新書推薦：
![地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德](http://103.6.6.66/upload/mall/productImages/24/43/9787111759478.jpg)
《
地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德
》
售價：HK$
121.0
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：HK$
87.4
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：HK$
72.8
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
《
UE5虚幻引擎必修课（视频教学版）
》
售價：HK$
110.9
《
真需求
》
售價：HK$
110.9
《
阿勒泰的春天
》
售價：HK$
50.4
《
如见你
》
售價：HK$
51.3
|
| 編輯推薦： |
|
供应链专家，畅销书作者刘宝红*作品，刘宝红供应链实践者丛书再度扩充升级，多个精彩案例，深入浅出地帮你解决实际问题，新品要避免大错特错，老品要做到精益求精。
|
| 內容簡介： |
不管是时兴的跨境电商、新零售，还是传统的生产制造、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。
就整体方法论而言，《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，制定最终的预测。不管是时兴的跨境电商、新零售，还是传统的生产制造、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。
就整体方法论而言，《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，制定最终的预测。
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法论的书。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。
|
| 關於作者： |
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、机械制造、石油石化等传统行业，以及电商、新零售、互联网等新兴行业。
|
| 目錄：
|
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
|
| 內容試閱：
|
序言一
从计划的七分管理到三分技术
2018年，我和赵玲合著的《供应链的三道防线：需求预测、库存计划、供应链执行》出版以来，反响很好，在京东供应链管理类图书销量榜上很快就上升到第二位（第一位还是我的红皮书《采购与供应链管理：一个实践者的角度》）。
《供应链的三道防线：需求预测、库存计划、供应链执行》主要是解决计划中的七分管理问题，虽然涉及三分技术，但是缺乏足够的细节，比如预测模型的择优、库存水位的优化、新品的导入和预测等。作为管理层，读完《供应链的三道防线：需求预测、库存计划、供应链执行》，在七分管理上，你会从组织、流程的层面对计划有很好的了解；但作为执行层，在三分技术上，还有诸多技术性的问题需要进一步厘清。所以，我想写一本实操层面的书，解决三分技术的问题。
正好这两年我在帮助一些电商、新零售企业改进供应链计划体系，做了一系列的案例，结合以前在高科技行业8年的全球计划经历，为这本书提供了素材。书中的案例有相当一部分来自电商、新零售企业，一方面是因为在这些新兴行业，从业人员普遍年轻，精于业务创新而疏于供应链运营，供应链管理特别是计划薄弱，有很大的提升空间；另一方面是因为这些行业的信息化程度比较高，需求端的数据相对完善、易得，为案例分析提供了充分的素材。
但是，我不想因为这些案例就把该书定位在特定的行业、特定的领域不管是时兴的跨境电商、新零售企业，还是传统的生产制造、贸易流通企业，在供应链计划上面临的问题都很相似，主要表现在以下几个方面。
