一文彻底看懂牛鞭效应Bullwhip Effect及应对方法

牛鞭效应是由“虚假的”需求信息由上游的终端消费者向下游的原材料供应商逐级放大的一个现象。

牛鞭效应会对企业的经营造成很多的影响，最明显的问题就是库存高企、运营成本上升和现金流紧张。形成牛鞭效应的原因有多种，管理者需要根据具体情况，采取针对性的方法来“驯服”它。

我根据美国斯坦福大学三位教授，Professor Hau L. Lee，Professor V Padmanabhan，和Professor Seungjin Whang的研究文章 “The Bullwhip Effect in Supply Chains”（Sloan Management Review, Spring 1997, Volume 38, Issue 3, pp. 93-102）中提到的关于牛鞭效应的一些经典理论，结合我在供应链领域多年的实践经验，通过一些具体的案例，和大家对于供应链管理中的一些痛点进行分析和探讨。

一牛鞭效应之痛

供应链上游的客户需求对于后端的影响很大，其中的一个表现方面就是在库存上。如果要消除牛鞭效应，最好的办法就是从其源头，也就是需求侧来想办法。

先解释什么是牛鞭效应？在这张图上可以看到，牛鞭效应是需求信息在传递过程中逐级放大的现象。

以汽车为例，终端客户就是车主，经销商是我们所熟知的4S店，制造商是生产汽车的整车厂，比如上海大众、通用，供应商就更多了，比如直接给整车厂供货的被称为一级供应商，最著名的有德国博世Robert Bosch，美国李尔Lear集团等等。

这里有三个关键词：

1. 需求信息，包括了订单和预测。

2. 传递过程，经过了多个经销商和供应商的传递节点。

3. 逐级放大，供应链条尾部的振幅最大。

现在国家的政策是“坚持去产能、去库存、去杠杆、降成本、补短板，优化存量资源配置，扩大优质增量供给，实现供需动态平衡。”

库存就是钱，现金。在财务的资产负债表中，库存属于流动资产。库存只有在出售后，才可以转化为现金，否则永远是在账面上的资产，无法变现。

库存占用着企业的流动资金，被库存占用着的资金会妨碍企业进行一系列的投资活动。

缺乏资金的话，企业就不能购买原材料或是新设备，如果遇到资金链条紧张的情况，企业还不得不去向银行或是贷款利率更高的金融机构去借贷，结果是辛辛苦苦挣来的钱都去还了贷款，为他人做了嫁衣。

受到了牛鞭效应影响的企业，面对变化莫测的客户需求，很难保证按时交货。

为了改善准时交货率低的情况，企业又不得不任意改动生产计划，导致了额外的营运费用，比如工人加班费和超额运输费。这些都是源于牛鞭效应引起的恶性循环。

二形成原因分析

我们经常都在说牛鞭效应，其实是一系列现象的统称，其中包含了四种最具有代表性的效应，分别是：

1. Forrester effect

2. Burbidge effect

3. Promotion effect

4. Houlihan effect

这些效应名称有的是以研究者的名字来命名的，比如Forrester effect，有的是直接以具体现象来定义的，比如Promotion effect。我将会在下文对于这四种效应进行详细介绍。

Forrester effect是最接近我们传统意义上的牛鞭效应 — “虚假”需求信息随着传递的过程而逐级放大。

这里包含二个概念，需求信号传递Demand signal processing和前置时间Lead time，后者可以理解为从收到订单直到订单交付至客户指定地点为止的整个过程。

需求信号传递 Demand signal processing

为什么需求信号在传递的过程中会被放大呢？其中一个原因是人的安全心理在作祟。

做供应链和物流的人一般会给自己留一点余量buffer。供应链整个过程很长，其中涉及到不确定因素也很多，比如说，卡车运输延误了或者生产过程中出现了质量问题而造成额外的报废等等。

在供应的基础不够成熟，产品的制成不够稳定的情况下，总有这样那样的意外可能发生。

面对诸多的不确定因素，供应链从业者总是习惯性地会给自己留一点余量的。如果每个人都放一点buffer，那么累加到最后就会变得很大。

当然还有其他的因素会导致需求增大，比如说启动生产的MOQ。

客户订单数量是200个，企业在交货的时候必须足额交付给客户。但是生产计划排成的时候往往会超过这个数量，多出来的部分只能暂时作为库存，预留给下一张订单。

所以生产订单经常会超过客户订单需求量，这样一来后端的原材料需求也会被放大。

前置时间 Lead time

为什么说Lead time越长，对于牛鞭效应的影响就是越大呢？因为整个供应管道Pipeline中的最大库存是由二次订货间隔天数和前置时间来决定的，总的时间越长，所需要的库存就是越多。

