论文部分内容阅读
牛鞭效应会导致企业对市场变化的过激反应。越是处于供应链的后端，需求变化幅度越大，企业对市场响应速度越慢。
供应链的有效运作是受很多因素制约的，例如组织结构、信息渠道、地域分布、行业特征等。但是，其中最根深蒂固的影响因素当属“牛鞭效应”。
何为牛鞭效应？
在一条供应链中，消费市场需求的一点点变化都会被一级级放大到制造商、首级供应商、次级供应商那里。例如计算机市场需求预测轻微增长2%，放大到戴尔（制造商）时可能成了5%，传递到英特尔（首级供应商）时则可能是10%，而到了替英特尔生产制造处理器的设备商（次级供应商）时则可能变为20%。
简单来说，当经营者接到消费者发出的订单后，会根据本期从下游经销商收到的订单发出货物，并以此为依据参考销售记录预测未来需求的变化，结合本期期末库存量向上游供应商发出订单。订单的传递和货物的运送都需要两个经营周期，那么每个经营者从发出订单到得到该计单的订货需要四个经营周期。当消费者需求出现变化，零售商、批发商、分销商的订单及库存量自发出现波动，并且，越是处于供应链的后端，需求变化幅度越是会正数级放大。以形状而言，这就像西部牛仔挥舞的牛鞭，鞭轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这就是所谓供应链管理中的“牛鞭效应”。
下图是从1991年到2001年北美半导体行业整体库存量的变化趋势。这是个两级供应链：芯片制造是需求方，设备制造是供应商。不难看出，供应链末端的设备制造行业的库存变化幅度远大于芯片制造行业，而单个企业的变化幅度则可能更大。
芯片制造业数据包括26个美国主要芯片制造公司，例如英特尔、德州仪器等。
设备制造业数据包括17个美国主要设备制造商，如应用材料，Lam Research，Novellus等。
牛鞭效应的影响
“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。牛鞭效应成因于系统原因和管理原因，它们的共同作用提高了企业经营成本，对产品供应链造成消极影响，导致对市场变化的过激反应。当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。以思科为例，2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。
对市场的响应速度而言，牛鞭效应表明，越是处于供应链后端，企业响应速度越慢。其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。由于牛鞭效应，伴随着过量生产的是整个供应链的生产能力过度膨胀。一旦经济不景气，整个供应链被迫大幅削减人员，关、停、并、转设备。
以笔者所在公司为例，到2003年，人员从2000年高峰期的5000余人缩减到2200人左右，总部的生产厂房、办公场所从8个缩减为4个。公司的供应商则经历了更加剧烈的苦难历程，大多数供应商的人员减半，营业额只有高峰期的1/3，设备生产能力利用率只有约30%。
对整个宏观经济而言，牛鞭效应可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。这是因为由于牛鞭效应，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。
四大成因
鉴于牛鞭效应的重大影响，多年来学术界和工业界都在积极研究。根据斯坦福大学李效良教授及其同事的研究，牛鞭效应有以下四大成因：
多重需求预测
当处于不同供应链位置的企业预测需求时，都会包括一定的安全库存，以对付变化莫测的市场需求和供应商可能的供货中断。当供货周期长时，这种安全库存的数量将会非常显著。例如一美国计算机制造商预测到某型计算机的市场需求是10万台，但可能向中国的供应商下11万台的零件订单；同理，中国计算机零件供应商可能向其供应商定购12万台的原材料。以此类推，供应链各节点库存将逐级放大。
此外，有些预测方法也会系统地扭曲需求。拿移动平均法为例，前三个月的趋势是每月递增10%，那第四个月的预测也将在前三月的平均值上递增10%。但市场增长不是无限的，总有一天实际需求会降低，其间的差额就成了多余库存。如果供应链上各个企业采用同样的预测方法，并且根据上级客户的预测需求来更新预测，这种系统性的放大将会非常明显。
批量生产/订购
