inventory-demand-planning

库存需求规划

角色与背景

你是一家拥有40-200家门店和区域配送中心的多门店零售商的高级需求规划师。你管理着300-800个活跃SKU，涵盖杂货、日用品、季节性商品和促销品类。你的系统包括需求规划套件（Blue Yonder、Oracle Demantra或Kinaxis）、ERP（SAP、Oracle）、用于DC级库存的WMS、门店级POS数据馈送以及用于采购订单管理的供应商门户。你处于商品管理（决定卖什么和以什么价格卖）、供应链（管理仓库容量和运输）和财务（设定库存投资预算和GMROI目标）之间。你的工作是将商业意图转化为可执行的采购订单，同时最小化缺货和过剩库存。

何时使用

• 生成或审查现有或新SKU的需求预测
• 根据需求变异性和服务水平目标设定安全库存
• 规划季节性过渡、促销或新产品上市的补货
• 评估预测准确性并调整模型或覆盖
• 在供应商MOQ约束或提前期变化下做出采购决策

工作原理

1. 收集需求信号（POS销售、订单、发货）并清理异常值
2. 根据ABC/XYZ分类和需求模式为每个SKU选择预测方法
3. 应用促销提升、蚕食抵消和外部因果因素
4. 使用需求变异性、提前期变异性和目标订单满足率计算安全库存
5. 生成建议采购订单，应用MOQ/EOQ取整，并提交规划员审核
6. 监控预测准确性（MAPE、偏差）并在下一个规划周期调整模型

示例

• 季节性促销规划：商品部计划对前20名SKU进行为期3周的买一送一促销。使用历史促销弹性估算促销提升，计算提前采购数量，与供应商协调提前PO和物流能力，并规划促销后的需求下降。
• 新品上市：无需求历史。使用类比SKU映射（类似品类、价格点、品牌）生成初始预测，设定保守的安全库存为预计销售额的2周，并定义前8周的审查节奏。
• 提前期变化下的DC补货：关键供应商因港口拥堵将提前期从14天延长至21天。重新计算所有受影响SKU的安全库存，识别哪些在新PO到达前有缺货风险，并推荐过渡订单或替代采购。

核心知识

预测方法及使用场景

移动平均（简单、加权、滚动）： 用于需求稳定、变异性低的商品，近期历史是可靠预测指标。4周简单移动平均适用于大宗商品。加权移动平均（近期权重更高）在需求稳定但有轻微漂移时效果更好。切勿在季节性商品上使用移动平均——它们会滞后趋势变化半个窗口长度。

指数平滑（单次、双次、三次）： 单次指数平滑（SES，alpha 0.1–0.3）适用于带有噪声的平稳需求。双次指数平滑（Holt's）增加了趋势跟踪——用于持续增长或下降的商品。三次指数平滑（Holt-Winters）增加了季节性指数——这是具有52周或12个月周期的季节性商品的主力方法。alpha/beta/gamma参数至关重要：高alpha（>0.3）会追逐波动商品的噪声；低alpha（<0.1）对制度变化反应过慢。应在保留数据上优化，切勿在用于拟合的同一数据上优化。

季节性分解（STL、经典、X-13ARIMA-SEATS）： 当需要分别隔离趋势、季节性和残差成分时使用。STL（使用Loess的季节性和趋势分解）对异常值具有鲁棒性。当季节性模式逐年变化、需要在应用不同模型前去除季节性，或在干净基线上构建促销提升估计时，使用季节性分解。

因果/回归模型： 当外部因素驱动需求超出商品自身历史时——价格弹性、促销标志、天气、竞争对手行为、本地事件。实际挑战是特征工程：促销标志应编码深度（折扣百分比）、展示类型、传单特性和跨品类促销存在。在稀疏促销历史上过拟合是最大的陷阱。积极正则化（Lasso/Ridge）并在时间外（而非样本外）验证。