最大的库存量 = （二次订货间隔天数 + 前置时间） X 平均每天的需求用量 + 安全库存

供应管道中库存越多，导致的结果就是原材料订单量要大于实际的需求量，牛鞭效应就这样产生了。

Lead time就是时间，也就是牛鞭的长度，想要控制牛鞭效应，就必须缩短Lead time，其中包括了信息流和实物流的时间。

Burbideg effect主要指的是订单批量，或者说是下订单的方式。

订货频率 — 多久给供应商下一次订单？

如果是一个月下一次订单的，可以想象的是，在新的订单到货之前，库存处在一个最低的水平上，随后的到货数量至少是一个月的用量，原材料库存就从最低值达到最高值，这里的波动是非常大的。这种波动会随着向下游传递越来越大。

库存压力 — 月底前停止下订单。

公司考核库存一般都是在月底做的，提取关账的那个时间点的数据，是一个时点数。为了让库存数字好看，通常会在月底前几天就停止进货或是停止下订单了，但是生产不会停止。

生产部门在消耗完了A产品的原料后，为了让工人有事情做，只能换型生产B产品，直到再次缺料了，换成C产品。。。这样一来，原有的生产计划被打乱，原材料库存配套率下降。

公司到了下一个月初的时候，原材料库存水位已经很低了，所以要增加进货，原料需求的波动性就产生了。

这种情况有点像拳击手，在正式比赛前选手要称体重，如果原本是80公斤的人，要去打75公斤级别的比赛，拳手就要在短期内减重5公斤，只能通过很极端的方式比如禁食和脱水。

在过磅以后，拳手又要迅速补充能量，把体重恢复上来。在这样短的时间内，体重骤减暴增对于拳击手的身体有一定的伤害。

这种影响对于库存也是一样的，都会让企业受到内伤，引发流程紊乱，员工士气低落，供应商怨声载道。

销售目标 — 冲销量提前发货。

和库存正好相反的情况。销售都是活在当下的，下个月的事情下个月再说，先把这个月撑过去再说。

在月底前冲销售额，让经销商一下子吃得太饱，到了下个月初就再也吃不下了，只能慢慢消化上个月进的货。

运输成本 — 整车运输分摊费用。

供应链要做一些trade off，平衡库存成本和运输的费用，只能在两者之间选一个目标来实现。

订单重叠 — 接收订单出现重叠。

比如说企业的大客户们都是集中在一周中的同一天下订单，而当周其余几天收到的订单量偏少，就会产生需求的波动。

促销打折是造成需求波动的一个重要原因，从而直接造成了牛鞭效应。

每年的双11是一场网购的狂欢节，2019年又创下了2684亿元的新纪录。在供需双方都享受着精神上的“高潮”的同时，其背后的本质是可能给企业的供应链带来了极大的负面影响。

企业对于一年一度的双11的态度是比较纠结的，如果选择不参加，但是看到同行业的竞争者都参与进来了，自己不加入就会失去一个销售的好机会，消费者对于这个品牌也会产生质疑。

如果选择参加，就必须为了双11大量备货，其中还包括了人力资源和物流快递服务的能力储备。

即使是企业选择参与双11促销，这也是一场对于市场需求的赌博。赌赢了，产品大卖，在激动庆祝之余，企业也可能面临后续需求疲软的问题。

万一不幸赌输了，企业就要背负大量的库存和面临产能过剩的困局，运气不佳的连资金链都会出问题。

国际零售巨头沃尔玛为了保持供应链的高效率，抵御需求波动造成的牛鞭效应，就采取了稳定价格的策略“Everyday low prices”，这样就有效地消除了促销引起的需求波动。

沃尔玛通过这种策略，将牛鞭效应给企业可能带来的供应链负面影响控制在最低的水平。

需求得不到满足而引起的现象，这种情况被称为Houlihan Effect或是Rationing and gaming。

John Houlihan发现在传统的供应链中，由于下游的供应短缺，在上游的制造商会额外加大订货量，从而导致供应更加无法满足，供应商出现恶性循环式的交货困难。

制造商因为无法获取到充足且稳定的物料供应，不得不储备更多的安全库存以预防供应商的交货问题，于是需求信息被错误地放大，最终形成了牛鞭效应。

我以前也碰到过这种情况。有一家供应商的供货一直不稳定，或者是因为新品进入量产阶段后的产能爬坡问题，或者是因为模具质量问题引起的高报废率，长期以来供应商的及时交货率一直是低于70%，这家供应商也因此是长期盘踞在最差供应商榜单的前五名，被我们戏称为“老大难”供应商。

