9.1 为什么 PMC 的绩效最难算清楚

做 PMC 的人有个共同感受：活干了不少，锅背了不少，但要说清楚自己创造了多少价值，很难。

销售可以说“我这个月签了 500 万订单”，生产可以说“我这个月产出 10 万台”，财务可以说“我这个月回款 800 万”。PMC 呢？“我这个月排了 30 张计划表”？听起来就没分量。

更难的是，PMC 的绩效指标和其他部门高度纠缠。OTD 低了，是 PMC 计划排得烂，还是生产执行不到位，还是采购交期不准？库存高了，是 PMC 买多了，还是销售预测虚高，还是客户需求变了？这些因果关系扯不清楚，PMC 就成了“万能背锅侠”。

这一章的目标，就是帮你建立一套清晰的 PMC 绩效指标体系，让你既能说清楚自己的贡献，也能定位问题的根因，还能用数据推动持续改进。

9.2 PMC 绩效指标的四维框架

PMC 的绩效不能只看一个指标，要看一组指标，覆盖交付、库存、效率、成本四个维度。这四个维度互相牵制，不能孤立优化。

维度一：交付能力——客户满意度的底线

① OTD（准时交货率）

计算公式：按期交付的订单数÷ 总订单数 × 100%

这是最核心的指标，直接反映 PMC 的计划执行能力。但定义要统一：

•“按期”是按客户要求的日期，还是按 PMC 承诺的日期？

•客户改期了怎么算？是算原日期还是新日期？

•部分交付怎么算？1000 台订单交了 800 台，算交付还是不算？

建议定义：按 PMC 最后一次承诺的日期算，部分交付按比例折算（800/1000 = 0.8 个按期订单）。

② 订单交付周期（Order Fulfillment Lead Time）

从客户下单到客户收到货的完整天数。这个指标反映的是整个供应链的响应速度，PMC 能影响的是”计划环节周期”——从接单到下达生产指令的时间。

③ 交付准确率（Delivery Accuracy）

不仅按时，还要按量、按质、按规格交付。计算公式：（按期 + 按量 + 按质 + 按规格）四项都满足的订单数 ÷ 总订单数。

有些公司只看 OTD，但客户实际收到的是“按时但数量少了 10%”，客户照样不满意。交付准确率比 OTD 更全面，但统计更复杂。

维度二：库存健康度——资金效率的晴雨表

④ 库存周转天数

计算公式：平均库存金额÷ 日均销售成本

周转天数越短，资金占用越少。但注意：

•不同行业的合理区间不同。快消品行业 30 天算优秀，重工业 90 天算正常

•周转太快可能意味着安全库存不足、断料风险高

•要和 OTD 结合起来看：周转快但 OTD 低，说明为了降库存牺牲了交付

⑤ 呆滞料占比

呆滞料金额÷ 总库存金额 × 100%

呆滞料是 PMC 的“伤疤”，直接反映计划的前瞻性和准确性。建议按月跟踪，发现趋势上升立刻排查原因。

⑥ 库存结构合理性

不仅看总金额，还要看结构：

•原材料、在制品、成品各占多少比例？

•各比例是否合理？（比如成品占比过高，可能意味着销售不畅；原材料占比过高，可能意味着过度采购）

维度三：计划效率——PMC 自身的能力指标

⑦ 计划变更率

计算公式：计划变更次数÷ 总计划次数 × 100%

变更包括数量变更、交期变更、型号变更。变更率高，说明需求管理或计划编制有问题。

但要区分“合理变更”和“不合理变更”：

•合理变更：客户改需求、市场突变、政策调整

•不合理变更：PMC 自己排错了、数据搞错了、沟通不到位

只有不合理变更才应该计入 PMC 的绩效。

⑧ 物料齐套率

计算公式：齐套订单数÷ 总开工订单数 × 100%

“齐套”的定义是生产所需物料全部到位，可以正常开工。齐套率低，生产就会频繁换线、等料，效率大幅下降。

⑨ MRP 运行准确率

MRP 算出来的采购建议，实际执行后有多少是合理的？比如 MRP 建议买 1000 个，实际买了 1000 个且用完了，就是准确；买了 1000 个但只用了 800 个，就是偏差。

这个指标需要事后跟踪，比较麻烦，但能直接反映 MRP 参数设置和数据质量。

维度四：成本控制——PMC 的经济贡献

⑩ 紧急采购金额占比

紧急采购金额÷ 总采购金额 × 100%

紧急采购通常意味着更高的单价（空运、专车、小批量）和更高的管理成本。这个指标上升，说明计划的前瞻性在下降。

⑪ 缺料停线损失

因缺料导致的停线时间× 单位时间产能损失。

这个指标比较难算，但价值很大——它能直接把 PMC 的工作和公司的利润挂钩。建议至少对关键产线做估算。

⑫ 库存资金占用成本

平均库存金额× 资金成本率（通常按 8%-10% 年化）。

PMC 每降低 100 万库存，就为公司节省 8-10 万的资金成本。这个数字要算出来，让老板看到 PMC 的价值。

9.3 绩效指标的选取与权重设计

上面列了 12 个指标，不需要全部考核。根据公司当前阶段的重点，选 3-5 个核心指标，其他作为监控指标。

不同阶段的指标侧重

指标权重的设定原则

•不超过 5 个核心指标：指标太多，员工抓不住重点，容易“样样通样样松”

