO）负责，但是CIO更多是信息系统导向，没有能力深度理解和梳理业务流程，而且投入此项目的精力有限，效果不佳。

    物流部总监负责，挑战是供应链计划系统是以抽象思维、逻辑思考为主，而该物流总监缺乏相关的专业知识，对项目的热情、参与力度和引导力度都不够。效果不佳。

    成立全新的供应链市场统筹部。大家意识到，物流只不过是供应链的一个执行环节，而供应链计划的改进需要更系统化的整合视角。整合职能部门中的计划职能，包括原属销售部门的需求计划、原属生管部门的供应计划、原属物流部门的补货计划。为了强化其对前端的整合要求，这个新职能还特别强调“市场”二字，希望不仅是供应链计划能力的整合，而且要关注前后端的协同。这种架构既整合了所有的计划职能，也完成了计划与执行的分离，从而能够更加专注整体、前瞻性的规划，而不是事后的调整。

4.    第三阶段：供应链渗透前端，支持通路，实现订单和库存管控的模式变革

1)    第三阶段供应链变革不是在执行层面，也不是单个部门优化，比如生产精益、物流自动化或者采购降本，而是聚焦整合能力的提升和总成本的优化。这个整合者就是供应链计划。当经济下行期到来后，供应链的软实力愈发显现出它的优势。

    主要是持续改善：产能规划、仓储规划、物流路径规划、需求计划（销售在大区层面协同需求预测，但由供应链做最终决策）、主生产计划、大宗物料需求计划等。在全国层面，这些都由供应链市场统筹总部负责。

    每月做一次物流路径优化，每年做一次产能规划、仓储规划，将原本静态的日常供应网络管理改为动态模式。

2)    把全国订单供需平衡也纳入供应链市场统筹部。

    自己的配送中心，改为自上而下由系统主动推动补货建议，物流部门可以修改调整，这样提高了货物配送的全局优化，提升了铺货效率和均衡性；物流部门不再考核库存管控。

    经销商，为获取真实的需求信息，不再给经销商库存信息，经销商不看库存上单（盲上单制），避免了供应导向下的抢货、囤货等博弈行为。营销部门不再考核物流费用。

    公司强调的是“减负发力”，他们不仅为销售减负，还为经销商减负，将预测、订单、库存管理等任务逐步转移到供应链端，让销售和经销商轻装上阵，专注开疆拓土，回归其营销的天职。

3)    当方向正确时，变革成败取决于管理层的毅力，在变革受阻后，没有简单地怪罪系统而放弃，而是总结经验教训，甚至推倒重来。