“牛鞭效应”的今生来世

“一天接上级通知（大概这意思）：今天公司有重要大型会议，会议结束时间同下班高峰重叠，为礼让外宾，请在同一办公楼的同事下班后稍在办公室等待10分钟后再离开。这个时候办公室一组长为保证上级指示的执行到位，通知组员：因为......请各位今天下班稍等15分钟再离开办公室。然后组上的同事自己想，稳妥起见，我再晚点。最后大部分同事是晚了20分钟才开始陆续离开。两个环节传递，时间值已经翻倍了，其实，这样的情况在供应链上更是经常出现，而且环节更多的复杂供应链上，最终差异也常常不止翻倍，它就是牛鞭效应（Bullwhip Effect），今天就普及一下它的基本知识。”

什么是牛鞭效应（Bullwhip Effect）？

美国供应链协会的APICS供应链词典上是这样解释的：An extreme change in the supply position upstream in a supply chain generated by a small change in demand downstream in the supply chain. Inventory can quickly move from being backordered to being excess. This is caused by the serial nature of communicating orders up the chain with the inherent transportation delays of moving product down the chain. The bullwhip effect can be eliminated by synchronizing the supply chain.

牛鞭效应是一种现象，即供应链下游需求的微小变化引起供应链上游供应的极端变化。供应链末端的需求变化导致供应链上的库存波动，库存可以迅速从缺货变成过剩。这是由于在链上传递订单的串行性质和在链下移动产品的固有运输延迟造成的。牛鞭效应可以通过供应链的同步来消除。

牛鞭效应（Bullwhip Effect）的发明者

Jay Forrester 被认为是“牛鞭效应”一词的发明者。

1961年麻省理工学院的讲师Jay Forrester从系统动力学理论角度首次发现牛鞭效应；

1989年，Sterman“啤酒博弈”游戏（生产与配销某单一品牌啤酒的产销模拟游戏。当中主要参与角色为零售商、批发商、生产商。）验证了该现象，把该现象解释为“反馈误解”；

1997年，斯坦福大学教授Hau L Lee构建了该现象的模型。

2021年，黄雪川将该现象拓展到了组织管理信息传递领域的运用中。（哈哈哈，开玩笑，这段删掉。）

由此可见，牛鞭效应也是一个60高龄的概念了，但它依然在供应链领域发挥着巨大“作用”，60年中供应链的发展也没能将其消灭。

最著名的牛鞭效应案例

这是一个随便在网上一搜就能找到的经典（以下引号内内容完全为搜索结果拷贝）：

“1995年宝洁公司（P&G）在研究“尿不湿”的市场需求时发现，该产品的零售数量相当稳定，波动性并不大。但在考察分销中心向它订货的情况时，却发现波动性明显增大，分销中心称他们是根据汇总销售商订货的需求量订货的。宝洁公司进一步研究后发现，零售商往往根据对历史销量及现实销售情况的预测，确定一个较客观的订货量，但为了保证这个订货量是及时可得的，能够适应顾客需求增量的变化，他们通常会将预测订货量增大一些向批发商订货，批发商出于同样的考虑，也会在汇总零售商订货量的基础上再加一定增量向销售中心订货。这样，虽然顾客需求量并没有大的波动，但经过零售商和批发商的订货后，订货量就一级级地放大了。”

其实，在我自己的工作中还有一种情况，就是许多时候终端顾客需求较稳定，变化不大的情况下，整个供应链的波动都会很大，这就是复杂供应链中，有些链主自己的瞎折腾和错误预判，带来整个供应链末端的群魔乱舞。

层层加码后的最后黑锅都让上帝来背：“消费者需求变了，我也没招。”，其实消费者就那么一丁点儿变化。

牛鞭效应带来的影响

当供应链前端需求波动时，它会在供应链上游产生回响，给参与商品生产和传播的实体带来更大的压力，迫使供应商生产更多或更少的产品，从而使他们的工作流程和交付复杂化。尽管牛鞭效应会对供应链的任何阶段都会产生负面影响，但它通常对原材料供应商的影响最大。

这些产品往往最终不是缺货就是死的呆滞库存，往往需要大幅减价促销或报废以避免更大损失，资金少的小供应商由此破产也不在少数（大供应商也有，宝洁、HP都曾很危险）。疫情初期的口罩和口罩机已经上演了一轮“牛”戏，目前外贸和芯片或许正在上演。

牛鞭效应的成因

供应链自身的结构和人们在实际生产生活中的处理决定了牛鞭效应的长期存在和高频发生，牛鞭效应的成因也经全球各路专家60年的研究，我就不再班门弄斧和装神弄鬼地自创了，百度一下，主要为以下五个方面（以下引号内内容完全为搜索结果拷贝）：

“一、需求预测修正。供应链的成员采用其直接的下游订货数据作为市场需求信息和依据时，修正了他接收到的原有信息，这以“啤酒游戏”为典型代表;

二、订货批量决策。企业决策在经济层面考虑到自身可控的因素，如：规避断货风险、降低成本、减少订货频率、实现利益最大化，往往会人为提高订货量；

三、价格波动。企业决策时需考虑环境突变因素和促销手段，如：自然灾害、社会动荡, 与竞争对手的恶性竞争、供不应求、价格折扣。库存成本小于由于价格折扣所获得的利益，销售人员当然愿意预先多买，这样订货没有真实反映需求的变化，从而产生“牛鞭效应”；

