序言二　从药典到药方：我对案例的一些想法

我做了许多年的计划经理，所带的团队最多时在全球有二十几名计划员，分布在北美、欧洲、亚洲等多个地区。在这个团队中，有人晋升了，有人离职了，有人做全职妈妈了，就注定一直在招新人。每次有新人加入团队，培训就是个大问题：如果新人是做采购员的话，你可以给他一本采购手册读；而给计划员的书，不管是英文版的还是中文版的，就是找不到一本合适的。

美国运营管理协会（APICS）有成套的生产和库存管理认证（CPIM），但光从其要考5门课程（这是2003年我考的时候）就能看出，需要读很多本书，即便是通过了认证，你也不会做计划。比如给你一堆数字，你还是不知道从哪里着手一步一步地预测需求、计算库存水位。虽然道理你都懂，基本的模型和公式你也都见过，但你还是不会做计划，这就如就算你能把一本《新华字典》倒背如流，但还是不会写文章一样。

怎么办？我就只能用传统的办法：先把新计划员从分公司叫到硅谷总部集中培训一周，手把手地教，然后让她回到分公司去实践，但她做出的每个计划决策都得让我先看。大概三个月以后，看她会做基本的计划了，我就宣布她可以“出师”了，让她自己做计划。但我还是在背后紧盯着——不光是紧紧地盯着，而且是紧张地盯着，因为计划是供应链的引擎，一旦有失误，影响就很大。这就如你学车初上路，最紧张的不是你，而是坐在你旁边的教练一样。

那些年，我一直在想，如果有一本计划手册该多好。采购员就有采购手册，中英文版的都有，告诉你订单怎么做、价格怎么询、合同用什么文本，各种表格、流程图都相当齐全。在计划领域，为什么就没见过这样的手册呢，中英文版的都没有？

我想根本原因是：采购是执行，以结构化的事务为主，相对直观、简单；计划是决策，更多是非结构化的事务，相对更困难。这就如同你有本手册，可以教士兵一招一式地学习打枪，但很难有本手册可以教他一步一步地学做统帅。那统帅是怎么培养出来的？你得先学基本功，比如上军校，然后跟着一个统帅，从一件一件具体的事情上学。而这一件一件的事，在商业管理上有个专业名词，叫“案例”。

在美国，MBA和法学博士当属最成功的职业教育精英，就是靠大量的案例培养出来的：他们要么面临复杂的商业环境，要么面临复杂的法律事务，按照一个操作说明或者法典做的话，没办法解决好复杂的问题。计划面临的环境也很复杂，我们为什么不能用同样的方法来培养计划人员呢？

自从我的绿皮书《供应链的三道防线：需求预测、库存计划、供应链执行》出版以来（与赵玲合著），我收到很多读者的来信或留言，从他们的来信或留言看，他们虽然掌握了大的概念，但很多具体的问题还是没有解决，依然不会做计划。比如有些人缺乏基本的数据处理能力，一年的数据被拆分成50周（一年是52周，有时候剩余几天形成第53周）；有些人没有基本的计划功底，连数据后面明显的季节性也不知道分析；还有些人的分析能力非常强，能够熟练应用统计软件SPSS，从中找到拟合度非常高的数据模型，但过度拟合——只要变量的次数足够高，你总可以找到拟合度高的模型，这样的模型对未来的预测往往很不理想。

不过你不能怪这些计划人员，他们有的以前是客服，有的以前在仓库里干，有的虽然做了多年计划，但一直是自我摸索，在怎么做计划上一直没有实质性的突破。这让我进一步意识到，从字典到文章还有很长的一段路，而这段路没法用另一本字典来铺就——解决方案就是一篇篇的范文，放在计划上，这些范文就是案例。

一年多来我的主要任务就是：写一系列计划方面的案例，每个案例解决一个具体的问题，比如需求预测、库存计划、基本的数据分析。提高计划能力得从解决一个个具体的问题开始。这些案例都是真实的数据——我的读者、学员提供了足够多的数据，可以帮助解决他们的真实问题。如果你有问题，有数据，也可以发给我，我们一起来探讨，把解决真实问题的过程写下来，让更多的人借鉴。你不仅可以借鉴做得对的地方，而且可以学习如何避免那些陷阱和错误——只要你不犯错，或者犯错最少，自然就做对了，这就如你把所有的坑都填了，路自然就平了一样。

