【读书笔记】从数据里面学什么：以发货记录为例——《供应链的三道防线：需求预测、库存计划、供应链执行》

最近在找资料的时候发现刘宝红老师写的供应链管理的系列丛书，看了之后发现里面很多干货。好东西不敢独享，在征得作者同意后把我自己觉得好的内容转发过来和大家分享与探讨。也顺便做个记录，方便日后查阅。

另外，跟大家一起交流交流，大家现在是怎样利用和分析ERP系统里的数据的？

预想读书笔记会按一个系列多搬运一些文章过来。为了方便查阅，新增的读书笔记系列会统一整理到一起：

【读书笔记】VMI的库存水位如何设置——《供应链的三道防线：需求预测、库存计划、供应链执行》

【读书笔记】安全库存的设置——《供应链的三道防线：需求预测、库存计划、供应链执行》

从数据里面学什么：以发货记录为例

没有人知道得比数据还多。人类一思考，数据就发笑。

  一谈起数据分析，人们经常抱怨的是没数据。其实一个公司数据再少，也不会没有发货数据，否则怎么跟客户收钱？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。假设你新到一个企业，人家给你一个几十兆甚至几百兆大的Excel文件，是这几年的发货记录，包含所有的客户、所有的产品、所有的订单层面的信息，你该怎么分析呢？

  先看发货数据的时间单元，是按月还是按周划分，也就是说，记录的是每周还是每月的发货量。在供应链运营上，周是个比月更理想的时间单元，是企业运营管理细度的体现。管理能力越强，管理力度越深，企业的时间单元就越小，越可能用周而不是月。试想，如果拿一个季度的需求历史为基准，预测未来的需求，一个季度有3个月，3个数据点，能做什么样的分析？但如果分成13周，我们就有13个数据点，数据样本就更大，在数理统计上就更有意义。另外，按月划分，一个季度只有3个控制点；按周划分，就有13个控制点，意味着13次发现问题、解决问题的机会。

  讲到这儿，可能有人说，我们按天划分，数据点不是更多、更好吗？对一般的企业来说，这样做太细分了，需求的“噪声”会不必要地放大，可能误导你多放安全库存来应对。按天划分，数据可能更加不符合正态分布——一个我们最常用的数理统计模型。相反，按月划分，则可能掩盖很多本来不应该掩盖的“噪声”，造成错误的决策。比如每月需求是100个，这100个集中在一个星期，还是分散到4个星期，对供应链的挑战可大不一样。如果按月汇总，我们看不出需求的波动；如果按周分解，需求的波动则更清晰地反映在数据和统计结果中。

  再看客户的期望，以及企业的实际交付能力。你问企业的管理者，客户对我们的期望是什么？大家往往是大眼瞪小眼，一笔糊涂账。那好，发货历史可以给你相当可靠的判断：客户订单是什么时候录入的（订单录入日期），客户希望什么时候发货（客户需求日期），我们是什么时候实际发货的（发货日期），这些数据一般的企业都有。而客户期望呢，就是需求日期与录入日期之间的差值；录入日期与发货日期之间的差值呢，就是企业的实际交付表现。两者对比，你马上就看得出两者的差距，即客户期望与供应链能力的差距。

  有的差距可能不需要关闭，因为有些客户习惯性地“高要价”，比如今天下单明天要货，期待你3天后送来，供他们7天后用。有的差距却要关闭，不能因为你一直不及格，就以为客户可以接受不及格——你可能因此在损失营收。怎么才能知道？你当然不用去问销售——发货历史就能告诉你，只要你肯分析。比如对于客户A，从去年到今年，平均交货周期在缩短；但你知道，作为一个公司，你的整体交付能力没改变（这从针对所有客户的交付周期上可以看得出）。其中一个原因就是，对于交付周期长的产品，客户A给你们的订单更少了，或者纯粹没了：他们根据你们的交货能力，给你们更多的是交付周期短的产品。只是你没做数据分析，不知道罢了。

  这在统计学上叫“选择偏见”——你看到了你看到的，你没看到你没看到的，或者说，你不知道你不知道的。企业大了，离开数据，没人光靠经验就对各种情况了如指掌，“选择偏见”就是个大问题。打个简单的比方：敌人新近投入了秘密武器，后方医院接到的伤兵突然少了。如果你据此认为这秘密武器没什么，那就大错特错，因为这武器一击致命，根本没有“受伤”这回事了。一线的指挥官不会犯这种错误，因为他“看到”了那些没能回来的士兵——清点士兵的数量就知道了。

