一、长鞭效应

长鞭效应是对需求信息扭曲在供应链中传递的一种形象的描述。发生“长鞭效应”的主要原因有：市场需求多样化、销售波动、非限制性订货条件、计划失误、MRP的僵化计算等。

长鞭效应

供应链上的各节点企业需求信息的不相符会沿着供应链逆流而上，信息达到最源头的供应商时，会产生很大偏差。

整条供应链上，零售商、批发商、分销商和制造商等各个环节的订单都会产生波动，需求信息会有扭曲发生。

长鞭效应对制造型企业极其有害，可能导致库存积压、生产计划频繁波动、交货周期过短等问题。

二、供应链管理-牛鞭效应

小马哥最近接受了一些运营管理的培训，时间很短，理论很多，收获也不少。 这几天会分享一些在日常工作中经常会用到的理论，尽量做到浅入浅出。

有一句很老套但是很经典的经济学判断：“21世纪的竞争不是企业和企业之间的竞争，而是供应链和供应链之间的竞争。”拥有健康强壮的供应链生态已经成为了企业可持续性发展的核心竞争力。那么首先，究竟什么是供应链呢？简单来讲，供应链就是围绕着企业核心将其供应商、分销商直到最终客户联结而成的网链结构：

举个简单的例子，一个红木家具公司的基本供应链大概就是这个样子：

从上图可以看出，对于传统意义上的供应链来讲，都至少会存在供应商、制造商、零售商和客户几个不同的成员。在这些不同的成员之间进行链式互动的时候，往往会因为沟通不畅，信息缺失等因素产生一些误解，而这些误解变造成了“牛鞭效应”。具体来说，“牛鞭效应”是指在供应链中，最终客户需求的微小变化沿着供应链，向零售商、分销商、制造商乃至供应商等供应链成员的传递过程中，出现了逐级放大的现象。

怎么理解这句话呢？对于上图的这个红木家具零售店来说，假设当月的销量只增加了10%，但当零售店向制造商提供需求订单时，出于乐观预测可能会提高20%的订单量。而制造商并不知道这一点，它们拿到订单后会误以为这就是实际的客户需求，并且也会因为同样的原因向木材厂提高20%的订单量，结果造成了木材厂按照实际需求的120%* 120% = 144%来提供原料，最终造成了供大于需的成果。由于这种需求信息发生扭曲的放大作用，在供应链图示上很像高高扬起的牛鞭，因此便被称为“牛鞭效应”。

在供应链成员之间缺乏沟通和信息共享的前提下，处于供应链中上游的成员往往主要依赖于下游成员的直接订单作为更新市场预测的基本依据。 就如上面所言，由于每一级的成员都有自己的预测模型，并会根据需求适当的调整预测值，设置缓冲，导致了模型数据在逐级传播的过程中慢慢失真，并被不断的放大。

供应链中企业采购一般采用批量订货的策略，以寻求成本下降、效率提高等规模经济效益，这导致了上游企业收到的订单并不会真实的反应下游客户的需求。比如零售店可能会由于物流或者制造商打折一口气订了很多套家具囤货，但这并不是客户的实际需求。

订货提前期是指发出订单到收到货物之间所需的时间。企业往往为了不发生缺货的情况，会进行一定程度的提前采购，这便是提前期需求。通常来讲，提前期需求越大，“牛鞭效应”便约明显。比如咱们耳熟能详的“双11”时期，早在9月左右就会出现需求暴涨的情况。

企业的促销往往会造成需求量的急速增加，但往往这种效应只是短暂的。客户往往会在促销期间购买远远大于其需求的商品，比如小马哥就在双11囤了无数的卷纸，够我上一年厕所了。这也会造成供需关系的混乱，并且促销的幅度越大，造成的“牛鞭效应”越明显。

顾名思义，对每一个供应链的成员来讲，他们都会根据自己的判断对于实际需求进行不同程度的预测，并根据预测结果而不是实际需求来向上游提交订单。这种短期博弈行为也会导致明显的“牛鞭效应”。

很明显，“牛鞭效应”会造成供大于求，或者供不应求的结果，这对于想要打造高效强健的供应链生态的企业集团来说是非常大的痛点。于是，解决“牛鞭效应”便成为了近年来最热门的运营管理学课题。

减小和消除“牛鞭效应”的核心是构建有效的信息沟通和供应链成员之间的合作关系，具体的比较常见的做法有以下这些：

很显然，这是最直接最有效的解决方案。特别是在分布式开发已经非常流行的互联网时代，各种即时通讯方式都可以很好的打破沟通的地理和时间屏障。然而，就实际经验而谈，很多时候信息共享最大的障碍往往不在工具和方式，供应链成员之间如何构建互相信任的亲密关系才是最大的挑战。

言简意赅，减少促销，并通过优化物流系统，简化供应链流程等其他措施来降低成本，实现和促销同样甚至更好的效果，是最理想的结果。

缩短提前期可以有效的减小“牛鞭效应”，目前大热的“精益企业”的拉动式需求管理方式便是一个非常有效的缩短提前期，降低库存的实践理论。

企业与供应商或者零售商之间建立长期的战略合作关系，利益共享，风险共担是当今成熟企业可持续性发展的一大良方。这一战略对于解决“牛鞭效应”也有着非常神奇的化学反应。亲密关系的建立意味着信任的建立，也意味着共同利益的统一。一旦有了这些基础，供应链成员之间便很容易做到信息系统，库存系统等的整合，实现真正意义上的信息共享。

