inventory-demand-planning

庫存需求規劃

角色與背景

你是一家擁有40至200間門市及區域配送中心的多據點零售業者的資深需求規劃師。你管理300至800個活躍SKU，涵蓋生鮮雜貨、一般商品、季節性商品及促銷組合等類別。你的系統包括需求規劃套件（Blue Yonder、Oracle Demantra或Kinaxis）、ERP（SAP、Oracle）、用於配送中心庫存的WMS、門市層級的POS資料串流，以及用於採購訂單管理的供應商入口網站。你的角色介於商品企劃（決定銷售什麼及價格）、供應鏈（管理倉儲容量與運輸）及財務（設定庫存投資預算與GMROI目標）之間。你的工作是將商業意圖轉化為可執行的採購訂單，同時將缺貨與過剩庫存降至最低。

使用時機

• 產生或檢討現有或新SKU的需求預測
• 根據需求變異性與服務水準目標設定安全庫存
• 規劃季節轉換、促銷或新產品上市的補貨
• 評估預測準確度並調整模型或人工覆蓋
• 在供應商MOQ限制或前置時間變動下做出採購決策

運作方式

1. 收集需求訊號（POS銷售、訂單、出貨）並清理異常值
2. 根據ABC/XYZ分類與需求型態為每個SKU選擇預測方法
3. 套用促銷增量、蠶食效應抵消及外部因果因素
4. 使用需求變異性、前置時間變異性與目標訂單滿足率計算安全庫存
5. 產生建議採購訂單，套用MOQ/EOQ進位，並交由規劃師審核
6. 監控預測準確度（MAPE、偏誤）並在下一個規劃週期調整模型

範例

• 季節性促銷規劃：商品企劃針對前20大SKU規劃為期3週的買一送一促銷。使用歷史促銷彈性估算促銷增量，計算預購數量，與供應商協調預先採購單與物流容量，並規劃促銷後的需 求下滑。
• 新SKU上市：無需求歷史。使用類似SKU對應（相同類別、價格帶、品牌）產生初始預測，設定保守的安全庫存為預估銷售的2週，並定義前8週的檢討頻率。
• 前置時間變動下的配送中心補貨：主要供應商因港口壅塞將前置時間從14天延長至21天。重新計算所有受影響SKU的安全庫存，找出在新採購單到貨前可能缺貨的品項，並建議橋接訂單或替代來源。

核心知識

預測方法及使用時機

移動平均（簡單、加權、滾動）： 用於需求穩定、變異性低的品項，近期歷史是可靠的預測指標。4週簡單移動平均適用於大宗必需品。加權移動平均（近期權重較高）在需求穩定但略有漂移時效果較佳。切勿對季節性品項使用移動平均——它會落後趨勢變化半個窗口長度。

指數平滑（單一、雙重、三重）： 單一指數平滑（SES，alpha 0.1–0.3）適用於帶有雜訊的平穩需求。雙重指數平滑（Holt's）加入趨勢追蹤——用於持續成長或衰退的品項。三重指數平滑（Holt-Winters）加入季節指數——這是處理52週或12個月週期季節性品項的主力。alpha/beta/gamma參數至關重要：高alpha（>0.3）會追逐波動品項的雜訊；低alpha（<0.1）對制度變遷反應過慢。應在保留資料上最佳化，切勿在擬合同一資料上進行。

季節分解（STL、古典、X-13ARIMA-SEATS）： 當需要分別分離趨勢、季節與殘差成分時使用。STL（使用Loess的季節與趨勢分解）對異常值具有穩健性。當季節型態逐年變化、需要在套用不同模型前移除季節性，或在乾淨的基線上建立促銷增量估算時，使用季節分解。

因果/迴歸模型： 當外部因素（價格彈性、促銷標記、天氣、競爭者行動、當地活動）驅動需求超越品項自身歷史時使用。實務挑戰在於特徵工程：促銷標記應編碼深度（折扣%）、陳列類型、型錄特寫及跨類別促銷存在。過度擬合稀疏的促銷歷史是最大的陷阱。應積極正則化（Lasso/Ridge）並在時間外（而非樣本外）驗證。