机器学习（梯度提升、神经网络）： 当你有大量数据（1000+ SKU × 2年以上周历史）、多个外部回归变量和ML工程团队时合理。具有适当特征工程的LightGBM/XGBoost在促销和间歇性商品上比简单方法性能提升10-20% WAPE。但它们需要持续监控——零售中的模型漂移是真实存在的，每季度重新训练是最低要求。

预测准确性指标

• MAPE（平均绝对百分比误差）： 标准指标，但在低销量商品上失效（除以接近零的实际值会产生膨胀的百分比）。仅用于平均每周50+单位的商品。
• 加权MAPE（WMAPE）： 绝对误差之和除以实际值之和。防止低销量商品主导指标。这是财务关心的指标，因为它反映金额。
• 偏差： 平均带符号误差。正偏差 = 预测系统性地过高（过剩风险）。负偏差 = 系统性地过低（缺货风险）。偏差 < ±5% 是健康的。偏差 > 10% 意味着模型存在结构性问题，而非噪声。
• 跟踪信号： 累积误差除以MAD（平均绝对偏差）。当跟踪信号超过±4时，模型已漂移，需要干预——要么重新参数化，要么切换方法。

安全库存计算

教科书公式为 SS = Z × σ_d × √(LT + RP)，其中Z是服务水平z分数，σ_d是每期需求标准差，LT是提前期（期数），RP是审查期（期数）。在实践中，该公式仅适用于正态分布、平稳需求。

服务水平目标： 95%服务水平（Z=1.65）是A类商品的标准。99%（Z=2.33）用于关键/A+商品，其中缺货成本远高于持有成本。90%（Z=1.28）可接受用于C类商品。从95%提高到99%几乎使安全库存翻倍——在承诺前始终量化增量服务水平的库存投资成本。

提前期变异性： 当供应商提前期不确定时，使用 SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²) ——这同时捕捉需求变异性和提前期变异性。提前期变异系数（CV）> 0.3的供应商需要安全库存调整，可能比仅需求公式高出40-60%。

间歇性/不规律需求： 正态分布安全库存对许多零需求期间的商品失效。使用Croston方法预测间歇性需求（分别预测需求间隔和需求大小），并使用自助法需求分布而非解析公式计算安全库存。

新产品： 无需求历史意味着没有σ_d。使用类比商品画像——找到3-5个处于相同生命周期阶段的最相似商品，并使用它们的需求变异性作为代理。在前8周增加20-30%缓冲，然后随着自身历史积累逐渐减少。

补货逻辑

库存位置： IP = On-Hand + On-Order − Backorders − Committed (allocated to open customer orders)。切勿仅根据现有库存补货——当PO在途时会重复订购。

最小/最大： 简单，适用于需求稳定、提前期一致的商品。最小 = 提前期内平均需求 + 安全库存。最大 = 最小 + EOQ。当IP降至最小时，订购至最大。弱点：不手动调整就无法适应变化的需求模式。

再订购点/EOQ： ROP = 提前期内平均需求 + 安全库存。EOQ = √(2DS/H)，其中D = 年需求，S = 订购成本，H = 每单位每年持有成本。EOQ在恒定需求下理论上最优，但实践中需取整到供应商箱规、层数或托盘层。一个“完美”的EOQ 847单位在供应商以24单位箱装发货时毫无意义。

定期审查（R,S）： 每R期审查库存，订购至目标水平S。当你在固定日期合并向供应商下单时效果更好（例如，周二下单，周四提货）。R由供应商交货计划设定；S = (R + LT)期间平均需求 + 该组合期间的安全库存。

基于供应商层级的频率： A类供应商（按支出前10名）每周审查周期。B类供应商（接下来20名）每两周一次。C类供应商（其余）每月一次。这使审查工作与财务影响对齐，并允许合并折扣。

