最近10年，数字化、各类供应链技术、软件和硬件发展突飞猛进，很多行业的上下游企业间都实现了数据的交换，公司内部数据更是有系统实时连接。再加上各类算法和大数据分析的应用，按道理供应链的各项指标应该趋好，成本和库存应该降低才对。然而现实很骨感：要用的货极度短缺，不用的货严重过剩。
这些不能归因于供应链技术不足，而是归根于缺乏供应链顶层设计：供应链战略与产品战略不匹配。
供应链的万丈高楼起于坚固的地基
收到后台粉丝留言，夸小编的居多，比如公众号的供应链干货多，实用性强，批评者也有，说小编不懂战略。这话说的，还有哪个供应链人不懂战略吗？市场上最不缺的就是供应链战略专家和教授，最缺乏的就是优秀的仓库一线班组长、懂算法善协调的计划员、能管好供应商的合格采购。
供应链人的基本功要扎实。记得有一篇供应链专家的文章谈到安全库存作为buffer，并推荐用标准差来计算，以此为基础，逐步构建计划的顶层体系。然而ROP公式中，用标准差的前提是历史数据符合正态分布。不管你来自什么行业，见到多少SKU的实际使用量呈正态分布的？碎砖石怎么能用来建高楼的地基？
引用李竹云老师的一句话：我不愿意高谈阔论高大上的东西，不是因为我不懂战略，而是因为我很少关心过，我更愿意关心眼前现实的东西，所谓细节决定成败的问题我都关心。
然而我从不否认战略的重要性，自始至终认为：供应链运营必须服从供应链战略，供应链战略又必须服从公司战略。在深入理解战略的基础上，基本功扎实的供应链人方能构建与公司战略相匹配的绝佳运营体系。
前几天，再次阅读了MarshallL.Fisher于1997年在哈佛商业评论发表的经典文章：一流的产品，不入流的供应链？英文标题是What is the right supply chain for your product?，怎么翻译随你，但强烈建议阅读原作，因为好的供应链战略文章真心不多，能让小编吐血推荐的供应链经典就那么屈指可数的几篇。
现结合本人的实践，做分享和解读如下。
最近10年，各类供应链技术、软件和硬件发展突飞猛进。很多行业的上下游企业间都实现了数据的实时交换，公司内部数据更是有系统连接，再加上各类算法和大数据分析的应用，按道理供应链的各项指标应该趋好，成本和库存应该降低才对。然而现实很骨感：要用的货极度短缺，不用的货严重过剩。
这些不能归因于供应链技术不足，而是归根于缺乏供应链顶层设计：供应链战略与产品战略不匹配。
你的产品需要什么样的供应链？
Marshall L.Fisher认为，从本质上讲，产品可以分为功能型和创新型两类。比如消费品中，食品饮料等多数属于功能型，服装手机等多数属于创新型；工业品中原材料，零部件等多数属于功能型，设备、定制化产品等多数属于创新型。当然功能型产品可以向创新型产品迈进，反之亦然。
功能型和创新型产品的对比如下，本文仅摘取部分（强烈建议阅读原作，以便树立供应链战略的全局观）
功能型产品需要成本型供应链，创新型产品需要响应型供应链，对比如下，本文仅摘取部分（强烈建议阅读原作，以便树立供应链战略的全局观）
据以上，确定你的产品该用什么样的供应链：要么选A，要么选D，如下矩阵。
文中战略、理论和思维框架都是对的，供应链运营也必须服从供应链战略。然而无论是笔者过去所在的企业供应链实操，还在现在的供应链咨询业务中，遇到大量实践问题跟Marshall L.Fisher原作说的不完全一样，我们遇到的太多问题是：D象限也难以预测、明知B象限不可为而为之、我能搞定C象限、进入A象限无从下手。我们逐个来看。
明知B象限不可为而为之
按照原作说法，极少有公司进入左上角的B象限，因为加大供应链投资不能带来有效回报，比如供应链改善上投入1块钱，收益可能只有2毛。这一点，我不能完全同意。举个典型例子，中国的电商和快递业，大部分公司在功能型产品上，追求响应型供应链，与欧美市场形成鲜明对照。
新经济下，企业获得资本的支持后，首要目标是市场份额。即使多年亏损，仍能获得投资者的持续买单并上市。这在古典经济学家看来，是无法理喻的。
其他行业也有类似，除了市场份额，其他都不重要，可以忍受供应链高成本。
经过多年厮杀，这些提供功能型产品的公司，有部分存活下来了并开始盈利。他们是不是要回归理性，走向D象限或A象限呢？一位长期在B象限的工业品CEO私下里说：竞争是残酷的，一旦我们缺货，客户发现我们竞争对手的东西也不错，再把客户拉回来就难了。一次缺货导致客户转向，看起来损失不过几千块，但客户未来几年不采购，损失将是以十万百万计的。