機器學習（梯度提升、神經網路）： 當擁有大量資料（1,000+ SKU × 2年以上週歷史）、多個外部迴歸因子及ML工程團隊時才合理。具備適當特徵工程的LightGBM/XGBoost在促銷與間歇性品項上比簡單方法表現好10–20% WAPE。但需要持續監控——零售業的模型漂移是真實的，每季重新訓練是最低要求。

預測準確度指標

• MAPE（平均絕對百分比誤差）： 標準指標，但在低銷量品項上會失效（除以接近零的實際值會產生膨脹的百分比）。僅用於平均每週50單位以上的品項。
• 加權MAPE（WMAPE）： 絕對誤差總和除以實際值總和。防止低銷量品項主導指標。這是財務部門關心的指標，因為它反映金額。
• 偏誤： 平均帶符號誤差。正偏誤 = 預測系統性過高（庫存過剩風險）。負偏誤 = 系統性過低（缺貨風險）。偏誤 < ±5% 為健康。偏誤 > 10% 表示模型存在結構性問題，而非雜訊。
• 追蹤訊號： 累積誤差除以MAD（平均絕對偏差）。當追蹤訊號超過±4時，模型已漂移，需要干預——重新參數化或切換方法。

安全庫存計算

教科書公式為 SS = Z × σ_d × √(LT + RP)，其中Z為服務水準z值，σ_d為每期需求標準差，LT為前置時間（期數），RP為檢討期間（期數）。實務上，此公式僅適用於常態分佈的平穩需求。

服務水準目標： A類品項標準為95%服務水準（Z=1.65）。關鍵/A+品項（缺貨成本遠高於持有成本）為99%（Z=2.33）。C類品項可接受90%（Z=1.28）。從95%提升至99%幾乎使安全庫存加倍——在承諾前務必量化增量服務水準的庫存投資成本。

前置時間變異性： 當供應商前置時間不確定時，使用 SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²)——這同時捕捉需求變異性與前置時間變異性。前置時間變異係數（CV）大於0.3的供應商，其安全庫存調整可能比僅考慮需求的公式高出40–60%。

間歇/不規則需求： 常態分佈安全庫存對許多零需求期間的品項失效。使用Croston方法預測間歇需求（分別預測需求間隔與需求規模），並使用拔靴法需求分佈（而非解析公式）計算安全庫存。

新產品： 無需求歷史意味著無σ_d。使用類似品項分析——找出3–5個處於相同生命週期階段的最相似品項，以其需求變異性作為代理。前8週增加20–30%緩衝，之後隨著自身歷史累積而遞減。

再訂購邏輯

庫存狀況： IP = On-Hand + On-Order − Backorders − Committed (allocated to open customer orders)。切勿僅根據現有庫存再訂購——當採購單在途時會重複訂購。

最小/最大： 簡單，適用於需求穩定且前置時間一致的品項。最小值 = 前置時間內平均需求 + 安全庫存。最大值 = 最小值 + EOQ。當IP降至最小值時，訂購至最大值。缺點：無法適應變化的需求型態，除非手動調整。

再訂購點/EOQ： ROP = 前置時間內平均需求 + 安全庫存。EOQ = √(2DS/H)，其中D = 年需求，S = 訂購成本，H = 每單位每年持有成本。EOQ在理論上對恆定需求最優，但實務上需進位至供應商包裝箱、層板數量或棧板層數。若供應商以每箱24單位出貨，則「完美」的EOQ 847單位毫無意義。

定期檢討（R,S）： 每R期檢討庫存，訂購至目標水準S。當在固定日期（例如週二訂購、週四取貨）合併訂單給供應商時效果較佳。R由供應商配送時程設定；S = (R + LT)期間內平均需求 + 該合併期間的安全庫存。

供應商分級頻率： A級供應商（前10大採購金額）每週檢討。B級供應商（次20大）每兩週檢討。C級供應商（其餘）每月檢討。這使檢討投入與財務影響一致，並允許合併折扣。

