服装快反供应链不是“瞎快”,背后要有数据做基础

2022 年 11 月 19 日 InfoQ

嘉宾 | 大麦(王浩宇) 霍太稳
编辑 | 高玉娴
柔性供应链的概念最早始于 1990 年代末,但直到 2010 年左右,才在中国市场被关注和普及。回溯起来,2010 年前后的确是一个比较特殊的时间点——电商迅速崛起,消费者开始在买卖交易中占据主导,同时,海外品牌大举进入中国市场,国内竞争压力骤升。

对于服装品牌商来说,把商品企划、设计、生产、销售等环节拉长到以年为周期的传统模式,在这一背景下逐渐失去竞争力。尤其是在“双 11”这样的电商大促活动中,传统集中式的订货模式完全失效。于是,“柔性快反供应链”成为品牌商应对前端运营不确定性的产物,它强调服装商品全生命周期、全链条各环节的一体化紧密协同,通常是以月或者周为单位做 PDCA 循环 (即计划 -Plan, 执行 -Do, 检查 -Check, 处理 -Act)。

但是,所谓“快反”,并不是盲目地“快”,背后要有数据作为依据和基础,适应业务有计划有策略的快。柔性快反供应链的打造,与数字化息息相关。

裂帛是国内的原创设计女装品牌,也是最早的互联网品牌之一。在 2012 年的“双 11”中,裂帛更是拿下了当天天猫销量的第一。作为“原生”的线上品牌,裂帛更早地遇到了订单处理、仓库发货以及供应链管理上的瓶颈,因此,从 2010 年开始,裂帛就投入大量资源做 B2C 网站、电商 ERP、电商供应链等系统等自主技术研发。

据裂帛股份副总裁、现任新物云 CEO 的大麦(王浩宇)在最新一期的 InfoQ《超级连麦. 数智大脑》中介绍,2016 年起,这些技术积淀逐渐从裂帛孵化出来,通过新的科技公司新物云,目前已经向市场上 300 多个品牌实现了技术输出。

本期 InfoQ《超级连麦. 数智大脑》,我们邀请到了裂帛股份副总裁、新物云 CEO 大麦(王浩宇),和极客邦科技创始人兼 CEO 霍太稳(Kevin),InfoQ 极客传媒数字化主编高玉娴,一起聊聊“双 11”背后的电商快反供应链是如何构建的。内容有删减,感兴趣的同学可进入“霍太稳视频号”或“InfoQ 视频号”观看直播回放。

1 前端运营的不确定因素,需要后端供应链去抵冲
在“双 11”这样的大促活动中,通常服装行业的供应链会面临哪些方面的挑战?

大麦:现在的双 11 实际上从 11 月 1 号已经开始了,节奏拉的比较长。最早的双 11 是集中在一天,赌一天的销售额,对品牌商来讲押宝风险太大了。

举个例子,以前很多互联网品牌都会给自己设双 11 的销售目标,比如去年做了 1.5 个亿,今年日常销量增长了 2 到 3 倍,也就是大促要做到 4.5 个亿,但为了完成当天 4.5 个亿的销售额,企业备的货可能是 6 个亿甚至更多。因为一个款式备了 1000 件,各个颜色尺码不可能刚好全都卖完,电商企业可能有 200 个款,每个款都要备一定的库存。

万一双 11 当天的情况跟预测的不一样,比如气温比较高,企业准备的货都是羽绒服、棉衣,就可能卖得不理想;或者流量没有预期的那么高,留下来的货都会变成库存,可能整个冬天甚至第二年都卖不完。所以备多少货是第一头疼的问题。

怎么才能避免这种情况,实现高效协同、避免浪费?

大麦:这就要求品牌商实现更精细化的管理。面对双 11 这种大促活动,企业不能再只做一次性大批量的采购,订单采购被切割得越来越碎,要求企业能够更懂市场。比如,需要尽可能去做精准预测、做试销,通过数据分析等手段,了解市场趋势。让数据来指导商品的下单、生产的派单,而不是凭感觉和人脉关系。

比如说,基于以往销售的情况以及对未来市场的预测,我们做了 100 个款,其中,一些款式的销量预测更高,就要多备一点货,其它的普通款式就可以少备一点。当然,这么多的成衣也不是一次性都做出来的。例如某款高销量产品预计能卖 2000 件,可能只是先做 1000 件成衣,另外 1000 件先做原材料备料,如果短时间内的销量确实如我们预计,那就可以基于供应链快反能力快速生产,如果预测有偏差,那也可以减少库存风险。

换句话说,前端销售运营的不确定因素,企业需要用后端供应链去实现抵冲,防止这些不确定性因素给企业造成致命的伤害,在这个过程中,关键要把供应链变成快反的、柔性的。

2 供应链数字化的价值,是透过数据发现和解决问题
裂帛是如何打造这种柔性快反的供应链的?

