牛鞭效应案例分析摘要本文阐述了“牛鞭效应”的定义，“牛鞭效应”是指需求信息在从供应链下游传向上游的过程中发生的放大现象，介绍了“牛鞭效应”的提出以及以前的一些研究成果。

本文还具体的说明了“牛鞭效应”在供应链中将消费需求一级一级的放大，导致生产商无法计算产量，对各级经销商都产生了影响。

“牛鞭效应”的产生原因主要有六种，分别是：需求预测；库存策略；流通环节；提前期；促销策略；短缺博弈行为。

文章详细说明了这六种原因如何产生“牛鞭效应”，以及它所带来的危害：（1）从分销商到生产商接到的订单的变动性要比顾客需求的变动性大得多, 使得生产企业进入无序状态, 无法了解市场真正的需求量；（2）当某种产品大量销售时, 供应链的库存却无法做到迅速减少, 造成流动资金的大量占用和固定资产利润率低下；（3）各个节点企业从自身利益出发, 而不是从整个供应链的运作考虑, 因此导致整个供应链的利益很难维护；（4）由于“牛鞭效应”而导致供应链节点企业之间的不信任增加, 合作最终变成短期行为, 不利于供应链联盟的形成和发展。

“牛鞭效应”的弱化方法有：提高最终用户需求信息的透明度；缩短提前期；减少供应链的流通环节；减少价格的波动；建设起战略性伙伴关系。

这几种方法会在一定程度上弱化供应链中的“牛鞭效应”。

关键词：牛鞭效应；供应链；危害；弱化方法。

一、“牛鞭效应”的定义1.1 名称英文名称：Bullwhip effect，在管理学上俗称“牛鞭效应”，动力系统中常称为“蝴蝶效应”。

1.2 定义营销过程中的需求变异放大现象被通俗地称为“牛鞭效应”。

指供应链上的信息流从最终客户向原始供应商端传递的时候，由于无法有效地实现信息的共享，使得信息扭曲而逐渐放大，导致了需求信息出现越来越大的波动。

由于这一现象很像我们在挥动牛鞭时，只要手腕稍稍用力，鞭梢就会出现大幅度的摆动，所以被人们形象的称之为“牛鞭效应”。

“牛鞭效应”是市场营销活动中普遍存在的高风险现象，它直接加重了供应商的供应和库存风险，甚至扰乱生产商的计划安排与营销管理秩序，导致生产、供应、营销的混乱，解决“牛鞭效应”难题是企业正常的营销管理和良好的顾客服务的必要前提。

1.3 概念的提出与研究工业动态学之父Forrester 在其1961 年出版的《工业动力学》一书中最早提出了“牛鞭效应”现象，Forrester 通过列举一系列的例子证实该效应的存在，并从工业动力学的角度指出它是组织行为变化的结果。

也就是说，根据工业组织随时间动态变化的行为特点，得出这种效应是供应链系统成员之间在订货、采购、运输和生产等过程中存在时滞的结果，即一个组织所采用的基本形式和政策导致了供应链中的“牛鞭效应”。

随后，在20 世纪80 年代，J.D.Sterman 设计了一个非常著名的“啤酒游戏”实验，目的是对“牛鞭效应”进行分析。

在该实验中，扮演生产者和销售者角色的人们唯一的目的就是尽量做好自己的本职工作：如果需要啤酒，就向自己的上游发住订单。

客户如有个较小的需求波动，如增加十箱啤酒，一级批发商可能就要增加三十箱，依次波及二级批发商、供应商。

由于零售商和批发商不断的追加订货数量，导致啤酒厂供不应求，而当啤酒厂做出调整，诸如增购生产设备等，零售商又意识到实际客户的需求并没有增加多少，于是停止要货，最终造成啤酒工厂、批发商、零售商的库存大量积压。