  作为后端的供应链，你不是生活在前线的炮火中，不大直接接触到客户，也对销售们的“危言耸听”充满戒心，但你可以分析数据来判断发生了什么。你可以继续深挖，落实到具体的产品类别、料号，从需求量的变化来判断客户的行为变化。没有对比就没有伤害：对于交货周期短的产品，这个客户的需求一直在上升；而对于同类但交期长的产品，这个客户的需求一直在下降，你八成可以看得出点什么了。从发货数据中，还蕴藏着更多的客户信息。比如客户的订货习惯：每周还是每月下订单？是不是接受部分发货？这跟我们的关系可不小：如果是每月订货，而且不接受部分发货，那你就得备更多的安全库存来应对；如果订货频率更高，还接受部分发货，那么你可适当降低安全库存。背后的逻辑是，订货越频繁，需求量就相对越稳定，计划也就越容易。

  总体来说，订货的频次也反映了客户的运营水平：运营水平越高，订货的频次一般越高，订货量一般也越平稳，这些更可能是优质客户的体现。而习惯性地给你一个大单子，让你分N次送货的客户，就跟那些习惯于大批量运作的企业一样，往往在管理上也更粗放。这类企业呢，整体计划性也往往有待提高。这点你也可以从数据中找出来：看看它们的急单比例就知道了。

  从发货历史中，你还可分析客户的集中度。摘取一段时间的需求历史，比如6个月，按照料号、客户、月份分解，你就能判断，对于特定的料号，是否有客户占了相当的比例。这些客户就是“大石头”[插图]，在需求预测和需求管理时要特别关注，比如积极对接销售，了解信息系统外的信息；紧盯客户的需求变化，及时采取补救措施。你得借助数据分析，而不是寄希望于销售，因为他们知道自己的客户，并不熟悉别人的客户，没法告诉你他们的客户是否是“大石头”。

  你还可以从发货历史中看需求的变动性。比如基于13个星期的发货历史，你可以计算每个料号的需求标准差，跟13周平均需求值相除，就得到度量变动性的变异系数。你马上看得出，不同料号的变动性大不一样，一刀切的管理方式，比如都设置× 天的用量作为安全库存，结果就是要么多了，要么少了，短缺与过剩并存。你还可以设定一定的规则，比如过去4周的平均需求与过去8周的相比，上升或下降超过一定比例，就需要额外关注等。这些在后文中还会讲到。

  从发货记录上，我们可探知的远不止上面这些。就拿订货频率来说，当一个产品的订货频率达到一定水平，比如过去6个月里4个月有订货，我们就开始定期预测这个产品，否则就只设安全库存。当然，行业不同，这些数值不同。不过方法论挺一致：订货频率越高，需求相对越稳定，需求预测的准确度越高，库存风险越低。对于多品种、小批量的企业来说，订货频率是个尤其有用的决策参数，我们在后面的库存计划部分还会细讲。

  再看货是从哪里发出去的。比如某个客户默认是由最近的仓库A发货，但货物实际是从较远的仓库B发送的，那往往意味着仓库A的计划薄弱，没有备足货，造成更高的运营成本。或许有人会说，为什么不是客户需求问题呢？比如，仓库B的客户调货频率高，每次调货少，这样好对付；而仓库A的客户3个月不订货，一订就要3个月的量，谁都难对付，所以就不得不向B库借货，由仓库B发出。那好，我们还是看数据。相同的料号，不同的仓库，计算需求的变异系数（需求的标准差除以需求的平均值），这问题不就有了答案？你也用不着去问两个仓库的客服人员，或者相应的销售人员——数据就放在那儿，答案就在数据里，你应该先看看数据。

  要知道，上帝只给你一张嘴，但却给你两只手。我们要做的就是在动嘴之前，一定先动手分析数据。没有人知道得比数据还多。如果你从数据中看不出什么，很简单，你的分析还没到位，最常见的呢，就是你还没有花足够多的时间来分析。这也是“从数据开始”的另一个含义。

小贴士 数据远比我们想象的要多

对于新产品、新项目的需求预测，人们总是说没数据可参考，言下之意是不得不靠销售、产品经理给个预测。其实，人们习惯性地把“没有准确的数据”等同于“没有数据”：数据远比我们想象的要多，而且我们并不需要多准确的数据才能做预测。下面我们以有名的“芝加哥有多少个钢琴调音师”为例，来阐述这个道理。[插图]芝加哥有多少个钢琴调音师？一般人的第一反应就是，这怎么猜？完全没有一个参考标准，那就随便猜个数字吧。1000,10000，不知道，随便猜的。预测专家就不会这么做，他们会试着去解答这个问题。首先把这个问题拆开，分解为以下4个问题：①芝加哥总共有多少架钢琴？②每架钢琴每年平均调几次音？③每架钢琴调音需要多少时间？④钢琴调音师每年平均工作多少时间？得到这4个数值，就知道芝加哥有多少位钢琴调音师了。

