在联合利华做供应链实习：我如何用KPI和归因链路优化库存

在联合利华斯德哥尔摩的供应链实习中，我负责把库存问题从“感觉不对”变成“可以追踪、可以讨论、可以调整”的管理对象。相比单纯看某一个数字，我更关注的是如何把缺货、交付、积压和补货决策放进同一个分析框架里，让团队对问题的判断口径一致。

为什么先做指标体系

库存优化最容易陷入的误区，是把结果当成原因。看到缺货，就立刻讨论补货；看到积压，就直接压库存。但如果没有统一口径，团队很难判断问题究竟来自需求波动、参数设置，还是执行偏差。

因此，我先参与搭建了一套更清晰的供应链KPI体系，重点围绕几个核心指标展开：

• 缺货率：识别哪些品类在关键周期内最容易断货。
• 交付及时率：观察供应执行是否稳定，避免只看库存、不看履约。
• 库存积压：定位高库存但周转慢的SKU，识别资源占用。
• 周度跟踪机制：把指标固定到同一节奏中，保证每周都能横向对比和追踪变化。

这一步的价值不在于“多了一个报表”，而在于让后续讨论有了共同语言。只有口径统一，问题归因和行动优先级才有意义。

用归因链路拆解缺货与积压

单看结果指标并不能指导动作，所以我接着把缺货和积压拆成一条可追踪的归因链路。我的思路是先从结果往前推，逐步定位影响环节，再判断哪些变量值得优先调整。

在这个框架里，我重点关注三类问题：

• 需求端是否存在预测偏差，导致补货节奏与实际消耗错位。
• 参数端是否存在补货点、安全库存等设置不合理的问题。
• 执行端是否存在交付波动、协同滞后或节奏不一致的情况。

这样做的好处，是团队不再围绕“库存高还是低”做笼统讨论，而是能更快判断问题属于预测、参数还是执行，再把资源投向最关键的环节。

从指标走向动作

在有了统一指标和归因逻辑后，下一步就是把分析转成可执行动作。我把重点放在补货优先级清单和参数优化上，让每周的讨论不只停留在复盘，而是能形成具体调整建议。

推进过程中，比较关键的不是做出多复杂的模型，而是让跨部门团队能对同一组数字形成一致理解。围绕补货参数与安全库存，我们逐步梳理出哪些SKU需要更高保障、哪些SKU应该降低库存占用，避免用同一策略处理所有产品。

这类工作最终带来的提升并不戏剧化，但很扎实。随着周度跟踪和参数优化逐步稳定，库存积压减少了10%。对我来说，这个结果说明库存优化本质上不是单一分析任务，而是一个把指标、沟通和执行连接起来的过程。

我的收获

这段实习让我更清楚地理解了一件事：好的供应链分析，不是把仪表盘做得更复杂，而是让数字能够支持决策。

我最重要的几个收获是：

• 指标体系的价值，在于把问题说清楚，而不是把页面做得更满。
• 库存问题往往是系统问题，需要把需求、参数和执行放在一起看。
• 真正有效的分析，最后一定要落到行动优先级，而不是停留在结论本身。

回头看，这段经历让我对“数据分析”这件事有了更务实的理解。数据本身不会自动改善运营，真正有用的是把数据整理成团队可以执行的判断框架，而这也是我在联合利华这段供应链实习里学到的最重要的东西。