在啤酒游戏中，任何一方的意图都是善良的，满足客户并使利润最大化，然而正式这种常规的思维方式导致了需求的变异性放大，这证实了供应链中存在着“牛鞭效应”。

Sterman 认为这样的结果是实验者的非理性行为导致的。

到20 世纪90 年代，Towill 和Lee 等学者的对“牛鞭效应”进行了更为系统的研究。

Towill 通过模拟发现，需求信息的变化幅度每经过一个环节就会变化一倍多，生产商从中间环节获得订单后，对市场需求的预测幅度几乎是初始的8倍之多，证实了库存管理方式对供应链信息扭曲的影响。

斯坦福大学的Lee 教授等人对供应链中信息扭曲这一现象作出了更为形象的描述，并采用简单的数学模型证明了供应链成员是理性的并且作出的决策是最优的，而“牛鞭效应”是供应链内部理性参与人之间战略性行为互相影响的产物。

研究结果提出，可以通过改变供应链内部组织的基础设施和相关过程来控制“牛鞭效应”。

Lee 的模型还对“牛鞭效应”产生的原因进行了系统的研究，得出了导致“牛鞭效应”的四种原因：需求预测、交易博弈、批量订货、价格波动。

1995 年，美国的保洁公司（P&G）在研究Pampers 牌一次性婴儿纸尿裤的市场需求时发现，该产品的零售数量是相当稳定的，波动性并不大。

但在考察分销中心向她的订货情况时，吃惊地发现波动性明显增大了，其分销中心说，他们是根据汇总的销售商的订货需求量向她订货的。

她进一步研究后发现，零售商往往根据对历史销量及现实销售情况的预测，确定一个较客观的订货量，但为了保证这个订货量是及时可得的，并且能够适应顾客需求增量的变化，他们通常会将预测订货量作一定放大后向批发商订货，批发商出于同样的考虑，也会在汇总零售商订货量的基础上再作一定的放大后向销售中心订货。

这样，虽然顾客需求量并没有大的波动，但经过零售商和批发商的订货放大后，订货量就一级一级地放大了。

在考察向其供应商，如3M公司的订货情况时，她也惊奇地发现订货的变化更大，而且越往供应链上游其订货偏差越大。

这就是营销活动中的需求变异放大现象，人们通俗地称之为“牛鞭效应”。

类似的现象也在惠普、IBM等跨国企业中得到了印证。

二、供应链中的“牛鞭效应”2.1 供应链战略供应链战略经常可划分为推动型系统和拉动型系统, 这源于20 世纪80 年代的制造业革命。

在一个推动型供应链中, 制造商利用从零售商仓库接到订单来预测顾客需求, 各个节点企业是根据预测来进行决策, 因此无法真实地反应市场需求, 容易形成“牛鞭效应”。

一个推动型供应链如图1所示:订单产品产品图 12.2 供应链中的“牛鞭效应”在一条供应链中，消费市场需求的一点点变化都会被一级级放大到制造商、首级供应商、次级供应商那里。

例如计算机市场需求预测轻微增长2%，放大到戴尔（制造商）时可能成了5%，传递到英特尔（首级供应商）时则可能是10%，而到了替英特尔生产制造处理器的设备商（次级供应商）时则可能变为20%。

简单来说，当经营者接到消费者发出的订单后，会根据本期从下游经销商收到的订单发出货物，并以此为依据参考销售记录预测未来需求的变化，结合本期期末库存量向上游供应商发出订单。

订单的传递和货物的运送都需要两个经营周期，那么每个经营者从发出订单到得到该计单的订货需要四个经营周期。

当消费者需求出现变化，零售商、批发商、分销商的订单及库存量自发出现波动，并且，越是处于供应链的后端，需求变化幅度越是会正数级放大。

以形状而言，这就像西部牛仔挥舞的牛鞭，鞭轻轻一抖，鞭梢便会大幅度抖动，划出一道美丽的圆弧，这就是所谓供应链管理中的“牛鞭效应”。

如图2所示：图22.3 “牛鞭效应”的影响2.3.1 “牛鞭效应”产生影响的原因“牛鞭效应”其实是在下游企业向上游企业传导信息的过程中发生信息失真，而这种失真被逐级放大的结果，从而波及到企业的营销、物流、生产等领域。