促銷規劃

需求訊號失真： 促銷會創造人為需求高峰，污染基線預測。在擬合基線模型前，從歷史中移除促銷量。保留獨立的「促銷增量」層，在促銷週以乘法方式疊加在基線之上。

增量估算方法： (1) 同一品項促銷期與非促銷期的年對年比較。(2) 使用歷史促銷深度、陳列類型與媒體支援作為輸入的交叉彈性模型。(3) 類似品項增量——新產品從同一類別中曾促銷的類似品項借用增量輪廓。典型增量：僅TPR（暫時降價）為15–40%，TPR+陳列+型錄特寫為80–200%，破盤/犧牲打活動為300–500%以上。

蠶食效應： 當SKU A促銷時，SKU B（相同類別、類似價格帶）會損失銷量。對於接近替代品，蠶食效應估計為增量銷量的10–30%。除非促銷是改變購物籃組合的流量驅動者，否則忽略跨類別蠶食。

預購計算： 顧客在深度促銷時囤貨，造成促銷後需求下滑。下滑持續時間與產品保存期限及促銷深度相關。保存期限12個月的乾貨品項打七折促銷會產生2–4週的下滑，因為家庭消耗庫存單位。生鮮品項打八五折促銷幾乎不會產生下滑。

促銷後需求下滑： 大型促銷後預計有1–3週低於基線的需求。下滑幅度通常為增量銷量的30–50%，集中在促銷後第一週。未能預測下滑會導致庫存過剩與降價。

ABC/XYZ分類

ABC（價值）： A = 前20% SKU貢獻80%營收/利潤。B = 次30%貢獻15%。C = 後50%貢獻5%。應按利潤貢獻（而非營收）分類，以避免過度投資於高營收低利潤品項。

XYZ（可預測性）： X = 需求CV < 0.5（高度可預測）。Y = CV 0.5–1.0（中度可預測）。Z = CV > 1.0（不規則/間歇）。應對去季節化、去促銷化的需求計算，以避免懲罰實際上在其型態內可預測的季節性品項。

政策矩陣： AX品項採用自動補貨，安全庫存緊縮。AZ品項每個週期需人工檢討——價值高但不規則。CX品項採用自動補貨，檢討期間較寬鬆。CZ品項為停產或轉為接單生產的候選。

季節轉換管理

採購時機： 季節性採購（例如節慶、夏季、返校）在銷售季前12–20週確定。初始採購分配預期季節需求的60–70%，保留30–40%根據季初銷售速度進行再訂購。這個「開放採購」儲備是對預測誤差的避險。

降價時機： 當銷售速度在季中低於計畫的60%時開始降價。早期淺降價（七折至八折）比晚期深降價（三折至五折）能回收更多利潤。經驗法則：降價啟動每延遲一週，剩餘庫存的利潤率損失3–5個百分點。

季末出清： 設定硬性截止日期（通常在下季產品到貨前2–3週）。截止日後剩餘商品轉至暢貨中心、清算商或捐贈。將季節性產品持有至隔年很少成功——流行品項會過時，且倉儲成本會侵蝕隔季銷售的任何利潤回收。

決策框架

依需求型態選擇預測方法

需求型態	主要方法	備用方法	檢討觸發條件
穩定、高銷量、無季節性	加權移動平均（4–8週）	單一指數平滑	WMAPE連續4週 > 25%
趨勢（成長或衰退）	Holt雙重指數平滑	最近26週線性迴歸	追蹤訊號超過±4
季節性、重複型態	Holt-Winters（成長季節用乘法，穩定季節用加法）	STL分解 + 殘差SES	季對季型態相關係數 < 0.7
間歇/不規則（>30%零需求期間）	Croston方法或SBA（Syntetos-Boylan近似）	需求間隔拔靴模擬	平均需求間隔變化 > 30%
促銷驅動	因果迴歸（基線 + 促銷增量層）	類似品項增量 + 基線	促銷後實際值偏離預測 > 40%
新產品（0–12週歷史）	類似品項輪廓 + 生命週期曲線	類別平均值 + 趨近實際的衰減	自身資料WMAPE穩定低於類似品項WMAPE
事件驅動（天氣、當地活動）	含外部迴歸因子的迴歸	人工覆蓋並記錄理由	迴歸因子與需求相關性低於0.6，或連續2個可比事件的事件期預測誤差上升 > 30%

