准备变革 Prepare for the change
一场由上向下的改善行动
改善是一场由企业管理者主导的行动，这是由改善本身的特性决定的。管理者从经营战略层面看到了企业现有的或是将要遭遇到的问题，在统筹考虑全盘的因素以后，决定采取一系列的行动，推动企业不断前进和维持员工的积极性。
库存的改善亦是如此。一线的员工可以发现很多现实的问题，比如仓库工人看到原材料到货的数量很多，就会去建议物料采购员减少订单的数量。
员工的主动性固然值得肯定，但是库存优化改善更是一个系统性的项目，需要管理者从过剩的库存中发现那些被掩盖的问题。
建立数据导向的思维方式
供应链管理非常注重数据分析，这也是供应链里最基础的内容之一。
供应链所有的活动都是建立在数据分析的基础上的。比如说给供应商下一张采购订单，具体需要订多少数量的原材料，既不会产生过量库存，也不会造成生产线缺料，只有通过严谨的数据分析后，才能做出一张合理的订单。
在谈论到库存的情况，不能简单地说过多还是过少，而是应该通过分析销售额、库存天数或是周转率以后，最后来说明库存到底是处于一个什么水平上。
库存改善也必须用数据说话，建立以数据为导向的思维方式，所有的改善方案都应该有相对应的数据作为支撑，这样才能避免直觉因素对分析判断的影响。
对症下药，步步为赢
诊断整体供应链运营情况
望闻问切是中医用语。神医扁鹊在总结前人经验的基础上，提出了望、闻、问、切“四诊法”。望指观气色;闻指听声息;问指询问症状;切指摸脉象。
这套方法也可以使用到供应链管理上，了解一个企业供应链的健康程度，寻找库存改善的空间，并对症下药。
望 — 看仓库布局和5S
如果是从宏观的角度来说，是要看仓库的布局，比如收货区、储存区和发货区的位置以及物料流动路线图。
为什么要看这些区域和路线?我们需要了解物料流动路线是否合理，是否给物流设备留出足够的操作空间，最终目的是要提高搬运效率和仓库空间利用率。
物料流动的速度会影响库存，流动得慢，库存流入和流出过程的Lead time就会变长，库存就会增加。
工厂物料流动规划图
如果是从微观的角度来看，主要看仓库的5S现场管理。5S管理内容是指整理(Seiri)、整顿(Seiton)、清扫(Seiso)、清洁(Seikeisu)、素养(Shitsuke)。
整洁的车间仓库现场
5S管理可以适用于生产车间、办公室和仓库等现场，是提高整体效率的一种有效方法。如果仓库现场非常混乱的话，那么库存的准确性和供应链健康程度一定是比较差的。
闻 — 听办公室嘈杂度
我曾经以为供应链部门的日常就是这样子的，物料采购一直在打电话给供应商催货;生产计划一直在和制造部争论为什么产量没有达到预定目标;销售客服一直在询问送货卡车司机具体位置，接着再和客户解释货物马上就到了。。。偌大的办公室就听到供应链部门的人都是在大声讲话，热闹非凡。
后来当我有机会去国外总部参观集团标杆工厂的时候，我竟然发现同事在办公室里都是轻声交谈，听到最多的是敲打键盘的声音，电话座机响起的次数也不多。对比二家工厂的供应链KPI，我们在全方位落后于对方。
为什么我们每天忙得热火朝天，但是运营结果又很差呢?原因是我们的供应链各个环节上还有很多的流程没有理顺，在操作细节上没有定义清楚，在具体执行上还不够坚决。所以才会出现部门始终处于应付各种紧急情况的困局中，同时结果也不能让管理层满意。
供应链效率和健康度很高的企业一定是这样，安静的办公区域，每个人都各司其职，在面对各种突发情况的时候，大家都可以根据既定的流程，有条不紊地进行处理。
问 — 询问流程和指导书
想要了解一家企业的供应链是怎么运作的，首先就是要看流程文件和作业指导书。这些文件，不仅体现出了企业的管理水平，而且也反映出员工的职业素养。
优秀的文件肯定是格式统一，简单明了，让人看了赏心悦目，对于制作文件的员工心生敬佩。
拙劣的流程文件格式千奇百样，内容前后脱节，让人看得摸不着头脑，制作出这种文件的员工还需要进行全方面的培训。
在供应链操作的一线岗位上，年龄低于30岁的人员流动率很高。如果企业的操作流程没有规范下来，那很有可能就是一场灾难，谁也不知道新人是否有能力独自完成工作。
只有建立起一套完善的流程文件来规范所有的操作，保持工作的一致性，这样才能让领导放心，让客户安心。
切 — 库存数据分析
供应链的数据有很多种，由于库存涉及到企业现金流，所以显得尤为重要。
如果按照库存的种类来分，库存金额包括原材料、在制品、成品和退货。
根据年度销货成本和平均库存金额，我们可以计算出库存周转率(Inventory Turnover Ratio)。
周转率是越高越好，较高的周转率可以帮助企业减轻在库存方面的压力，减少报废品的风险和提高流动性。供应链的一个重要的目标就是加快把库存转换为现金的速度。
库存周转率只能够提供企业整体供应链的健康指数，如果是要涉及到个别的原料或成品，就需要另外单独进行分析。
这里需要的数据就更加多一些，比如说在库数量、在途数量、未来需求(15周或以上)、在途时间、二次交货间隔时间和最小起订量等等。
