一个客户联系我，计划能通过什么方式提升效益吗？面对这个脱离实际问题的疑问，颇有种颠沛流离碰儒生的感觉。问“ 志犹未已，君谓计将安出？”。那我也就以我对计划的理解，答曰：“主公，吾有四策，可定计划！”
计划，是指人们为了实现某个目标或完成某项任务而预先制定的行动方案。计划要协同，只是协同在方法和维度上有很大差别，可以在大方向上，也可以在具体的行为上，可以精密协同，也可以大致协同：
计划可以帮助我们更有条理地进行工作和活动，提高效率和成功率。在制定计划时，我们通常会考虑到时间、资源、目标等因素，并进行合理的分配和安排。
一. 粗颗粒度 – 宏观 ：最佳实践
粗颗粒度宏观叙事是一种叙事方式，它倾向于从宏观的、较为宽泛的视角来讲述故事或事件，不过分关注细节，而是侧重于整体的结构、发展和影响。这种叙事方式通常用于描述大尺度的历史变迁、社会现象或文化趋势，强调整体性和普遍性的规律。粗颗粒度宏观也叫最佳实践。首先宏观维度代表什么？在宏观层面上，我们要解决跨职能中远期的事，这里把它定义为一种运作策略。举个例子，以库存为例，一个产品需要30天的安全库存，那我们可以定义为宏观的事件。但如果基于三四天去具体去采购，偏执行程的事情，那我们可以定义成为微观的事件。从宏观的角度上我们又可以分成两大类：第一类粗颗粒度，第二类细颗粒度。从宏观粗颗粒度上，我们就可以理解为一种实践方式。我们需要先去理解这个职能诉求。我不能够提供一种非常精细化的关联方式，但我可以提供一种定义化的关联方式。最常见的是ABC分类法。对于采购而言它有自己的分类，对生产而言也有自己的分类，对销售而言同样如此。我们通过这样的分类去告知上下游环节，哪些是我重视的，哪些是要特别去应对的。这种有很多方法。可以大致分成两类：
- 总结，以采购为例子，可以根据需求量大小去分，通用采购或者是通用物料专用物料。再结合采购的易难程度，去定义通用长周期通用短周期，在针对这几类制定不同的处理方法。这里不同的方法，理论上叫做库存策略。
- 通用的方法论，一般是来自于咨询公司或者书籍。以采购为例子，比如结合卡拉杰克模型。我们对刚才的分类再进一步细分。它是属于通用长周期的杠杆类物料。它除了通用和长周期两个客观属性还赋予了一个管理属性。我们希望这个物料呢尽可能为公司去截取更大的利润的。这个分类进一步的细化并且融入了一些管理的方法。
- 同行业:根据竞争对手的做法再结合我们公司自己的情况做出调整。大多数公司采用这种方法，但是很多企业都存在照猫画虎现象。这最关键的就是竞争对手他的管理模式算不算是一个情报，很多咨询公司是靠卖竞争对手情报去获得优势，但是竞争对手怎么做有没有参考意义，我觉得有但不是特别大。这做法可不可以仿照，跟企业自身的情况有很大的相关性。如果追诉到第一种我们会发现，一个策略的制定往往是与你企业的自身的情况有较大的关系。同行业的只可以参考。
二. 细颗粒度 – 宏观 ：运筹规划
细颗粒度宏观叙事是一种叙事方式，它相较于粗颗粒度宏观叙事更为具体和详尽。在细颗粒度宏观叙事中，叙事者不仅关注整体的结构、发展和影响，还会深入探索并描述其中的细节和细微变化。这种叙事方式能够更全面地展现历史变迁、社会现象或文化趋势的多个方面，使得听众或读者能够更深入地理解和感受其中的细节和内在逻辑。
综上所述，细颗粒度宏观叙事是一种具体而详尽的叙事方式，它能够更全面地展现历史、社会或文化现象，并帮助人们更深入地理解和感受其中的细节和内在逻辑。
各个职能之间的策略交互是一个非常难以解决的事。同样以采购为例子。采购员制定了一个通用长周期杠杆内物料的类别，并对应采取了特殊的措施。这个特殊的措施能不能被有效地理解和承接。理解一般是可以的，但承接是挺难的。因为你要承接他的规则，同时我们还要生产计划去承接这个采购策略的维度。这就必须要考虑两个事情，第一个是他自身的属性需求，比如说他自己的生产策略可能有平滑度或者说是复杂类的，一般来说他是根据生产线的类别去划分的，再按自身内在的一些分类。因为产品跟物料之间不是简单的一对一的关系，所以他很难直接去承接。如果在销售有个策略，其实销售的分类维度跟生产的分类维度也不是简单的一对一关系。比如说销售有套装，套装有可能是不同乳计或者水计化妆品的拼凑。那么从生产线的角度来说这个套装是不具备可划分的一个属性。所以粗颗粒度的宏观划分在细节落地上是有一定约束性的。他一般存在一个复杂的转换关系。所以宏观细颗粒度我们也可以简单地理解成他就是一个建模派，或者说是一个系统派。我把不同维度叫做系统派。我把不同的信息在同一维度上进行权衡，做出一个执行。比如采购有他的诉求，销售有他的诉求，生产也有他的诉求，我们把所有的诉求进行一个综合的考量。那么得出一个最优的平滑的结果，这种方式在实现上是最优的，因为理论上来说考虑的因素越细，得到的平衡平滑度就越好。但也有劣势就是需要你梳理。大多数情况下，各个职能的一些约束和考量都是揣在自己兜里的，销售策略是销售做给自己看的，采购策略是采购做给自己看的，生产策略趋势也是。大家都揣在兜里的情况下，首先你要让他家掏出来，其次你掏出来之后能不能够进行量化，量化之后大家对这个结果的接受程度怎么样。这需要一个协同职能去推进。
