婴儿纸尿裤是一种不受天气和潮流影响、销量几乎恒定的商品。然而，美国日用品企业宝洁（P&G）查看纸尿裤“帮宝适”的订单记录时发现，门店的销量很平稳，批发商向工厂下的订单却大起大落。消费者一端的小小波动沿着供应链向上游传递时越来越大，这种现象就是“牛鞭效应（Bullwhip Effect）”。
简单来说，牛鞭效应是指“终端消费者的需求变化在向零售商、批发商、制造商、原材料供应商传递的过程中被逐级放大的现象”。因为它就像轻轻抖动鞭柄、鞭梢却会大幅甩动一样，所以得名。1997年，斯坦福大学李效良（Hau L. Lee）教授的研究团队系统梳理了这一现象的成因，使其广为人知。
本文将从牛鞭效应的形成结构讲起，依次梳理四大主要原因、以啤酒游戏为例的通俗说明，以及减少波动的供应链管理方法。
牛鞭效应的结构与应对策略
小波动在供应链中被放大
供应链是由多个环节依次相连而成的链条。每个环节只看紧邻的上一环节传来的订单，再向下一环节下单。也就是说，零售商把消费者的购买当作需求，批发商把零售商的订单当作需求，制造商则把批发商的订单当作需求。
问题在于，每个环节都会多加一点余量，而且会产生时间差。消费者需求增加10%时，零售商为防万一缺货会多订15%，批发商看到这份订单后又多订20%。信号每传递一次，失真就累积一次，最末端的原材料供应商便会面对比实际大得多的需求变化。由于系统动力学的创始人杰伊·福瑞斯特（Jay Forrester）在20世纪60年代初最早描述了这种放大现象，它也被称为“福瑞斯特效应”。
这些被放大的订单会原封不动地变成成本。需求增加时，工厂加班生产、紧急采购原材料；可一旦订单再次减少，仓库里剩余的库存和闲置的设备就成了负担。有时甚至会出现某个环节库存积压、另一个环节却同时缺货的情况。结果，消费者买的东西并没有变，整个供应链的成本却增加了。
挥动鞭子的四个原因
李效良教授的研究团队将牛鞭效应的成因归纳为四点。
（1）需求预测的更新（Demand Signal Processing）
每个环节都根据上一环节的订单量单独预测需求，并在下单时加上安全库存。预测层层叠加，微小的变化就被放大成看似趋势的波动。
（2）订单批量处理（Order Batching）
为了节省运输费和订货成本而把订单攒起来一次性下达，供应商就会在一段时间的平静之后突然接到一笔大订单。
（3）价格波动（Price Fluctuation）
一旦有打折促销或涨价预告，买方就会提前多买、超出所需。实际消费并没有变，只是订单被提前了，波动因此加大。
（4）配给与短缺博弈（Rationing and Shortage Gaming）
货物短缺、供应商按订单量比例分配时，买方为了多分到一些就会下虚高的订单。短缺缓解后，这些虚假订单又会被一下子取消。
这四个原因的共同点在于，每个环节都只根据眼前的信息作出理性的行动。对个体来说正确的判断汇聚在一起，却在整体上造成了巨大的波动。
从啤酒游戏看通俗例子
有一个能让人亲身体会牛鞭效应的代表性教学模拟，那就是20世纪60年代美国麻省理工学院（MIT）斯隆管理学院设计的“啤酒游戏（Beer Game）”。
游戏规则
- 零售商（Retailer）：接受顾客的啤酒订单，并向批发商订货。
- 批发商（Wholesaler）：接受零售商的订单，并向分销商订货。
- 分销商（Distributor）：接受批发商的订单，并向工厂订货。
- 工厂（Factory）：按订单生产啤酒。
参与者之间不能交谈，订购的啤酒要几周后才能到货。库存有剩余要付出成本，库存不足也要付出成本。
游戏结果
顾客订单只在游戏中途小幅增加了一次，但在大多数队伍中，工厂一端的订货量都会先飙升、再跌到谷底。最终，仓库里堆满了卖不出去的啤酒。这说明并不是谁有意作出错误判断，而是信息传递迟缓且不完整的结构本身制造了混乱。
减少波动的供应链管理
牛鞭效应无法完全消除，但只要逐一应对其成因，就能大大减轻。
- 信息共享（Information Sharing）：如果整个供应链共同查看门店的销售时点信息（POS），各个环节就能依据实际需求而非被放大的订单来制定计划。
- 供应商管理库存（VMI）：由供应商直接查看客户的库存并自行补货，从而减少一个订货环节。
- 小批量多频次订货（Small Lot）：少量、频繁地下单并合并运输，可以平息批量订货带来的大波浪。
- 天天低价策略（EDLP）：以长期稳定的价格代替频繁打折，减少提前囤货的需求。
- 按业绩分配（Allocation）：货量不足时，不按订单量而按过去的销售业绩分配，就能减少虚假订单。
缩短提前期（从下单到到货所需的时间）也很重要。等待时间越短，需要预测的期间就越短，需要储备的安全库存也越少。
让供应链的每个环节都着眼于同一个需求，这正是打造不再大起大落的物流的第一步。