其一，总进总出整体上不平衡，导致全局性的需求与供应不匹配。这在新产品导入上很常见，在成熟产品上也屡见不鲜。这是个需求预测的挑战，在公司层面（中心仓）尤为重要，需要提高预测的准确度，尽量做准，尽快纠偏，并驱动整个生产和供应商的执行来弥补。
其二，库存没放到合适的地方，导致局部性的需求与供应不匹配。即便整体需求与供应匹配了，合适的库存放不到合适的地方，也会导致局部性的过剩与短缺并存。这是个库存计划的问题，主要发生在前置仓，可通过设置合理的安全库存、再订货点等来解决。
其三，产品、业务、需求的复杂度大增，增加了供应链计划的难度。业务全球化，需求差异化、碎片化，产品多元化，为SKU泛滥埋下隐患，不但导致供应链的规模效益丧失，而且系统地增加了需求预测、库存计划、补货配送的复杂性。产品如此之多，没有人可以靠判断做计划，必须更加依赖数据分析，来做好需求预测和库存计划。
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。两个问题貌似不同，根本原因却很一致：数据分析不足，基准预测不够扎实；计划以拍脑袋为主，过度依赖业务部门的判断。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）、空间维度（中心仓vs前置仓）来应对。
（1）时间维度：围绕产品的生命周期，从新品导入到量产，力求避免新品初始计划大错特错，要通过快速迭代来尽快纠偏；成熟产品要追求精打细算，提高库存的利用效率。
（2）空间维度：围绕库存的空间特性，计划好中心仓，解决总进与总出的匹配问题；计划好前置仓，把合适的库存放到合适的地方，并在库存控制上厘清两者的关系。
还有一个维度，就是业务维度：B2C和B2B的业务有区别，对供应链计划的挑战也不尽相同。比如B2C的需求相对分散，东边不亮西边亮，但节假日、促销、活动众多，产品生命周期短，竞品众多，影响需求的因素也很多；B2B业务的需求相对集中，特别是大客户，能够显著改变供应商做生意的方式，但好处是产品生命周期一般较长，节假日、促销、活动等因素影响较小。
值得关注的是，这些年来，很多企业开始同时跨入B2C和B2B两个领域。刚开始是传统企业上线，开拓线上业务；现在是电商进入线下业务，走传统的渠道。传统企业上线，失去了传统渠道的缓冲，屡屡被线上业务的促销、活动痛击；电商下线，面对线下渠道的关系复杂、运作低效、信息不对称及大B客户的强势，吃尽苦头。两种业务不同，面临的供应链挑战也不同，在做计划时要区别对待，不过在本书中，限于篇幅，我们不会设专题进行讨论。
新产品还是老产品、中心仓还是前置仓、B2C还是B2B，这些计划对象上的差异，要求计划方法上的差异化一刀切不是精细化管理；精细化管理的标志是差异化。除了这些，我们在计划中还要考虑产品的成本、需求的变动性、客户的集中度等一系列差异化因素，区别对待，采取有针对性的措施，而这正是众多粗放管理的企业所欠缺的。
就整体方法论而言，本书依旧遵循《供应链的三道防线：需求预测、库存计划、供应链执行》一书中从数据开始，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，制定最终的预测。与《供应链的三道防线：需求预测、库存计划、供应链执行》一书不同的是，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法论的书。我深知，预测方法深如海，自己才疏学浅，不敢奢望在这方面有所创新。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。关于详细的预测方法，建议大家阅读专业的图书。
本书也会尽量避免数理统计，但不得不承认，供应链处处充满不确定性，而要掌握不确定性，没有比数理统计更好的工具了。所以，我会尽量以浅显的语言，从实践者的角度解释最基本也是最重要的数理统计。我不想给计划贴上数理统计的标签，吓退众多的从业者你可以不用懂得多少数理统计知识，仍旧能做出相当不错的计划来。当然，如果要成为计划、供应链领域的高手，拥有数理统计的思维会让你更上一层楼。
本书的目标是寻找更优，而不是最优的解决方案。书中分享的一些实际问题的解决方案，顶多算是实践供参考，不能当作最佳实