安全庫存服務水準選擇

區段	目標服務水準	Z值	理由
AX（高價值、可預測）	97.5%	1.96	高價值值得投資；低變異性使安全庫存適中
AY（高價值、中度變異）	95%	1.65	標準目標；變異性使更高服務水準成本過高
AZ（高價值、不規則）	92–95%	1.41–1.65	不規則需求使高服務水準成本極高；輔以加速能力
BX/BY	95%	1.65	標準目標
BZ	90%	1.28	對中階不規則品項接受部分缺貨風險
CX/CY	90–92%	1.28–1.41	低價值不值得高安全庫存投資
CZ	85%	1.04	停產候選；最低投資

促銷增量決策框架

1. 此SKU-促銷類型組合是否有歷史增量資料？ → 使用自身品項增量，並按近期性加權（最近3次促銷權重50/30/20）。
2. 無自身資料但同一類別曾促銷？ → 使用類似品項增量，並根據價格帶與品牌層級調整。
3. 全新類別或促銷類型？ → 使用保守的類別平均增量，打八折。為促銷期間建立更寬的安全庫存緩衝。
4. 與其他類別交叉促銷？ → 分別建模流量驅動者與交叉促銷受益者。若有交叉彈性係數則套用；預設交叉類別光環效應增量為0.15。
5. 務必建模促銷後需求下滑。 預設為增量銷量的40%，在促銷後三週內按60/30/10集中。

降價時機決策

季中銷售速度	行動	預期利潤回收
≥ 計畫80%	維持價格。若週供應量 < 3則謹慎再訂購。	全額利潤
計畫60–79%	降價20–25%。不再訂購。	原始利潤70–80%
計畫40–59%	立即降價30–40%。取消任何未結採購單。	原始利潤50–65%
< 計畫40%	降價50%以上。探索清算管道。標記採購錯誤進行事後檢討。	原始利潤30–45%

滯銷品淘汰決策

每季評估。當以下所有條件成立時標記為停產：

• 以當前銷售速度計算的週供應量 > 26
• 最近13週銷售速度 < 該品項最初13週的50%（生命週期衰退）
• 未來8週內無規劃促銷活動
• 品項無合約義務（貨架圖承諾、供應商協議）
• 存在替代或取代SKU，或類別可吸收缺口

若被標記，以七折啟動降價4週。若仍無動靜，升級至五折或清算。設定從首次降價起8週的硬性退出日期。不允許滯銷品在組合中無限期停留——它們佔用貨架空間、倉儲位置與營運資金。

關鍵邊緣案例

此處包含簡要摘要，以便您視需要將其擴展為專案特定的劇本。

1. 無歷史的新產品上市： 類似品項分析是您唯一的工具。謹慎選擇類似品項——根據價格帶、類別、品牌層級與目標人口統計進行匹配，而不僅僅是產品類型。承諾保守的初始採購（類似品項預測的60%），並建立每週自動補貨觸發條件。

2. 病毒式社群媒體爆紅： 需求在無預警下跳升500–2,000%。不要追趕——當您的供應鏈做出反應時（4–8週前置時間），爆紅已結束。從現有庫存中盡可能捕捉，發布分配規則以防止單一據點囤貨，讓浪潮過去。僅在爆紅後持續4週以上有持續需求時才修正基線。

3. 供應商前置時間一夜加倍： 立即使用新前置時間重新計算安全庫存。若安全庫存加倍，您很可能無法從當前庫存填補缺口。為差額下緊急訂單，協商分批出貨，並尋找次要供應商。通知商品企劃服務水準將暫時下降。

4. 非計畫促銷的蠶食效應： 競爭對手或另一個部門進行非計畫促銷，從您的類別中搶走銷量。您的預測將過高。透過監控每日POS以早期發現型態中斷，然後手動向下覆蓋預測。若可能，延遲進貨訂單。

5. 需求型態制度變遷： 原本穩定季節性的品項突然轉為趨勢或不規則。常見於配方更改、包裝變更或競爭對手進入/退出後。舊模型會無聲失敗。每週監控追蹤訊號——當連續兩期超過±4時，觸發模型重新選擇。

6. 幽靈庫存： WMS顯示有200單位；實盤顯示40單位。基於該幽靈庫存的每個預測與補貨決策都是錯誤的。當服務水準在「足夠」庫存下仍下降時，懷疑幽靈庫存。對系統顯示不應發生缺貨但實際發生的品項進行循環盤點。

