需求预测和库存计划：一个实践者的角度 mobi 下载 网盘 caj lrf pdf txt 阿里云

不管是时兴的跨境电商、新零售，还是传统的生产***、贸易流通，在供应链计划上的问题都很相似，主要表现在：

总进总出整体上不平衡，导致全局性的需求与供应不匹配。

库存没放到合适的地方，导致局部性的需求与供应不匹配。

产品、业务、需求的复杂度大增，增加了供应链计划的难度。

这些问题交织在一起，集中体现为：新产品的计划极度不准，经常大错特错；老产品的计划不能精打细算，无法实现库存优化。这些问题不是特定行业所独有的，我们需要寻找广义的解决方案，系统地从时间维度（新产品vs成熟产品）和空间维度（中心仓vs前置仓）来应对。

就整体方***而言，《需求预测和库存计划：一个实践者的角度》依旧遵循 “从数据开始，由判断结束”的基本准则，在基本数据，比如需求历史的基础上，制定基准预测；根据销售、市场等业务部门的职业判断，比如促销计划、新品上市计划，来调整基准预测，制定*终的预测。

本书更加聚焦“从数据开始”，通过一系列案例，更详细地介绍预测模型，包括预测方法的择优、库存计划的优化、新品导入的计划等。特别要说明的是，本书不是一本预测方***的书。本书会探讨常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。本书的目标是寻找更优而不是*的解决方案。

序言一 从计划的“七分管理”到“三分技术”