既然供应商长期都不能按照订单数量交上货，我的计划经理就建议给这家供应商的需求数量加上20%。

如果按照供应商一贯的表现，他们只能按时交80%的货，这样的话就是120%实际需求量 * 80%供应商交货量 = 96%实际到货量。这样看来，供应商就差不多能达到我们的要求数量了。

可惜这只是理想的情况，现实是你越想要什么，它偏不给你什么。实际的结果是供应商短期内不但不能按照要求交货，还会对客户的要货信息产生怀疑，因为我们要求了一个比较夸张的订货数量。

双方最后就陷入一个相互扯皮的局面，我们指责供应商交货表现差，供应商反驳说客户需求不真实。原本的交货问题还是没法通过增加订单量来解决，反而制造了合作双方的不信任感。

三探讨破解之法

1. 供应链上下游同步

什么叫做同步呢？打个比方来说，上游的客户有促销的计划，就需要通知到下游的合作伙伴做好准备。这样下游的供应商就会知道促销是一个短期的行为，需求量增加只是暂时的现象。

2. 建立长期信任关系

如何做到这点？需要合作双方建立一个长期的、相互信任的关系。建立和维护一种信任关系是很难的，但是要毁掉这种信任却是很容易的，只需要做几件事情就可以了。

3. 尽量寻求合作共赢

商学院的教授们都是告诉我们要Think Win-Win，但现实是很骨感的。企业的利己性是与生俱来的，无一不是在寻求自身利益最大化，想要真正做到双赢是很困难的。但是我们还是要尽量考虑合作伙伴的利益，毕竟供应链的改善需求上下游的协同配合。

根据这些思考，我提出三种方法，来和大家探讨破解牛鞭效应之道。

1. 建立预测管理机制

对于缓解牛鞭效应，建立起一套预测管理机制是非常关键的。如果我借用Plan – Do – Check - Action的方法论，可以把这套机制分为四个步骤。

定期接收和管理预测

作为下游的供应商，需要上游客户定期提供预测信息。发布预测的周期可以是周、月或是季度。预测信息时间跨度是越长越好，最短需要有3个月的，如果能提供长达24个月的预测是最理想的。

客户不能提供预测怎么办？那么只有主动和客户加强沟通，解释情况。比如说有些产品的Lead time比较长，只有拿到了预测信息，才能更好地完成按时交货的目标。在这种情况下，客户只要有一些信息，都会分享给供应商，不会有任何的保留。对于客户实在无法提供的信息，那只有通过其他方法获取了，再催促着客户提供也是很难得到的。

对比分析预测准确性

拿到了客户预测以后，供应商就要开始做数据分析的工作。

对比预测和实际订单数量，用来分析客户预测的准确性。

对比本期和历史过往数据，用来分析预测的未来走势变化。

请牢记一点，数据本身不能说明任何的问题，其价值很有限，只有通过分析以后，把数据提炼成了可供决策的信息才有价值。

反馈差异并了解原因

当供应商在分析预测数据之后，发现了异常的波动，就需要立即和客户确认数据的有效性。

如何来界定“异常”？不同的行业有各自的标准，以汽车制造业为例，数据差异正负区间超过20%的就可以认定为异常。

向客户Double confirm异常数据很有必要。客户的物料计划员可能同时管理着数十家供应商的成千上万个物料，不可能对每一颗料都面面俱到。

在缺少高效预测分析系统的情况下，核对数据的工作只能更多依仗供应商来完成。通过和客户再次确认，寻找出差异的根本原因。有些时候，差异可能是销售人员在系统输入时候的疏忽造成的。

持续改善提高准确性

找到了数据差异的根本原因以后，就可以对症下药，通过改善预测的方法或修正预测模型，提高预测的准确性。

2. 增加供应链可视性

供应链管理策略上有三个著名的大V，分别是：

Visibility    可视性

Velocity    速度

Variability    变化性

供应链成功的关键就在于增加供应链的可视化和速度，并同时降低变化性。

这里所提到的可视化，更多意义上指的是信息流方面的透明度。

传统的销售方式，制造商把商品配送到经销商仓库后就结束了，至于经销商是在何时何地把商品出售给何人的，制造商一无所知，所有的信息交互只是在制造商和经销商之间完成。

增加供应链的可视性有利于整个链条中所有的合作伙伴。

在信息系统的帮助下，供应商能够更快速地掌握客户端商品的销售情况，从而精准地制定补货计划，避免缺货或冗余库存的风险。

比如消费者在商场购物，通过POS机刷卡完成了交易后，实时的信息快速传递到供应链上的各个节点，包括经销商，配送中心和制造商都在最短的时间内获取了信息，并根据系统设定的参数，自动触发一系列的补货行动。