大麦:供应链的管理,信息化是第一步。比如说从款式设计、工艺技术到 BOM(物料清单),从原材料的选择到工厂的选择,必须把整个基础的业务流程都在信息系统中落地,规范流程提高效率,让数据沉淀,这是第一步。

得到这些数据以后,还要做好内部外部的协同,比如品牌方、原材料供应商、生产工厂的三方协同。比如,我要做一万件成衣,但是供应商的材料只够做 5000 件,这时候就要留出备料的时间;另一方面,我还要知道合作的工厂有没有这个产能,如果这个工厂任务排满满的,我的订单只能一周后开工,那也不行,这时候就要快速去找到供应链中其它具有产能的工厂合作。

这方面比较典型的案例是丰田的 JIT(即时生产方式),也叫做无库存生产方式。比如,车厂什么时候、需要多少数量的轮子,供应商只需要根据这个需求,即时在流水线上组装,生产出对应数量的轮子,按照约定时间送到指定地方就可以。在服装行业也类似,品牌方在什么时间、需要多少原材料,可以通过系统给供应商发送指令,双方进行协同。

但是服装行业的一个难点在于柔性制造。通常来说,工业品生产所需的零件数量是相对标准的,经过装配,冗余不会太多。而服装的生产需要裁剪,这个动作受人工的影响比较大,同样一块 1000 米的布,有的人能裁出 1100 件,有的人只能裁出 900 件,这跟他的排料裁剪技术能力有关。所以,品牌方经常需要实时去追踪和掌握原材料的发料、收料、用料和库存情况,与最终的生产数量目标做比对,及时决定是否要增加原材料采购等等,这个数据是不断变化的。

过去,在没有系统支持的情况下,很多决策是盲目的,要不停打电话催;现在,销售端和供应链的数据充分联动起来,运营人员就可以快速决策。之前我们用户碰到过这样的情况,在大促前计划对一个货品补单 2000 件,但是原材料现货只有 1000 米,这时候工厂会等到原材料全部到位后才开始生产,因为他们不想在产线开工后期间出现中断,造成产能浪费。但是,对于品牌方来说,这中间等于浪费了原材料等待的时间。如果我们能及时掌握原材料数量,运营人员就可以决定直接只做 1000 件,卖完后就推别的款式。这就是从销售端、运营端到供应链端信息互通,给企业带来价值的。

企业采用这种“无库存生产方式”,在面对疫情这样的特殊情况时,会不会对经营造成影响?

大麦:其实不是完全不备库存,而是要合理地储备现货的库存以及原材料的库存。

打个形象的比方,上游的面料库存就像个蓄水池,在不同的季节,蓄水池里的水位高低可能不一样,但是任何时候想要取原材料,这里面都是有的。当然,另一方面,蓄水池里的水也不是超出需求的,它应该根据市场的变化动态地去设置。

在服装行业,要从销售端倒推到供应链端和的生产端,现货库存备多少、原材料库存备多少、原材料的原材料备多少,每个行业、每个企业、每个不同季节都是不一样的。

数字化技术如何在这个过程中发挥作用?

大麦:除了通过基础的供应链管理系统,在技术层面,我们还会去建商品的数据中台,把供应链的数据、销售端到数据全都拉进来,这样一来,就可以从商品运营的角度去更好地做计划,把企划做得越来越精准,并且指导后端供应链的动作。

比如,目前已经销售的货品,消费者评价如何,退换货率怎么样?如果有客户评价说尺码不对,那是不是工艺技术的问题;如果衣服掉色,是不是原料商的问题;如果衣服掉线,是加工厂的问题,还是包装的问题等等。只有当各个环节所有的数据都打通之后,才能迅速定位找到问题的根源在哪里。

并且在这个过程中,我们还可以嵌入供应商评价模型,把各种关键指标放到一起,给每个供应商打分,评估后就会发现,哪些是优质的供应商、哪些供应商是有问题的、或者它以往表现还可以但是这次表现很差,所有信息一目了然。

也就是说,供应链数字化的价值体现在数据的利用上,通过对采购价格、货期、质量、供应商评分、财务应付的分析,发现问题并做出改进。决策依据数据,而不是凭感觉。

3 裂帛数字化走过的弯路,是被业务带着跑
作为电商品牌,裂帛当初为什么会投入巨大资源上系统、做自主技术研发?是遇到了什么业务瓶颈吗?

