牛鞭为什么那么长小母牛能受了吗牛鞭为什么那么长( 三 ) _生活百科

我以前也碰到过这种情况。有一家供应商的供货一直不稳定，或者是因为新品进入量产阶段后的产能爬坡问题，或者是因为模具质量问题引起的高报废率，长期以来供应商的及时交货率一直是低于70%，这家供应商也因此是长期盘踞在最差供应商榜单的前五名，被我们戏称为“老大难”供应商。既然供应商长期都不能按照订单数量交上货，我的计划经理就建议给这家供应商的需求数量加上20% 。如果按照供应商一贯的表现，他们只能按时交80%的货，这样的话就是120%实际需求量 * 80%供应商交货量 = 96%实际 *** 量。这样看来，供应商就差不多能达到我们的要求数量了。
可惜这只是理想的情况，现实是你越想要什么，它偏不给你什么。实际的结果是供应商短期内不但不能按照要求交货，还会对客户的要货信息产生怀疑，因为我们要求了一个比较夸张的订货数量。双方最后就陷入一个相互扯皮的局面，我们指责供应商交货表现差，供应商反驳说客户需求不真实。原本的交货问题还是没法通过增加订单量来解决，反而制造了合作双方的不信任感。
探讨破解之法

文章插图
1. 供应链上下游同步什么叫做同步呢？打个比方来说，上游的客户有促销的计划，就需要通知到下游的合作伙伴做好准备。这样下游的供应商就会知道促销是一个短期的行为，需求量增加只是暂时的现象。
2. 建立长期信任关系如何做到这点？需要合作双方建立一个长期的、相互信任的关系。建立和维护一种信任关系是很难的，但是要毁掉这种信任却是很容易的，只需要做几件事情就可以了。
3. 尽量寻求合作共赢商学院的教授们都是告诉我们要Think Win-Win，但现实是很骨感的。企业的利己性是与生俱来的，无一不是在寻求自身利益更大化，想要真正做到双赢是很困难的。但是我们还是要尽量考虑合作伙伴的利益，毕竟供应链的改善需求上下游的协同配合。
根据这些思考，我提出三种 ***，来和大家探讨破解牛鞭效应之道。1. 建立预测管理机制

文章插图
对于缓解牛鞭效应，建立起一套预测管理机制是非常关键的。如果我借用Plan – Do – Check - Action的 *** 论，可以把这套机制分为四个步骤。
定期接收和管理预测作为下游的供应商，需要上游客户定期提供预测信息。发布预测的周期可以是周、月或是季度。预测信息时间跨度是越长越好，最短需要有3个月的，如果能提供长达24个月的预测是最理想的。客户不能提供预测怎么办？那么只有主动和客户加强沟通，解释情况。比如说有些产品的Lead time比较长，只有拿到了预测信息，才能更好地完成按时交货的目标。在这种情况下，客户只要有一些信息，都会分享给供应商，不会有任何的保留。对于客户实在无法提供的信息，那只有通过其他 *** 获取了，再催促着客户提供也是很难得到的。
对比分析预测准确性拿到了客户预测以后，供应商就要开始做数据分析的工作。对比预测和实际订单数量，用来分析客户预测的准确性。对比本期和历史过往数据，用来分析预测的未来走势变化。
请牢记一点，数据本身不能说明任何的问题，其价值很有限，只有通过分析以后，把数据提炼成了可供决策的信息才有价值。
反馈差异并了解原因当供应商在分析预测数据之后，发现了异常的波动，就需要立即和客户确认数据的有效性。如何来界定“异常”？不同的行业有各自的标准，以汽车制造业为例，数据差异正负区间超过20%的就可以认定为异常。向客户Double confirm异常数据很有必要。客户的物料计划员可能同时管理着数十家供应商的成千上万个物料，不可能对每一颗料都面面俱到。在缺少高效预测分析系统的情况下，核对数据的工作只能更多依仗供应商来完成。通过和客户再次确认，寻找出差异的根本原因。有些时候，差异可能是销售人员在系统输入时候的疏忽造成的。
持续改善提高准确性找到了数据差异的根本原因以后，就可以对症下药，通过改善预测的 *** 或修正预测模型，提高预测的准确性。
2. 增加供应链可视性