李宁作为知名的运动服装品牌，其成功离不开高效的供应链管理和强大的物流体系的支撑。多年来的重视与投入，使李宁的供应链建设始终处于行业领先地位，先进合理的物流体系则是其高效供应链中不可或缺的一环。就需求预测、快速响应和库存管理的关系，李宁有限公司物流总监王银学结合多年专业经验进行了深入分析。

 

　　记者：需求预测对服装企业是否很重要？

 

　　王银学：需求预测的重要性，我先举一个例子来说明。2010年，很多服装企业都相信所谓科学家预测的“千年极寒”，于是，知名羽绒服企业都增加了数以百万件计的生产订单量，从来不做羽绒服的企业也挤进来做羽绒服。整个行业增加了将近1000万件的生产订单，造成羽绒的价格从10万元/吨上涨到超过30万元/吨，羽绒服工厂加工能力严重不足。一向不求人的品牌服装企业也放下身价，乞求一直处于弱势的服装工厂，哪怕付加班工资也在所不惜。结果呢？大家都期待的极寒没有出现，商家期盼的销售高峰没有出现。开始是服装工厂加工不过来，交期到了交不出货；后来是加工出来了，仓库又装不下；到了仓库，配送能力又不够；配送到了门店或经销商手中，又卖不出去。至今很多服装企业和经销商库存还积压了大量的羽绒服和棉服，而这些都是花了大代价换来的，忙忙碌碌大半年，都砸在手里了。这就是需求预测出现偏差导致的严重后果。

 

　　特别是运动、时尚类的服装，如果市场需求预测不准，要么供应不足，要么库存积压。库存不足，除了影响销售外，对品牌的负面影响也不容忽视。而库存积压，就等于呆账坏账。

 

　　记者：我们知道做好需求预测并不容易，影响预测准确性的因素有很多。目前，品牌服装企业是如何预测市场需求，从而更好地安排自己的生产和销售的？

 

　　王银学：国内品牌服装企业在近20年来进入了快速增长时期，已经诞生了多家年销售额过100亿元的大企业。同时，服装企业面临的市场环境也更加复杂：一方面是市场容量爆发式增长，另一方面是顾客个性化消费需求千变万化。这样，对市场需求的预测就十分困难。目前，国内品牌服装企业的市场需求预测还处于探索期，国际上的一些先进经验、理论，在幅员辽阔、人口众多的中国不一定管用。

 

　　国内品牌服装从设计到上市，一般要1~2年的周期，有的甚至更长。漫长的周期，无疑加大了需求预测的难度。目前品牌服装企业的市场需求预测一般主要基于以下几点：

 

　　1. 通过对历史数据的分析，找出一些规律。例如消费群体分布，消费习惯等。

 

　　2.根据消费者的需求来生产，是低层次的；高层次的应该是引导消费者如何消费。即抓住流行趋势，引领消费潮流。

 

　　3.目标企业的策略。行业标杆企业是最好的榜样，竞争对手也是可借鉴的对象。

 

　　记者：从供应链管理的角度来看，需求预测与物流体系快速反应的关系是怎样的？

 

　　王银学：服装是一种特殊的商品，一方面是季节性很强，过季了就不好卖；另一方面，从设计到上市，一般要几个月到十几个月时间，周期很长；除了季节变化，还有南北需求差异；再加上供应链的环节很多。综合以上分析来看，传统的需求预测和传统的物流管理对服装行业不奏效。如果需求预测不准，物流速度越快，只能更快地让成品变成积压库存；同时，如果有准确的需求预测，但没有快速的物流体系，最终的成品也只能眼睁睁地变成积压库存了。因此，只有准确的需求预测加上快速反应的物流体系，才有可能让服装企业形成最终的买卖，服装卖给顾客，并且顾客满意了，不退货了，生意才算做成了。

 

　　物流体系是需求预测最终实现的关键环节之一。通常我们会考虑库容量、配送资源等等，其实更关键的是物流运作模式。例如，配送涉及工厂、CDC、NDC、RDC、经销商、分销商、门店等多个节点，是每个节点逐级配送，还是从工厂直接配送到门店；库存是放在门店，还是放在物流中心；期货是暂存在工厂，还是存放在各物流中心。这些都需要仔细研究，做好规划。

 

　　记者：高效的供应链、合理的库存，对服装企业的重要性不言而喻。为应对消费需求波动和快速响应消费需求，服装企业该如何做好物流？

 

　　王银学：服装企业的物流，有自营的，也有外包给专业的3PL。至于哪一种模式更好，目前没有明显的区分。

 

　　国内至今还没有十分专业的服装3PL商，现有的几家也是在服装企业的需求驱动下成长起来的。3PL的优势是能进行资源整合，通过对不同企业的需求的整合，形成规模效应；或者峰谷互补，形成均衡的物流量，从而提高资源的利用率。但服装行业很特殊，有明显的季节性，波峰波谷十分明显，目前还没有哪一个行业的商品能和服装峰谷交替。另一方面，服装的SKU更新很快，SKU的量也不小，从而增大了库存和数据处理的难度。更现实的问题是，服装是一种容易出手的商品，在物流各个环节丢失的可能性很大，对安全管控也有较高的要求。

 

　　无论是自营还是外包给3PL，服装物流的几个关键控制点还是一样的。首先，还是前面提到的需求预测。