配送中心调度货源和车辆，对经销商进行补货；制造商根据配送中心的库存数量变化，安排新的生产计划。

强大的供应链可视性，能够加快整个链条的流动速度，并且减少需求的变化性，最终缓解牛鞭效应。

3. 共享真实需求信息

在供应链伙伴之间共享的真实信息越多，就能够收获对方更多的信任。

当然考虑到商业机密的问题，合作方之间不可能是毫无保留的。比如供应商的定点和配额问题，合作客户的产能分配问题等等，就属于不能轻易泄露的范围，需要经过谨慎的考虑后，才能决定哪些是可以和对方分享的信息。

库存，包括在仓库和在途的数据，有利于客户制定新的采购计划。

预测，客户有义务将最新的预测数据提供给下游供应商，后者用来准备原材料和确认产能。

需求，客户实际的订单量，不掺杂任何水分，如有促销计划也需要告知合作方。

市场，探讨合作方对于目前市场走势的判断分析，兼听则明，偏信则暗。

其他，除去涉及商业机密的部分，其余的信息都可以共享。

牛鞭效应是一种现象，我们要通过现象看本质，其本质就是供应链上下游的不协同。

如何缓解这种现象？我们需要考虑缩短牛鞭的长度和震动幅度。长度就是时间，是信息流和实物流的lead time，振幅就是库存和订单。

在前文中，我讲到了缓解牛鞭效应的关键点：

1. 通过拆分订单的批量，来减缓牛鞭的震动幅度。

2. 通过加快信息流和实物流的速度，来缩短牛鞭的长度。

具体该怎么做？接下来我通过一些案例来说明。

案例一 使用信息系统，增加信息流速度

Before：

某公司以前使用一套MRP软件，物料计划员手动下订单给供应商。因为每个计划员都要负责数十个供应商和上千个SKU，因此工作量巨大。计划员不得不减少下订单的频率，有些供应商下单是每周一次，甚至是每月一次。造成的结果是订单批量大，信息流处理速度慢，给下游供应商生产备货造成很大的难度。

After：

公司借着上SAP项目的机会，实施了一系列配套的信息系统项目，协同加快订单信息流速度。除了SAP系统以外，公司还同步引入了Web-EDI和条码系统。

通过SAP运行得出的物料需求计划，自动转换成为采购订单。供应商通过登录Web-EDI网站，下载订单信息和货物的条码标签。订单数量是以货物的最小包装数量为单位，这样就避免了出现“零头”的情况。

供应商在完成货物生产和包装以后，把事先下载的条码标签固定在外箱上。在货物出库以后，供应商登录Web-EDI，在系统中确认出货，发送Advanced Shipping Notice(ASN)。Web-EDI接收到这个讯息以后，自动在SAP系统中更新货物状态为在途。

公司仓库收货人员根据供应商到货计划，打印出ASN。在货物抵达客户仓库以后，收货人员直接扫描货物上的条码标签进行收货，无需再对于货物进行一一清点。

在完成所有货物扫描以后，收货人员在系统中进行确认，入库货物信息同步到SAP系统，整个过程结束。

通过实施SAP，Web-EDI和条码系统，改传统手工下单为系统自动操作。减少物料计划员的工作量，增加订单频次，从而减少order batching。通过加快仓库收货速度，缩短了lead time.

案例二 可视化订单，缩小订单批量

可视化订单（Visual Re-Order）系统是法雷奥Valeo汽车零部件集团特有的一套订单管理系统。

VRO系统是一套基于闭环（closed loop）的订货系统，最早是由Olivier Rethore先生创建，后来又经过了不断地完善，成为了法雷奥集团内部通用的一套标准。

法雷奥提供每周和18个月的滚动预测给供应商，用于安排生产计划和协调产能，供应商根据预测来备安全库存。

但是预测信息只是作为参考，是对未来需求的一个预估，并不是Firm order。

实订单是通过Pickup Order，提货单的形式发送给供应商，并以此为作为送货的凭证。

实施VRO，并不一定需要ERP系统或是Web-EDI，系统实施方面的投资少，见效快。这套系统可以把物料计划员从琐碎的下单和追货等日常工作中释放出来，把最主要的精力放在持续改善库存结构，降低库存金额上面去。

