分析和直觉

分析能力好的一般为分析员。他们大都在总部，熟悉公司层面的数据、熟悉各种分析软件、Excel和Access，能够操作大批量的数据，从中提炼信息。这种能力对于全面了解、掌控整个库存的运作很有帮助，可以帮助实现公司层面的优化。不足之处是很多分析员远离基层，对基本业务不熟，在财务目标的驱动下，有可能做出不合理的决策。

举个例子。有个公司，它的备件有货率很高，客户的设备一旦有紧急需求，该公司很快便可在规定的时间内供货。伴随高有货率的是节节升高的库存。总部发话了，说竞争对手的备件有货率是x%，我们的是y%，高出竞争对手好几个百分点，应该牺牲一点有货率，以降低库存。分析员接到命令后，说这很简单：只要把最贵的那几十颗料的库存水平降为零，手头的库存消化掉后不再补货，不出几个月，这库存不就降下来了嘛。你看，根据历史数据，在未来的几个月，库存会降低多少万，有货率会降低几个百分点。

这时候，那些主要靠直觉做决策的人不干了。这些人大都是些客户服务工程师。他们说，如果那样做的话，客户的设备将长时间停机待料，我们吃不了兜着走。分析员的逻辑挺简单：拿掉一个5000美金的料和5个美金的料都一样，因为缺哪个，在按时交货率上都算缺了一个，与其缺一个便宜的，不如缺一个贵的，这样省下来的库存更多。服务工程师们则不。他们知道缺了那个5美金一个的料，客户的设备还可以将就着运行；没了那个5000美金的料，几百万一台的机器就停在那里，对客户的影响自然不同。他们还知道，在服务水平上从来没有向后看的道理，客户在评判你的时候从来不会说你以前的服务水平太高了，现在可以降下来，和被你打败的那些竞争对手看齐。

这个例子有点极端。现实中很少有那样做决策的库存分析员。但从方法论的角度讲，纯粹基于数据的决策就是以类似的方法做出的。这里的问题是有些信息不在数据中，而这些信息往往是关键的。试设想一下，如果所有的信息都可以数据化，分析员的决策就不会与服务工程师的大相径庭了。遗憾的是，在商业环境中，我们很少有这样的理想数据环境。不过作为折中方案，我们可以把物料分为两大类，一类完全可依赖系统数据来计划，例如那些用量稳定、设计定型了的物料；另一类则需要更多的直觉与经验，例如新产品。对这两种物料，前者的目标是效率（efficiency)，即在不影响或很小影响有货率的情况下，尽量降低库存；后者的目标是效益(effectiveness)，例如为确保新产品上市，保持一定的库存冗余也OK。

其实要做个优秀的库存计划专家，两种技能都需要。一方面，库存计划的核心是分析，即在分析数据的基础上做决策；另一方面，单凭分析，不加入直觉判断，这跟计算机有什么区别？这世上还没听说过完全依赖计算机做库存计划的公司，那表明职业人士的直觉还是有存在的必要。没有分析做基石，直觉其实是凭老经验，做的库存计划决策往往不佳，造成库存太高而有货率太低。相反，主要依赖分析，而没有直觉，公司的库存也高于两者结合的情况。前者的例子比比皆是：在这些公司，工程师们说了算，库存计划员只是跑龙套、调整MRP的库存水位、追料而已。这些公司其实没有真正的库存计划。后者也有的是例子。一个公司有很强的总部分析能力，全球的库存水位都是由总部的几个分析员制定，这些分析员很少参与客户端的活动，对业务不是很熟悉，单纯依赖数据，做的决策不是最优，库存周转率小于同行中的佼佼者。举个依赖消费历史计划的简单例子：有些一次性需求，如果你懂业务，熟悉实际中发生了什么，你就会在需求历史中扣除，你的库存水位就会较低；而单纯依赖数据，你的库存水位则会明显高。

库存计划中，只依赖数据分析而忽视具体业务需求行不通，全凭老经验（直觉）而忽视数据分析也会丧失了改进的机会。过去五六年来，我在管理一个全球的计划团队，深刻体会到全凭直觉，很多决策是次优化的。比如直觉可以告诉你是否该备某个料，但不能很好地告诉你备两个呢还是三个，是四个呢还是五个。这些细微的区别看上只是一个，但料号多了，动辄成百上千万的库存就这么来了。当然经验丰富的计划员除外。这些计划员看一眼需求历史或者预测，就能估计出一个库存水位来，跟通过分析、演算得出来的没什么区别。这就如卖油翁，唯手熟耳。经验丰富的维修、服务工程师也是。这背后是数年甚至一二十年的经历在起作用。你如果没有这么多经历，该怎么办？这还得从分析入手，即先分析数据，再用直觉，看分析结果是否合理。很多决策都得最后过直觉这一关，用英语讲，就是does it make sense？如果不make sense，那你的决策八成不是最好决策。

对于一个规划团队来说，需要揉合分析与直觉能力来优化库存。这意味着分析型员工需要增加业务经验以增强直觉，直觉型员工需要增加分析能力。不同类型的员工都要有跳出安全区，向不熟悉的领域过渡的勇气。这也是员工职业发展的一个重要部分。而管理人员应该提供培训、轮岗机会，帮助员工发展。年轻的员工一般经验不足，但计算机应用、数据分析能力较好，可鼓励他们深入基层，熟悉业务运作、流程和客户需求，争取把手"弄脏"而获得一手经验。资深员工一般经验丰富，但数据分析能力不足。他们对跳出安全区更容易抵制，可采取一定的激励机制来促使其提高分析能力。当然，当员工的分析能力、业务能力都挺强的时候，他们往往会晋升到别的职位或转到别的公司接受更多的责任。那是好事，表明我们的能力培训是成功的，继续就行了。

作者简介

刘宝红，毕业于美国亚利桑那州立大学MBA，专修供应链管理，现在硅谷从事供应链管理。他是美国注册采购经理（C.P.M.）、六西格玛黑带，并通过生产和库存管理认证（CPIM）。联系方式：bob.liu@asu.edu。更多文章，参见其管理专栏"硅谷客"www.guiguke.com和"供应链管理专栏"www.scm-blog.com。

© 版权所有。未经作者书面同意，不得转载。