大麦:品牌方想把生意做好,那么设计的款式就要比较精准,对这盘货流程把控度也要更高,才能更快更准地响应市场需要,这背后归根结底是服装品牌的三大核心竞争力:产品研发能力、供应链能力、及商品运营能力。

当初裂帛遇到的第一个瓶颈是订单处理和仓库发货。比如,十年前的双 11,当天的订单量是 90 多万,在 3、4 天内完成发货,平均每天要发出去大概 20 几万单,这需要我们在仓库里配备 500 个人员 24 小时不停地运转。

第二个瓶颈就是商品供应。比如在双 11 大促的时候,到底要准备什么样的一盘货,多大规模,是什么样的货品,如何确保这些货品保质保量地生产出来,按时放到货仓里?同时,还要考虑采购成本,好卖的产品不会断货、不好卖的不会变成滞销的库存。这对供应链来说是巨大的挑战。

在电商之前,传统品牌一般是提前一年做货,提前半年开始订货,然后用半年时间慢慢生产,其中一次性生产的货品也比较多。但是,电商销售依靠快反,款式比较多,多个批次的货款汇同时下单、采购、生产以及预售补单。随着电商双 11 的兴起,更多不确定因素就出现了,比如,每年双 11 的气温不一样,流量无法确定,消费者的偏好也变得越来越多样化,所以企业就不能一次性押宝一盘货,更多的是先采购一部分试销一下,如果有一些货品卖得好,就快速再调货,这样就可以降低库存积压的风险。而这背后,就需要整个供应链条上各个环节有统一的共识,有灵活的能力,才能实现原材料快速补给,工厂快速反单,物流快速发货——这是未来商业的理想状态。

对于裂帛来说,当时也调研了一下国内外的一些技术产品,但市场上几乎还没有比较成熟的支持服装快反的系统。所以裂帛从经营企划、商品企划、采购预算、备料计划、产能规划、下单计划、铺货计划、补货翻单等部署了整个商品流管理的全链条,后续还建设了电商运营管理系统,把电商运营相关的流程、业务操作都集中到系统中,实现了总控全局。

裂帛的供应链系统背后的设计思路是什么样的?在建设过程中我们有没有走过弯路?

大麦:裂帛的供应链系统最初是根据业务痛点布局的,思路是从销售发货开始倒推生产、产前、下单、开发、设计、企划。

在这个过程中我们其实踩过一些人为的“坑”。举个例子,在裂帛业务的发展过程中,业务往往会给技术提出大量的开发需求,它们有可能是真需求,也有可能是伪需求。最后我们发现,当这个业务人员离职之后,很多功能就废掉了。也就是说,我们早期其实是被业务人员带着跑的。

这造成的结果是技术很难基于完整的需求设计合理的技术架构,把商品流管理、商品企划和供应商协同流程串联起来,导致后来我们不得不对系统进行重构,重新梳理业务流程和逻辑,再推导底层技术架构和性能。

对于企业来说,要解决这个问题没有别的办法,只有技术人员不断地跟业务打交道,亲身研究业务,掌握了足够的知识之后,对方才可能听你的。现在,我们已经从中受益,可以带着业务人员一起走,一起坐下来对等地交流。如果你只是一味地站在技术的视角看问题,可能根本解决不了对方的核心问题,更没法帮他们优化业务。

展望一下,未来十年服装供应链数字化,大概能做到什么样的程度?

