01
Bullwhip Effect 牛鞭效应
什么是牛鞭效应 Bullwhip Effect ？供应链发生牛鞭效应又会产生什么样的后果？有哪些方式可以避免牛鞭效应？
牛鞭效应就是指在供应链上的信息流从终端客户向原始供应商逆向、逐层传递的时候，由于无法有效的实现需求信息的共享传递，于是信息在传递的过程中失真、扭曲并逐步放大，导致需求信息出来了越来越大的波动，就像甩一根牛鞭子一样，手头这一边的波动（需求）很小，远端鞭子的波动（需求）就很大。这样就造成了在供应链链条中，下游需求的微小变化在上游会被逐级放大，库存可能从“缺少”迅速变成“过剩”，进而影响到整个营销、供应和生产的高风险，造成整个供应链的混乱。
比如有一家公司 A，生产某款产品的配件，是某产品品牌公司的供应商。这个产品在第一季度卖的非常好，于是产品公司预测了一下，下个季度怎么着都得增加 100W 件的采购。A 配件公司一听到这个消息，得多生产一些备下库存，万一后面再追加采购，临时生产来不及、生产成本还高，于是生产计划下订单就从100W 件变成了 110W 件。A 公司的原材料供应商 B 公司一看这个配件买的既然这么好，也得多备些安全库存啊，不然后面的订单一旦变成零星订单、急单，到时浪费产能，于是算了一下那就生产 120W 套原材料吧。大家看，这个市场需求就是这么从市场端传到品牌产品公司的一级供应商 A，再由供应商A把需求放大到 A 的供应商 B，B 基于对 A 的分析又放大了一下，就从最开始的 100W 变成了 120W，增加了 20W 的需求。市场就是牛鞭效应的头，甩出去的需求波浪越来越大，离市场越远的生产制造商对实际需求的判断误差就越来越大、越来越不准确。
会造成什么样的后果呢？这款产品在第二季度销售量下滑，实际只卖了 90W 套。如果品牌商拒绝收货，A 公司就多了 20W 的库存，A 公司拒绝收货，B 公司实际就会多 30W 的库存。
在这个链条上，参与生产制造的公司越多，这个需求就会放的越大。这可能还是一条产品线，如果是多条产品线呢，面向更多的品牌商呢，传递到上游生产的需求就更大了，库存就是这么一层一层放大变得越来越多。
02
现金流量周期的影响
我调研过一些生产制造企业，小一点的几个亿的库存，多的几十个亿的库存。还有一些服装生产企业，原材料的库存想要消化掉，就算你没日没夜的干，连干两年可能都用不完，这些都是很大的风险，挤占了现金流。也有些例外，有家企业头一年四、五个亿的库存摆在那里发愁，说怎么通过数据分析做预测来降低库存，我说这个确实很难，变量因素太多。头一天还在发愁，结果遇到疫情了，很多工厂都停工了，都不能生产了，就他们这库存多，因祸得福，还大赚了一笔。但这种情况毕竟是少数，有着很特殊的背景，大多数情况下消化这么多的库存并没有那么容易。应收、应付周期不变的情况下，存货周转周期拉长了，现金流量周期就拉长了，风险很大。
03
难以消除的牛鞭效应
我们再来分析一下之所以会产生牛鞭效应，是因为供应链上的各级供应商只会根据与它相邻的下级销售商的需求进行供应评估，这种需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象，到达最终源头的供应商时，他们所获取的需求信息和实际消费市场中的客户需求产生了很大的偏差。上游供应商往往会维持比下游需求更高的库存水平，来应对下游订货的不确定性，人为的增大了供应链中的生产、供应、库存管理的风险。
尽管企业都不喜欢牛鞭效应，从实际情况上看，牛鞭效应的产生也有一定的合理性，想完全杜绝很难。为什么？
首先，是需求预测的复杂度决定了在供应链中的企业一定要持有一定量的库存，这个非常关键。在一个完整的供应链中，从客户体验的角度，需求总是多变的，很难预测。特别在一些快消行业，产品的生命周期很短，客户早期需求和消费的历史数据不可用或者作用十分有限。同质化的竞争也带来了需求预测的难度，整体市场对某一品类商品需求的预测大概率可以预估下，但是到单一品牌单一 SKU 就很难预测了。同时，客户对订单的产品数量、质量、价格、时间等不确定也要求企业要持有一定量的库存。
第二，从经济角度考虑更是倾向做大订单。生产厂商不可能每接到一个需求订单就向上游订货一次。最好是大规模生产、大规模采购才能降低向上游供应商的采购成本，通过整车运输降低来物流成本，就会减少订货的频率，从经济订货量的角度考虑，一定会倾向做大订单。
所以，从上面这两个点来看，牛鞭效应的产生并非完全没有它的合理性，存在就一定会有原因。
04
如何改善
有没有什么方法来控制牛鞭效应，改善库存降低库存压力。大家注意，这里的用词是控制和改善。因为每个行业、每家企业上下游情况差异化太大，完全的消除我认为很难甚至不可能，只能说有一个思考和探索的方向，想一些办法去积极应对，尽量去降低影响，这是一个思考的框架。
第一， 如果有能力的话尽可能的缩减供应链的中间环节，整个供应链链条的中间环节越短，牛鞭效应的波动范围就越小，放大需求的次数就越来越少。这样你就理解了为什么现在很多厂商自己都在做电商了、做直销了，因为想直接触达消费者，这样对需求的预测会更加准确。
第二， 尽量减少个性化、尽量做标品。需求复杂度降低，产品品类颗粒度越统一，越利于预测。并且向上游采购的半成品或者原材料集中度越来越高，更具有大规模的议价能力，既能降低成本，原材料复用度也高，库存改善会比较明显。我的一位好朋友，做服装电商的老板，有些品类的衣服就做光板、标品，对库存的改善效果非常明显。
第三， 产品交货周期越短越好，时间周期越短，对上下游包括市场的反应和调整就会越快，牛鞭效应也会减弱。
第四， 我认为非常重要的一点就是信息化的能力是否可以打通上下游，上游供应商协同，下游消费者连接。如果能够做到这种程度，所有的数据放在一起，整个链条中的每个节点点对点的效率提升就非常高了，并且能够直接掌握到一线的需求，供应链的反应就会非常的快，预测也会更加准确。
这也是大家经常提到的供应链三流：产品流、现金流、信息流。我们这里说到的就是信息流，非常重要。比如像手机零售市场，品牌厂商是可以直接掌握到各个经销商的每日经销存数据的，信息流打通后可以通过数据分析来不断的改善和调整需求预测。
以上就是对供应链牛鞭效应的分析和解读。
有朋友会说，这个是供应链的知识跟 BI、数据分析有什么关系呢？大家深入去想一想有没有关系，太有关系了。我们如果不去深入了解这些业务背景，不能深入分析里面的现象和原因，数据分析又如何下手呢？没有数据，如何量化；没有数据，如何决策？
《吕品聊数据》视频、文章导航
方法论、思想框架、项目管理漫谈
技术与架构
IT 信息化、数字化