從數(shù)據(jù)開始，并不是只收集數(shù)據(jù)，更重要的是分析數(shù)據(jù)，從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，指導后續(xù)的工作。這是我從雀巢公司的一位計劃總監(jiān)的報告中所體會到的。 原文摘自《供應(yīng)鏈的三道防線：需求預(yù)測、庫存計劃、供應(yīng)鏈管理》第2版。

　　文/劉寶紅

　　需求計劃的三個數(shù)據(jù)層次

　　先說數(shù)據(jù)。雀巢公司的需求計劃把數(shù)據(jù)分三個層次：事務(wù)數(shù)據(jù)，計劃數(shù)據(jù)，外來數(shù)據(jù)，如圖 1所示。

　　事務(wù)數(shù)據(jù)：這是操作層面的數(shù)據(jù)，比如圍繞訂單、工單、產(chǎn)品的進出存數(shù)據(jù)。這是ERP里最原始、最基本的數(shù)據(jù)，也可以說是我們在信息系統(tǒng)中留下的每一個腳印。比如在SAP中，物料的每一次移動、由誰移動、從哪個庫位到哪個庫位，都有清晰的記錄;客戶訂單什么時候接到，什么時候發(fā)送等，也是典型的事務(wù)數(shù)據(jù)。提供完整的事務(wù)數(shù)據(jù)，是ERP系統(tǒng)的強項。

　　計劃數(shù)據(jù)：事務(wù)數(shù)據(jù)并不能直接用來做計劃，而是需要進一步整理、清洗，比如把需求歷史按日、按周或按月匯總，按照產(chǎn)品線、產(chǎn)品、SKU分解，剔除其中的一次性需求等，就成為計劃用的數(shù)據(jù)，供進一步的數(shù)據(jù)分析。計劃數(shù)據(jù)也包括主數(shù)據(jù)，比如交期，最小起訂量，供應(yīng)商等。計劃數(shù)據(jù)的信息來源是ERP系統(tǒng)，但往往儲存在專門的計劃系統(tǒng)里，或者單獨的數(shù)據(jù)庫里。

　　外來數(shù)據(jù)：來自第三方，比如電商平臺，銷售終端等。這些外來數(shù)據(jù)更加真實地反映了需求，價值更高，當然也更難獲取。另外，行業(yè)性的研究，第三方的數(shù)據(jù)也算外來數(shù)據(jù)。比如在導入新產(chǎn)品前，有些企業(yè)會參考行業(yè)的研究數(shù)據(jù)，判斷潛在市場的大小，以及可能得到的份額，來確定新產(chǎn)品的預(yù)測等。

圖 1 從數(shù)據(jù)開始 = 數(shù)據(jù) + 分析

　　企業(yè)大了，沒人知道真相;真相在數(shù)據(jù)里。當然，測不準定律下，我們可能永遠沒法知道真正的“真相”;更多的時候，真相是個相對概念，更重要地說，是多數(shù)人認可的真相。沒有共同的數(shù)據(jù)，就沒有共同的真相，也就缺乏協(xié)作的基礎(chǔ)。計劃數(shù)據(jù)就扮演這樣的角色。

　　說是“計劃數(shù)據(jù)”，其實不光是計劃職能用的;每個管理者都在做計劃，雖然他們的頭銜、職能中并不一定有“計劃”二字。比如生產(chǎn)要用計劃數(shù)據(jù)，來規(guī)劃未來的產(chǎn)能;倉儲要用計劃數(shù)據(jù)，來規(guī)劃倉庫的容量;物流要用計劃數(shù)據(jù)，來計劃物流費用;采購得用計劃數(shù)據(jù)，制定采購計劃，跟供應(yīng)商談定價格;財務(wù)也用計劃數(shù)據(jù)，來模擬現(xiàn)金流;銷售當然得用計劃數(shù)據(jù)，來預(yù)測營收，及時安排促銷、活動等。

　　“從數(shù)據(jù)開始”的三大分析

　　對于企業(yè)來說，一大挑戰(zhàn)是有統(tǒng)一的事務(wù)數(shù)據(jù)，因為那是ERP系統(tǒng)的原始記錄;但沒有統(tǒng)一的計劃數(shù)據(jù)，每個職能都是各行其是。小企業(yè)如此，大企業(yè)也不例外。比如有個百億級的電子產(chǎn)品企業(yè)，總部和各戰(zhàn)區(qū)用不同的數(shù)據(jù)，銷售、產(chǎn)品、計劃和供應(yīng)鏈也是各自用各自的數(shù)據(jù)，財務(wù)當然有自己的數(shù)據(jù)。數(shù)據(jù)來源、格式不同，雞對鴨講，很多時間就不得不花在確認數(shù)據(jù)上，效率低下，難以達成共識。