为了达到生产、运输上的规模效应，厂家往往批量生产或购货，以积压一定库存的代价换取较高的生产效率和较低成本。在市场需求减缓或产品升级换代时，代价往往巨大，导致库存积压，库存品过期，或二者兼具。例如笔者所管理的一家加工设备机箱的小供应商，直到宣布关门停业数月后还没有用掉生产积压下的数种机箱，主要是因为大批量生产。
价格浮动和促销
厂家为促销往往会推出各种促销措施，其结果是买方大批量买进而导致部分积压。这在零售业尤为显著，使市场需求更加不规则、人为加剧需求变化幅度，严重影响整个供应链的正常运作。研究表明，价格浮动和促销只能把未来的需求提前实现，到头来整个供应链中谁也无法从中获利。
非理性预期
如果某种产品的需求大于供给，且这种情况可能持续一段时间，厂家给供应商的订单可能大于其实际需求，以期供应商能多分配一些产品给它，但同时也传递虚假需求信息，导致供应商错误地解读市场需求，从而过量生产。随着市场供需渐趋平衡，有些订单会消失或被取消，导致供应商多余库存，也使供应商更难判断需求趋势。等到供应商搞清实际需求已经为时过晚，成为又一个“计划跟不上变化”。这种现象在2000年前后的电子行业得到充分体现，整条供应链都深受其害，积压了大量库存和生产能力，前面提到的思科就是一个典型例子。
基于上述种种成因，除了批量生产与生产模式有关外，别的都可以通过整个供应链范围的信息共享和组织协调来解决。例如企业之间共享市场需求信息，避免多重预测，减少信息的人为扭曲；在价格政策上，制造商应该固定产品价格，放弃价格促销，并与零售商共同实行“天天低价”；在理性预期上，供应商在产品短缺时应以历史需求为基础分配产品，从而避免用户单位虚报需求。在生产方式上，供应商应采用精益生产，使达到最佳经济生产批量的数量减小，从而减少供应链库存，提高对市场需求变化的响应速度。
不论如何，因为供应链本身就有缺陷，只要有需求的变化和订货周期的存在，必然会引起需求预测的失效。供应链的层次越多，这种矛盾就越明显。但我们可以在管理上避免一些非理性的行为，比如为避免短缺而发出过大的订单从而误导了上游供货商，由此给供应链带来蝴蝶效应一样的灾难性后果。诸如此类一时兴起的举动只要尽量控制，就可以减轻“牛鞭效应”所带来的恶果。■
[编辑 欧阳婉竹]
E-mail：[email protected]
供应链的有效运作是受很多因素制约的，例如组织结构、信息渠道、地域分布、行业特征等。但是，其中最根深蒂固的影响因素当属“牛鞭效应”。
何为牛鞭效应？
在一条供应链中，消费市场需求的一点点变化都会被一级级放大到制造商、首级供应商、次级供应商那里。例如计算机市场需求预测轻微增长2%，放大到戴尔（制造商）时可能成了5%，传递到英特尔（首级供应商）时则可能是10%，而到了替英特尔生产制造处理器的设备商（次级供应商）时则可能变为20%。
简单来说，当经营者接到消费者发出的订单后，会根据本期从下游经销商收到的订单发出货物，并以此为依据参考销售记录预测未来需求的变化，结合本期期末库存量向上游供应商发出订单。订单的传递和货物的运送都需要两个经营周期，那么每个经营者从发出订单到得到该计单的订货需要四个经营周期。当消费者需求出现变化，零售商、批发商、分销商的订单及库存量自发出现波动，并且，越是处于供应链的后端，需求变化幅度越是会正数级放大。以形状而言，这就像西部牛仔挥舞的牛鞭，鞭轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这就是所谓供应链管理中的“牛鞭效应”。
下图是从1991年到2001年北美半导体行业整体库存量的变化趋势。这是个两级供应链：芯片制造是需求方，设备制造是供应商。不难看出，供应链末端的设备制造行业的库存变化幅度远大于芯片制造行业，而单个企业的变化幅度则可能更大。
芯片制造业数据包括26个美国主要芯片制造公司，例如英特尔、德州仪器等。
设备制造业数据包括17个美国主要设备制造商，如应用材料，Lam Research，Novellus等。
牛鞭效应的影响
“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。牛鞭效应成因于系统原因和管理原因，它们的共同作用提高了企业经营成本，对产品供应链造成消极影响，导致对市场变化的过激反应。当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。以思科为例，2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。