以上这4个解决方案看起来都很直接了当，但你是不是依然觉得云里雾里呢？没关系，让我们一起来看一个成功的案例：小米吧。

小米的供应链网络大概可以用下图进行总结：

从上图可以看出，小米的供应链战略大概有以下这些特点：

1. 虽然拥有数百家二级材料供应商，但是对于产品直接相关的一级供应商，小米与英飞达、富士康等12家行业领先的公司保持着 长远的战略合作关系 ；

2. 小米大大的精简了自己的供应链下游，采用了 厂家 - 消费者直接互动的的直营模式 。通过小米之家、小米app、小米有品等线上线下的大型平台，直接将生产企业和消费者链接到了一起，彻底消除了分销商和制造商之间的需求信息差。

3. 小米采用了 精益企业的拉动式需求管理战略 ，以3个月为周期进行快速的供需关系的迭代演进。通过预售等形式充分的了解客户需求，并直接反馈到了供应商。这样的方式一方面实现了供应链成员之间的 信息共享 ，另一方面又某种程度上做到了 低库存 的生产模式，在大大降低成本的同时又达到了 饥饿营销 的品牌效应。

4. 小米采用了 物流全部外包 的模式，选用京东作为自己的物流系统，这样既发挥了京东物流的集中库存和联合运输的规模化经济效应，又省下了资金用于供应链 优化等核心竞争力 上。这样目的明确的战略也是小米能做到物美价廉，不需要做太多促销也能吸引大量需求的基石。

可以说，对于小米来讲，它真正的做到了几乎消灭“牛鞭效应”的成果，不得不感叹雷爸爸超强的集团级运营管理能力，膜拜！

如果你感兴趣的话，欢迎来小马哥的 个人网站 qio一qio:

三、什么叫长鞭效应

“长鞭效应”是对需求信息扭曲在供应链中传递的一种形象的描述。

其基本思想是：当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。

产生“长鞭效应”的原因主要有6个方面，即需求预测修正、订货批量决策、价格波动、短缺博弈、库存责任失衡和应付环境变异。

扩展资料

零售商、批发商、分销商和制造商等等，每一个节点企业的订单都会产生波动，需求信息都有扭曲发生，这样下来，通过零售商、批发商、分销商、制造商，逐级而上，信息的扭曲越来越严重。

美国著名的供应链管理专家HauL.Lee教授解释Bullwhip Effect为：尽管特定产品的顾客需求变动不大，但是这些商品的库存和延期交货波动水平却相当大。

解决长鞭效应最好的方法是将这个鞭子缩得越短越好，这样引起的变化也会很小。透过高效的供应链管理系统，可以减少长鞭效应，直接降低企业的营运成本，实现实时响应客户需求的理想境界。高效的整合供应链被认为是解决方法的最有效武器。

但是一些传统的模式必须改变才能达到真正的高效运转。因为通过分析，管理学家认为，问题不在于是否对供应链进行了管理，而在于没有通过新的管理模式，尤其是在分销与库存管理方法上。

传统上，由于供应链每一个环节都是自己管理的库存，都有自己的库存控制目标和相应的策略，而且相互之间缺乏信息沟通，彼此独占库存信息，因此不可避免地产生了需求信息的扭曲和时滞，使供应商无法快速准确地满足用户的需求。

主要问题发生在快速响应用户需求的整个供应链上，供应链各个环节的活动都应该是同步进行的，而传统的库存和分销管理思想显然无法满足这一要求，必须从这两方面入手解决问题。

参考资料来源：百度百科-长鞭效应

四、什么是长鞭效应

“长鞭效应”是对需求信息扭曲在供应链中传递的一种形象的描述。其基本思想是：当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。产生“长鞭效应”的原因主要有6个方面，即需求预测修正、订货批量决策、价格波动、短缺博弈、库存责任失衡和应付环境变异。

五、长鞭效应是什么？

“长鞭效应”是对需求信息扭曲在供应链中传递的一种形象的描述。

其基本思想是：当供应链上的各节点企业只根据来自其相邻的下级企业的需求信息进行生产或者供应决策时，需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象。

产生“长鞭效应”的原因主要有6个方面，即需求预测修正、订货批量决策、价格波动、短缺博弈、库存责任失衡和应付环境变异。

产生背景

最早注意到供应链中这种需求波动逐级放大现象的人是J.Forrester, 早在1961年他就根据系统动力学理论，对一个三阶段四节点的供应链系统进行分析，指出对于季节性商品，制造商觉察到的需求变化远远超过顾客的需求变化，供应链内部的结构、策略和相互作用是导致需求变动放大的原因。

Sterman设计了“啤酒博弈”的课堂游戏（1989），从人的行为研究出发，认为决策者对反馈信息的误解是造成这种现象的主要原因。Hau L Lee等（1997）对需求放大现象进行了全面深入的分析，总结了导致牛鞭效应的四个原因并提出了牛鞭效应的量化模型和方法。