　　解決方案其實很簡單：構(gòu)建統(tǒng)一的計劃數(shù)據(jù)，形成各職能的共同語言。誰來主導?計劃職能，而且是總部的計劃。就如我們在一個電商做的，計劃和財務(wù)協(xié)作(計劃最熟悉ERP系統(tǒng)，財務(wù)的數(shù)據(jù)最可靠)，基于客戶訂單層面的數(shù)據(jù)，建立共同的計劃數(shù)據(jù)庫，放到統(tǒng)一的服務(wù)器或者云端，讓各個職能都來用。

　　這里的基本假定是，客戶訂單的數(shù)據(jù)是真實的，比如訂單是什么時候接到的，要什么產(chǎn)品，要多少，什么時候要，價格是多少，什么時候發(fā)送的，因為這是跟客戶收賬的依據(jù)，是銷售、客服、物流和財務(wù)部門都依賴的。在這樣的原始數(shù)據(jù)基礎(chǔ)上，按照不同的時間、產(chǎn)品、地域、客戶維度等切分(就如Excel中的透視表)，就成為不同職能共用的數(shù)據(jù)。

　　在這個電商，計劃安排專門的人，每周定期把上一周的數(shù)據(jù)添加到數(shù)據(jù)庫里，不同職能、總部和門店，都用這些同樣的數(shù)據(jù)。從管理的角度看，每周更新，能夠滿足大多數(shù)職能的時效要求。當然，對于日常補貨這樣的活動，更新周期可能要更短，比如每天。

　　共同的計劃數(shù)據(jù)，不但降低了職能與職能、總部與分部的溝通成本，也減少了原始數(shù)據(jù)出錯的概率，提高了決策質(zhì)量。在這樣的數(shù)據(jù)基礎(chǔ)上，計劃人員就跟醫(yī)生看病一樣，先分析已經(jīng)發(fā)生什么(現(xiàn)狀)，再分析可能發(fā)生的情況(預(yù)測)，最后提出指導性的建議(行動方案)。這分別叫做描述性分析、預(yù)測性分析和建議性分析，構(gòu)成“從數(shù)據(jù)開始”的三大分析。

　　描述性分析：是什么，或者說已經(jīng)發(fā)生了什么。比如通過折線圖，來判斷需求歷史有沒有趨勢、季節(jié)性、周期性等;借助標準差、離散度、極大極小值等，判斷需求歷史的變動性。至于說平均值、中位值、眾數(shù)等，也都是常見的指標，幫助我們理解需求的大小。

　　預(yù)測性分析：可能發(fā)生什么。在描述性分析的基礎(chǔ)上，借助數(shù)理統(tǒng)計模型來預(yù)測可能發(fā)生的。這是數(shù)據(jù)分析的核心，是對未來的預(yù)判。其后的邏輯是需求的延續(xù)性、相關(guān)性等。比如需求呈現(xiàn)季節(jié)性，那就可可根據(jù)過往數(shù)據(jù)，預(yù)測未來數(shù)個季度的需求。值得注意的是，預(yù)測性分析是基于數(shù)理統(tǒng)計的，比如需求在多大概率下，會落在某個區(qū)間里。

　　建議性分析：這是在前兩者的基礎(chǔ)上，建議的改進方案。打個醫(yī)生的比方：描述性分析就如“望聞問切”，預(yù)測性分析是預(yù)判病情的走向，而建議性分析則是開藥方。描述性分析著眼“已經(jīng)發(fā)生的”，預(yù)測性分析著眼“可能發(fā)生的”，建議性分析則是回答“怎么辦”的問題，為不確定的未來指出一定確定性的行動方案。

　　作為計劃人員，不管是哪一種數(shù)據(jù)分析，我們都應(yīng)該是假設(shè)驅(qū)動，在業(yè)務(wù)指導下，為解決業(yè)務(wù)問題而分析，而不是為分析而分析。這也是計劃員與分析員的一大區(qū)別：計劃員有業(yè)務(wù)背景，從業(yè)務(wù)角度往往已有假設(shè)，數(shù)據(jù)分析更加有針對性;而很多分析人員的IT背景很強，但沒有需求預(yù)測、庫存計劃的實際經(jīng)歷，結(jié)果是分析雖然做了很多，報表一大堆，但不解決任何問題。

　　此外，我還想強調(diào)的是，數(shù)據(jù)知道它知道的(已經(jīng)發(fā)生過的)，不知道它不知道的(尚未發(fā)生的);對于已經(jīng)發(fā)生的，如果重復性高的話，數(shù)據(jù)分析能做到精益求精;但對沒有發(fā)生過的，卻難以避免大錯特錯。人正好相反，很難在重復性的事情上做到精益求精，卻能在不重復的事情上避免大錯特錯。

　　這就是為什么要“由判斷結(jié)束”，把數(shù)據(jù)的智慧和人的判斷結(jié)合起來的原因。