服装快反供给 链不是“瞎快”，背后要有数据做基础

作者 | 高玉娴

编者按


柔性供给 链的概念最早始于 1990 年代末，但直到 2010 年左右，才在中国市场被存眷 和普及。回溯起来，2010 年前后切实其实 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，海外品牌年夜 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，在这一配景 下逐渐失去竞争力。尤其是在“双 11”这样的电商年夜 促活动中，传统集中式的订货模式完全失效。于是，“柔性快反供给 链”成为品牌商应对前端运营不确定性的产品 ，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)。


然则 ，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。柔性快反供给 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  、仓库发货以及供给 链治理 上的瓶颈，因此，从 2010 年开始，裂帛就投入年夜 量资源做 B2C 网站、电商 ERP、电商供给 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 的年夜 麦（王浩宇）在最新一期的 InfoQ《超等 连麦. 数智年夜 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《超等 连麦. 数智年夜 脑》，我们邀请到了裂帛股份副总裁、新物云 CEO 年夜 麦（王浩宇），和极客邦科技开创 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”背后的电商快反供给 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”不雅 看直播回放。
前端运营的不确定因素，需要后端供给 链去抵冲

在“双 11”这样的年夜 促活动中，通常服装行业的供给 链会面临哪些方面的挑战？



年夜 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年夜 了。


举个例子，以前很多互联网品牌都邑 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，也就是年夜 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，各个颜色尺码弗成 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，就可能卖得不睬 想；或者流量没有预期的那么高，留下来的货都邑 酿成 库存，可能整个冬天甚至第二年都卖不完。所以备若干 货是第一头疼的问题。
怎么能力 避免这种情况，实现高效协同、避免浪费？



年夜 麦：这就要求品牌商实现更精细化的治理 。面对双 11 这种年夜 促活动，企业不克不及 再只做一次性年夜 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，通过数据剖析 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，而不是凭感到 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，这么多的裁缝 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 件裁缝 ，另外 1000 件先做原资料 备料，如果短时间内的销量确实如我们预计，那就可以基于供给 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，企业需要用后端供给 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，在这个进程 中，症结 要把供给 链酿成 快反的、柔性的。
供给 链数字化的价值，是透过数据发明 和解决问题

裂帛是如何打造这种柔性快反的供给 链的？



年夜 麦：供给 链的治理 ，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），从原资料 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。


获得 这些数据以后，还要做好内部外部的协同，比如  品牌方、原资料 供给 商、生产工厂  的三方协同。比如  ，我要做一万件裁缝 ，然则 供给 商的资料 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，那也不可 ，这时候就要快速去找到供给 链中其它具有产能的工厂  合作。


这方面比较  典范 的案例是丰田的 JIT（即时生产方法 ），也叫做无库存生产方法 。比如  ，车厂什么时候、需要若干 数量的轮子，供给 商只需要依据 这个需求，即时在流水线上组装，生产出对应数量的轮子，依照 约准时 间送到指定处所 就可以。在服装行业也类似，品牌方在什么时间、需要若干 原资料 ，可以通过系统给供给 商发送指令，双方进行协同。


然则 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  年夜 ，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资料 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资料 采购等等，这个数据是赓续 变更 的。


曩昔 ，在没有系统支持的情况下，很多决策是盲目的，要一直 打德律风 催；现在，销售端和供给 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，在年夜 促前计划对一个货品补单 2000 件，然则 原资料 现货只有 1000 米，这时候工厂  会比及 原资料 全部到位后才开始生产，因为他们不想在产线开工后期间涌现 中断，造成产能浪费。然则 ，对于品牌方来说，这中间等于浪费了原资料 期待 的时间。如果我们能及时掌握原资料 数量，运营人员就可以决定直接只做 1000 件，卖完后就推其余 款式。这就是从销售端、运营端到供给 链端信息互通，给企业带来价值的。
企业采取 这种“无库存生产方法 ”，在面对疫情这样的特殊情况时，会不会对经营造成影响？



年夜 麦：其实不是完全不备库存，而是要合理地贮备 现货的库存以及原资料 的库存。


打个形象的比方  ，上游的面料库存就像个蓄水池，在不合  的季节，蓄水池里的水位高低  可能不一  样，然则 任何时候想要取原资料 ，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，它应该依据 市场的变更 动态地去设置。


在服装行业，要从销售端倒推到供给 链端和的生产端，现货库存备若干 、原资料 库存备若干 、原资料 的原资料 备若干 ，每个行业、每个企业、每个不合  季节都是不一  样的。
数字化技术如何在这个进程 中施展 作用？



年夜 麦：除了通过基础的供给 链治理 系统，在技术层面，我们还会去建商品的数据中台，把供给 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  指导后端供给 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纰谬 ，那是不是工艺技术的问题；如果衣服失落 色，是不是原料商的问题；如果衣服失落 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买通 之后，能力 迅速定位找到问题的根源在哪里。


