AI 年度盘点与2025发展趋势展望,50+案例解析亮相AICon 了解详情
写点什么

服装快反供应链不是“瞎快”,背后要有数据做基础

  • 2022-11-21
    北京
  • 本文字数:6427 字

    阅读完需:约 21 分钟

服装快反供应链不是“瞎快”,背后要有数据做基础

编者按


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。

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。

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。

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。

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。

2022-11-21 11:248465

评论 2 条评论

发布
用户头像
这两年宁波系应该日子不好过吧,还在大量投入数字化研发么
2022-11-24 13:52 · 江苏
回复
虽然勒紧裤腰带,但看起来还是有不少企业在投入数字化,只不过比以前可能更聚焦,更考虑投入产出
2022-11-24 14:54 · 北京
回复
没有更多了
发现更多内容

机房搬迁更改集群IP

TiDB 社区干货传送门

开源!MatrixBench:实时物联网场景的数据压测“兵法秘籍”

YMatrix 超融合数据库

开源 物联网 超融合数据库 YMatrix MatrixBench

Grafana组件升级和离线镜像源

TiDB 社区干货传送门

监控 版本升级

DR Auto-Sync 的 ACID 恢复功能简介和长期断网应急处理方案

TiDB 社区干货传送门

管理与运维 数据库架构设计

墨天轮《2022年中国数据库行业年度分析报告》正式发布,精彩抢先看

墨天轮

数据库 Serverless 云原生 国产数据库 HTAP

DR Auto-Sync 搭建和灾难恢复手册

TiDB 社区干货传送门

管理与运维 数据库架构设计

Apipost预执行脚本使用教程

徐天

Apipost如何自定义响应参数?

叶小柒

【ha知识两问】ha软件是什么?ha软件用途有哪些?

行云管家

高可用 ha 日志审计 双机热备

如何合并与拆分 Word 表格中的单元格

Geek_249eec

C# word VB.NET

「钞能力养成指北」前传:开年变富,开发者如何迈出第一步?

LigaAI

敏捷开发 新年计划 复式记账 图论 企业号 2 月 PK 榜

PingCAP 黄东旭万字长文剖析数据库发展新趋势:脱离应用开发者的数据库,不会成功

TiDB 社区干货传送门

数据库前沿趋势

通过Jmeter对TiDB数据库进行压测

TiDB 社区干货传送门

监控 性能调优 实践案例 故障排查/诊断 安装 & 部署

通过Jmeter批量向TiDB数据库插入数据

TiDB 社区干货传送门

性能调优 实践案例 管理与运维 安装 & 部署 数据库连接

2023年知名堡垒机厂商及价格简单说明

行云管家

网络安全 信息安全 数据安全 堡垒机

Apipost产品介绍

徐天

品牌不得不投放户外LED广告的原因

Dylan

LED显示屏 户外LED显示屏 led显示屏厂家

程序员必备的数据库知识:数据存储结构

NineData

数据结构 数据集 数据存储 分布式链路 Radix Tree

软件测试/测试开发 | app自动化测试(Android)—参数化用例

测试人

软件测试 自动化测试 测试开发 appium app自动化测试

开发者变富攻略 | 如何使用开源工具,科学记账?

LigaAI

程序人生 敏捷开发 复式记账 企业号 2 月 PK 榜 Beancount

工厂年后开工:停机设备的维护和准备工作

PreMaint

设备健康管理 设备管理 设备预测性维护

ChatGPT3.5 !微软最新官宣整合OpenAI的14个产品细节,改变从视频会议Teams开始

B Impact

【计算讲谈社】第十六讲|当我们在谈目标时,究竟在谈什么?

大咖说

TDengine 荣获 2022 金猿奖“大数据产业最具投资价值企业”“大数据产业创新技术突破”

TDengine

数据库 tdengine 时序数据库

用Apipost进行gRPC调试教程

不想敲代码

微服务 gRPC 接口调试

TiDB Operator--K8S集群基础环境配置

TiDB 社区干货传送门

实践案例 集群管理 管理与运维 安装 & 部署 扩/缩容

2023云原生安全值得关注的3个方向

HummerCloud

ebpf 云原生安全 SBOM

【Nacos配置管理】一文带你搞懂Nacos配置管理模块

石臻臻的杂货铺

nacos

Cloud + TiDB 技术解读

TiDB 社区干货传送门

TiDB 的数据加载性能调优方案

TiDB 社区干货传送门

性能调优 应用适配

webhook告警配置

TiDB 社区干货传送门

服装快反供应链不是“瞎快”,背后要有数据做基础_大数据_高玉娴_InfoQ精选文章