摆脱牛鞭效应，供应链伙伴双赢战略日期   / 2018-09-05

"牛鞭效应"(Bullwhip effect)长久以来一直是供应链活动中，普遍存在的一种现象，即指：终端客户的需求信息往上游供应链传递时，因为种种原因无法有效地实现前端市场资讯的共享，而导致需求变化信息被扭曲放大的现象，最终导致各供应链成员参考了被扭曲的资讯（如历史出货数据、历史订单数据等），以此制定供货规划，最终导致了供货风险、库存资金积压、成本增加等问题。

为什么说历史出货数据、订单数据是被扭曲的资讯呢? 因为这些资讯往往无法反映客户的实际销售状况，而是受到当时物流能力、供应商产能、订单政策、配货网络、甚至是人为经验判断等因素影响后的综合性结果；一旦上述的某项条件在未来的某个时间点改变时，再使用过去的出货或订单数据作为供货规划的依据，就不是很恰当了，这不仅仅会造成供货商库存积压或供应不及的问题，CPFR下游客户也会因为上游供应商的问题，面临缺货的风险，可以说最后大家都是输家。

你可能会问，既然如此，为什么供应链合作的双方，不愿意进行除出货、订单数据外，更接近市场端的讯息共享呢? 从过去的项目经验中会发现，有时候是因为政治因素、商业机密的考量，或者纯粹是因为缺乏有效的分享工具进行数据传输。不过，还有一个最主要但常常被忽略的原因，就是客户不知道资讯共用之后，应该如何使用这些数据，同时也对资讯共用的效益存疑，导致双方都缺乏资讯共用的意愿与动力。

其实，国际上已有多个市场资讯共用并连动至供货计划的成功案例，其中由零售商主导或品牌制造商主导都有，案例包含Sony Canada与经销商间、Lowe's Home improvement与Stanley/Black & Decker、Kraft与Sam's Club、以及Sony Electronics与Wal-Mart (注1)，这些成功导入案例皆证实，供应链上下游通过前端市场资讯共用并连动至后端供货计划，的确能有效改善双方的规划品质，进而降低双方库存，并提高供货满足(Fill Rate)绩效。更重要的是，一旦双方初尝好处并建立信心后，可以进一步扩大资讯分享的内容范围，从单纯的数据分享，如销售数据、库存数据等，扩大到分享商业规划的层面，如订货政策、配货网络调整、营销活动计划、产品上下市规划等，这其实是供应链合作成员间交易模式的一大变革，从原本的竞争关系，转变成为双赢(Win-Win)的模式，共同参与并分享供应链的利益与风险。

市场信息共享连结供货计划的核心精神与信仰就是：相信供应链最终还在于满足与服务终端市场的消费者，而当消费者从货架上拿走商品的那一刻，才是拉动整体供应链的唯一力量(The Moment of Truth)，也因此供应链各阶段的规划，应依赖(零售)终端市场的销售数据变化，不断地重新计算(Recalculation)而优化，而不是利用各阶段片段的信息(如订单、出货等)进行。例如，一条供应链上有许多的成员，包含零售商门店、零售商物流仓库、品牌商物流仓库、制造商工厂。通过终端零售信息的共享连结各成员的供货规划作业，又将如何进行呢?

表1,代表零售商ABC的花莲门市的冰箱型号(ABC-1234)的需求计划(花莲门店销售预测)与补货计划(花莲门店对零售商DC的订单预测)。

其中，栏位「(门店)销售预测」代表的是消费者拿走多少的预测量，也就是花莲门店每周实际的销售量。销售预测也包含该门店的促销活动、或其他商业计划的内容(如产品上下市等)。

栏位「(门店)预计库存」代表对花莲门店库存的预估，主要受到栏位「门店销售预测」与「门店预计到货」的影响。在进行W1-W14的滚动预测时，除了W1在计算未来补货规划(即栏位(门店)对DC订单预测)时可以参考实际库存外，W2-W14的补货计划，仅能参考预计库存进行计算。

栏位「(门店)对DC订单预测」则代表花莲门市每周对零售商ABC物流仓XYZ的补货需求，主要受到出货前置期、安全库存、现有库存、预计到货量、向DC采购的MOQ限制、向DC采购的订购系数等因素的影响。之后，门市每周自动计算并产生一张建议订单给DC。

零售商ABC下有多个门店，表2我们可以看到多个门店针对冰箱型号(ABC-1234)补货需求的汇整。表2中，花莲门店W1-W12的数字，即为表1中栏位「(门店)对DC订单预测」数字。从表2的栏位「Total」可以看到零售商下所有门店，对于单一SKU每周对DC1的补货(订单)需求；

表2中栏位「Total」的数字，将自动成为表3零售商DC1的需求预测规划数字，作为零售商DC1供货规划的基准，也就是连动前端门市的需求至后端DC1的供货作业。

表3呈现零售商ABC下DC1针对冰箱型号ABC-1234的需求计划(DC1需求预测)与补货计划(DC1对品牌商的订单预测)。零售商DC1每周取得各门市未来N周的滚动需求预测后，将跟据DC1的出货前置期、安全库存、现有库存、预计到货量、(向品牌商)订单MOQ、(向品牌商)订购系数等因素的影响，自动重新计算并调整(对品牌商)订单预测(即补货计划)。

当每周门店的实际销售与预测有所差异时，一旦任何一间门店调整其销售预测，或者是因为实际到货影响每周实际库存变化时，零售商DC1的需求与补货计划也随之动态地重新计算，也就是说，DC1的供货规划通过上述的作业方式，已紧密地与前端门店销售与库存状况进行连动；当某间门店的实际销售>门店销售预测，则表3中DC1对品牌商的订单预测(补货需求)亦会自动提前至前一个规划日；同理，当某间门店的实际销售门店<销售预测，则表3中DC1对品牌商的订单预测(补货需求)会自动延后1个规划日。

这与目前一般零售业中，DC仰赖过去门店的订单或出货历史信息，自行规划与门店间以及与品牌商间的供应作业方式，不同的是，唯有前者才能真正确保后端供应能更贴近实际的市场需求与变化，并降低缺货可能或避免不必要的库存，也就是通过市场信息的分享，降低牛鞭效应对各供应链成员的冲击。

通过上述零售商门店与零售商DC间的作业模式，亦可复制到零售商多个DC与品牌商间、品牌商与制造商间，亦将市场信息分享并连动供货计划的范畴向上延伸至整个供应链，而形成一个连动的供应链体系，从而推动整条供应链的唯一来源，就是终端门到的销售预测。

表4与表5呈现零售商DC与品牌商间如何通过DC端信息共享并进行双方补货(供货)计划的连动。

表4为零售商多个DC针对冰箱型号(ABC-1234)需求的汇整。表4中的栏位「Total」可以看到零售商下所有DC，对于单一SKU每周对品牌商的补货(订单)需求；表4中栏位「Total」的数字，将自动成为表5品牌商DC的需求预测规划数字，作为品牌商DC供货规划的基准，也就是连动前端零售商DC的需求至后端品牌商的供货作业。

注1:参考VICE "The Ultimate Retail Supply Chain Machine: Connecting the Consumer to the Factory"