牛鞭效应就是指在供应链上的信息流从终端客户向原始供应商逆向、逐层传递的时候，由于无法有效的实现需求信息的共享传递，于是信息在传递的过程中失真、扭曲并逐步放大，导致需求信息出来了越来越大的波动，就像甩一根牛鞭子一样，手头这一边的波动（需求）很小，远端鞭子的波动（需求）就很大。
这样牛鞭效应就造成了在供应链链条中，下游需求的微小变化在上游会被逐级放大，库存可能从“缺少”迅速变成“过剩”，进而影响到整个营销、供应和生产的高风险，造成整个供应链的混乱。
比如有一家公司A，生产某款产品的配件，是某产品品牌公司的供应商。这个产品在第一季度卖的非常好，于是产品公司预测了一下，下个季度怎么着都得增加100W件的采购。A配件公司一听到这个消息，得多生产一些备下库存啊，万一后面再追加采购，临时生产来不及、生产成本还高，于是生产计划下订单就从100W件变成了110W件。
A公司的原材料供应商B公司一看这个配件买的既然这么好，也得多备些安全库存啊，不然后面的订单一旦变成零星订单、急单，到时浪费产能，于是算了一下那就生产120W套原材料吧。
大家看，这个市场需求就是这么从市场端传到品牌产品公司的一级供应商A，再由供应商A把需求放大到A的供应商B，B基于对A的分析又放大了一下，就从最开始的100W变成了120W，增加了20W的需求。市场就是牛鞭效应的头，甩出去的需求波浪越来越大，离市场越远的生产制造商对实际需求的判断误差就越来越大、越来越不准确。
之所以会产生牛鞭效应，是因为供应链上的各级供应商只会根据与它相邻的下级销售商的需求进行供应评估，这种需求信息的不真实性会沿着供应链逆流而上，产生逐级放大的现象，到达最终源头的供应商时，他们所获取的需求信息和实际消费市场中的客户需求产生了很大的偏差。
这样一来，上游供应商往往会维持比下游需求更高的库存水平，来应对下游订货的不确定性，所以就人为的增大了供应链中的生产、供应、库存管理的风险。
好的，今天的分享就到这里。供应链系列的下篇文章我们继续来分享牛鞭效应的产生到底合不合理，我们应该如何理解它。以及有没有什么方法来控制牛鞭效应，改善库存降低库存压力。
关于派可数据 商业智能BI可视化分析平台：