•权重差距要明显：核心指标权重 30%-40%，次要指标 10%-15%，不要搞成平均主义

•每半年回顾一次：公司业务重点变了，指标和权重也要跟着调

9.4 绩效数据的收集与可视化

指标定了，数据从哪来？怎么展示？

数据来源与责任分工

可视化看板设计

数据收集完了，要让人一眼看懂。建议做三层看板：

第一层：管理驾驶舱（给老板看）

一页纸，4-6 个核心指标，用红绿灯标识：

•绿色：达标或优于目标

•黄色：接近目标，需关注

•红色：偏离目标，需行动

第二层：部门看板（给 PMC 团队看）

更详细的指标分解，按周或按日更新。包括：

•本周 OTD 趋势（和上周、上月对比）

•本周 Top 10 延迟订单及原因

•本周缺料物料清单及预计解决时间

•本周计划变更清单及变更原因分类

第三层：个人工作台（给 PMC 专员看）

每个人负责的具体任务和指标：

•我负责的订单，哪些今天到期？

•我跟踪的物料，哪些今天到货？

•我发起的计划变更，审批状态如何？

Excel 实现管理驾驶舱

不需要专业 BI 工具，用 Excel 就能做一个够用的管理驾驶舱。

步骤一：建立数据汇总表

从各系统导出原始数据，用 Power Query 整合到一个“数据源”工作表。

步骤二：建立指标计算表

用公式从数据源提取关键指标。比如 OTD：

=COUNTIFS(订单表[状态],"按期交付")/COUNTA(订单表[订单号])

步骤三：建立可视化看板

用条件格式做红绿灯：

•选中指标单元格→ 开始 → 条件格式 → 图标集 → 选择三色交通灯

•设置规则：>90% 绿色，70%-90% 黄色，<70% 红色

用迷你图（Sparkline）做趋势：

•选中数据区域→ 插入 → 迷你图 → 折线图

•放在指标旁边，一眼看到趋势

9.5 绩效分析：从“看数字”到“找根因”

指标达标了，皆大欢喜。指标不达标，怎么办？不能只看数字，要找根因。

根因分析的常用方法

方法一：5Why 分析法

连续问 5 个“为什么”，追到根因。

示例：本月 OTD 从 92% 掉到 85%。

•为什么 OTD 掉了？→ 有 15 个订单延迟交付

•为什么这 15 个订单延迟？→ 其中 10 个是因为缺料

•为什么缺料？→ 某关键芯片供应商交期延迟了 2 周

•为什么供应商交期延迟？→ 该供应商产能被大客户抢占了

•为什么没提前发现？→ 我们没有监控供应商产能利用率的机制

根因：缺乏供应商产能监控机制。对策：建立关键供应商产能监控机制，纳入季度评估。

方法二：鱼骨图（Ishikawa）

把问题的可能原因按类别梳理，常见类别：人、机、料、法、环、测。

示例：库存周转天数从 45 天涨到 60 天。

•人：PMC 新人对物料特性不熟悉，多买了

•机：ERP 系统 MRP 参数设错了，批量规则不合理

•料：某原材料价格暴涨，采购提前囤货

•法：没有呆滞料定期清理机制

•环：市场需求突然下滑，成品积压

•测：库存数据不准确，系统显示有实际没有

方法三：帕累托分析（80/20 法则）

80% 的问题往往来自 20% 的原因。把延迟订单、缺料次数、呆滞物料按原因分类排序，找出最关键的少数原因。

示例：本月 20 次缺料，原因分布：

•供应商交期延迟：8 次（40%）

•需求预测偏差：5 次（25%）

•BOM 错误：4 次（20%）

•其他：3 次（15%）

优先解决供应商交期延迟和预测偏差，就能解决 65% 的缺料问题。

AI 辅助根因分析

对于数据量大的场景，AI 可以帮忙快速定位根因。

场景：本月 OTD 异常下降，有 200 个延迟订单，人工分析太慢。

AI 提示词：

“我有 200 个延迟订单的数据，字段包括：订单号、产品型号、延迟天数、延迟原因（缺料/生产异常/质量返工/客户改期/其他）、责任部门（PMC/生产/采购/质量/销售）、涉及供应商、涉及产线。请帮我：

1.按延迟原因做帕累托分析，找出主要原因

2.按责任部门分布，看哪个部门关联最多

3.识别是否有某几个供应商或某几条产线集中出问题

4.给出针对性的改进建议”

