Eike Michaelis：如何通过数据分析来帮助你做采购决策

　　上海千实纺织行业资讯：阿迪达斯采购总监 Eike Michaelis 在3月15日 “中国与亚洲国际纺织论坛2016”上的讲话实录。

　　【什么是数据决策方法】

　　很多人只是看了价格、可用性、质量、国家风险等数据就做了决定。但是分析是一个数据+X的过程，这个“X”就是一个算法。所以我们要做的并不仅仅关注那些数据，而是要利用这些数据来建立一个方法，从而解决这个问题。当然这个方法必须要清晰、明确、透明、基于事实、基于规则。如果你有这样一个清晰的、透明的，基于事实的规则，那么我们可以确定这套方法是可以重复的。你必须要在数据的基础上要有一套明确的规则来给你一个明确的答案：从哪里去做采购。所以解析就是在数据的基础上做一个算法。

　　【阿迪达斯的全球采购策略】

　　好的采购地点在哪里？问题很简单但是答案很复杂。我要去考虑我想要的产品具有哪些因素，哪个国家生产这些东西，还要考虑这些产品的成本、可用度、质量和风险。大家在做采购决策的时候，其实都是要考虑这些问题。一般人做决策就是仔细看看几项因素当中的某几项，比如说成本、质量，他们看得不会特别全面，然后就做出决定了。他根本不会去详细看其他的因素。其他的因素可能就是用自己的直觉和感觉来做出的，比如国家的风险、关税，供货能力等。

　　利用数据解析来做全球的采购决定应该确保在整个采购决策过程中考虑更多地因素，结合起来一起来考虑采购的成本、货物的供货情况、质量和风险，这样可以确保我们能够更好地关注工厂的专业度。比如说一家工厂专门就做POLO，由其他的工厂做T恤，为他们采取不同的策略。此外还可以更好地关注关税，之前做采购决策的时候关注的是离岸价，而现在我们需要整个采购的过程能够有一定地一致性，而不是说仅仅因为季节的变化、离岸价的变化，就要改变进货的地方。我们要把制作的复杂度、采购的复杂度平衡起来。

　　阿迪达斯推崇的是一种平衡的方法，把各个因素量化，加上透明的规则，我们要求的并不一定是完美的解决方案，但是至少是各方面都比较平衡、都比较好的解决方案。这种平衡的方法，我们要做的首先是在模型当中要加入很多的因素，甚至是包括员工的情绪。但是所有的这些因素都应该被分不同的优先度，比如说有一些因素只是作为一个参考项。比如说员工的情绪，我不会把它作为很高的优先度来考虑，这是级。第二个级别就是我们的次要因素，比如说我们要考虑这一家供货商的产能，产能是非常重要的。我们有的时候也不得不为了产能去做出其他方面的牺牲，而第三类是优先度高的，重要的因素。这里面就包括了成本、质量、供货的稳定性。当然这些因素的优先程度高低是由自己的公司来决定的。

　　【利用数据解析制定采购策略的步骤】

　　步也是重要的是制定偏好规则。偏好规则包括你要去哪个国家采购，简单来说如果我想要买球衣，我想要从柬埔寨买还是从其他的国家买，以及我想要从什么工厂买。

　　第二步就是制定优先度定义，比如说如果有一个供应商在越南的产能非常有吸引力，那么它到底获得哪一个材料的订单，是篮球衣还是足球衣？当然你可以用直觉来看，我看了一下销售的区域，然后发现从柬埔寨这一边卖到欧洲的这一块比较多一点。但是你也可以用我们的计算机来决定这个事情。当然了，这是复杂的这一块。你要去定义这样一种规则、定义这种优先度，你必须挖掘你专业的采购知识，把这些专业知识放到这些规则的制订当中。

　　第三步必须要先去收集数据，收集数据不容易，相信大家手头有很多的数据，而且很混乱。我发现几乎所有的公司他们的数据或多或少都会有一些无组织的状态。然后下一步才是你的算法，要来看我这个规则获得的结果是什么。过程中你需要去多次迭代，你要把计算出来的结果给专家看，不断修正和增加信息，多次以后你的策略可以获得人们的信任，因为专家说这是一个好的结果，所以大家都相信你的说法。这个新的采购战略是基于数据解析的，而不像过去一样只是根据专家大脑来做的决定。这样一种采购的战略能够优化成本，我们每年都能通过更好地分布资源来节省几百万美金，但是成本不只是全部，你要选择便宜的供应商这件事情很容易，但是还要同时确保货是有的，另外还要确保这个货是高质量的。比如说我之前所说的专业化。比如说我们一个工厂要生产70%的POLO衫，那么他们可能是世界上好的POLO衫的工厂，因为他们有经验，然后质量也会因此而提升。

　　采购策略生成后你是否会有买入的机会？这是比较困难的，还是会有人不为你的决定买单。不管你是决定在中国还是越南生产，一旦你有决定想要把生产换一个地方，总会有人不同意你的决定，因此一开始你不能让所有人买单认同你的做法。但是由于你的规则量化而透明，你背后的理由很充分，如果有人说你应该留在柬埔寨或者是中国，这时候你就有理由跟他解释为什么你要做出这样的决定。

　　成本比过去更好了，质量也更高了，所有的这些都是因为你花了一些时间、花了一些精力把知识从专家的大脑当中提取了出来。另外顺便提一句，如果专家决定辞职怎么办？那这时你的知识是否都流失了，如果已经将专家的采购策略规则化，可能专家走了以后对公司的损失并不是太大。

　　总结以上，对于采购决策来讲，过度设计有些时候比设计不足更糟糕。如果你要做决策的话，那么情愿把它做得简单一点也不要弄得复杂。但是你要尽量考虑以及量化所有的因素，同时也必须要采纳专家的经验，因此，一次迭代是不够的，你必须要多次迭代要获得更多专家脑中的信息。所以说，专家是不能被算法完全替代的，而是算法很好地补充。解析可以绝大程度地促进你做出更好的基于事实的决策。很少人能够知道怎样做，很少的人可以只凭依靠自己的大脑而做出很好的决定，所以如果你做解析的话，你就很容易胜出，这就是为什么你需要采纳解析技术。