作者：Richard Cushing

 

 

现在，数据量每日每夜都在呈爆炸式增长，但有用的信息却截然相反。大多数信息都是糟粕，精华往往被掩盖在其中。大量的假设等着被证实，大量的数据集要挖掘，但客观事实却是恒量的。

 

 

Nate Silver在新书《信号与噪声：为何预测有成功，有失败》中一针见血地指出：人类的判断从本质上看就是极易出错的，而人类相对贫乏的经历又会使我们在解读周遭的迹象时戴上有色眼镜，即便我们是无意识而为之。

 

 

我们的本能会欺骗我们。

 

 

Silver告诉我们，“当面临‘太多信息’的时候，我们本能的反应就是选择性地与之互动，挑拣出我们喜欢的部分，而忽视不喜欢的部分；和我们意见一致的，就成为朋友，否则，就是敌人。”

 

 

“（但是）人们总是随心所欲解读周遭的事物/远远脱离了事物本身的目的，”莎士比亚在《尤利乌斯大帝的悲剧》一书中，借西塞罗之口告诉我们这一真理。

 

 

可以说，我们对事物有着类似的偏好，并觉得心安理得，因此，“无论何时，当信息增长的速度超出了我们的理解消化水平时，我们便有了危机感。”所以，“除非我们能够积极认识到内心的偏见，否则信息的价值就被贬低了，甚至于被埋没了，”Silver写道。

 

 

计算机拯救了我们

 

 

所以我们要使用计算机！靠人力来处理海量的信息简直难上加难。我们利用计算机来筛选、过滤、组织、联系和呈现大数据，摆脱了对人脑的依赖（和偏见）。

 

 

但Silver还说，“可惜数字是不会发声的，”“我们是它的传声筒。我们为它赋予了意义。就像凯撒大帝，我们用有利于自身的方式来解读数据（但往往适得其反），却偏离了客观实际。”记住！所有的电脑程序都是由人类设计和开发的，而人类对于所处理数据的类型，以及数据加工、过滤、组织和呈现的方式存在着固有的偏见。这样一来，我们甚至来不及自己消化，就让数据被软件开发人员打上了烙印。

 

 

但可悲的是，人类却“将计算机看成是惊天地、泣鬼神的伟大发明，是人类智慧最前沿的表达……我们还希望计算机能够轻松地、不出差错地运作，最好还能克服它的创造者的不足之处。”Silver认为：“我们把计算机程序的计算结果看作是无懈可击的，甚至是如先知一般地神圣。”

 

 

如何证明我们对计算机毫无来由的信任

 

 

当我的客户在选择制造业和供应链管理系统时，我经常会提醒他们要注意到一些简单到被遗忘的事实。我跟他们说：

 

 

您已经准备好要实施一个复杂的系统了。系统要运行下去，您就要断断续续为它奉上数以千计的“原料”（SKU、工艺路线、物料清单、工作中心等因素都考虑在内），它才能以此为基础执行运算。您还要提供的因素包括：耗费、工作中心效率、设置时间、运行时间、订货至交货的时间、排队时间、等候时间、消耗速度，等等。在很多时候，您提供的都是平均值。同样的，您提供的常常还是估计值。

 

 

机器会“消化”您输入的这几千个因素，随后系统生成多个报表，比如车间日程安排（可能细化到每一分钟）、物料需求计划（生产产品所需的确切物料、数量、生产时间和地点）。系统还能计算出购买或生产成百上千的零部件和成品的“成本”。

 

 

但问题在这里：您一开始给系统提供的就是平均值和估计值，却傻乎乎地相信几十份计划和报表里的数据都是“精确”的。系统告诉您，生产一个库存单位“1001”的成本是127.19美元，您也信以为真了，还以为是实事求是，千真万确的数字。系统告诉您，要采购1507个库存单位“4712”，在7月19日前送至站点A，您也奉为圣旨，然后一字不差地照做。

 

 

但问题在于，您为系统提供的是平均值和估计值，那么计算结果是绝对不像您想象中的那样准确的！

 

 

Silver把复杂的道理说得很简单：

 

 

技术之所以有益，是因为节省了人力，但我们不能连思考也让技术代劳。

 
传统的ERP和MRP系统常常答非所问

 

 

传统的ERP和MRP系统以我们输入的平均值和估计值为基础，试图为下面这个问题给出准确的答案：

 

 

哪些物料要生产、采购和转移，什么时候来生产、采购和转移？

 

 

但是，这个问题的答案就算是准确的，也难保万无一失，系统真正需要回答的问题是：

 

 

基于我们现在掌握的情况，当前的库存、时间和空间缓冲能力有多大可能保证相关物料在供应链顺利流动？
 

如果在供应链中，我们知道了这个问题的答案，每一次都能留出战略缓冲空间，便能自动制定行动优先级，从供应链中收获最多的盈利机会。

 

 

简单。高效。准确。

 

 

这才是以需求为驱动优化供应链的方式。