大麦:过去十年是消费互联网快速发展的十年,而未来的十年,是产业互联网的时代。在这个背景下,供应链会做到什么样的程度?比如,现在我们买衣服,无论是现货还是预售,作为消费者你并不清楚卖家的仓库里有多少货品;比如我们去超市买东西,并不知道每个商品的供应链源头是哪里、经过了什么处理。未来,服装从设计研发到生产的全过程,一定会全程在线。

当然,这个目的不一定是实现可视化,而是说所有环节一定会高度互联互通,就像我们现在要打车,只要打开 APP,就能找到最近的空车一样。产业互联网会改变很多东西,可能会加速行业洗牌,会让资源会流向更有需求的地方,上下游的协同效率会更高,浪费会更少。

4 复合型人才培养,需要企业内部积累和知识传承
对企业来说,要找一个既懂业务又懂技术的人还是比较难的,我们是怎么解决这个问题的?

大麦:确实,要找到复合型的人才是非常难的,对企业来说,不要指望能从市场上招到现成的。这是一个在企业内部的积累和知识传承的过程。

通常来说,业务人员只关心自己的“一亩三分地”,只能看到公司业务的局部。虽然 IT 技术人员能看到公司的全局,比如从最初的技术建档、订单构建到订单结束,中间经过了多少部门、有多少状态、出现了多少种异常情况等等,他们是能看见的,但是,过去这些技术人员又是不懂业务的。

所以,关键在于如何把双方欠缺的能力培养起来。对于我们来说,主要是通过培训,包括给员工提要求、定计划,比如我们的产品顾问,他会去培养一个小组,通过不断地做项目,给小组成员进行实践讲解、录视频、演练,培养一个小团队出来,让大家对业务和系统越来越熟悉。

我们发现,当技术人员能够把自己变成非常精通业务的角色之后,就会开始乐在其中,这个过程我们是深有感触的。

在早期,我们被业务部门“折磨”了四五年,整天加班改需求,业务的人可能换了一轮又一轮,不同的人又会提不同的需求。后来,我们在对外输出技术的时候,又会发现,行业里的模式千差万别,拿原材料来说,可能是自己采购,也可能指定原材料由生产商去采购,还有一种是工厂包工包料,品牌方不指定原材料,只要大货经过检验就能过关。

所有的这些经验都要靠慢慢积累,只有我们自己把业务逻辑搞清楚,自信心才会提升,在面对客户的时候,才能更有把握地提供建议,培养双方信任感。

极客邦致力于数字人才培养,对于企业加快数字化、加快业务和技术融合这件事您有什么建议?

霍太稳:极客邦科技双数研究院对数字化人才进行了简单的划分,发布了“数字人才粮仓模型”。从上到下,“数字人才粮仓模型”把数字人才分成了五层:

最上面一层是数字思维管理者,他们是决定整个企业数字化转型成败与否的关键;第二层是数字思维业务人才,包括很多销售、运营、营销、财务、市场、品牌、产品设计等等;第三层是业务架构人才,他们是业务的架构师,扮演的是业务和技术连接者的角色;第四层是技术架构人才,通常横跨多个技术领域,具有技术侧的全局思维;最下面一层是专项技术人才,这部分人才需要具备两类能力,一类是软件工程能力,知道开发体系怎么运转,另一类是专项技术能力,包括人工智能、区块链、大数据等。

但在做数字化布局时,首先,企业一定要认识到,数字化转型是一把手工程,一定要有一把手的支持;然后,再去考虑具体用什么样的工具,什么样的方法论,需要用到什么样的咨询公司;再往下,才需要考虑什么情况下会用到什么类型的人才,然后有针对性地去培养。

所以,我们现在无论讨论企业数字化转型还是数字化人才培养,都会强调不同体量的公司做法不一样,大家一定要具体问题具体分析,千万别照办硬套。假设,市场上已经有比较成熟的工具和解决方案,那企业可能就没有必要自己花成本、花时间去建一个自己的数字化团队,去自研数字化系统;如果市场上的产品满足不了自己的需求,带头人又知道如何多快好省的构建一个系统,有了这样的条件,再去考虑自建。这个事情大家一定要充分想清楚。

嘉宾介绍

大麦(王浩宇),新物云 CEO。计算机硕士,专注品牌数字化、供应链管理方向。国际信息系统审计师 CISA 资质,中国时尚行业 CIO 联盟理事,江苏省产业教授,宁波 3315 引进科技创业人才;2010-2020 年在裂帛股份负责企业信息化,熟悉服装电商及供应链业务,带队开发的软件产品已服务 300 多个品牌;2020 年与团队一起创立新物云,专攻供应链 SaaS 方向,2021 年获得上市公司天使轮投资,2022 年获得蓝江资本 Pre-A 轮投资。