并且  在这个进程 中，我们还可以嵌入供给 商评价模型，把各类 症结 指标放到一起，给每个供给 商打分，评估后就会发明 ，哪些是优质的供给 商、哪些供给 商是有问题的、或者它以往表示 还可以然则 这次表示 很差，所有信息一目了然。


也就是说，供给 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、供给 商评分、财务  应付的剖析 ，发明 问题并做出改进  。决策依据数据，而不是凭感到 。
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年夜 资源上系统、做自主技术研发？是遇到了什么业务瓶颈吗？



年夜 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，能力 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年夜 核心竞争力：产品  研发能力、供给 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，平均每天要发出去年夜 概 20 几万单，这需要我们在仓库里配备 500 小我 员 24 小时一直 地运转。


第二个瓶颈就是商品供给 。比如  在双 11 年夜 促的时候，到底要准备什么样的一盘货，多年夜 范围 ，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、欠好 卖的不会酿成 滞销的库存。这对供给 链来说是巨年夜 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。然则 ，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，更多不确定因素就涌现 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，所以企业就不克不及 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，就需要整个供给 链条上各个环节有统一的共鸣 ，有灵活的能力，能力 实现原资料 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，其时 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、产能计划 、下单计划、铺货计划、补货翻单等安排 了整个商品流治理 的全链条，后续还建设了电商运营治理 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。
裂帛的供给 链系统背后的设计思路是什么样的？在建设进程 中我们有没有走过弯路？



年夜 麦：裂帛的供给 链系统最初是依据 业务痛点结构 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。


在这个进程 中我们其实踩过一些人为的“坑”。举个例子，在裂帛业务的成长 进程 中，业务往往会给技术提出年夜 量的开发需求，它们有可能是真需求，也有可能是伪需求。最后我们发明 ，当这个业务人员离职之后，很多功能  就废失落 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，把商品流治理 、商品企划和供给 商协同流程串联起来，导致后来我们不得纰谬 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其余 办法  ，只有技术人员赓续 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，可能基本 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，未来十年服装供给 链数字化，年夜 概能做到什么样的水平 ？



年夜 麦：曩昔 十年是消费互联网快速成长 的十年，而未来的十年，是家当 互联网的时代。在这个配景 下，供给 链会做到什么样的水平 ？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若干 货品；比如  我们去超市买器械 ，并不知道每个商品的供给 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进程 ，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。家当 互联网会转变 很多器械 ，可能会加速行业洗牌，会让资源会流向更有需求的处所 ，上下游的协同效率会更高，浪费会更少。
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？



年夜 麦：确实，要找到复合型的人才是异常 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进程 。


通常来说，业务人员只关怀 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，中间经过了若干 部分 、有若干 状态、涌现 了若干 种异常情况等等，他们是能看见的，然则 ，曩昔 这些技术人员又是不懂业务的。


所以，症结 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，包含 给员工提要求、定计划，比如  我们的产品  参谋 ，他会去培养一个小组，通过赓续 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，让年夜 家对业务和系统越来越熟悉。


我们发明 ，当技术人员能够把自己酿成 异常 精通业务的角色之后，就会开始乐在其中，这个进程 我们是深有感触  的。


在早期，我们被业务部分 “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，不合  的人又会提不合  的需求。后来，我们在对外输出技术的时候，又会发明 ，行业里的模式千差万别，拿原资料 来说，可能是自己采购，也可能指定原资料 由生产商去采购，还有一种是工厂  包工包料，品牌方不指定原资料 ，只要年夜 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，能力 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，宣布 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治理 者，他们是决定整个企业数字化转型成败与否的症结 ；第二层是数字思维业务人才，包含 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，饰演 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，包含 人工智能、区块链、年夜 数据等。


但在做数字化结构 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对象 ，什么样的办法 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，都邑 强调不合  体量的公司做法不一  样，年夜 家一定要具体问题具体剖析 ，千万别照办硬套。假设，市场上已经有比较  成熟的对象 和解决计划 ，那企业可能就没有需要 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。这个事情年夜 家一定要充分  想清楚。
嘉宾介绍

年夜 麦（王浩宇），新物云 CEO。计算机硕士，专注品牌数字化、供给 链治理 偏向 。国际信息系统审计师 CISA 资质，中国时尚行业 CIO 联盟理事，江苏省家当 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，熟悉服装电商及供给 链业务，带队开发的软件产品  已办事  300 多个品牌；2020 年与团队一起创建 新物云，专攻供给 链 SaaS 偏向 ，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，极客邦科技开创 人兼 CEO，InfoQ 中国开创 人，极客时间开创 人，TGO 鲲鹏会提议 人。2007 年创建  InfoQ 中国，2014 年创建 极客邦科技，2015 年提议  TGO 鲲鹏会，2017 年创建 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，拓展企业办事 市场。