标杆精益

ID：bench ** rk_lean

关注

说到模拟，许多供应链经理可能会觉得有点遥不可及。事实上，对于数字时代的供应链经理来说，模拟是一种我们经常使用的工具，特别容易使用。最重要的是，它离我们不远了！

在当今的数字时代，我们可以在云中清理和整理过去积累的大量数据，随时阅读和呼叫我们建立的模拟模型，并通过机器学习和其他算法推断我们需要的结果。这在过去是不可想象的！

举个简单的例子，我们过去建立一个采购材料成本模型，通常将成本分解为材料、工作、成本GS&A、供应商利润等。Excel建立一个模板，根据我们的经验将公式与这些数字联系起来。当我们需要计算材料的采购成本时，我们只需要输入材料、工时、成本分摊等数据Excel在表格中，我们可以得到模拟计算的成本。

的确，看似很简单，但是这里面隐含了一个问题：这个凭借经验得出来的计算公式/模型靠谱吗，准确吗？我们不得不划上一个大大的问号！

不考虑模型设计师的经验能力。Excel功能有限，没有自学能力。模型设计师通常只能选择一些相对简单的因素来建立模型，而不能模拟更复杂的外部环境。此外，为了适应外部因素的快速变化，模型设计师通常需要不时地调整模型，以保持其有效性和准确性。如果设计师未能及时更新模板，用户很可能会计算出错误的结果。这对用户来说是不可避免的。

在数字时代，我们可以通过模拟产品轻松解决这些问题。

但这并不意味着模拟产品可以让我们享受成功，闭上眼睛工作。相反，在获得更高精度的模拟结果的同时，我们也需要付出更多的努力！

我们常说，好的产品离不开好的设计和好的操作。模拟产品也不例外！

那么，什么是好的设计呢？

首先，我们需要尽可能多地通过产品获取和使用各种数据。

例如，对于上述劳动力成本，我们可以实时掌握当地劳动部门统计的行业工人的基本工资水平，甚至标杆工厂的劳动力成本数据；对于原材料成本，我们可以掌握国际和国内商品交易市场的市场价格进行转换，也可以掌握一些行业分析报告来判断未来的价格趋势。我们必须感谢这个数字时代，让我们拥有数千英里的眼睛和耳朵！

其次，在不经常调整人肉的情况下，让模型有自学能力。

特别是对于具有多种影响因素的计算模型，我们可以通过机器学习建立算法模型，使模型能够与时俱进。当然，算法越复杂，算法就越准确。但模型越准确，模型就越接近实际情况。

最后，好的设计考虑了人的因素。

这在我们之前的文章《产品经理的供应链思维中提到了这一点。事实上，这个世界是人性和艺术的，因为有人存在。模拟产品也需要考虑这个因素，这只是涉及到产品的操作！

那么，什么是好的产品运营呢？

首先，我们应该学会接受不完美

几乎很少有产品一上线就能顺利完美！模拟产品上线后，最容易被质疑的问题是不准确。为什么不呢？有数据、算法模型和产品本身的问题。当然也有人的问题。

好的运营商不会盲目挑战数据不准确性，而是会与产品经理一起深入研究和讨论问题。一个一个解决，一个一个打破，让它越来越完美！

二是要有操作机制

众所周知，数据是一切的开始，为了保证数据的准确性，我们还需要建立一套相应的操作机制。

以运输成本模拟为例，将涉及司机、油费、运输距离、装卸费、过桥费等。如何确保这些数据是准确的？在数字时代，我们有GPS定位，我们有行车记录仪，但仍然不能保证这些数据是准确的。

例如，遇到交通堵塞，司机绕道怎么办？仓库吃卡，要求高装卸费怎么办？轮胎坏了，司机错了怎么办？司机在路上带了一些私人工作怎么办？

如果对这些实际场景中存在的问题没有深入的了解和检查，模拟产品就会被质疑，有被抛弃的风险。

从产品设计到产品运营，一个好的仿真产品也遵循PDCA原则：根据经验进行模拟设计（P），在实际场景中使用（D），数据验证通过操作机制进行（C），修改模拟模型（A）。

在数字时代，让我们通过模拟辅助决策和操作优化模拟！

   

资料来源：供应链架构师

       

作者：施云 Jim Shi

       

文章编辑：Blean

       

投稿方式：kaizen@bench ** rklean.cn