对市场的响应速度而言，牛鞭效应表明，越是处于供应链后端，企业响应速度越慢。其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。由于牛鞭效应，伴随着过量生产的是整个供应链的生产能力过度膨胀。一旦经济不景气，整个供应链被迫大幅削减人员，关、停、并、转设备。
以笔者所在公司为例，到2003年，人员从2000年高峰期的5000余人缩减到2200人左右，总部的生产厂房、办公场所从8个缩减为4个。公司的供应商则经历了更加剧烈的苦难历程，大多数供应商的人员减半，营业额只有高峰期的1/3，设备生产能力利用率只有约30%。
对整个宏观经济而言，牛鞭效应可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。这是因为由于牛鞭效应，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。
四大成因
鉴于牛鞭效应的重大影响，多年来学术界和工业界都在积极研究。根据斯坦福大学李效良教授及其同事的研究，牛鞭效应有以下四大成因：
多重需求预测
当处于不同供应链位置的企业预测需求时，都会包括一定的安全库存，以对付变化莫测的市场需求和供应商可能的供货中断。当供货周期长时，这种安全库存的数量将会非常显著。例如一美国计算机制造商预测到某型计算机的市场需求是10万台，但可能向中国的供应商下11万台的零件订单；同理，中国计算机零件供应商可能向其供应商定购12万台的原材料。以此类推，供应链各节点库存将逐级放大。
此外，有些预测方法也会系统地扭曲需求。拿移动平均法为例，前三个月的趋势是每月递增10%，那第四个月的预测也将在前三月的平均值上递增10%。但市场增长不是无限的，总有一天实际需求会降低，其间的差额就成了多余库存。如果供应链上各个企业采用同样的预测方法，并且根据上级客户的预测需求来更新预测，这种系统性的放大将会非常明显。
批量生产/订购
为了达到生产、运输上的规模效应，厂家往往批量生产或购货，以积压一定库存的代价换取较高的生产效率和较低成本。在市场需求减缓或产品升级换代时，代价往往巨大，导致库存积压，库存品过期，或二者兼具。例如笔者所管理的一家加工设备机箱的小供应商，直到宣布关门停业数月后还没有用掉生产积压下的数种机箱，主要是因为大批量生产。
价格浮动和促销
厂家为促销往往会推出各种促销措施，其结果是买方大批量买进而导致部分积压。这在零售业尤为显著，使市场需求更加不规则、人为加剧需求变化幅度，严重影响整个供应链的正常运作。研究表明，价格浮动和促销只能把未来的需求提前实现，到头来整个供应链中谁也无法从中获利。
非理性预期
如果某种产品的需求大于供给，且这种情况可能持续一段时间，厂家给供应商的订单可能大于其实际需求，以期供应商能多分配一些产品给它，但同时也传递虚假需求信息，导致供应商错误地解读市场需求，从而过量生产。随着市场供需渐趋平衡，有些订单会消失或被取消，导致供应商多余库存，也使供应商更难判断需求趋势。等到供应商搞清实际需求已经为时过晚，成为又一个“计划跟不上变化”。这种现象在2000年前后的电子行业得到充分体现，整条供应链都深受其害，积压了大量库存和生产能力，前面提到的思科就是一个典型例子。
基于上述种种成因，除了批量生产与生产模式有关外，别的都可以通过整个供应链范围的信息共享和组织协调来解决。例如企业之间共享市场需求信息，避免多重预测，减少信息的人为扭曲；在价格政策上，制造商应该固定产品价格，放弃价格促销，并与零售商共同实行“天天低价”；在理性预期上，供应商在产品短缺时应以历史需求为基础分配产品，从而避免用户单位虚报需求。在生产方式上，供应商应采用精益生产，使达到最佳经济生产批量的数量减小，从而减少供应链库存，提高对市场需求变化的响应速度。
不论如何，因为供应链本身就有缺陷，只要有需求的变化和订货周期的存在，必然会引起需求预测的失效。供应链的层次越多，这种矛盾就越明显。但我们可以在管理上避免一些非理性的行为，比如为避免短缺而发出过大的订单从而误导了上游供货商，由此给供应链带来蝴蝶效应一样的灾难性后果。诸如此类一时兴起的举动只要尽量控制，就可以减轻“牛鞭效应”所带来的恶果。■
[编辑 欧阳婉竹]
E-mail：[email protected]