霍太稳,极客邦科技创始人兼 CEO,InfoQ 中国创始人,极客时间创始人,TGO 鲲鹏会发起人。2007 年创立 InfoQ 中国,2014 年创立极客邦科技,2015 年发起 TGO 鲲鹏会,2017 年创立在线职业教育学习品牌极客时间,2019 年开创极客时间企业版,拓展企业服务市场。

InfoQ 读者福利

企业级一站式数字技术学习平台——极客时间企业版,面向 InfoQ 读者推出超级 VIP 权益免费领福利,全方位体验:12+ 智能化培训管理功能、1800+ 全体系数字人才学习内容、数字人才培养一体化解决方案服务。扫描下方二维码,即可体验!

极客时间企业版由极客邦科技倾力打造,基于多年运营 InfoQ 技术社区的专家资源和生态关系网,为企业提供体系化的数字技术学习解决方案和全生命周期的顾问式服务,助力企业打造行业领先的数字化人才团队,驱动企业的数字化转型与高质量发展。

↓↓↓ 点击阅读原文,了解极客时间企业版

登录查看更多
0

相关内容

2022年中国云计算行业系列研究――laas行业研究报告
专知会员服务
27+阅读 · 2022年10月22日
2022年中国物联网平台行业概览
专知会员服务
41+阅读 · 2022年8月31日
企业数据治理痛点与阿里巴巴数据治理方案
专知会员服务
44+阅读 · 2022年7月4日
阿里巴巴千亿级大规模数字商业知识图谱助力业务增长
专知会员服务
34+阅读 · 2022年6月26日
中国数字化采购行业研究报告,36页ppt
专知会员服务
16+阅读 · 2022年6月3日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
27+阅读 · 2021年1月4日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
抖音还差一个双11购物节
创业邦杂志
0+阅读 · 2022年11月1日
为什么说数字化转型无法靠花钱买来?
InfoQ
0+阅读 · 2022年9月1日
数字化转型不是锦上添花,而是生存关键
在新零售行业做运营,需要哪些基础
人人都是产品经理
0+阅读 · 2022年3月21日
我在快手,从0到1打造“快品牌”
人人都是产品经理
1+阅读 · 2022年1月26日
【供应链】用好大数据,建设数字化供应链
产业智能官
15+阅读 · 2020年7月21日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年1月20日
Arxiv
0+阅读 · 2023年1月20日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
29+阅读 · 2021年11月2日
Arxiv
23+阅读 · 2021年3月4日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
24+阅读 · 2020年3月11日
VIP会员
相关VIP内容
2022年中国云计算行业系列研究――laas行业研究报告
专知会员服务
27+阅读 · 2022年10月22日
2022年中国物联网平台行业概览
专知会员服务
41+阅读 · 2022年8月31日
企业数据治理痛点与阿里巴巴数据治理方案
专知会员服务
44+阅读 · 2022年7月4日
阿里巴巴千亿级大规模数字商业知识图谱助力业务增长
专知会员服务
34+阅读 · 2022年6月26日
中国数字化采购行业研究报告,36页ppt
专知会员服务
16+阅读 · 2022年6月3日
专知会员服务
41+阅读 · 2021年6月22日
专知会员服务
27+阅读 · 2021年1月4日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
相关资讯
抖音还差一个双11购物节
创业邦杂志
0+阅读 · 2022年11月1日
为什么说数字化转型无法靠花钱买来?
InfoQ
0+阅读 · 2022年9月1日
数字化转型不是锦上添花,而是生存关键
在新零售行业做运营,需要哪些基础
人人都是产品经理
0+阅读 · 2022年3月21日
我在快手,从0到1打造“快品牌”
人人都是产品经理
1+阅读 · 2022年1月26日
【供应链】用好大数据,建设数字化供应链
产业智能官
15+阅读 · 2020年7月21日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
Arxiv
0+阅读 · 2023年1月20日
Arxiv
0+阅读 · 2023年1月20日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
29+阅读 · 2021年11月2日
Arxiv
23+阅读 · 2021年3月4日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
24+阅读 · 2020年3月11日
Top
微信扫码咨询专知VIP会员