SuperAPI AI 工具集

inventory-demand-planning

数据与分析

查看项目

更新于 10-16 01:57

技能介绍

用途与定位

该技能用于在多门店零售环境中进行库存需求规划,面向拥有 40–200 家门店与区域配送中心的零售商。适用场景包括:预测商品需求、计算最优安全库存水平、规划库存补货周期、估算零售促销影响,以及进行 ABC/XYZ 库存分层。资料将其角色定位为资深需求计划员,管理 300–800 个活跃 SKU,品类涵盖杂货、日用百货、季节性与促销组合;所处系统包括需求规划套件(Blue Yonder、Oracle Demantra 或 Kinaxis)、ERP(SAP、Oracle)、用于配送中心库存的 WMS、门店级 POS 数据流,以及用于采购订单管理的供应商门户。该角色位于商品管理、供应链与财务之间,目标是把商业意图转化为可执行的采购订单,同时尽量减少缺货与库存过剩。

主要能力

需求预测方法:资料按适用条件区分了移动平均(简单、加权、滚动,适用于稳定低波动商品,不适用于季节性商品)、指数平滑(单指数用于平稳需求,Holt 双指数跟踪趋势,Holt-Winters 三指数加入季节指数)、季节性分解(STL、经典法、X-13ARIMA-SEATS)、因果/回归模型(价格弹性、促销标志、天气、竞争对手行为、本地事件;需注意稀疏促销历史导致的过拟合,建议用 Lasso/Ridge 正则化并按时间外验证),以及机器学习(梯度提升、神经网络,适用于 1,000+ SKU × 2 年以上周度历史、多个外部回归变量且有 ML 工程团队的情况)。

预测准确度指标:MAPE(仅在周均 50 件以上商品上使用)、加权 MAPE(WMAPE,分子为绝对误差和、分母为实际值之和)、偏差(平均带符号误差,正偏差意味着系统性高估、负偏差意味着系统性低估,健康区间为 ±5% 以内)、跟踪信号(累计误差除以平均绝对偏差 MAD,超过 ±4 表示模型漂移需干预)。

安全库存计算:给出教科书公式 SS = Z × σ_d × √(LT + RP),并说明其仅适用于正态分布且平稳的需求;列出服务水平目标(A 类商品 95%,Z=1.65;关键 A+ 商品 99%,Z=2.33;C 类商品 90%,Z=1.28),说明从 95% 提升至 99% 会使安全库存接近翻倍;给出含提前期不确定性的公式 SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²),并指出提前期变异系数大于 0.3 的供应商需要比仅考虑需求波动高 40–60% 的安全库存;对间断性需求建议使用 Croston 方法并以自助法需求分布计算安全库存;新产品建议用同生命周期阶段的 3–5 个相似商品作类比,并在前 8 周增加 20–30% 缓冲。

再订货逻辑:库存头寸 IP = 现有库存 + 在途订单 − 缺货缺口 − 已分配量,强调不能仅凭现有库存再订货;介绍 Min/Max 法、再订货点/EOQ(ROP = 提前期内平均需求 + 安全库存;EOQ = √(2DS/H),并需按供应商箱规、层量或托盘层数取整)、定期审查 (R,S) 法,以及按供应商层级设置审查频率(A 类供应商每周、B 类每两周、C 类每月)。

促销规划:区分促销造成的需求信号失真,建议在拟合基线模型前剥离促销销量,并保留单独的“促销拉动”层在促销周以乘法方式叠加;列出拉动估算方法(同商品促销期与非促销期的同比比较、以促销深度/陈列类型/媒体支持为输入的交叉弹性模型、相似商品拉动借用);给出典型拉动区间(仅临时降价 TPR 为 15–40%,TPR + 陈列 + 海报为 80–200%,爆款/引流活动为 300–500% 以上);说明同品类近似替代品的蚕食率约为被拉动量的 10–30%;讨论前瞻性购买与促销后回落(大型促销后预期 1–3 周低于基线,幅度约为增量拉动的 30–50%,首周最集中)。

ABC/XYZ 分类:ABC 按价值(A 为贡献 80% 收入/毛利的前 20% SKU,B 为贡献 15% 的随后 30%,C 为贡献 5% 的末 50%),建议按毛利贡献而非收入分类;XYZ 按可预测性(X 为需求 CV < 0.5,Y 为 CV 0.5–1.0,Z 为 CV > 1.0),并建议在去季节化和去促销后的需求上计算;给出政策矩阵(AX 自动补货并设紧安全库存,AZ 每周期人工复核,CX 自动补货且审查周期宽松,CZ 为停售或转按单生产候选)。

季节性过渡管理:季节性采购提前 12–20 周确认;首单分配预期季节需求的 60–70%,保留 30–40% 用于根据早季售罄率补货;当季节中点售罄进度低于计划的 60% 时开始降价,早期小幅降价(20–30% 折扣)比晚期深度降价(50–70% 折扣)能恢复更多毛利,且每延迟一周降价会损失剩余库存 3–5 个百分点的毛利;设硬性截止日期(通常为下一季商品到货前 2–3 周),剩余商品转折扣店、清算商或捐赠。

决策框架

资料给出多个决策框架,包括:按需求模式选择预测方法(稳定高销量无季节性、趋势型、季节性重复、间断/块状、促销驱动、新产品 0–12 周、事件驱动,分别对应主方法、备选方法与复检触发条件);按 AX/AY/AZ/BX/BY/BZ/CX/CY/CZ 分段选择安全库存服务水平与 Z 值;促销拉动决策流程(有该 SKU-促销类型历史则用自身拉动并按最近 3 次 50/30/20 加权;无自身数据但同品类有则用相似商品拉动并按价格带与品牌层级调整;全新品类或促销类型用保守的品类平均拉动再打 20% 折扣;跨品类促销则分别建模引流商品与受益商品,默认跨品类光环拉动为 0.15;并始终建模促销后回落,默认取增量的 40%,按 60/30/10 分布在后三周);按季节中点售罄率决定降价动作与预期毛利恢复;以及滞销品淘汰决策(连续满足周供应量大于 26、近 13 周销售速度为前 13 周的 50% 以下、未来 8 周无促销计划、无合同义务、存在替代 SKU 或品类可吸收缺口等全部条件时标记停售,先 30% 折扣 4 周,仍不动销则升级至 50% 折扣或清算,并在首次降价后 8 周设置硬性退出日期)。

关键边界情形

资料列出若干边界情形:零历史的新品上市只能依靠相似商品画像,需按价格带、品类、品牌层级和目标人群匹配,初始采购保守取相似商品预测的 60%,并设置每周自动补货触发;社交媒体病毒式爆发时需求可在毫无预警下跳升 500–2,000%,不应追逐,因为供应链响应周期为 4–8 周,届时爆发已结束,应依靠现有库存、发布分配规则防止单一门店囤货,仅在爆发后持续 4 周以上才修订基线;供应商提前期一夜翻倍时,应立即用新提前期重算安全库存,若安全库存翻倍则很可能无法用现有库存填补缺口,应针对差额下紧急订单、协商部分发货、寻找二级供应商,并告知商品部门服务水平将临时下降;以及计划外促销造成的蚕食(资料在此处截断)。

限制与未提供信息

资料未提供该技能的具体安装方式、代码、配置步骤、平台要求、收费与价格信息,也未提供实际效果验证数据;上述内容均为库存需求规划领域的方法与决策框架说明,实际使用时需结合自身系统与数据条件判断。