当然，写案例有一系列的风险，我在这里一并说明。

第一，案例天然是特例居多，普适性不足。这就如狗咬人不是新闻，而人咬狗就是新闻，因为人只是偶然咬狗。所以，你不能拿案例当理论，放之四海而皆准。我写了个小案例，谈的是数据清洗，即处理那些异常的、非重复性的需求数据，比如促销（“削峰填谷”）。有人就说，这太偏了，大家如果跟着做的话，可就被误导了。是的，在那个小案例里，我用的是一个代理商的数据，外加贸易、电商等行业的一些经验，我本来就没想写成一篇“如何做数据清洗”的说明文，你自然不能照搬，让它成为你“清洗数据”的操作说明。而且，案例就如文学创作，源于生活但高于生活，也有创造的成分，比如把多种情况合并到一起，更增加了其独特性，在借鉴的时候要注意甄别。

第二，案例就是案例，不能等同于最佳实践。我会围绕真实的问题、真实的数据做分析，做判断，并把整个过程写下来。这只是记录我是怎么思考并解决一个个具体的问题的，并不是说这就是解决这类问题的最佳实践，也不是说这类问题就应该这么解决。计划是做决策，复杂度很高，解决方法有很多，你或许永远也找不到最好的。所以，撰写这些案例的目的不是找“最好的”，而是希望给大家一个“更好”的解决方案。举个简单的例子，有人在把需求历史按周汇总的时候，是从某天开始，数上7天就算1周，这相当费事，但Excel中有个函数叫WEEKNUM()，可以把日期自动转换成周数。我不认为这个函数是最佳实践，但它的确是个更好的实践。

第三，案例如药方，离不开具体的适用环境。限于篇幅，或者我的个人倾向，案例撰写不会面面俱到，甚至会有意无意缺失一些重要的背景信息。这就如名医开的药方，写出来就那么几行字，但每个药方都有具体的应用环境，否则这些药方就不再灵验。这也是为什么有些名医非常忌讳留药方——他们担心后来者不加辨别地使用。这些名医留下来的是药典，介绍各种药的药性，而把配药的任务留给具体的医生。

这些年来，我写的东西大多更接近“药典”而不是“药方”。但是，我越来越意识到光靠“药典”是不能解决问题的——我们没法回避“药方”层面的问题。开药方，其难度和挑战不低于写药典。放在计划领域，这是在解决“三分技术”的问题——计划是“七分管理，三分技术”，管理的问题相对直观，共性较多；而技术的问题则不是，有很多特殊性。

比如同样是简单指数平滑法，同样的一个产品，不同时段的平滑系数都可能不同，更遑论不同的产品、不同的公司了。我花了大量的精力，围绕具体的数据做各种各样的分析，试图得出一定的结论，但这样的结论注定是有局限性的，甚至可以说有很大的局限性。每次我都是诚惶诚恐，怕分析错了误导读者。

我在写这些案例的时候，特别是写到涉及数理统计的地方时，一直如履薄冰、战战兢兢。数理统计的公式一般会要求相当大的样本数量，以及一系列的假设。而在计划中，样本数量往往不够，假设难以成立，这样导致得出的结论在数理统计上往往不够“强壮”。不过，如果不用这些数理统计的东西，还不是由某个人“拍脑袋”定计划！数理统计其实是把“拍脑袋”以科学的方式抽象出来，更系统、科学地找出纷繁复杂数据后面的规律。

不过，担心归担心，我还是决定写下这本书，分享出去，而且我相信即便错了，也是排除一种错误的做法，让读者离正确的做法更近一步。即使不完美，我希望书出版后，基于读者反馈，一版一版地迭代完善，最终成为一本这样的手册——你有了新员工，可以给他们看，说这就是基础的计划知识。本书的这一版还达不到这个高度，但希望是个好的开端。欢迎读者把你们的案例分享出来，验证、完善书中的方法论，为下一版做好准备。读者意见、建议可通过E-mail和微信发给我。

刘宝红|Bob Liu

“供应链管理专栏”创始人|西斯国际执行总监

www.scm-blog.com|bob.liu@scm-blog.com

1（510）4565568（美国）|13651271450（中国，微信同）

2020年6月于硅谷