“牛鞭效应”成因于系统原因和管理原因，它们的共同作用提高了企业经营成本，对产品供应链造成消极影响，导致对市场变化的过激反应。

当市场需求增加时，整个供应链的产能增加幅度超过市场需求增加幅度，超出部分则以库存形式积压在供应链不同节点。

一旦需求放缓或负增长，大量资金和产品将以库存形式积压，整个供应链可能资金周转不良，严重影响供应链的良好运作，甚至导致企业倒闭，尤其是处于供应链末端的小企业。

以思科为例，2000年前后网络经济泡沫破灭，直接导致注销高达24亿美元的库存。

以半导体设备制造行业为例，2000年前后经济泡沫后的大量库存，直到2002年才处理完，各大公司动辄注销几千万美元的过期库存。

对众多的次级、次次级供应商而言，则意味着没有新订单，没有新的营业收入，无法维持运营。

结果是大批供应商处于崩溃边缘，大幅裁员，甚至难逃破产厄运。

2.3.2 “牛鞭效应”对于市场的影响对市场的响应速度而言，“牛鞭效应”表明，越是处于供应链后端，企业响应速度越慢。

其结果是，当市场需求增加的时候，供应商往往无法支持制造商；而当市场需求放缓时，供应商则往往继续过量生产，造成库存积压。

由于“牛鞭效应”，伴随着过量生产的是整个供应链的生产能力过度膨胀。

一旦经济不景气，整个供应链被迫大幅削减人员，关、停、并、转设备。

2.3.3 “牛鞭效应”对于宏观经济的影响对整个宏观经济而言，“牛鞭效应”可以解释为什么有些行业比另一些行业提前衰退，或滞后复苏。

拿半导体行业而言，供应链前端的芯片制造业先于后端的设备制造业衰退；而后者则滞后于前者复苏。

而对于单个企业而言，当经济复苏的时候，不但要动员自身的生产能力，更重要的是动员各级供应商。

这是因为由于“牛鞭效应”，后端供应商往往受到更大的经济影响，面临更大的财政压力，从而更难也更不情愿扩张生产能力。

在行业腾飞、经济景气时，往往由于后端供应商没法及时扩张而影响整个供应链的销售业绩。

三、“牛鞭效应”放大现象的计算案例分析例: 假定在一个简单的供应链中, 每个节点企业在仓库中都存放着7天所需的货物, 即: 每个节点企业从其上游供应商那里购买足够的材料以使得它的存货满足7 天的需求, 对某种产品的需求一直稳定在每7 天100 单位, 如果某一个7天最终客户的需求比平时多了5单位, 假设配送非常迅速, 我们可以见证“牛鞭效应”对整个供应链的影响。

给定条件: 每7天供应链的需求为100 单位;需求: 等于下一环节客户购买的数量;每个7天开始时的初期库存: 必定等于前一个周期的期末库存;每个周期的期末库存: 必定等于本周的需求;购买的单位数: 等于需求加上库存中的任何变化;购买量=净需求+ ( 期末库存—初期库存) ;具体计算结果如表1 所示:分析以上计算案例, 在第二周客户的需求增加 5 个单位时, 由于“牛鞭效应”, 信息的扭曲和放大, 导致生产商生产产量提高到了180 个单位, 而当第三周客户的需求恢复正常时, 生产商的产量变为0 单位; 当客户需求在第三周恢复到原来的100单位时, 要使得生产商恢复到100 单位的生产量, 一直要持续到第七周, “牛鞭效应”才会消失。

四、“牛鞭效应”的产生原因4.1 需求预测在供应链中, 上游节点主要依赖下游节点的定单作为需求预测的依据。

利用下游节点的定单来预测需求是导致“牛鞭效应”的主要原因之一。

当下游节点发出定单时, 上游节点以此作为未来需求的信号, 根据这一信息, 上游节点调整其需求预测并向其上游节点发出定单。