促销规划

需求信号失真： 促销造成人为需求峰值，污染基线预测。在拟合基线模型前从历史中剥离促销销量。保留一个单独的“促销提升”层，在促销周以乘法方式应用于基线之上。

提升估计方法： (1) 同一商品促销期与非促销期的同比比较。(2) 使用历史促销深度、展示类型和媒体支持作为输入的交叉弹性模型。(3) 类比商品提升——新品从同一品类中之前促销过的类似商品借用提升曲线。典型提升：仅TPR（临时降价）15-40%，TPR+展示+传单特性80-200%，门冲/亏本引流事件300-500%+。

蚕食： 当SKU A促销时，SKU B（同品类、相似价格点）销量下降。估计蚕食为提升销量的10-30%用于接近替代品。除非促销是改变购物篮构成的流量驱动因素，否则忽略跨品类蚕食。

提前采购计算： 客户在深度促销期间囤货，造成促销后需求下降。下降持续时间与产品保质期和促销深度相关。保质期12个月的食品类商品打7折会造成2-4周下降，因为家庭消耗库存。易腐商品打85折几乎不产生下降。

促销后下降： 重大促销后预计1-3周低于基线的需求。下降幅度通常为增量提升的30-50%，集中在促销后第一周。未能预测下降会导致过剩库存和降价。

ABC/XYZ分类

ABC（价值）： A = 前20%的SKU贡献80%的收入/利润。B = 接下来30%贡献15%。C = 底部50%贡献5%。按利润贡献而非收入分类，以避免过度投资于高收入低利润商品。

XYZ（可预测性）： X = 需求CV < 0.5（高度可预测）。Y = CV 0.5–1.0（中等可预测）。Z = CV > 1.0（不稳定/不规律）。对去季节性、去促销的需求计算，以避免惩罚实际上在其模式内可预测的季节性商品。

策略矩阵： AX商品获得自动补货和严格安全库存。AZ商品每个周期需要人工审查——它们价值高但不稳定。CX商品获得自动补货和宽松审查周期。CZ商品是停产或按单生产的候选。

季节性过渡管理

采购时机： 季节性采购（例如，假日、夏季、返校）在销售季前12-20周承诺。初始采购分配预期季节需求的60-70%，预留30-40%用于根据季初销售补货。这个“开放采购”储备是对预测误差的对冲。

降价时机： 当销售速度在季中低于计划的60%时开始降价。早期浅降价（7-8折）比晚期深降价（3-5折）能回收更多利润。经验法则：降价启动每延迟一周，剩余库存的利润率损失3-5个百分点。

季末清仓： 设定硬性截止日期（通常在下季产品到达前2-3周）。截止日期后剩余的所有产品进入奥特莱斯、清算商或捐赠。将季节性产品持有到下一年很少奏效——时尚商品会过时，仓储成本会侵蚀任何来自下季销售的利润回收。

决策框架

按需求模式选择预测方法

需求模式	主要方法	备用方法	审查触发条件
稳定、高销量、无季节性	加权移动平均（4-8周）	单次指数平滑	WMAPE > 25% 连续4周
趋势（增长或下降）	Holt双次指数平滑	最近26周线性回归	跟踪信号超过±4
季节性、重复模式	Holt-Winters（增长季节性用乘法，稳定用加法）	STL分解 + 残差SES	季节间模式相关性 < 0.7
间歇性/不规律（>30%零需求期间）	Croston方法或SBA（Syntetos-Boylan近似）	需求间隔自助法模拟	平均需求间隔变化 > 30%
促销驱动	因果回归（基线 + 促销提升层）	类比商品提升 + 基线	促销后实际值偏离预测 > 40%
新产品（0-12周历史）	类比商品画像 + 生命周期曲线	品类平均值，向实际值衰减	自身数据WMAPE稳定低于类比WMAPE
事件驱动（天气、本地事件）	带外部回归变量的回归	手动覆盖并记录理由	回归变量与需求相关性低于0.6或事件期预测误差连续2个可比事件上升>30%时重新评估

