许多企业都面临着一个交货的难题，那就是客户订单交货周期小于采购、生产和运输等内部流程需要的时间。举个例子，假设客户今天下了一张订单，要求30天后交货，这段时间就是客户订单周期。然而我们需要更多的时间来交付这张订单，比如采购原料需要20天，生产耗时20天，运输用了5天，总计45天，如下图所示。由于客户要求和实际交货之间存在15天的时间差，供应商就很难在约定的时间节点履约，会晚于客户要求的交货日期。客户是否会接受延迟交货呢？这取决于市场的竞争条件和产品的性质。客户愿意等待紧俏的商品，例如为了最新款的汽车等上数个月。但是客户不会等那些随处可得的商品。企业为了弥补订单交货的前置时间（从采购到交付产品的过程所需的时间）与客户订单周期之间差距的唯一方法就是备库存，它起到了缓冲的作用，有效地解决了时间差的问题。企业应该准备多少数量的库存呢？此时客户订单还没有收到，我们建库存的依据是什么？答案是需求预测。大多数公司都是提前预测市场需求，然后用库存解决时间差的问题。不过根据预测的基本原理，它存在一定的偏差，无论使用什么软件和模型，预测都不可能是准确的。最终，预测中的错误最终都会导致库存问题，要么过量，要么缺货。提高预测准确性始终是一个理想的目标，公司投入了大量资金和人力来优化预测流程和工具，但预测的偏差是固有的，不可能被消除。我们努力的方向应该是考虑如何缩短提前期的差距。如果交货提前期与客户要求的订货周期完全吻合，那么我们就不需要预测，也不需要库存。现实中真的有这种模式吗？还真的有！举个例子，日本有一种餐饮文化叫Omasake，意思是“拜托厨师来决定菜单”，这是一种充满惊喜和仪式感的用餐体验。Omasake餐厅通常都是预约制，需要提前一周预约。Omasake的菜单是由厨师直接制定的，客人无需自己挑选菜肴。在这种模式下，客户需求是已知的，确定的，所以不需要预测，也不用过多地准备库存。Omasake是很独特的消费模式，大多数的企业依然面临着供应的挑战，不能消除前置时间的差距，只能尽量缩小。缩小差距可以通过缩短前置时间来实现，同时通过提高需求可视性，提前获得需求预警，努力缩短客户的订单周期。在许多情况下，企业缺乏对真实需求的可视性。这是什么意思呢？首先，企业得到的需求信息未必是市场上真实的情况，而是通过多层级的渠道传递后，逐渐变得“离谱”的数量，通常会被放大，这就是“牛鞭效应”捣的鬼。在理想的世界里，我们希望一切都以需求为导向，除非有已知的需求，否则就不采购、不生产、不发货。可惜只有少数如Omasake的模式才能实现，大多数情况是做不到的。一个解决方案是采用库存解耦点，储备具有通用性的库存，等收到了订单以后，再进行定制化的生产。这样即可以缩短订单周期，也可以避免过量库存的风险。其次，企业收到的订单数量会受到经济订货量的影响，不能准确反映出未来一段时间内的需求。需求是每天都存在的，具有连续性。订单是间歇性的，它需要覆盖某个时间段内的需求。需求是时点，而订单是时段，它们是不同的，这个特点会妨碍我们了解真实的需求。打个比方，人每天都需要吃饭，这是连续性的需求。普通家庭不会每天都去买米面，通常是一次买个10斤，放在家里慢慢吃，采购的米面够吃一段时间就行了，吃完了再去买，所以订单是断断续续的。企业收到的订单只是需求的一部分，而不是全貌。完整的需求信息应该包含产品的持续消耗情况，每天售出给消费者的数量才是真实的需求情况。然而供应商往往看不到这些信息，他们只有在收到客户的订单时，才能了解到部分的需求数量。如果能分享需求信息，客户和供应商就能实现双赢。因此客户要提供时间跨度更长的需求信息，用来指导供应商提前备货，起到预测的作用。在一些ERP软件中包括了订单周期内的确实的订单（Firm
Order），以及未来的计划订单（Planned Order）。两者有什么区别？确实的订单就是已发给供应商的订单，也叫做Purchase
Order，有明确的产品型号、单价、数量、到货日期和其他信息，具有法律效应。计划的订单是尚未发布的订单，仅是系统建议的订单数量、发布日期和到货日期。如果情况发生变化，系统可以在后续处理过程中修改或取消订单。确实的订单和计划的订单汇总在一起，用来显示未来一定的时间内的总供应能力。在上图中，采购订单到货日期1月份是40，2月份是30，依此类推，截止到4月份为止。随后是计划订单数量，5月份是40，6月份是50，直至12月。两行汇总的就是供应能力。显然，计划订单的时间覆盖更长，可以达到系统设定的最大值。计划的订单在未来很可能会被转化为采购订单，具有需求预测的功能。客户的供应能力计划，就是供应商的需求预测，它提供了长期的需求信息，提高了可视性。如果供应商能看到下游的需求，那么就能做出更灵敏的反应，可以提高客户交付水平，降低运营的成本。
|
