供应链策略如何制定，使用这个模型轻松搞定！

当我们在制定供应链策略的时候，需要参考产品的需求的特征，其中包括了两个重要的因素，分别是数量和波动性。

首先，数量可以理解为订单或是需求数量。它们有什么区别？需求是顾客想要购买的数量，只是还没有下订单。举个例子，在2023年9月，瑞幸咖啡和茅台联手推出了一款“酱香拿铁”。

新品上市的首日就成为了爆款饮品，商品售罄，买不到了，但是顾客的需求依然是存在的，这就是订单和需求的区别。由需求或订单产生了采购数量，因此需要购买原材料，所以数量是第一个重要因素。

其次，波动性也叫做可变性，可以理解为数量偏离了平均值的程度。在统计学中有更加严谨的计算方式，使用标准差（Standard Deviation）除以均值（Mean）得到了变异系数（Coefficient of Variation）。

根据变异系数的大小可以判断波动性的高低。此外我们还会使用时间，用一段时间（每天、每月、每年）来衡量某件商品的数量和波动性。

为什么要研究这些？这关系到特定商品供应链策略，包括了库存和预测的方面，也就是供应链的细分策略。

如果根据数量和波动性的高低程度，我们可以把商品的需求特性分成4个象限，如下图，然后可以针对每个象限制定具体的供应链策略。

象限 1：数量少，波动大

我们要定期审查该象限的商品清单，了解它们在产品组合中的作用和财务表现。由于需求数量较少，我们可以考虑用其他产品替代。

许多型号在功能上没有太多的差异，我们是否可以把它们合并起来？在开发产品的时候，没有人在乎这些问题，产品型号越多，越有可能出现爆品，而且能增加一些销售量。

如果砍掉了一些商品SKU，损失的销售额由谁来负责？在公司里没人愿意出头做背锅侠，这个矛盾点需要产品、销售和供应链共同决策，下决心砍掉销量和利润都少，且波动性高的产品型号，用其他的可替代商品。

使用更少的数量的SKU就是汇总（Aggregation）的方法，它可以减少个体的波动性。

第二种方法是集中管理库存，把它们放置在中心仓库，而不是分散在多个库存层级（Echelon）中，背后的逻辑依然是用汇总来对抗个体的波动性，这与合并SKU的思路是一致的。

汇总Aggregation是统计学在供应链策略中的经典应用。第三种方法是严格控制订单生产的数量，绝不做额外多的库存。销售在接订单的时候要与客户强调最小订单量，必须要满足经济批量。

象限2：数量少，变化小

由于这个象限的商品的波动性较低，可以用统计方法进行预测，具体的方法可以参考我的其他文章。在制定生产计划时，应该最大化地提高生产效率，充分利用产能。

工厂可以一次性地生产一个较大的批次，然后根据预测补货或是订单发货。由于波动性较小，需求是相对比较稳定的，所以我们不用担心缺货或是过量库存。

象限 3：数量大，变化大

这类商品的销量很大，但是却很难预测到需求的高峰和低谷。一种策略是把需求分为基本的和激增的，也就是确定了需求的最低水平，销量很少会低于这个水平，并将其作为可预测的稳定需求进行管理。

对于激增的部分，我们可以用延迟策略的方法来提高对订单的响应速度。延迟策略是先完成通用化阶段的生产，最后的组装等到订单被确认后再做。

赛百味（Subway）三明治就是经典的应用案例。三明治可以在很短的时间内出餐，餐厅里所有的食物半成品都是事先预备好的，放在食品柜里冷藏。

顾客开始点单，可以选择是否要蔬菜，用哪种的酱料，面包的尺寸，制作三明治的过程就是延迟生产。

另外一种思路是预测产能，如果发现激增的部分需要额外的生产能力，企业可以选择外包生产。在瑞幸咖啡的案例中，酱香拿铁缺料的原因是缺少原料之一的53度飞天茅台酒。瑞幸可以额外储备一些原料，来应对激增的需求。

象限 4：数量大，变化小

这个象限的商品是比较容易管理的。因为这些产品的销售水平稳定，所以比较容易预测，产量也较高。我们可以采用大批量生产和持续补货的策略。企业可以和主要的客户合作实施VMI项目，降低订货协同的成本。

由于需求数量多，我们重点考虑优化生产效率，降低制造成本，用持续改善的方法不断优化流程。