VRO操作过程主要可以分成下面四个步骤。

1. 下单

首先，根据物料的Gross demand计算出整个循环Loop之内一共需要多少箱数的货物。

接下来对于仓库货物进行盘点，同时考虑在途数量。最终需要订货的箱数

= Loop - （库存 + 在途）。

2. 许诺

供应商收到通过传真发过来的提货单，许诺可以出货的箱数，并再用传真机回复给法雷奥。

一旦许诺以后，供应商务必要遵守这个出货量。如果有任何交货方面的问题，供应商都要在许诺的阶段和法雷奥进行沟通，而不是拖到出货的时候告诉客户不能履约。

许诺数量不能多于要货数量，这是为了防止Over delivery。

如果许诺数量少于要货数量，物料计划员要追问原因和评估对后续生产的影响。

3. 提货

在规定的时间窗口，或由供应商送货到法雷奥仓库，或是法雷奥安排车辆提货。

4. 入库

货物送至法雷奥仓库，根据最初的提货单，仓库收货人员清点数量以后完成入库。如果实际到货数量和提货单有差异，立即汇报给物料计划员。

成功实施VRO，可以有效地降低库存和防止缺料。但是在实际操作的时候，如果各个环节不能严格按照标准流程执行，就达不到预期的效果。

案例三 更改交货条款，缩短前置时间

我之前曾经主导过一个减库存的项目，经过一番研究后发现，有一家本地的零件供应商，从下订单到交货的前置时间（Lead time）是8天，供应商采用的是自己送货的方式，每周的送货频率是二次，而距离我的工厂只有一个小时的车程。

想要降低库存，有效的办法是缩短交货的前置时间或是提高送货频次。

我最初和供应商谈这些方案是被拒绝的，因为这样做会增加他们的库存和采购成本。于是我找了采购部的同事，和他们解释推进减库存的积极意义和现在的阻碍。

在获得了采购同事的支持后，我和供应商谈配合我们的减库存行动，并不会给他们增加额外的成本。

库存方面，我们提供给供应商准确的滚动预测信息，这样就不会增加呆滞库存，于是供应商同意缩短前置时间。

在送货方面，我们采用Milkrun循环取货，把供货条款从DDP改为了Ex-Work，这样送货费用全部由买方来承担，供应商也没有增加任何的费用。

这么沟通下来，供应商自然愿意配合我们的方案，最终我们把前置时间缩短到3天，送货频次增加到每天一次，这家供应商的库存在很短的时间内就降低了。

在这个案例中，我从一家供应商着手，降低库存获得成功后推广到更多的供应商。

在企业内部让采购部参与供应商的谈判，项目成功以后采购部也有了更多的管理供应商的筹码。

供应商没有增加成本，又和客户增强了合作的关系，可谓是多方都得利，各取所需，皆大欢喜。

案例四 中欧铁路运输，权衡在途和运费

浙江温岭的一家公司从一个在德国斯图加特的供应商进口原材料，最初的时候采用的是海运，从德国到温岭的海运时间是59天，这个时间还只是单纯的运输时间。

德国供应商还要求有60天的交货提前期，也就是说从下订单到货物抵达温岭，总共需要差不多4个月的时间。

可以想象，当温岭这家公司的客户需求出现波动的时候，特别是需求在这4个月之内增加了，都会对于客户及时交货产生很大困难。

当海运无法满足这种需求波动的时候，以前的做法一般都是采用空运的方式来弥补，但是费用是海运的2倍多一点，企业的利润几乎都被空运费给“吃掉了”，辛辛苦苦把产品做出来，结果是给航空公司打工了。

在这种情况下，公司可以考虑采用铁路运输的方式，运输时间和海运相比是几乎减少了一半，而费用增加了50%，这就是一个折中的方案了，既让企业减少了运输时间，也不会造成过多的费用负担。

案例五 供应商管理库存，缓解牛鞭效应

我们不可能和所有的供应商都采用VMI的模式，只能挑选占库存金额最多的关键供应商来执行。VMI可以有效地缓解上游的需求波动，同时也不会对企业的库存成本造成过大的影响。

总结，牛鞭效应是一种表象，我们需要通过现象看本质，其本质是供应链上下游的不协同。

如何能够更好地协同？从技术方面来说，需要缩短信息传递和实物运输的时间，需要减少订单的批量。

从更高层次的供应链伙伴关系来说，重要的是建立相互信任的关系，分享一切可以分享的信息，尽量推行合作共赢的方案。