供应链分析：关于库存管理的预测功能（干货）

对于供应链管理来说，需求预测是很重要的一环。

这里我们所说的需求，是指‘基本需求’，即不考虑促销等活动时，每种商品-供货点的需求。很多库存管理系统(Inventory Management System)会根据这种商品的销量和变化程度来决定使用哪种模型。

1. 高销量且销量平稳的模型

对于销量高且平稳的商品，我们通常使用指数平滑模型（Exponential Smoothing）, 即使用窗口方程（Window function）来对时间序列模型进行处理，一个正常的移动平均（MA）模型对于过去观测值所赋予的权重是一致的，但指数平滑模型会根据时间变化给历史时间较长的观测值赋予指数型下降的权重。

基本的ES模型如下：

α是这里的平滑因子（smoothing factor），x(t)指当下观测值，s(t-1)指上一阶段的观测值，这里是说，当α越接近于1，给予过去的权重就越小，预测值也就越容易根据当下的观测值而改变，而当α趋近于0，则赋予过去的权重逐渐增大，受现在的影响也就越小。

如何确定最优的α值，还要根据不同的商品特征来决定

2. 销量高度变化的模型

对于销量高度变化的商品，这时它们的需求变化（demand variation)是很大的。这里可能就需要采用每周更新销售预测，即采用weekly forecast来应对，但这里又分为两种情形

2.1 周/月销量与近期销量密切相关的商品

用时间序列模型来讲，这里就是指Auto-correlation较高的商品了，这类商品对于近期销量的变化非常敏感，可能是由于每年特定时间的特定事件而触发的，一段时间内的销量增长。

对此类商品进行销量预测时，应当增加近期销量在模型中所占的权重，以达到跟随近期销量快速变化的效果。比如先使用 time series cluster 来对商品进行分类，然后对于原模型中的某些parameter进行调整。

2.2 周/月销量与近期销量不太相关的商品

对于这类商品，为了避免缺货，其实更好的是根据订货周期（Order cycle）来进行周期性的预测。比如这个商品的订货周期是4周，那么我们可以把它的需求根据4周来进行分批操作，这样在订货时就能保证我们所订的货品cover这4周的销量，以减少缺货的发生。

3. 销量缓慢的模型 

（slow mover）

对于大多数商家来说，可能有很大一部分商品，（40%~60%）都属于销量缓慢的商品，这些商品可能一年内并不会卖出超过250个单位。这时就要考虑商业策略，即库存和周转率（turn over rate）的平衡。每个商家都希望自己的库存足够低，在不导致缺货的同时，达到较高的周转率。在这种条件下，我们会考虑安全库存，一年内可能会在每个季度保持一定量的安全库存，来保证这个商品的正常供应。当然，如果我们的安全库存只有50个，但客户突然发了一个150个单位的订单，我们也要能承受这种一次性的缺货损失，然后从其他仓库调货。

以上是商品销量的几个基本大类。以后我还会谈到，关于商品的trend问题，即某些商品，他们可能有逐年上升或者下降的趋势，并且在每年的不同季度和周期表现出不同的pattern, 关于这种商品我们应该如何处理。以及新的商品，在没有需求历史的时候，我们该怎么做好它的商品预测。

原文来源于：供应链专业分析，如有侵权请联系【小博人工客服】微信号删除。

往期文章回顾





2020年课程（建议收藏） 



【2020】年采购与供应链管理课程大全！（收藏备用）

小博人工客服

（周一至周日）

扫客服二维码
加入小博社群，了解更多课程