关于“牛鞭效应”产生的原因及对策分析作者姓名：学号：摘要：牛鞭效应是营销活动中普遍存在的现象，是企业物流配送供应链中一类典型的由不确定性导致的复杂现象，对供应链性能有着很大的负面影响。
本文结合企业物流配送实际其供应链中的不确定性即牛鞭效应产生的成因、供应链管理产生的危害做出了分析，并在此基础上有针对性地提出相应缓解对策，有效地弱化牛鞭效应。
关键词：牛鞭效应，供应链，缓解对策1引言牛鞭效应是指在营销市场中供应链中的零售商向供应商的订货量与其实际的销售量不一致。
一般地，发给供应商的订货量，其方差大于销售给买方的(即需求扭曲) ，这种扭曲以放大的形式向供应链的上游蔓延。
牛鞭效应给企业造成的后果是不言而喻的，有时甚至非常严重。
由于较差的需求预测，制造商支付了超额的原材料成本或产生原材料短缺。
额外的制造费用、加班费，以及很高的库存水平导致超额的仓储费用和大量资金积压，低效率的运输过程和超额的运输成本等，都直接影响企业的效益。
在某些制造业中，牛鞭效应会使供应链条突然断掉或是造成大量的库存产生。
这对于资金紧缺、利润微薄的企业将是致命的冲击。
2牛鞭效应产生的原因2.1案例分析第一个认识到牛鞭效应的人是Forrester 。
他通过一系列案例研究指出，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，他还注意到这种效应在供应链的每一级都会放大。
与Forrester类似，许多学者也都通过对实际数据的数值分析从经济学角度指出了许多行业中的牛鞭效应现象。
如工厂产品计划的变化大于销售量的变化，订货量随着向供应链上游移动有增大的趋势等。
2009年IBM在北京发布了《2009全球首席供应链官调查报告——智慧的未来供应链》。
此份报告通过采访全球近400位供应链执行官，揭示了当前一些企业的供应链管理中面临着可视性、风险、客户亲密度、成本控制等5大挑战，同时提出了建立面向未来的智慧的供应链来消除牛鞭效应、应对金融危机。
宝洁、惠普等公司也发现了由牛鞭效应所产生的各种问题。
2.2“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：周次第一周第二周第三周第四周第五周1 客户需求100 105 100 100 1002零售商需求100 105 100 100 1003 初期存货100 100 105 100 1004 最终存货100 105 100 100 1005 购买100 110 95 100 1006当地批发商需求100 110 95 100 1007 初期存货100 100 110 95 1008 最终存货100 110 95 100 1009 购买100 120 80 105 10010地区批发商需求100 120 80 105 10011 初期存货100 100 120 80 10012 最终存货100 120 80 105 10513 购买100 140 40 130 10014生产商需求100 140 40 130 9515 初期存货100 100 140 100 13016 最终存货100 140 100 130 9517 购买100 180 0 160 60（表1）2.3理论证明一些学者通过数学模型证明牛鞭效应的存在性，研究的重点是订货的策略和需求信息预测。
2.3.1订货策略许多文献都用订货策略来证明牛鞭效应的存在。
Blinder首先使用这个订货策略，他提出一个与库存控制策略一致的计量经济学模型，对所观察的零售商行为模式作可能的解释。
假设零售商使用连续盘点策略，证明了牛鞭效应在只有一个零售商的单独订货和多个零售商的集结( aggregate) 订货的情形下都存在。
零售商使用周期盘点的策略下，综合考虑零售商的个别订货和集结订货，研究了策略参数、需求参数和成本系数对订货数量的影响，表明需求相关如何降低集结订货的可变性，卖方订货的自相关如何平滑供应商的订货策略。
另一类型的订货策略是( R，Q ) 。
在这种策略下，主要研究零售商的订货时间间隔和订货数量，结果表明当零售商的订货间隔变长或订货的批量增大时，供应商的需求变化一般会减少，较低的需求变化可以导致供应商较低的库存。
2.3.2需求信息预测从相关需求模型入手研究牛鞭效应问题也是一个重要的方法.，都对一个零售商和一个供应商的简单供应链系统研究需求和订货的变化情况，零售商的订货策略是使其库存水平上升。
它的的研究还包含由于供应商缺货致使多个零售商的分配博弈、多个零售商的三种不同订货时间(平衡的、同步的和随机的)以及价格波动等因素产生的牛鞭效应现象。
为了安排生产进度，计划产量，控制库存和计划物料需求，供应链中的企业通常都会预测产品需求。
而预测通常是基于企业直接接触的顾客的购买历史进行的。
当下游企业订购时，上游企业的经理就会把这条信息作为将来产品需求的信号来处理。
基于这个信号，上游经理会调整需求预测，同时上游企业也会向其供应商增加订购，使其作出相应的调整。
因此，可推出这种需求信号的处理是导致“牛鞭”效应的主要原因。