所以这些公司固守在B象限，拼价格，拼供应链。
有的公司，经过厮杀，市场份额和客户基础有了，开发新产品，走向A象限，结果发现创新型产品比功能型产品更加难以预测，要么库存短缺造成巨额的失销成本，要么库存过剩打折清仓损失巨大。
有的公司，想提高利润，决定进入D象限，但非常担心存货降低带来服务水平降低，从而带来销售额降低。
我能搞定C象限
记得巴菲特有句话：“理性就是能高效配置资源。。。大多数的公司管理层都容易高估自己的能力，还有双闲不住的手，而且喜欢模仿同行业的做法。别人投资新项目，他也马上要跟进。”
管理层进而认为，我能搞定C象限，别人不行。
所以C象限的公司真的无法长期存活，要么向左移动，把产品变成功能型的；要么向下移动，把供应链变成响应型的。至于朝那个方向移动，要平衡移动产生的额外利润和供应链成本。
既然说公司要么选A，要么选D，那么关键是进入这两个象限后，该如何行动？且听下集分解。
D象限也没那么稳定
对于D象限，Marshall L.Fisher讲的不多，主要介绍了Campbell通过EDI与零售商实时交换信息，减少缺货成本，降低库存成本，并提高服务水平。这实质上就是泛滥了的宝洁和沃尔玛的CPFR案例（collaboration合作，planning规划，forecasting预测和replenishment补货）。搜索框键入“宝洁沃尔玛”，就自动跳出了这个案例。你看：连百毒都知道你要找什么。但Marshall L.Fisher在1997年提出的思路，在当时具有领先意义。
这里稍微解释一下缺货成本和库存成本。
缺货成本。假如你去超市买A品牌洗衣粉，发现货架上无货，那么你：1 买B品牌，A品牌的损失就是缺货成本。后来你发现B也不错，长期买，A的损失就是长期的；2 你只认A品牌，愿意等一段时间再买，那么A品牌和超市，都产生了销售损失，即产生了缺货成本。
据一项调查显示，消费品和商超行业，缺货成本占到企业毛利的10%甚至30%。对于工业品，缺货会产生紧急发货成本，罚款，订单取消，甚至终止协议，缺货成本就更高了。
库存成本是指过高库存产生的资金积压成本（年化10%至20%左右）、贬值甚至报废。
本质上，缺货率和库存双高，是牛鞭效应导致的。写牛鞭效应的文章，已经汗牛充栋，不过大家已经达成共识：信息共享和交换，是解决牛鞭效应的最有效手段。罗兰贝格的一项报告也显示了这一点，如下截图。
现实中，大多数公司都没有Campbell和宝洁那么强势的品牌，能跟零售巨头达成的合作程度并不深。部分电商和商超与部分消费品企业实现了实时数据交换，车厂做到了每天几次跟供应商更新生产计划与数据交换，其他行业极少做到上下游企业的数据实时交换。为了避免不确定性，所有行业，包括上述行业，都会备一定的库存。多数企业能做的事情，就是应用有效的工具来减少缺货，降低库存。
如何在保证服务水平的前提下，降低库存？学院派几十年前就推出经典再订货点ROP (Re-order Point）模型，如下，并给出无数变种。
ROP=D×L +Z×σ
D-Demand/Day
L-Leadtime in Days
Z-标准差的个数
σ=σd * √L
公式的前半部分是demand during leadtime，后半部分是安全库存
然后饱受实战派人士诟病的是：该模型的前提是历史消耗数据呈正态分布。如上集和本集开头：不管你来自什么行业，见到多少SKU的实际使用量呈正态分布的？方法用错了，大楼越盖越歪。
如果强用此模型作为分析基础，你会发现，ROP够你10年用的了，你会被老板骂的狗血喷头，带个钢盔都挡不住。至于说此模型的各个变种，如
Z*√ (σd)2 *L+ (σl)2*d2
更被视作马谡和赵括合伙带兵。
那么功能型产品如何备货，才能既保证服务水平，又能降低库存呢？
九宫格细化D象限
一批身经百战、勤于思考、勇于探索的实战派供应链人士，给出了思路，具体如下7个链接。在此特别感谢奔跑的飞龙、快乐的小鼹鼠、林梦龙、陆宸霖、施云、收音机小姐、许栩（按照字母顺序排名）等实战派供应链人士为ABCXYY理论（即九宫格理论）做出的贡献。请知晓：作者们来自不同行业，给出的应用思路和实践方法有所不同。