先看第一个问题：芝加哥总共有多少架钢琴？你当然不知道。好，我们再把它拆分。首先需要知道芝加哥有多少人，其次需要知道多大比例的人拥有钢琴。芝加哥的人口容易知道，是250万人，网上一查就知道。有钢琴的人占多大比例？不知道，但我们可以猜一下。对普通人来说，钢琴比较贵。即便是有钱人，因为钢琴占地方，笨重，声音大，想要钢琴的人并不多。我们综合考虑一下，就算1%的人有钢琴。为什么是1%，而不是5%呢？因为1%通常表示概率最低。对于音乐学院、酒吧、餐厅等来说，拥有钢琴的比例应该更高，所以我们再猜个数字，综合起来大概是2%。有了这些数据，做个简单的计算，可以算出芝加哥大概有5万架钢琴（250万乘以2%）。

我们再来看第二个问题：每架钢琴每年平均调几次音？不知道。那我们再来猜一个数字，一年一次或者是一年两次，随便猜的。钢琴不像吉他，需要频繁地调音，我们就按一年一次算好了。说到这儿你可能觉得，这样瞎猜是不是太草率了，完全没有依据。没关系，这只是一种思考方式，只要问题分得足够细，误差是可以相互抵消的。咱们继续往后走，看一下最后的结果如何。

我们接着看第三个问题：每架钢琴调音需要多少时间？这你当然不知道，但你知道，熟练一点的钢琴师快一点，不熟练的慢一点，我们就猜个平均数字，2个小时。还是纯猜测，没有任何依据。

最后看第四个问题：钢琴调音师每年平均工作多少时间？美国的标准是每星期40小时，每年有4个星期假期，一年大概有50个星期，所以平均每人每年工作是2000个小时。考虑到钢琴调音师要四处跑，肯定要花一些时间在路上，所以就减去大概20%的时间。你可能会问这20%是哪儿来的，其实也是凭经验瞎猜的。得，钢琴调音师平均每年工作1600小时。

好了，终于把所有的条件都勉强凑齐了，我们做个简单的计算：5万架钢琴，每年调1次音，一次调音花2个小时，总共就是10万个小时；再除以调音师年平均工作时间1600个小时，得出的结论就是62.5，大概是63个人。为了验证，我们可以上网查一下这个数字，实际登记的钢琴调音师是83人。你看误差只有20个人，是不是很神奇？

上面的例子来自《超预测》一书，在网上广泛流传。我们之所以用这个例子，是为了阐述一个基本的道理：我们的数据远比想象的多，“从数据开始”并不意味着你得有完美的数据；把问题分解得足够细，用一些蛛丝马迹的信息，配以简单的假设，照样可以得到足够好的预测。新产品，新项目，不管数据多么匮乏，总比“芝加哥的钢琴调音师”案例中的要丰富。所以，没有数据不能成为借口——凡是听到有人以缺少数据为借口，你就该“迎头痛击”。没有什么可以阻止我们“从数据开始”，因为我们其实并不需要太多的数据。

小贴士 光有数据，没有判断会怎么样

在凤凰卫视驻日记者李淼的微信公众号上，看到这么一篇文章:“随着三峡工程的三次工程竣工，日本的震度M5.5以上的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。”作者列举了整十年的数据，非常翔实，你能看到清楚的正相关。

文章继续说，三峡工程的魔力还远不止这些。“2009年6月，三峡工程实现全线蓄水之后，日本的人口增加率自2010年直接掉入负增长，并保持至今。长此以往，日本人将自动灭绝。”虽然数据很翔实，趋势很明显，但你读着读着，肯定是满腹狐疑：这看上去不像啊。

就像李淼在文中指出的一样，这都是在数据上相关，但实际上没有任何因果关系。

在她举的地震例子里，从1988年到2017年，日本的大震强震数量之所以逐渐增多，原因在于“日本逐步配备了更加先进的地震探测和分析系统，这样就使得原本发生在那些人烟稀少地区甚至是在大海中央的地震，可以更清晰地被记录下来”。也就是说，所谓的日本“强震多发”，只是因为记录仪器变得更加敏锐，以前被忽略或是探测不到的地震，被新技术捕捉到了。

在她举的人口例子中，“日本人口增长率锐减的原因是，在几乎长达40年的时间里，日本的出生率一直在严重下滑，大批年轻人选择晚婚、不婚、不育，这使得日本的人口出生率必然持续低迷。”“另一个重要方面是，从日本人的平均年龄来看，自21世纪00年代后半开始，诞生于20世纪20年代的‘战前出生高峰期’的一代人，开始大批迎来死亡。所以自2009年开始，日本的自然死亡率出现了一个高峰期。”

而这两组数据——三峡大坝的竣工时间和日本人口增加率，“只是恰好出现在同一个时间点上的巧合而已”。

这就是为什么不能简单地光“从数据开始”，更重要的是还要“由判断结束”。对于需求预测来说，数据分析一定要和业务判断相配合，离开了判断，数据往往是没意义的，经不住业务推敲，分析的结果自然是误导的。“由判断结束”还有一层含义，就是这数字看上去有没有道理。要知道，直觉告诉你有问题的数据，八成有问题。