芯片流-采购策略

春节期间，总结芯片流时发现重要的采购策略没涉及。虽整个项目按全流节拉通，也聚焦了几个核心专项，但总感觉缺点什么？采购策略是芯片流项目落地的重要保障，不仅拉通了几个流程，而且分层级理清了不同芯片的采购策略，是源头，也是支撑业务的基石。

最开始，我的理解，以芯片为例，采购策略应该是结合芯片不同的物料属性（冷门、长线、常规等），根据采购物料的周期、频率、数量规则，输出唯一的采购数据。除此之外，要明确采购的来源（年度预测、下单），最后闭环在采购的执行进行监控、检讨。

这里有一个问题，脱离了芯片流这个项目本身。也就是说如果没有芯片流这个项目，其它项目只要涉及采购策略的都可以这么做。那么，基于芯片流的采购策略应该是什么呢？

中午，跟Z导师团队共创，颇有感悟。

首先，在方案前期，IT同事策划了一张数据表，按物料属性，根据标机引用次来确定该物料是否冷门，然后再用逻辑算法来确定备料数据。这里有几个问题，其一，该数据过程是动态的；其二，标机引用次并不等同于该物料是冷门料，比如某月预测该标机只引用一次，但是爆量，能说这颗料是冷门吗？

因此，看物料是否冷门，通过标机引用次来决策，肯定不合理。而冷门，对于我们当下来说是一个伪命题，它不是从物料本身来定义的，应该是从管理上进行定义的，应该是根据需求来定义的。

那么这里的采购策略应该是怎样的呢？其核心还是在标机的选择上，这里有2大类场景：

1、标机引用需求高：当一颗物料，标机A、标机B、标机C都有预测，说明是常用料，这时候的采购策略是几款标机预测需求的总和-周期内库存=需求；

2、标机引用需求低：当一颗物料，标机引用量偏少时，参考未来积单及历史用量由系统触发人为决策是否备料。

所以，在这里应该还有一张基于所有芯片的基础数据表，该表结合芯片预测量、库存及用量对其进行状态管理。对于采购量较少甚至不采购的芯片进行冻结，反向约束前端标机选择，从价值链角度降低复杂度。