一家高速增长的美妆公司，仓库库存积压严重，却无法稳定满足客户需求：部分地区缺货，另一些地区过剩；销售团队催促加急，计划团队频繁调整数据，物流团队不得不耗费巨资通过空运在不同分销中心间调拨。库存总量不少，服务水平却持续下滑。
这正是 Huda Beauty 曾经面临的典型困境。
Huda Beauty 所处的市场环境无法依赖历史数据预测未来。产品销量常因社交媒体传播或营销活动突然爆发，大量 SKU 处于新品导入期或生命周期末端，长期预测准确率仅在 50% 左右徘徊。
与此同时，其外包制造商负责配方、灌装与组装，生产提前期长达 4 至 8 个月；成品完成后还需运输至美国、法国、英国和阿联酋的区域分销中心。整个端到端提前期高达 6 至 10 个月。
面对此类矛盾，大多数企业的第一反应是试图提高预测准确率，如更换系统、增加算法变量或要求销售提供更精确数字。但 Huda Beauty 并未局限于“如何将 50% 的准确率提升至 70%"，而是转向思考核心问题：当预测天然不可靠时，供应链如何更敏捷地应对市场波动？
01 旧供应链网络成为预测误差的放大器
从物流视角看，原有网络虽精益却缺乏冗余节点，导致反应周期异常漫长，长达 6-10 个月。这一周期可拆解为两个关键决策阶段：
第一阶段：时间锁定。组件采购、齐套、外包生产到成品形成，被串联成 4-8 个月的累计提前期。企业必须在真实需求显现前，依据有限信息提前准备组件并安排制造资源。预测期限越长，市场信息越模糊，构成了原网络的时间锁定。
第二阶段：空间锁定。在推式 DRP 分销网络中，制造商成品仓直接向美、法、英、阿联酋四个区域 DC 发货。由于运输时间差异（阿联酋最长约 8 周），企业需在成品到达前 6-8 周确定区域分配方案。此时依据并非实际消费，而是全球库存目标与区域预测，从而形成了空间锁定。
这种双重锁定导致同一批库存在不同区域呈现截然相反的状态：在美国缺货，在法国过剩，最终只能依靠高昂的空运调拨解决。
这 6-10 个月不仅是货物移动时间，更是企业完成决策、制造、上市、观察结果并修正计划的完整反馈周期。基于仅 50% 准确率的长期预测做出的决策，往往在数月后错误才完全暴露，且已造成难以逆转的后果：总量库存高企，但 SKU 结构错误或空间分布失衡。
02 设置战略“解耦点”：形成反馈短回路
原有网络的问题在于整条供应链仅有一条漫长的预测链，任何需求变化都会沿链条向上游放大传播。由于反馈周期长达数月，当真实需求传递至组件供应商时，市场往往已再次变化。
Huda Beauty 针对时间与空间锁定的痛点，重构供应链并设置了三个核心战略解耦点，重新定义了区域仓角色：
第一道边界：产前组件缓冲
目标是把生产提前期从 4-8 个月压缩至 2-4 个月，使制造端应对变动的速度提升一倍。长周期预测仅用于准备组件与产能，而接近实际需求的信号才决定最终生产什么。这使得短期市场波动无需传递给每一家包装和标签供应商。
第二道边界：全球 Hub（共享缓冲）
合同制造商生产的成品首先进入全球共享缓冲池，各区域 DC 根据实际消耗和缓冲状态向全球 Hub 提出补货需求。制造商不再面对四个地区冲突的区域预测，只需响应全球 Hub 汇总后的成品补充需求；全球 Hub 则依据各区域缓冲的紧迫程度进行分配。
第三道边界：区域 DC“一盘货”
打破 B2B 批发与 B2C 电商渠道各自为政的局面。区域层将两个渠道的需求汇聚到同一个保护缓冲中，由 B2B 订单和 B2C 实际消费共同消耗区域缓冲，再向全球 Hub 发出合并后的补货请求。
通过这三个节点，Huda Beauty 将一条长推链改造为多个能独立吸收波动、逐段拉动补货的短回路。
03 敏捷供应链：网络每天被重新计算
仅有物理节点的调整不够，若仍依赖月度 Excel、固定分配和部门割裂判断，新仓库只会沦为旧逻辑下的新节点。Huda Beauty 同步引入了一套 DDMRP（需求驱动物料需求计划）控制系统。
变革核心并非抛弃预测，而是重新划分预测与实际需求的职责：
- 慢速循环（准备未来）：利用 S&OP、滚动预测等进行组件计划、产能安排及新品上市等中长期部署。
- 快速循环（处理当下）：每日检查净流量状态，识别缺货风险、库存过载区域，动态调整生产排序、全球 Hub 发货优先级及区域 DC 接收顺序。
在 DDMRP 体系中，每个解耦点需至少每日计算净流量状态，系统通过颜色、百分比和数量直观呈现，生成补货建议并排列计划优先级，确保库存流动紧密匹配实际市场需求变化。
04 不是消灭不确定性，而是吸收不确定性
Huda Beauty 的案例表明，敏捷供应链并非追求每一步都更快或库存更少，而是通过结构性设计与动态反馈体系，让不确定性停在最适合吸收它的位置。
具体而言：组件采购与生产齐套的时间不确定性，由合同制造商处的组件缓冲吸收；区域间需求分布的不确定性，由全球 Hub 吸收；当地市场的短期波动，由区域 DC 缓冲吸收；执行层面的日常变化，则由 DDMRP 的持续感知与优先级机制吸收。
这套架构未强行让需求变得可预测，也未试图阻止市场波动，而是构建了一个能够从容应对不确定性的弹性系统。
END