AI 输出：自动分类统计、可视化图表、改进建议。人工复核后，形成分析报告。

9.6 持续改进：从“月度复盘”到“实时迭代”

绩效分析的最终目的不是写报告，是推动改进。改进的节奏，决定了 PMC 能力的提升速度。

改进的三层循环

第一层：日清（Daily Management）

每天 15 分钟站会，PMC 团队内部：

•昨天有什么异常？怎么处理的？

•今天有什么风险？需要什么支持？

•有没有需要升级的问题？

第二层：周复盘（Weekly Review）

每周一次，PMC + 生产 + 采购 + 销售参加：

•本周核心指标达成情况

•Top 3 问题及根因

•下周行动计划及责任人

第三层：月总结（Monthly Review）

每月一次，管理层参加：

•月度绩效报告（管理驾驶舱）

•趋势分析（和上月、去年同期对比）

•改进项目进展（PDCA 循环）

•下月重点工作和资源需求

PDCA 循环在 PMC 中的应用

AI 在持续改进中的应用

① 自动生成绩效报告

每月底，把数据丢给 AI，自动生成报告初稿：

“请根据以下数据，生成一份 PMC 月度绩效分析报告：

[粘贴数据]

要求：

1.核心指标达成情况（和目标对比、和上月对比、和去年同期对比）

2.主要亮点和不足

3.根因分析（用 5Why 或帕累托）

4.下月行动计划建议

5.语气专业简洁，适合向总经理汇报”

人工复核后，节省 2-3 小时写报告时间。

② 异常模式识别

AI 分析历史数据，识别重复出现的异常模式。比如：

•“每年 3 月，某供应商交期都会延迟 1-2 周”→ 提前在计划中预留缓冲

•“每次促销后第二个月，某产品库存都会积压”→ 优化促销后的补货策略

•“某产线每周一早上开工率都低于 80%”→ 排查周末保养和周一人员到岗问题

③ 改进建议生成

基于根因分析，AI 可以生成改进建议清单，按投入产出比排序：

“针对供应商交期延迟问题，建议以下改进措施，按优先级排序：

1.建立供应商产能监控机制（投入低，见效快，2 周可落地）

2.引入备选供应商（投入中等，3 个月落地，降低单一依赖风险）

3.实施 VMI 联合补货（投入高，6 个月落地，长期优化）

4.自建关键物料安全库存（投入高，占用资金，应急备用）”

9.7 时间驱动成本（TDABC）：PMC 的隐性价值

除了传统的 KPI，PMC 还可以用一个更高级的指标来量化自己的价值：时间驱动成本（Time-Driven Activity-Based Costing，TDABC）。

传统成本核算按部门分摊，看不出 PMC 的具体贡献。TDABC 按”活动”和”时间”核算，能算出 PMC 的每个动作花了多少成本、创造了多少价值。

TDABC 在 PMC 中的应用示例

场景：处理一次计划变更

传统视角：PMC 专员花了 2 小时改计划，人工成本 100 元。

TDABC 视角：

•直接成本：PMC 专员 2 小时 × 50 元/小时 = 100 元

•连带成本：

–采购员重新确认交期：1 小时 × 60 元 = 60 元

–生产主管调整排产：1.5 小时 × 80 元 = 120 元

–仓库调整备料：0.5 小时 × 40 元 = 20 元

–车间换线损失：2 小时停线 × 产线小时成本 500 元 = 1000 元

•总成本：1300 元

一次计划变更，表面看只花了 PMC 专员 2 小时，实际总成本 1300 元。如果每月有 50 次不合理变更，总成本 6.5 万，一年 78 万。

PMC 的价值：通过优化计划流程、提升预测准确率、加强跨部门协同，把月度变更次数从 50 次降到 20 次，一年节省 46.8 万。这就是 PMC 的隐性经济贡献。

如何用 TDABC 说话

1.选一个高频、高成本的活动：计划变更、紧急采购、缺料停线处理

2.算清全流程成本：不只是 PMC 的时间，要算所有相关部门的时间和产能损失

3.量化改进收益：改进后减少的次数× 单次总成本 = 年度节省

4.向管理层汇报：用数字说话，让老板看到 PMC 的价值

9.8 本章小结：PMC 的价值，要让数字替你说话

这一章讲了 PMC 绩效的四维指标体系、数据收集与可视化、根因分析方法、持续改进的三层循环，以及 TDABC 的隐性价值量化。核心就一句话：

PMC 不能只做幕后英雄，要用数据证明自己的价值。

指标是你的语言，数据是你的底气。当你能清晰地说出“本月 OTD 92%，比上月提升 3 个百分点，主要来自供应商交期监控机制的落地”，当你能算出“优化计划流程一年节省 46.8 万”，你在公司的地位自然不一样。

下一篇文章是这个系列的最后一篇，我们会从 PMC 的视角展望供应链智能化的未来，以及 PMC 从业者个人的成长路径。从“执行者”到“协调者”再到“推动者”，这条路怎么走，我们接着聊。