预测和实际差一大截，库存到底按谁的数来？博润顾问数字化时代的供应链大数据分析与应用实践课讲数据校准

先分清需求信号与已发生事实，差异才有解法

预测与实际的差距通常被当成预测不准来讨论，于是不断调低预测或直接按实际倒算。但数据校准的第一步是给数据分层：系统里录的订单、实际拣货出库的数量、发票与回款记录，分别代表不同环节的事实。同一件商品在三个系统里出现三个数，多数时候是记录时点与统计口径不同，而不是某一环真的错了。

课程在有效的数据获取和分析技巧部分给出清晰的分析逻辑：为什么要分析数据、如何获取数据、如何分析数据，以及数据分析的结论如何支持决策。其中关于定性数据与定量数据收集方法的区分很关键：很多偏差来自访谈里的一句话、系统里一个错误的单位、或者一个没被同步的字段，这类问题靠看报表发现不了，只能靠有意识地收集和比对。

一个可操作的动作是，先只做一件事：把某个关键物料或某个客户在最近三个月里的需求记录、实际出库、发票金额三列数据拉到一起看差异构成，差异能拆成延迟、拆分、退货、错单几类哪一类。拆得出来，后面才有得谈校准；拆不出来，往往是数据源本身还没打通，先修数据比先调参数更划算。

库存参数不能凭感觉定，要让它跟着数据走

库存考核指标常被当作打分用的数字，实际是改进的抓手。课程在库存管理的数据应用部分讲到库存的类型及隐藏成本、常用的库存考核指标ITO与DOS，并安排ITO设置方法的九宫格法案例，以及不同行业ITO设计的对比。用周转天数倒推该备多少、该订多少批，比先定一个拍脑袋的安全库存再倒推指标要稳得多。

订货决策部分课程讲了最经济订货量的确认、推拉结合供应链及最优结合点，以及基于数据的最优订货决策也就是柔性供应链，并有安全库存与周转库存的设置实操。安全库存为什么容易设高？因为没有把交付波动纳入判断。当供应商的交付表现波动大，而需求相对平稳时，波动就应当体现在缓冲量上，而不是靠临时催单来补。

需要提醒的是，参数调整的收益依赖前提假设。如果企业当前的记录颗粒度不足以支撑某个维度的分析，例如无法区分不同交付批次的实际到货时间，那么基于该数据做出的订货批量建议可能反而偏离实际。可以先用现有数据的可靠部分做小范围验证，把结论与实际执行结果对照一轮，再决定是否推广参数。

物流方案要跟着端到端数据流走，而不是跟着经验走

物流规划常见的问题是把配送方式、仓库布局分别拍板，缺少端到端的视角。课程在物流运营的数据应用部分讲端到端的数据流如何支撑高效的订单传递，梳理物流数据类型与五种配送方式，包括Milk-run、VMI、Cross-Docking同步物流与Direct直送，并给出公司内部物流规划的核心考察点。

中转仓库的设立尤其需要数据支撑。课程列出建立中转仓库的主要评估因素，并安排了两个相关案例，一个是某跨国企业海外配送成本的改进，另一个是国内企业基于数据选择中转仓库地址。位置选错的代价是长期性的：多一段装卸、一次库存转移、一层信息延迟，短期看是省了运输，长期看可能把时效与成本同时拖高。

课程还安排了一个关于配送成本改进的案例分享，以及物流规划方法上的部分教学安排。物流规划中最容易出现的情况是，先有既定网络方案，再用数据去论证它，而不是让数据先给出可选项。倒过来做一次往往更有效：先列出候选方案，再逐项比对交付时效、装卸频次与成本结构，最后再决定中转与直送的分工。

从财务报表里看供应商，比听业务介绍更接近真相

判断供应商风险，很多人依赖业务部门的口头评价。课程在供应商财务风险评估的数据应用部分，给了非财务人员看待财务报表的路径：核心数据的取数方法、常见财务分析指标及其内在意义，如流动比率、速动比率、负债率等，以及财务中的三张表即资产负债表、损益表与现金流量表。

课程配套了资产负债表深度解析的实操案例，以及某公司连续三年财务报表简要分析的案例分享，并讲清如何用数字衡量供应商能力。三年的连续数据比一个时点快照更有意义：连续盈利但应收账款同步放大，与连续亏损但现金流为正，是两种完全不同的情况，需要用不同的方式去评估和应对。

从寻源角度看，课程讲要价格还是要质量，供应商选择的五种数据考量，以及潜在供应商评估中"10C"原则的应用，还有战略寻源矩阵中十六种战术的选择，并配了博弈论与数据不透明在高效寻源中的应用案例；同时也讨论外包还是自制这一采购的长期议题，以及成本构成的数据拆解和边际成本分析方法。这些工具的共同点，是把判断从印象转到可核对的依据上。

学员常见问题