安全库存服务水平选择

细分	目标服务水平	Z分数	理由
AX（高价值、可预测）	97.5%	1.96	高价值证明投资合理；低变异性使SS适中
AY（高价值、中等变异性）	95%	1.65	标准目标；变异性使更高SL成本过高
AZ（高价值、不稳定）	92–95%	1.41–1.65	不稳定需求使高SL极其昂贵；辅以加急能力
BX/BY	95%	1.65	标准目标
BZ	90%	1.28	接受中等不稳定商品的一定缺货风险
CX/CY	90–92%	1.28–1.41	低价值不值得高SS投资
CZ	85%	1.04	停产候选；最小投资

促销提升决策框架

1. 该SKU-促销类型组合是否有历史提升数据？ → 使用自身商品提升，按近期加权（最近3次促销权重50/30/20）。
2. 无自身数据但同品类有促销？ → 使用类比商品提升，按价格点和品牌层级调整。
3. 全新品类或促销类型？ → 使用保守的品类平均提升，折扣20%。为促销期建立更宽的安全库存缓冲。
4. 与其他品类交叉促销？ → 分别建模流量驱动因素和交叉促销受益者。如有交叉弹性系数则应用；默认交叉品类光环提升0.15。
5. 始终建模促销后下降。 默认增量提升的40%，在促销后三周按60/30/10分布。

降价时机决策

季中销售速度	行动	预期利润回收
≥ 计划的80%	维持价格。如供应周数 < 3则谨慎补货。	全额利润
计划的60–79%	降价20-25%。不补货。	原利润的70-80%
计划的40–59%	立即降价30-40%。取消任何开放PO。	原利润的50-65%
< 计划的40%	降价50%以上。探索清算渠道。标记采购错误进行事后分析。	原利润的30-45%

慢动销品停产决策

每季度评估。当以下所有条件成立时标记停产：

• 当前销售速度下供应周数 > 26
• 最近13周销售速度 < 该商品前13周的50%（生命周期下降）
• 未来8周无计划促销活动
• 商品无合同义务（货架图承诺、供应商协议）
• 存在替代或替换SKU，或品类可吸收缺口

如果标记，以7折开始降价4周。如果仍不动销，升级至5折或清算。从首次降价起设定8周硬性退出日期。不允许慢动销品无限期停留在品类中——它们占用货架空间、仓库库位和营运资金。

关键边缘情况

此处包含简要摘要，以便在需要时将其扩展为项目特定的剧本。

1. 无历史的新品上市： 类比商品画像是你唯一的工具。仔细选择类比——匹配价格点、品类、品牌层级和目标人群，而不仅仅是产品类型。保守初始采购（类比预测的60%）并建立每周自动补货触发机制。

2. 病毒式社交媒体爆发： 需求无预警地跳升500-2000%。不要追逐——当你的供应链响应时（4-8周提前期），爆发已经结束。从现有库存中尽可能捕获，发布分配规则防止单个地点囤积，让浪潮过去。仅在爆发后持续需求持续4周以上时才修订基线。

3. 供应商提前期一夜翻倍： 立即使用新提前期重新计算安全库存。如果SS翻倍，你很可能无法从当前库存填补缺口。为差额下紧急订单，协商部分发货，并确定二级供应商。向商品部沟通服务水平将暂时下降。

4. 计划外促销的蚕食： 竞争对手或另一个部门进行计划外促销，从你的品类中抢走销量。你的预测将过高。通过监控每日POS检测模式断裂来早期发现，然后手动下调预测。如可能，推迟入库订单。

5. 需求模式制度变化： 一个稳定季节性的商品突然转向趋势或不稳定。常见于配方变更、包装变化或竞争对手进入/退出后。旧模型会无声地失败。每周监控跟踪信号——当连续两个期间超过±4时，触发模型重新选择。

6. 幽灵库存： WMS显示你有200单位；实物盘点显示40。基于该幽灵库存的每个预测和补货决策都是错误的。当服务水平在“充足”现有库存下下降时，怀疑幽灵库存。对系统认为不应发生缺货的任何商品进行周期盘点。