2.3.3批量订购在供应链中，每个企业都会向上游企业订货，并且会对库存进行一定程度的监控。
由于入库的物料在耗尽以后，企业不能马上从其供应商那里获得补给，因此，企业经常都会进行批量订购，在再次发出订购之前保持一定的存货。
运输费用很高是阻碍企业频繁订货的障碍之一。
卡车满负荷载重时，单位产品运输成本最低，因此当企业向供应商订购时，他们都会倾向大批量订货以降低单位运输成本。
通常供应商难以处理频繁的订购，因为处理这些订货所消耗的时间与成本相当大。
宝洁公司估计，由于订购、结算和运送系统需要人手运作，处理每笔订货的成本大约在35到75美元之间。
若企业的顾客都采用定期订购模型，则会导致“牛鞭”效应产生。
如果所有顾客的订购周期均匀分布，那么“牛鞭”效应的影响就会最小。
然而不幸的是，这种理想状态极少存在。
订单通常都是随机分布，甚至是相互重叠的。
当顾客的订货周期重叠时，很多顾客会在同一时间订货，需求高度集中，从而导致“牛鞭”效应高峰的出现。
2.3.4订货提前期由于订货信息要经过顾客—零售商—批发商—制造商—供应商几个环节进行信息处理，中间势必会造成信息耽搁、物流延迟，因此，各企业在预计库存的时候都计入了提前期，使供应链上各节点企业无法同步响应市场现实需求变化，提前期越长，微小的需求变动引发的库存和订货点的变化就越大，这样就增加了供应链中的“牛鞭效应”。
2.3.5价格波动价格波动会促使提前购买。
制造商通常会进行周期性促销，如价格折扣、数量折扣、优惠券等，这些优惠实质上是一种间接的价格优惠。
制造商的价格优惠会促使其分销商提前购买日后所需的产品，而提前购买的结果是顾客所购买的数量并不反映他们的即时需求--这些批量足以供他们将来一段时间使用。
这种促销对供应链来说可能会成本很高。
当制造商的价格处于低水平时（通过折扣或其它促销手法），顾客常会购买比自己实际所需要大得多的数量；当制造商的价格恢复正常水平时，顾客由于有足够库存，因此在其库存消耗完之前，他们不会再购买。
结果，顾客的购买模式并不能反映他们的消耗/消费模式，并且使其购买数量的波动较其消耗量波动大，从而产生“牛鞭”效应。
2.3.6库存责任失衡库存责任失衡加剧了订货需求放大。
在营销操作上，通常的做法是供应商先铺货，待销售商销售完成后再结算。
这种体制导致的结果是供应商需要在销售商（批发商、零售商）结算之前按照销售商的订货量负责将货物运至销售商指定的地方，而销售商并不承担货物搬运费用；在发生货物毁损或者供给过剩时，供应商还需承担调换、退货及其它相关损失，这样，库存责任自然转移到供应商，从而使销售商处于有利地位。
销售商掌握大数量的库存也可以作为与供应商进行博弈的筹码。
因此，销售商普遍倾向于加大订货量掌握主动权，这样也必然会导致“牛鞭效应”。
3消除或减轻牛鞭效应的对策从根本上解决牛鞭效应，供应链成员的利益目标必须完全一致。
一般来说，这是不可能的。
通过供应链的协调，订立合理的契约，建立完善的激励机制和监督机制，实行有效的信息共享，可以减轻甚至消除牛鞭效应。
在具体的运作中，可采用销售数据和库存信息共享，减少供应链环节，缩短订货的提前期或交货时间，买卖双方协调订货以及制造商价格方案的简化等策略。
3.1信息共享信息的种类很多，包括库存控制策略、库存水平、生产计划原则、生产方案、销售模式、订货策略、成本结构和市场需求等。
库存数据共享也是研究的重点。
研究当零售商的需求平稳时，共享的库存数据如何改进供应商的订货决策。
零售商批量订货时，由于批量或时间间隔的限制，其订货没有完全传达库存的状态，但有了共享的库存数据，供应商可以调节其订货，以响应零售商的异常低或高的库存。
信息共享能给买卖双方带来若干利益。
买卖双方成本结构等信息也可以共享。
当供应商知道需求和零售商的订货成本及库存保管成本的数量折扣问题。
在同样条件下得到供应商从不同的零售商的数量折扣中获利并且零售商也降低了成本的结论。
信息共享在有些时候并不总是有益的，或者说信息共享的价值很小，尤其对零售商来说。
3.2避免使用多种方法更新需求预测避免重复处理供应链上的有关数据的一个补救方法是使上游企业可以获得其下游企业的需求信息。
这样，上下游企业都可以根据相同的原始资料来更新他们的预测。
例如，计算机制造商会要求分销商将零售商中央仓库里产品的出库情况反馈回去。
虽然这些数据没有零售商销售点的数据那么全面，但这总比把货物发送出去以后就失去对货物的信息要好得多。
供应链上的合作伙伴可以使用电子数据交换系统（EDI）来进行预测。
由于使用的预测方法和购买习惯的不同，他们在向上游企业订购时，仍会导致订单的一些不必要的波动。
使用电子交换系统使上游企业能够了解下游企业的需求和库存信息，并对下游企业进行再供应。
另一种方法是绕过下游企业来获得有关信息。
例如，戴尔计算机就绕过传统的分销渠道，直接面向消费者销售其计算机。
这样戴尔公司就可以直接了解其产品的需求模式。
最后，正如前面所提到的，供应时间过长也会夸大“牛鞭”效应。
因此，提高经营效率能够大大降低由于使用多种预测更新数据所导致的需求变动幅度。