序言二 从药典到药方：我对案例的一些想法

序言三 这是我的第5本书，跟其他书有什么联系

作者简介

导读

计划是供应链的引擎

第一章

需求预测：三种基本的预测方法

时间序列的预测：移动平均法 / 8

小贴士 预测的灵敏度和准确度 / 12

小贴士 预测准确度的统计 / 13

小贴士 要不要考核预测准确度 / 18

时间序列的预测：指数平滑法 / 20

指数平滑法的逻辑 / 23

指数平滑法的初始化 / 25

平滑系数的择优 / 27

简单指数平滑法的优劣 / 32

趋势的预测：霍尔特指数平滑法 / 34

案例 一个快时尚产品的需求预测 / 41

小贴士 有时候，不预测就是最好的预测 / 46

季节性+趋势的预测 / 47

基于相关性的预测：线性回归 / 57

小贴士 解读线性回归的参数 / 60

小贴士 样本选择的几点考量 / 65

小贴士 极端值的处理 / 66

小贴士 残差图的分析 / 70

小贴士 样本太少怎么办 / 73

小贴士 警惕线性回归给你的东西 / 74

选择预测模型的一些考量 / 78

小贴士 寻找更优，而不是最优的解决方案 / 81

小贴士 预测模型的优化要提防过度拟合 / 83

案例 中心仓的预测方法择优 / 86

需求预测的集中化 / 90

小贴士 为什么在颗粒度小的地方做预测 / 93

预测方法的优化 / 95

计划的改进得兼顾供应链的执行能力 / 103

小贴士 电商如何选择ERP / 106

魔鬼藏在细节中：需求历史数据的清洗 / 110

本章小结 最基本的方法也是最重要的 / 118

第二章

库存计划和库存的优化

量化不确定性，设定安全库存 / 123

第一步：量化需求的不确定性 / 124

第二步：量化有货率的要求 / 128

小贴士 有货率怎么定 / 129

第三步：计算安全库存 / 130

小贴士 按日、按周还是按月汇总需求历史 / 134

会设安全库存，计算再订货点就很容易 / 139

补货机制：定量vs不定量 / 143

补货机制：定期vs随时 / 145

案例 随时补货机制下再订货点的计算 / 149

案例 定期补货机制下再订货点的计算 / 150

小贴士 不是现货供应，再订货点如何计算 / 152

案例 轮辐式的全球库存网络计划 / 153

小贴士 设再订货点，还是安全库存+预测 / 158

案例 某工业品企业的计划组织 / 163

小贴士 计划职能的绩效如何考核 / 172

VMI的库存水位如何设置 / 175

计算最低、最高库存水位 / 176

量化VMI的库存风险 / 178

VMI的绩效管理 / 179

案例 离开信息化，就很难具备做VMI的条件 / 182

“长尾”产品：库存计划的终极挑战 / 184

“长尾”需求用泊松分布模拟更准确 / 189

用简单法则来指导“长尾”需求的计划 / 195

案例 跨境电商的店铺库存优化 / 203

本章小结 库存计划是个技术活 / 220

第三章

新品导入与滚动计划机制的建立

案例 新品的初始预测：群策群力，专家判断法 / 224

德尔菲专家判断法 / 226

小贴士 瓶子里有多少颗巧克力豆 / 227

新品预测试点项目准备 / 230

专家判断的结果分析 / 236

反馈改进，从失败中学习 / 240

专家判断法失败的三个原因 / 241

小贴士 预测判断力是可以培养的 / 243

专家判断法用于什么产品 / 244

专家判断有没有约束力 / 245

专家判断法由谁来维护 / 246

季节性强，一锤子买卖如何预测 / 247

案例 新品的预售期：尽快纠偏，调整预测 / 250

哪个预测模型更好 / 255

系统性偏差的检验 / 258

重新定义样本，重新建模 / 259

预售期需求的滚动预测 / 263

案例 新品的滚动计划要从开发期开始 / 268

小贴士 新品计划本身要有计划性 / 274

小贴士 大型设备的项目预投机制 / 276

新品计划由谁做 / 279

本章小结 尽量做准，尽快纠偏 / 280

后记 / 283

刘宝红

旅美供应链专家，畅销书作者，西斯国际执行总监。

刘先生毕业于亚利桑那州立大学，获供应链管理MBA学位。他现旅居硅谷，创立西斯国际，专注供应链管理领域的研究和写作，并定期回国，服务本土企业。

在供应链管理领域，刘先生旨在填补学者与实践者之间的空白。他在研究和著述的同时，还通过培训、咨询，积极参与供应链实践，其实践领域全面覆盖汽车家电、电信设备、航空航天、机械***、石油石化等传统行业，以及电商、新零售、互联网等新兴行业。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：需求预测和库存计划：一个实践者的角度在线阅读

在线听书地址：需求预测和库存计划：一个实践者的角度在线收听

在线购买地址：需求预测和库存计划：一个实践者的角度在线购买

对于时间序列的三种情况（随机、趋势、季节性），指数平滑法都有相应的方法来预测：简单指数平滑法应对相对平稳的情况；霍尔特双参数法（即霍尔特指数平滑法）应对趋势；霍尔特–温特模型应对季节性加趋势， 分别预测三部分后叠加 。

简单指数平滑法、霍尔特法、霍尔特–温特模型等一系列时间序列预测，都可以登录http://www.real-statistics.com/free-download/real-statistics-examples-workbook/点击链接“Real Statistics Examples:Time Series”，下载成套的模板和公式。这个网站是Charles Zaiontz博士开发的。Charles Zaiontz博士堪称极客般的存在，能把复杂的数理统计解释得非常清楚。

（1）“短尾”产品：需求频繁，而且稳定，表明需求历史的可重复性非常高。运用合适的预测模型，基于需求历史就可以做出相当不错的预测。此类产品的需求符合正态分布的可能性较大，我们可以采用前面的公式来计算安全库存，设定再订货点。

（2）“中尾”产品：需求相对频繁，但很不稳定——不稳定，表明有各种因素能够影响需求，比如销售的促销、压货行为，竞品的活动等。基于需求历史做基准预测，“从数据开始”，然后结合销售的促销计划等，“由判断结束”，做好需求预测。统计需求预测的误差，假定误差符合正态分布，采用前面的公式来设定安全库存。

（3）“长尾”产品：需求非常不频繁，也不稳定。在库存计划上，我们一般用两种策略：①找到更合适的概率分布如泊松分布，来模拟“长尾”需求并计算库存水位；②采用简单法则，如成本、生命周期、需求频率等，帮助我们决定备什么、备多少，不备什么。

关于VMI的管理， 究竟谁应该制定需求预测、设定最低和最高库存目标？简单的答案是：谁处于最合适的位置，谁就做这些。这也是供应链上任务分工的一个基本准则。如果你是个***商，VMI物料是供你专用，其需求取决于你的生产和销售计划，这些计划任务自然就该由你做，因为你的供应商离需求更远，没法预测得更准。

假定供应商的补货周期是6个星期，我们需要6个星期前的预测作为基准，跟过去6个星期的实际需求比较，计算预测的误差，据此来设置安全库存，亦即最低库存Min。这是VMI库存计划中最根本也是最难的部分。

书籍介绍

不管是时兴的跨境电商、新零售，还是传统的生产***、贸易流通，在供应链计划上的问题都很相似，主要表现在：

总进总出整体上不平衡，导致全局性的需求与供应不匹配。

库存没放到合适的地方，导致局部性的需求与供应不匹配。

产品、业务、需求的复杂度大增，增加了供应链计划的难度。

这些问题交织在一起，集中体现为：新产品的计划极度不准，经常大错特错；老产品的计划不能精打细算，无法实现库存优化。这些问题不是特定行业所独有的，我们需要寻找广义的解决方案，系统地从时间维度（新产品vs成熟产品）和空间维度（中心仓vs前置仓）来应对。

就整体方***而言，《需求预测和库存计划：一个实践者的角度》依旧遵循 “从数据开始，由判断结束”的基本准则，在基本数据，比如需求历史的基础上，制定基准预测；根据销售、市场等业务部门的职业判断，比如促销计划、新品上市计划，来调整基准预测，制定*终的预测。

本书更加聚焦“从数据开始”，通过一系列案例，更详细地介绍预测模型，包括预测方法的择优、库存计划的优化、新品导入的计划等。特别要说明的是，本书不是一本预测方***的书。本书会探讨常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。本书的目标是寻找更优而不是*的解决方案。