践来看待。在那些实践中，我找到的方法比案例企业原来用的要好，但比教授、博士们的研究模型要差研究者们寻求的是最优解决方案，但往往因为过于复杂、理想化，实践者没法理解，所以就不能信任，不信任就不会采用。鉴于这一点，在一些案例中，比如预测方法的择优，我适当牺牲了一些准确度，以期增加操作的可行性。
这些年来，我越来越意识到，在供应链领域，执行往往跟企业的规模有关，比如大公司的议价能力强，在执行上，就更容易把问题转移给供应商或客户；小公司的胳膊不够粗，就很难通过转移问题来解决问题。但对计划而言，不同规模的企业之间，共性则更多，而本书中的大部分案例，实际上是来自年营收为几千万、几亿元的中小企业。
比如就需求预测和库存计划而言，一个年营收为几千万元的企业，动辄有几十、几百个产品，成百上千种规格，线上线下业务并行，计划的复杂度之高，跟一个年营收为几亿、几十亿元的企业相比，区别没有想象中那么大。如果说有区别的话，那更多是在七分管理上企业规模越大，组织和流程越复杂，职能之间的博弈越多，计划与业务部门的对接就越困难。在三分技术上，大公司与小公司在基础数据分析、预测模型的选取、库存计划的优化上，其实没有太大的区别。
就应用对象而言，本书的目标是覆盖大、中、小规模的企业。特别地，本书在写作过程中，时时考虑以下两种类型企业面临的挑战。
（1）新兴企业：以前每年做几百万、几千万元的生意，经过爆炸式成长，做到几亿元或者更大的营收规模，供应链计划和执行越来越复杂，交付压力巨大，客户要的没有，客户不要的很多。
（2）成熟企业：每年有几亿、几十亿元乃至几百亿元的营收，增速放缓，行业饱和，供应链面临严峻的成本和库存挑战，需要在供应链计划上更上一层楼，以提高库存周转率和投资回报率。
两类企业所处的生命周期不同，对供应链和计划的期望也不尽相同。对于新兴企业来说，在快速增长的环境下，计划上要避免大错特错，一快遮百错，在精打细算上往往乏善可陈；对于成熟企业来说，增速放慢了，成本太高、周转太慢的问题就如冰山浮出水面，需求预测和库存计划的精打细算就提上议事日程。
这两类企业要做的都是跨越库存计划和库存控制的三个阶段。它们规模不同，但起点很相似，那就是高库存、低有货计划薄弱，执行也薄弱，导致没用的库存一大堆，但客户要的没有。这是计划的第一个阶段。这就如一个胖小伙子，在开始健美之前，身上的肉很多，但长错了地方。
然后企业就开始改进计划，比如选择更合适的预测模型，提高预测准确度；计算更合理的库存水位，提高库存的利用率。这些改进大都是三分技术的范畴，能由计划职能独立完成。因为没有触及库存的三大根本驱动因素，所以整体库存水平没有显著改善，但因为预测准确度更高，安全库存更合理，我们把合适的库存放到合适的地方、合适的产品上，库存的结构变得更加合理，库存的利用率也就更高，结果就是高库存、高有货。这就是计划的第二个阶段。
在计划的第三个阶段，我们更多地从七分管理的角度出发，改进的重点放到了执行上，比如缩短周转周期以降低周转库存，降低不确定性以降低安全库存，改变组织行为以减少过剩库存。在这个阶段，计划强，执行强，整体库存会更低，而有货率更高，表现为低库存、高有货。
计划改进的整个过程，就像一个人的健身过程：刚开始，胡吃胡喝不锻炼，生活习惯差，长出一身赘肉；慢慢地，健身有了点儿效果，合适的肉放到合适的地方，但体重并没有减轻；最后，在长期自律和坚持下，赘肉没有了，练出一身肌肉来。
本书的重点是三分技术，旨在完成向第二个阶段的过渡，即从高库存、低有货提升到高库存、高有货。这一阶段的改进相对容易，计划职能就能完成，不需要多少跨职能协作。招一位优秀的计划经理，选择更好的预测模型，设置更合理的库存水位，把计划职能本身的事儿做好，就能大大提升达到第二个阶段的概率。
跟计划人员交流，听到的大多是销售和业务端如何不配合，殊不知，有很多事情，比如数据分析，计划人员自己就能完成，并不需要销售人员来帮忙。计划人员要做自己能够控制的，那就是解决好三分技术的问题，而不是一味拿不能控制当借口，作为自己不作为的理由。
刘宝红 | Bob Liu
供应链管理专栏创始人 | 西斯国际执行总监
2020年6月于硅谷
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