三. 粗颗粒度 – 微观 ：流程规则
“粗颗粒度微观叙事”是相对于“细颗粒度微观叙事”而言的一种叙事方式。它指的是在描述个体经验和社会文化细节时，更注重整体或宏观的视角，而不太关注细节或精确性。这种叙事方式可能更加简洁、概括，更侧重于表现宏观层面或整体趋势的变化。尽管它不深入挖掘每一个细节，但可以通过概括和提炼，呈现出一种更宏观、更全面的视角。因此，“粗颗粒度微观叙事”可能在某些情况下更加适用于需要快速了解整体情况或宏观趋势的场合。然而，需要注意的是，这种叙事方式可能会忽略一些微观层面的细节和复杂性，因此在某些情况下可能不够全面或深入。
为什么微观会有粗颗粒度呢？大多数计划员在做的事情都可以理解成为是一种微观粗颗粒度的跟进。也可以简单理解为是一个打电话或者是传资料。比如说我们制定了30天的库存，然后主计划看到库存不够了，去下一个30天的库存。可货到了之后质量出问题或者是需要延迟交付。那他要去跟采购沟通下一批什么时候到，能不能够赶上生产。这些都是微观层面的东西，那为什么把它叫做粗颗粒度的呢？因为像这种一对一的沟通，这批物料到的影响得不只是一个物料，有可能是多个产品，多个产品有可能影响到多个促销计划。甚至不仅可能影响到一些常规品的还影响到新品。新品计划员未必是经常要去跟物料采购员去做沟通。他可能只是从物料堆里面取一部分来做新品的市场。他的粗细其实在于，这一个信息的传递效率以及对问题的思考深度。这里用的方法我们一般叫做规则法。我们通常会去梳理大量的流程。比如说发生a事情。采购的时候他如果没有问题他应该怎么做，有问题的时候他应该把信息传递给abc。abc需要根据这个问题的量级去做一个DF判定。最终给JHC做审核，最终去执行。所以在微观粗颗粒度，一般通用的就是规则法或者流程法。包括我们常见的价值流梳理或者叫做流程再造。在计划领域上最多的是这样的一个维度。一个传递信息跟范围，通过流程梳理把里面的断点问题或者关键点梳理出来进行补充整理，提高它的传递效率。这种也会存在问题，你会发现面对多变的情况下，你的规则往往是赶不上变化。所以一经梳理很流畅，梳理之后又不行，需要继续梳理。另外规则化也可以开发成为系统，而大多数基于规则去开发的系统，其实都会出现了一个大量反复修改的问题。这是因为他是在用事件去应对事件，用一种例外因素却整理一种例外因素。
四. 细颗粒度 – 微观：可视协同
“细颗粒度微观叙事”这一概念，结合了“颗粒度”和“微观叙事”两个元素。
首先，“颗粒度”一词通常用于描述信息的详细程度或精确度。在胶片成像中，它指的是感光底片经曝光洗印后，形成影像的银粒粗细程度。感光度相同的底片，颗粒度越细，图像的清晰度就越高。类似地，在工作或分析中，“颗粒度”越细，表示对细节的掌握越详尽，越有助于了解事情的全貌。
微观细颗粒度其实就是替代电话，一定程度上是替代规则。那么在微观细颗粒中的是出了问题，怎么办？可以把这个理解成为可视化或者数字化，我们通常是把所有的跨职能的信息，通过某一些维度进行关联，在跨职能上进行呈现。比如以采购为例子。采购这个物料出问题，采购知道了，这个问题可以传递给我的生产，而不是通过电话。包括传递到最终的影响到的销售。那在各司职能的大公司里，不能有这种大水漫盖似的传递而需要精准的传递。我这批物料质量有问题，谁关心这一个？那么可视化就可实现在底层大水漫盖，在顶层各取所需的情况。举一个例子，我们在谈需求计划的时候，一般需求计划向销售要信息。这是从一个从自我出发，销售分享促销计划给我，我的需求计划就能够做得更好。但是从这个维度上或者从可视化的维度上，我应该提供信息给销售。让销售在做促销的时候有一个非常清晰的面板。哪一些产品是有产能了，哪一些产品是有库存的，哪一些产品是一个提产非常困难的产品。那么最终的决策，他还会考虑一些利润率，包括他的一些销售策略。从传统的数据角度，他不是因为要做a去统计a，而是在整个数字化的内核里面去考虑，你做a需要的信息我帮你创在一起。以销售为例，比如你打一个新单，或者我帮你去做接单模拟，我把采购端生产量的信息融合在一起去分析，你接这个单能不能够按照标准情况下去做，如果不行预计会延迟到多少。那么他就成为了一个信息支持器。
五. 只是一个综述
整体上做了一定的梳理。其实粗细颗粒度或者宏微观代表了一个整体上的架构。但如果你要去细拆，能够拆得出更多的东西，只是说不同的架构里面会有不同的一个做事方法。那基本上就是一个比较现状。我想是不是所有东西都做细比较好。或者是先粗后细，先在粗颗粒度上做然后在细颗粒度上进行精细化的管理。那这个其实并不是一个必然。计划的背后其实就是一个求复杂度的解决问题。如果你复杂度不够高，那么你在粗颗粒度上其实是能够解决这个问题的。那你复杂度上升到一定程度上，那细颗粒就其实是一种必然的选择。如果你在粗颗粒度上要解决高复杂度的问题。无论你是用电话，规则。还是用流程实践划分。你会发现，他其实很难被固化下来或者发生效用。还需要通过反复的拉扯去实现最终的效果。
