实施数据驱动的供应链管理能力问题

读《大数据供应链：构建工业4.0时代智能物流新模式》有感

程晓华

2015-12-26

这几天我在看美国东北大学娜达.桑德斯博士的《大数据供应链：构建工业4.0时代智能物流新模式》一书（北京外国语大学国际商学院丁晓松老师翻译），书还没有读完，就觉得要“有感而发”了。

尤其是读到第三章，“大数据供应链实施的障碍”的时候，里面有句话说，“企业需要具备从大数据分析法中获取的信息应用到企业决策中去的能力”，这句话说的非常深刻。

无独有偶，记得几年前，上海交通大学经管学院的董明教授在接受《环球企业家》记者刘泓君的采访《向ZARA学什么》的时候，也说过类似的话。查了一下，原话是这样的，“真正要利用这些信息，给出一些科学的决策，就像补货量，我要综合所有在店的这款衣服的实际销售情况，利用这些信息给出一个估计的计算或者优化，给出一个建议的订货量，这是非常核心非常重要的，也是中国企业非常缺乏的”。

当时董明老师接受采访的背景是，“美特斯邦威库存已达21.99亿元，较半年报时的17.5亿元，增长了近25.66%，森马服饰存货较年初增加了31.28%。与中国服装企业库存高企相对的是，ZARA库存压力相对较小 …”（摘自《向ZARA学什么》）。

英雄所见略同，两位教授的看法，竟然是惊人的一致！

我不是英雄，也不是教授，我只是个普通的供应链管理实践者，库存控制爱好者，并以此为生。这些年，我结束打工生涯、从事全面库存管理独立顾问工作以来，亲自审核、见识的企业很多，我对两位教授的话，感同身受，体味颇深，这也是为什么，我在今年一月份的时候就发表过一篇文章，题目是，《不要着急玩大数据：从TIM全面库存管理角度看数据》。

在文章里面，我把数据分为微数据、小数据、大数据三类，分别是指企业ERP内部数据、企业供需链上下游数据、其他外围数据，如POS、网站点击、消费者行为等，为大数据。

我在文章里面提到，微数据、小数据你都玩不好，你干嘛着急去玩什么大数据？

有人反驳我说，程老师，您思想太过时了！大数据是可以给企业带来革命性的改善的！

我不反对这个观点，也不想反驳， 我就记得我的好友、旅美供应链专家刘宝红先生给我的书《制造业库存控制技巧》写的序言，在提到“零库存”的时候，他说，“这不是一本宣传零库存的书”，“把库存一棒子打死，在我看来，要么是在追时髦，要么就是无知，要么就是别有用心 …”。

我完全同意宝红的意见。

活在当下，我们正处在一个风云激荡、英雄与狗屎辈出的年代，如果不能静下心来，你还真不知道，坐在你对面，西装革履、人模狗样、唾沫星子乱飞的那个物，到底是个什么鸟儿。

我们经历了TQM（全面质量管理）、6δ（六西格玛）、Lean（精益生产）、TPM（全员设备管理）、MRP到ERP、TOC（约束理论），再到这几年的互联网+、云、大数据、工业4.0，看起来好像都是拯救企业的“灵丹妙药”，都是“革命性的”，但当我们静下心来、冷静地回头看看的时候，我们就会发现，这些东西本身都是“好东西”，但因为你缺乏内功，不吃这碗药还好，吃了反而就真的被革了命！

这就是你的消化能力的问题了！

我的看法是，无论是微数据、小数据、大数据，从原始数据的提取，到分析，到形成对企业有用的信息，再到管理决策的形成，无一不是体现你企业的管理能力问题。

我不懂大数据，但我自认为明白一些微、小数据在供应链管理方面的作用。

第一步：原始数据的提取 - 有几个企业的原始数据的维护是准确的？如BOM、工艺路线、PO、在途、库存甚至是价格等等？我审核了这么多企业，有些是上市公司，我发现的一个比较普遍现象就是，原始数据要么无法提取，要么提取出来的数据是错误的，不可信的。这说明了什么？供应链管理的基本工作没有做好。

第二步：数据分析 - 有些企业，勉勉强强地把数据提取出来了，但很多人根本就不知道这些数据意味着什么。你问他，这个字段是啥意思？他不知道！不知道也没有关系，你让他用EXCEL做个交叉验证，结果他连起码的EXCEL函数都不会。这说明了什么？因为他从来没有分析过！供应链管理的基本功不具备。

第三步：形成对企业有用的信息 – 这就更难了！无论是我讲课还是做咨询项目的时候，经常听到的一句话就是，程老师，我们的最大的问题就是，销售预测太不准确了，天天变！等到你把他的数据分析完了，你就会发现，很多产品的需求其实是非常稳定的，销售预测也是非常不错的。就说MAPE（Mean Absolute Percentage Error，平均绝对百分比误差）吧，只有百分之几十，甚至更低，这还叫“不准确”吗？！我说你们已经是够幸福的了！如果MAPE是零，你做供应链管理的，还有饭吃吗？！这说明了什么？供应链管理没脑子！

至于第四步，利用这些信息，做管理决策，那就更扯远了！具备这方面能力的企业，我几乎是没有见过。

不管你们信不信，反正，我是信了。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/25447480/viewspace-1873389/，如需转载，请注明出处，否则将追究法律责任。