光伏投资成本分析
服务详细...有个客服经理抱怨，说有几个产品经常性地断货，三天两头在催货。我们看了一下这个公司的库存计划，发现库存水位是简单的一刀切，按一定天数的用量来设置，而没有考虑到产品的采购提前期，需求的变动性，供应商的交期稳定性。该公司的有货率目标挺高，是98%，我们在此有货率的基础上，按照前面的再订货点公式来计算库存水位，除以现有的库存水位，得到一个比例值——比例值高于1，表明现有的库存水位设得太低；低于1，则设得太高。从图1中可以看出，左边的产品库存水位明显设定太低，右边的则明显过高。而经常短缺的那几个产品呢，无一例外，都在左边，库存水位设得太低。
图1：一刀切地设置库存水位，导致要么库存太高，要么太低
或许有人会问，那么多的产品库存水位都偏低，为什么就这三个经常性地短缺呢？况且，它们的库存水位还不是最低的。这就涉及到供应链的第三道防线：供应链执行。这三个经常缺货的产品是由“有能力，也有脾气”的战略供应商供应：供应商有技术优势，配合度不高，催货很难催到；其余的那些产品呢，供应商多为“没脾气，也没能力”的一般供应商，配合度相对较高，通过赶工加急弥补了采购方的计划不足。所以，你不能简单地从表面上看，别的产品没有影响到客户服务水平，就忽略了后面的运营成本，特别是供应商的赶工加急费用。
第一，供应商的交期不是一样长。这个公司说，不管什么材料，供应商的交期都是两周。我们找了几个不同的料号，发现有的料号平均交期10天出头，有的都快20天了。即使平均交期都接近14天，不同产品交期的变动性也各不相同。
第二，除了供应商交期，补货周期还包括订单发送、来料验收、节假日和周末等。我们分析了几个料号，发现整个补货周期在3周左右，而计划员呢，则一律基于供应商交期2周来设定库存水位。
第三，需求的变动性也不同。虽说产品都差不多，客户也差不多，但产品需求的变动性还是不同。我们找了一组类似的产品，用过去13周的需求历史，计算每个产品的需求的标准差，用标准差除以平均需求，得到每个产品的变异系数，来判断相对的需求变动性。变异系数越大，表明需求的波动性越大；反之亦然。我们发现，一部分产品的变异系数更大，大于1；而另一部分产品的需求变动性更小，小于1。如果都按照同样天数的需求来设安全库存水位，那么对前部分的产品来说可能太低，而对后部分的又可能太高。
这个企业陷入的误区，在管理粗放的企业里很常见。精细化管理就是差异化管理，根据不同的情况采取有针对性的措施。他们假定供应周期、需求和供应的不确定性、有货率的要求是恒定的，每个产品都一样，但现实并不是这样。供方的产能情况在改变，原来短缺的，现在可能过剩；原来过剩的，现在可能短缺，所以供应周期也会改变，相应的变动性也是。买方的经营状况、市场形势也在改变，需求的模式、需求的不确定性也在改变。这些都不是秘密，你不需要找麦肯锡这样的顾问公司来告诉你；你也用不着动不动就去问销售——你看看自家的收货、发货数据就可以轻易发现。没有人知道的比历史数据更多。但你不愿意分析，别人又能拿你怎么办？毕竟，你没法唤醒一个装睡的人。
我们再看一个跨境电商的库存计划案例。
这个跨境电商的主营业务是电子产品，年营收在几亿元。跟众多的企业一样，这个电商也是一刀切，根据不同的产品特性，放2周或3周的安全库存。我们对其81个主要产品计算安全库存，跟一刀切的库存水位对比分析。之所以选择这81个，是因为这些产品的需求频繁，每周都有需求，而且需求符合正态分布（我们用EasyFit随机测试了10来个产品，都满足正态分布）。
对于这81个产品，我们用最近13周的销售数据，分解到周，采用92%的有货率目标，按照前面的公式来计算安全库存，再折算成平均需求的周数，发现安全库存分布在1.4周到4.8周之间。这说明，有的产品放1.4周的量作为安全库存，就可以达到92%的有货率；而有的产品呢，则需要放4.8周的量，才能达到相同的有货率。你马上看得出，如果一刀切，放2周或3周的量，有的产品就放多了，是过剩；有的产品则放少了，导致短缺。
图2：安全库存一刀切，要么太多，要么太少
我们进一步分析安全库存跟平均需求量的关系，发现随着平均需求的上升，安全库存的周数呈轻微的下降趋势。两者之间的相关系数是-0.14，表明是负相关，虽然相关性不是非常高，但也说明在库存计划上，规模效益照样存在：需求量越大，需要的安全库存的周数就越少。如果一刀切地设2周或3周的安全库存，你会发现，规模效益并没有得到体现。这也意味着，同一个产品，随着需求量的上升，我们可以适当降低安全库存的周数，为企业收获规模效益带来的好处。
对这81个产品，我们继续分析需求的变异系数。变异系数是用标准差除以平均值，让不同产品的需求离散性有了可比性。比如产品A的变异系数大于产品B，表明A的需求变动性大于B，因而得放更多的安全库存来达到同样的有货率。与上面的计算相同，我们还是用13周需求历史，以92%作为有货率目标，计算需要的安全库存数量，并折算成用量的周数。我们发现，安全库存的周数与变异系数之间存在显著的正相关，两者的相关系数是0.84。
这说明，变异系数越小，安全库存的周数就越小；反之亦然。看得出，如果采取一刀切，设2周或3周的量作为安全库存，对那些变动性小的产品，安全库存可能太高；对那些变动性大的产品，安全库存可能太低，结果同样是短缺与过剩并存，高库存与低有货率并存。
图3：需求的变异性与安全库存的周数呈正相关
当然，对于很多产品来说，需求不一定严格服从正态分布，我们不能严格按照前面介绍过的公式来计算库存水位。但是，不完美的数据分析也比没数据分析要好，至少可以给我们一定的可比性。没有比较就没有伤害。公司大了，组织复杂，不同的计划员之间会有很大差异。不信，随便找几个销量相同或相近、变动性差不多、交期也一样长的产品，细究它们的库存水位，你往往会发现大不相同。根本原因呢，是计划人员没有遵从“从数据开始，由判断结束”的库存计划流程，而是凭经验、拍脑袋——不同的人有不同的脑袋，不同的经验，结果不一致就可想而知了。做这样的数据分析呢，也是识别差距、弥补差距的关键举措。
