需求预测与自动补货实践
一、需求预测的输入与周期
需求预测的输入分 3 类。第 1 类是自身销售数据，按单品、门店、日期三个维度留存，维度越细，模型能识别的规律越多；第 2 类是外部变量，包括季节、节假日、天气和促销安排；第 3 类是约束条件，包括保质期、起订量、到货频次和陈列容量。
多点 DMALL 的自动补货系统在建模时区分畅销品模型、长尾品模型、新品模型和促销品模型 4 类，并适配大卖场、标超、便利店等不同业态（多点 DMALL，中国日报中文网 2022 年 8 月报道）。盒马把需求预测接到全自动订货、全自动打折出清和流量调控三个动作上，预测准确率直接影响库存和营收（南方日报，南方+ 2022 年 1 月报道）。
预测周期要与补货周期匹配。日配门店按天预测，隔日配按 2 天滚动，周配门店按周预测再拆到天。
二、物美多点自动补货的落地结果
物美与多点的合作从 2015 年开始，多点 DMALL OS 在物美约 100 家门店做过真实压力测试。上线自动补货系统后，物美门店缺货率由最高时的 7% 降至 2% 以内，库存周转天数由最高时的 35 天降到普遍 21 天以内；补货工作自动化后，30 人可覆盖管理近 1000 家门店，节约门店人力成本约 5000 万元/年（多点 DMALL，中国日报中文网 2022 年 8 月报道）。
这套系统的输入是各门店历史销售随时间变化的趋势、周期性和不规则性，并考虑季节、节假日和促销因素，对未来近 3 周销量做预测，客户采纳率约 95%。系统收到销量预测后，结合当前库存、未来到货、商品陈列、损耗、安全库存和备货周期自动计算补货量，参数不需要补货人员手工配置（多点 DMALL，蓝鲸财经 2023 年报道）。
三、补货量的计算参数
补货量的通用公式是：补货量等于预测销量加安全库存，减现有库存和在途库存。4 个变量里，预测销量来自模型，现有库存和在途库存来自系统，安全库存由服务水平、需求波动和补货提前期共同决定。
安全库存的设置方法分 2 类。一类按服务水平设定，服务水平越高、需求波动越大、提前期越长，安全库存越大；另一类按历史缺货损失与库存持有成本做权衡，缺货损失高的品类把安全库存设高，周转慢、易损耗的品类把安全库存设低。
陈列容量和起订量是 2 道硬约束。补货量超过陈列容量会造成后仓积压，低于供应商起订量会带来额外运费，2 项都要在计算公式里体现（多点 DMALL，中国日报中文网 2022 年 8 月报道）。
四、盒马的算法订货与损耗控制
盒马把运筹与供应链技术用在预测、库存、价格与流量调控几个环节，实现了全自动订货和全自动打折出清。生鲜零售行业内管理水平高的商超，生鲜商品损耗率一般超过 10%，盒马通过数据和算法把损耗率控制在 5% 以下；数字供应链技术在这一基础上再把损耗率降低约 1%（南方日报，南方+ 2022 年 1 月报道）。
损耗控制的机制是订货量贴近需求，卖不完的部分按时间节点打折出清，减少临期报废。以日日鲜鲜奶为例，一款商品从牧场到餐桌要经过产奶、存储、运输、生产、包装、配给到店、配送到家多道流程，供过于求会让前面所有工序变成浪费，供不应求则让消费者买不到（南方日报，南方+ 2022 年 1 月报道）。
五、7-Eleven 日本的单品管理做法
7-Eleven 日本用单品管理做订货决策。店员在收银时录入商品类型、消费时间、顾客性别年龄等信息，系统按单品分析销量及其影响因素，店长据此提出订货假设，第二天用实际销售数据验证，形成假设与验证的循环（东方烟草报 2016 年 6 月）。
这套方法把订单单位从箱改到件。店员看到某商品缺货，先想的是订几件，不是订 1 箱，小批量订货让库存调整更快（东方烟草报 2016 年 6 月）。
因为鲜食占比高、门店面积小，7-Eleven 对物流做温度带管理，把商品分为冷冻、冷藏、暖温和室温 4 个温度带分别储存和配送，商品配送频率可达 1 天 3 次，整体存货周转天数约 12 天（亿欧智库，7-Eleven 日本案例研究）。
六、高鑫零售的库存周转变化
高鑫零售经营大润发大卖场、大润发 Super 中型超市和 M 会员店 3 类业态。2024 财年（截至 2024 年 3 月 31 日），其收入 725.67 亿元，同比减少 13.3%，同店销售增长为 -6.6%；到 2025 财年，存货周转天数为 50 天，比 2024 财年的 53 天缩短 3 天（高鑫零售（06808.HK）2024 财年与 2025 财年业绩公告）。
库存周转的改善与品类结构有关。高鑫零售 2024 财年线上 B2C 订单量同比增长 4.8%，客单价下降 2.7%，自有应用大润发优鲜占线上 B2C 营收约 36%（高鑫零售（06808.HK）2024 财年业绩公告）。
七、预测准确率的衡量口径
预测准确率要按品类和门店分层看。畅销品销量大、规律稳定，准确率容易做高；长尾品销量小、波动大，同样的绝对误差对应的相对误差更大。把不同品类混在一起算平均值，会把长尾品的预测问题掩盖掉。
多点的做法是按畅销品、长尾品、新品、促销品分别建模，让每类商品用自己的规律做预测（多点 DMALL，中国日报中文网 2022 年 8 月报道）。节假日分布不同的月份，促销期的销量和日常销量要用不同模型处理。
八、生鲜品类的预测难点
生鲜品类有 3 项特殊性。保质期短，订货量超出需求的商品在短时间内就要折价或报废；需求受天气影响大，高温与降雨会改变叶菜和茄果类的销量；供给端不稳定，产地价格与上市量在短时间内变化明显。
北京市农业农村局对 2024 年蔬菜市场的监测显示，当年三季度受北方产地强降雨叠加高温影响，蔬菜价格异常波动，茄果类蔬菜批发价格同比升幅达到 63%，产地价格同比升幅 51%；二季度蔬菜价格偏低使种植意愿下降，河北产地二季度蔬菜种植面积同比减少 15.2%（北京市农业农村局《2024 年北京菜篮子产品市场监测报告》）。
品类价格和供给的波动会通过采购成本传导到补货决策，预测模型要把产地信息和天气变量纳入输入。
九、自动补货与人工复核的分工
自动补货把重复计算交给系统，人工保留对异常情况的处理权。系统负责按参数算出补货量，人工负责确认促销、新品上架、门店改造等系统无法完全识别的情形。
物美的做法是系统计算过程可见、可追溯，并提供历史销售、季节性、周期性等决定销量的核心因素作为参考，再送专家审核（多点 DMALL，蓝鲸财经 2023 年报道）。
分工的边界要写清楚：哪些品类全自动，哪些品类由系统给出建议、人工确认，哪些品类仍以人工订货为主。
十、落地要具备的系统条件
自动补货要落地，需要 3 项条件。一是数据基础，单品、门店、日期的销售数据要完整，库存和到货数据要实时；二是系统联通，补货系统要与库存、订单、供应商协同模块打通；三是参数治理，安全库存、服务水平、起订量等参数要有责任人和更新周期。
多点把零供协同工具同时提供给零售企业，向供应商展示各环节库存情况，让供应商提前掌握预测数据、按需安排生产（多点 DMALL，蓝鲸财经 2023 年报道）。这说明自动补货的落点除门店以外，还包括与供应商的数据接口。
写点看法