将供应链复杂性转化为卓越服务

若Amazon今日凭空出现，鲜有理智者自信能盈利运营。

全球范围，公司通过11国市场销售超30亿产品。仅美国，2018年Amazon新增2.08亿产品——多为滞销“长尾”项。尽管极度复杂规模，Amazon 2018年7月盈利超股东预期翻倍，单季净利达25亿美元。

Amazon成功看似无法复制的奇迹。拆解后，Jeff Bezos通过同时做三件看似矛盾的事成为世界首富：提供卓越服务水平、以最低可能成本、并管理复杂性。我认为无先进技术能力，任何公司难真正同时达成三者。

首先，转变心态。遗憾的是，在需求波动增长与服务期望提高的市场中，太多公司陷入传统流程与熟悉的下行螺旋。无法可靠预测日增SKU组合，它们囤积库存应对长尾、反复无常需求。这必然导致额外运费成本、过剩与呆滞库存，需核销或大幅折价出售。规划师持续处于被动低效“救火”模式，大部分时间花在调整建议补货、操纵服务水平，而非驱动绩效。

供应链问题最难修复，因解决方案常反直觉。若想达“亚马逊级”成功，首要是跳出自我、尝试新路。俗话：重复做同一事却期待不同结果，是疯狂铁证。

服务驱动规划的秘诀是概率预测与库存组合优化。管理复杂性实现高服务水平，首要突破预测准确性壁垒：不预测单一数字，而是理解预测中需求可能性范围。此法称概率预测。用此法，仍得单一数字关联最可能结果。但此数字周围有一系列其他可能结果，各附不同概率。这是传统“基于聚合历史订单平均的单一数字预测”的替代方案。

概率预测适合含大量长尾项、因无法充分建模海量因素而面临需求变异不确定的供应链。供应链大师Lora Cecere在博客《概率预测：适合您的业务？》总结：“对困难需求画像，概率预测是新有力技术。它是一种引擎。预测关乎更好数学、数据模型拟合驱动结果。”

您的供应链无需太复杂即受益于概率预测。简例说明：预测特定汽车轮胎SKU需求。单数预测系统看其月销4条历史，认定平均需求周1条。因未解决客户一次换4条情况，持续提错预测、错库存水平以达服务水平目标。

库存规划需知每行订单量概率——1条、2条、3条、4条等。概率预测正是提供此信息，识别订单模式（订单大小、频率）供库存服务需求。

90年代初我们在供应链界孤军奋战，首倡此法替代传统预测。面对压倒性供应链复杂性，今天企业有更迫切理由尝试。反馈常是：“真希望早点开始！”

其次，库存组合优化实现我们所谓“服务驱动规划”，利用SKU组合跨网络的规模与变异——复杂性。不给一组每个SKU分配相同服务水平，而是供应链每个SKU-地点分配各自优化服务水平以达成业务目标。如不给一类所有SKU 98%服务水平，而是通过最优设定个别SKU-地点服务水平为99%、97%、99.5%等，以远低库存成本达成相同整体客户服务目标。

全球处方镜片制造商Shamir Optical应用概率预测转型服务驱动。而非统一库存策略，Shamir分析需求模式为每地点每SKU创建混合服务水平目标。公司整体库存降超25%，持续达成超99%服务水平。

概率预测无法由人工规划师足够快执行。需用机器学习技术——人工智能形式——自动化规划流程，用自适应系统。生成概率预测，先建模供应链。多数公司从样本SKU组起步测试再扩展。对模型纳入广泛潜在需求变量影响。可为传统输入如订单历史、其他企业来源如CRM数据、甚至外部来源如天气、股市、社交媒体趋势。因供应链模型是“活”系统，机器学习持续学习调整结果，允许按需引入新数据源。应用AI深度洞察需求与库存行为改善结果。

对人类的好消息：概率预测设计上是起点非终局。旨在给规划师及时数据，使其对服务政策与跨供应链对应最优库存水平做明智判断。

这种AI增强概率预测代表人机理想共生。系统随时间因纳入人工输入变聪明，人类因从概率预测成功率学习变聪明。这释放规划师专注服务、从事战略项目、将业务洞察输入系统。

您的业务也能在复杂性中繁荣。概率预测之美：服务水平上升时，成本、浪费、低效下降。数百家像Shamir Optical的公司获广泛收益：释放营运资本、减少呆滞、运输、加急成本与折价。许多公司报告对市场变化更敏捷、能做更好战略决策。

对坚持“单一数字”确定性方法者，概率预测将感反直觉。但除非您处于品项少、需求完全可预测的大宗商品业务，单数法行不通。Amazon不仅用此法，还向合作伙伴供应商提供概率预测工具。难道不是该尝试的时候了？

Joseph Shamir是ToolsGroup CEO。