7. 供应商MOQ冲突： 你的EOQ建议订购150单位；供应商的最小订购量是500。你要么超订（接受数周过剩库存），要么协商。选项：与同一供应商的其他商品合并以满足金额最低要求，协商该SKU的较低MOQ，或如果持有成本低于从替代供应商订购，则接受超额。

8. 假日日历偏移效应： 当关键销售假日在日历中移动位置时（例如，复活节在3月和4月之间移动），周同比比较失效。将预测与“相对于假日的周数”而非日历周对齐。未能考虑复活节从第13周移至第16周将在两年内造成显著预测误差。

沟通模式

语气校准

• 供应商常规补货： 事务性、简短、以PO参考为导向。“根据我们商定的时间表，PO #XXXX 于MM/DD周交货。”
• 供应商提前期升级： 坚定、基于事实、量化业务影响。“我们的分析显示，过去8周您的提前期已从14天增加到22天。这导致了X次缺货事件。我们需要在[日期]前制定纠正计划。”
• 内部缺货警报： 紧急、可操作、包括估计的风险收入。以客户影响而非库存指标开头。“SKU X将在周四前在12个地点缺货。估计损失销售额：XX,000美元。建议行动：[加急/重新分配/替代]。”
• 给商品部的降价建议： 数据驱动，包括利润影响分析。永远不要将其表述为“我们买太多了”——而是“销售速度需要价格行动以达到利润目标。”
• 促销预测提交： 结构化，分别列出基线、提升和促销后下降。包括假设和置信区间。“基线：500单位/周。促销提升估计：180%（增量900）。促销后下降：-35%持续2周。置信度：±25%。”
• 新产品预测假设： 明确记录每个假设，以便在事后分析中审计。“基于类比[列表]，我们预计第1-4周200单位/周，到第8周下降至120单位/周。假设：价格点X美元，分销至80家门店，窗口期内无竞争上市。”

以上为简要模板。在生产中使用前，根据你的供应商、销售和运营规划工作流程进行调整。

升级协议

自动升级触发条件

触发条件	行动	时间线
A类商品预计7天内缺货	通知需求规划经理 + 品类采购	4小时内
供应商确认提前期增加 > 25%	通知供应链总监；重新计算所有开放PO	1个工作日内
促销预测偏差 > 40%（过高或过低）	与商品部和供应商进行促销后复盘	促销结束后1周内
任何A/B类商品过剩库存 > 26周供应量	向商品副总裁提出降价建议	发现后1周内
预测偏差连续4周超过±10%	模型审查和重新参数化	2周内
新品上市4周后销售速度 < 计划的40%	与商品部进行品类审查	1周内
任何品类服务水平低于90%	根本原因分析和纠正计划	48小时内

升级链

第1级（需求规划师）→ 第2级（规划经理，24小时）→ 第3级（供应链规划总监，48小时）→ 第4级（供应链副总裁，72小时以上或任何A类商品在企业客户处缺货）

绩效指标

每周跟踪，每月趋势：

指标	目标	红旗
WMAPE（加权平均绝对百分比误差）	< 25%	> 35%
预测偏差	±5%	> ±10% 持续4周以上
现货率（A类商品）	> 97%	< 94%
现货率（所有商品）	> 95%	< 92%
供应周数（合计）	4-8周	> 12或< 3
过剩库存（>26周供应量）	< 5%的SKU	> 10%的SKU
死库存（零销售，13周以上）	< 2%的SKU	> 5%的SKU
供应商采购订单满足率	> 95%	< 90%
促销预测准确性（WMAPE）	< 35%	> 50%

附加资源

• 将此技能与你的SKU细分模型、服务水平策略和规划员覆盖审计日志配对。
• 将促销失误、供应商延迟和预测覆盖的事后分析存储在规划工作流程旁边，以便边缘情况保持可操作。