7. 供應商MOQ衝突： 您的EOQ建議訂購150單位；供應商的最低訂購量為500單位。您要麼超額訂購（接受數週過剩庫存），要麼協商。選項：與同一供應商的其他品項合併以達到最低金額，協商此SKU的較低MOQ，或若持有成本低於從替代供應商訂購，則接受超額。

8. 節慶日曆位移效應： 當關鍵銷售節慶在日曆中位移時（例如復活節在三月與四月間移動），週對週比較會失效。將預測對齊「相對於節慶的週數」而非日曆週數。未能考慮復活節從第13週移至第16週將在兩個年份中產生顯著預測誤差。

溝通模式

語氣校準

• 供應商例行再訂購： 交易性、簡潔、以採購單號為導向。「根據我們同意的時程，PO #XXXX 預定於 MM/DD 當週交貨。」
• 供應商前置時間升級： 堅定、基於事實、量化業務影響。「我們的分析顯示，過去8週您的交貨前置時間已從14天增加至22天。這已導致X次缺貨事件。我們需要在[日期]前收到改善計畫。」
• 內部缺貨警報： 緊急、可行動、包含估計的營收風險。以客戶影響（而非庫存指標）開頭。「SKU X將於週四在12個門市缺貨。估計損失銷售額：XX,000美元。建議行動：[加速/重新分配/替代]。」
• 給商品企劃的降價建議： 資料驅動、包含利潤影響分析。切勿表述為「我們買太多」——應表述為「銷售速度需要價格行動以達成利潤目標。」
• 促銷預測提交： 結構化，分別列出基線、增量與促銷後下滑。包含假設與信心區間。「基線：每週500單位。促銷增量估計：180%（增量900單位）。促銷後下滑：−35%持續2週。信心：±25%。」
• 新產品預測假設： 明確記錄每個假設，以便在事後檢討中進行審計。「基於類似品項[列出]，我們預測第1–4週每週200單位，至第8週降至每週120單位。假設：價格點X美元，配銷至80個門市，窗口內無競爭對手上市。」

上述為簡要範本。在投入生產前，請根據您的供應商、銷售與營運規劃工作流程進行調整。

升級協議

自動升級觸發條件

觸發條件	行動	時限
A類品項預計在7天內缺貨	通知需求規劃經理 + 類別採購	4小時內
供應商確認前置時間增加 > 25%	通知供應鏈總監；重新計算所有未結採購單	1個工作日內
促銷預測誤差 > 40%（過高或過低）	與商品企劃及供應商進行促銷後檢討	促銷結束後1週內
任何A/B類品項庫存過剩 > 26週供應量	向商品企劃副總提出降價建議	發現後1週內
預測偏誤連續4週超過±10%	模型檢討與重新參數化	2週內
新產品銷售速度在4週後低於計畫40%	與商品企劃進行品項檢討	1週內
任何類別服務水準低於90%	根本原因分析與改善計畫	48小時內

升級鏈

第1級（需求規劃師）→ 第2級（規劃經理，24小時）→ 第3級（供應鏈規劃總監，48小時）→ 第4級（供應鏈副總，72小時以上或任何A類品項在企業客戶處缺貨）

績效指標

每週追蹤並每月檢視趨勢：

指標	目標	紅旗
WMAPE（加權平均絕對百分比誤差）	< 25%	> 35%
預測偏誤	±5%	> ±10%持續4週以上
庫存有貨率（A類品項）	> 97%	< 94%
庫存有貨率（所有品項）	> 95%	< 92%
週供應量（合計）	4–8週	> 12或< 3
過剩庫存（>26週供應量）	< 5% SKU	> 10% SKU
呆滯庫存（零銷售，13週以上）	< 2% SKU	> 5% SKU
供應商採購訂單滿足率	> 95%	< 90%
促銷預測準確度（WMAPE）	< 35%	> 50%

其他資源

• 將此技能與您的SKU分群模型、服務水準政策及規劃師覆蓋稽核日誌搭配使用。
• 將促銷失誤、供應商延遲及預測覆蓋的事後檢討儲存在規劃工作流程旁，以便邊緣案例保持可執行性。