四、短缺博弈。供不应求时，销售商为了实现利益最大化和风险成本最小化，故意夸大订货量，需求降温时，需求又突然消失，然而之前的信息夸大还未及时消除，面对产品短缺时各商家的博弈使得牛鞭效应较难避免；

五、库存责任失衡。市场营销中通常为供应商先铺货，待销售商销售完成后再结算。供应商负责搬运货物到销售商指定位置的货物搬运费，承担货物损毁时调换、退换的损失，使库存责任更多地转移到供应商。而销售商资金周转不畅，但有大量存货可作为资产使用时，销售商会利用这些存货与其他供应商易货，或者不顾供应商的价格规定，低价出货，加速资金回笼，从而缓解资金周转的困境。因此，销售商普遍倾向于加大订货量掌握主动权。”

如何避免牛鞭效应

牛鞭效应会给供应链带来如此大的麻烦，尽管这么多年来，一些原因无济于事，但我们还是应该学习如何最大限度地减少牛鞭效应，尽最大可能地限制您的业务成为其发生原因的机会。

传统意义上您通常可以采取以下五个方法来最小化牛鞭效应：

1. 使用管理软件

适当的库存和订单管理对避免牛鞭效应问题大有帮助，最好使用可以实时跟踪库存水平、产品流和订单的软件来完成。它们为您提供可操作的数据，并详细了解您满足需求的能力。帮助您设定标准水平，计算最佳再订货点，并避免在存储过剩库存上浪费金钱。

2. 谨慎使用促销

许多企业认为他们应该经常进行促销以增加需求。这种销售方式在很多方面都很危险，很容易给企业和供应链的每一步造成损失。尝试仅在必要时利用促销来满足客户期望。相反，专注于如何增加您的平均订单价值并以可持续的方式增加销售额。

3. 简化供应链

当您的供应链因供应商和活动环节过多而变得拥挤和复杂，就更容易出错。尝试减少您的供应链并简化您的订单流程，以限制这种风险的影响，同时它还能使维护供应链关系和快速信息共享变得更加容易。

4. 提升预测水平

积累尽可能多的关于库存水平和需求趋势的数据，以订购每种产品的最佳数量。您还应该考虑任何需要的安全库存以及任何即将到来的销售或季节性需求变化以减少库存。

5. 优化您的最小订购量 

设置最小订货量是提高发运经济性的好方法，但是，尽量避免用批量折扣来补充您的起订量，因为这会吸引订购量超出您的客户真实需求。它可能会给您的订单履行团队带来更多麻烦，并导致您的库存水平处于一个不合理的范围。

如何避免牛鞭效应

接下来我要讲讲这篇文章比较新的部分，这个数字时代下的解决方案—— CNVI需求传递模型。是我在网络首发，暂时百度不到的哦。

大家可以看前面提到的牛鞭效应的成因，应该说不是天灾，全为人祸吧。无论是预测修订、订货策略、价格选装、短期博弈还是仓库责任，说白了都是由于多级信息传递、多头预判、决策造成的。过去的60年这些人为因素没有更好的办法去解决，那么，现在数字化手段我认为是一个很好解决牛鞭效应的机会。目前，所谓的具有互联网基因的企业，阿里、腾讯、小米、苹果等一类，为什么能迅速发展并跨界到制造领域，他们都无一例外的牢牢把握住了供应链，而要把握住供应链，牛鞭效应是不得不啃的硬骨头。

（©2021 黄雪川版权所有 转载请注明出处）

解决牛鞭效应首先得抓源头，那就是终端消费者，所以我提出了C（Customerinsight）的概念，大家可以看看，每家供应链厉害的公司，哪个在用户洞察方面是不是狠角色。而且客户真实订单的信息都会直达链主，你的订单履行和交互可以给地方或经销网点，但通常客户订单信息都会作为第一手数据传递到链主的系统，并将其视为企业的重要数据资产来管理。

其次，原有的信息级级传递将转变为网状结构N（Network），并且信息像声波一样的方式传递。这极大的简化了供应链信息传递的层级和减少信息的不同步。而且，这样的传递网络即使增加更多的中间商或渠道也不会带来信息传递的链条延长，它只是在网络上增加更多的节点而已。

第三，供应链上参与者越多，越需要做到全链透明V（Visibility ），大家都是一条船上的人，任何错误都可能波及各方，这样可以最大程度上避免信息失真带来的各方错误预判。

最后，就是I（Intelligence）智能的供应链。做供应链决策的目的是为了满足用户和产生经济效益，所以对于客户洞察、信息收集手段、传递方法的改善最终要能指导更精准地预测未来（目前的AI在用户洞察及预测未来方面有了很大的进步和获得较大运用）和更经济的订货策略（这方面可以考虑用更优的算法，计算出更好的执行策略）。这样才可以实现用户和企业的双赢。

在CNVI这样的基础上，很多厉害的平台或生态企业，更容易去做ISC（Integrated Supply Chain）集成供应链管理，将多头决策和独立行事的供应链一盘散沙，转变为下一盘统一决策，一致行动的供应链大棋。真正成为掌握供应链的链主，打造全生态体系的核心竞争力。

在我看来，数字化的春天也是供应链的春天，数字化是目前解决很多供应链上原来看似“鱼和熊掌不可兼得”矛盾性问题的突破性手段。