九宫格中，哪几个象限可以考虑应用上面的ROP，哪几个不能？如果不能，该怎么办？
会有人问，CV=STD/Mean，你不是刚刚说，标准差的适用范围很窄吗？答复：本人不认可供应链证书，但严重支持阅读供应链经典书籍，无论是实战性还是学术性的，而且强烈建议从学术性供应链书籍开始读起，包括最基础的统计学。
进入A象限如何下手
首先，请大家思考，A象限的产品，在上集提到的九宫格里，落在哪个位置？
Marshall L.Fisher主要观点：如果一个产品的需求是可预测的，那么它就不是创新型产品，也没有高的利润空间，毕竟风险和收益一贯是匹配的。如果真的存在可预测的创新型产品，一大批公司迅速杀入市场，利润很快拉低了。
有句话，复杂度是供应链的敌人。也有句话：复杂的供应链本身就是一种排他性，因为管理复杂庞大的供应链的诉求就会让很多想要来你们这个领域分一杯羹的对手们望而却步，利润自然丰厚。供应链越简单，也代表业务本身越容易被组织，参与进来的淘金者就络绎不绝，自然门槛和利润都会被挤压。
既有宜将剩勇追穷寇的语录，又有穷寇莫追的说法。既有置之死地而后生的项羽，也有兵临绝地的马谡。供应链人，独立思考最重要。公司战略，决定了你的供应链战略。宝洁模式、海尔模式、阿里模式、丰田模式等，都是见鬼模式，建立你自己的模式比什么都强！
如何应对不确定性？MarshallL.Fisher说：第一，减少不确定性，比如通过发现更多的数据源作为先行指标做预测，或尽可能让不同的产品使用相同的部件，让部件变得可预测。第二，避免不确定性，压缩交货期，提高供应链的灵活性，因为越近的需求，越容易预测，越远的越难。第三，在一和二的基础上，剩下的不确定性通过缓冲库存和加大产能来解决。文中举了大量翔实的案例，强烈建议阅读原作，供应链经典就那么几篇。
笔者结合自己的实践和思考，认为除了上面三点：对于D象限的产品，我们可以通过延迟策略的应用和最佳推拉结合点的选择，在降低库存的同时应对不确定性。
这里跟大家分享一个笔者公司经历的案例。
公司长期需要一些非标件，共9种，只有少数大型供应商能做。我们的需求量很小，对任何一家供应商来说都无吸引力，而且需求波动巨大。供应商的原料容易获取，生产加工复杂，从接单到出厂共需要约7个月，无论供应商技术人员还是我司设计专家，都一致认为：因为工艺要求，7个月的周期无法压缩。
如果我司不备库存，结果就是7个月的漫长等待，失销成本高昂。如果备库存，9种非标件中，有的品种可能会积压一年甚至两年才能用上，库存成本可想而知。
且看我们解决方案如下。
我司项目组（采购、计划、设计、质量等）仔细研究发现，供应商的加工过程主要分两步，第一步初加工成型变成A，第二步精加工组装变成B。第一步需要约5个月，相对B来说，A是标准的，而且A的总成本相当于B的40%左右。最优推拉结合点是不是找到了？
大公司尤其是外企，做事还是复杂的，具体外企供应链人都懂的，找到最优点后，内外部沟通协调工作也许更复杂些。尽管如此，最终供应商的交期压缩到2个月，我们的库存降低了65%。我们也要付出点，要么采购价格涨一些，要么直接持有供应商的A。供应链人，不要把好处都占尽了。如果好处都成你的了，很快你就尝到苦果了。
当然MarshallL.Fisher原作中的思路和案例，对解决D象限问题，也有很大帮助，强烈建议阅读原作。
下面我们用宝洁百年象牙皂的供应链作为文章的总结。
一块象牙皂，宝洁洗了一百年
很多年前，多数企业都生产普通肥皂。1879年，宝洁推出一款差异化产品-象牙皂。直至1950年，宝洁不断从产品的颜色、纯度、可漂浮性等方面，进行产品的持续改进，强调产品的差异化，在细分市场占据了绝对市场份额，对应的供应链是响应型的（D象限）。
1950年后，大量竞争对手推出类似产品，并且拥有宝洁象牙皂欠缺的功能，如美容和除臭等。这时候，宝洁的产品和供应链都没有迎战，而是把产品重新定位成高性价比的普通又简单的肥皂，比如不含香料、色彩单一、成捆简单包装等，对应的供应链是成本型的（A象限）。
Marshall L.Fisher原作最后一句话是：很多公司尽管认识到了供应链浪费和客户不满并存，但不知道如何解决。问题根源在于供应链策略和产品策略的不匹配。做好匹配不容易，但这么做是值得的，因为做好匹配产生的利润足够高。
来源：JitLogistics and SCM 作者：不玩概念
