
劉寶紅
就整體方法論而言,本書依舊遵循“從數據開始,由判斷結束”的基本準則,在基本數據,比如需求歷史的基礎上,制定基準預測;根據銷售、市場等業務部門的職業判斷,比如促銷計劃、新品上市計劃,來調整基準預測,制定最終的預測。本書更加聚焦“從數據開始”,通過一系列案例,更詳細地介紹預測模型,包括預測方法的擇優、庫存計劃的優化、新品導入的計劃等。特別要說明的是,本書不是一本預測方法論的書。本書會探討常用的預測方法,力圖以淺顯易懂的方式,把這些方法介紹給大家,讓更多的人能夠熟練應用。本書的目標是尋找更優而不是最優的解決方案。
非供應鏈計劃行業的人讀可能有的幾點啓發: 1、“計劃”在生活中、社會中到處存在。即使現在不是計劃經濟時代了,但不得不說,如何在不確定性的世界中制定合理的計劃是一個非常重要的問題,而供應鏈領域能看到對這一問題的最先進、最有智慧的思考角度,可以應用到很多其他方面。比如,一個家庭如何平滑消費,在收入、消費都存在不確定性的情況下。如果有制訂計劃的能力,也許就不需要“庫存”那麼多錢,也許就不用人心惶惶地掙那麼多錢。再比如,一個企業如果能制定好合適的僱傭勞動力數量,就不會面對過度僱傭、很快又裁員帶來的財務成本,勞動者自己也不用面對忙碌的時候加班熬夜、沒活幹的時候摸魚還得坐班造成的精神負荷。主流經濟學不太認可“計劃”,而推崇能自發運動的制度機制,有其合理性,因爲人的理性還是有侷限性,很難預測一切,對於一國經濟這樣龐大的場域、那麼多經濟主體同時運轉,的確有些喫力。但是,“計劃”這個領域是人類智慧體現的比較淋漓盡致的地方。雖然大事可能難以計劃,但小事仍然可以,並且從制定“計劃”背後的思路中可以學到很多東西。 2、“庫存”在生活中、社會中也有很多種存在形式。商品是一種庫存,電力、金錢、勞動力甚至情緒等等也可以是庫存。庫存的本質是,一個東西產生出來需要時間,或者是存在規模經濟,最好大批量產生很多然後存着;同時,需要用這樣東西的場景存在不確定性。只要一個東西在產生和使用方面存在上述性質,它就存在“庫存問題”。剛纔舉了家庭中收入的庫存(儲蓄問題),企業中勞動力僱傭的問題爲例。庫存的還可以是更抽象的問題。比如“快樂”:人們經常說娛樂是在“充電”,充電這個比喻就捕捉了情緒的庫存屬性。產生快樂需要時間,而你不知道什麼時候就突然面臨一個打擊,需要一些“快樂”。而快樂在腦海這個倉庫裏可以“存放”多久,會不會變質?快樂的供應鏈週期長還是短,是否需要一些可以即時配送快樂的“前置倉”,以及一些用於應對巨大需求衝擊的“中心倉”?等等等等。而商品的庫存,是庫存問題最直接、最具體、最現實的表現形式,並且因爲涉及到商業利益,被人研究的肯定最多最透。因此,以這本書入手思考自己生活和工作中的“庫存問題”,是挺合適的。 3、對“方差”的強調。現實中人們經常關注均值,因爲均值給人留下比較明確的直觀感受,但方差是很重要的,波動的幅度、與一般情況的偏離程度有時往往是產生問題的地方。如果提升均值和如何控制方差同樣值得研究。
這本書梳理的銷售預測思路與實操方法,堪稱供應鏈從業者的實用指南。全書圍繞 “企業如何做出更可靠的銷售預測,並以此制定科學的庫存計劃” 核心命題展開,對實操中可能遇到的各類問題、對應的解決路徑均做了詳盡拆解,兼具實用性與指導性。書中秉持的 “從數據開始,由判斷結束” 核心原則,更是精準點出銷售預測的關鍵 —— 優質的預測從非單一部門的孤軍奮戰,而是跨部門協同、數據支撐與專業判斷的結合體。 不過通讀全書,有一點觀點我難以完全認同:作者對人工智能與大數據在銷售預測中的價值闡釋有所欠缺,幾乎未提及二者的功能與實際應用,讓人容易產生 “AI 在該領域無實用價值” 的誤解。這或許是受作者成書時人工智能技術尚未成熟的時代限制;而步入 2026 年,AI 技術已實現跨越式發展,銷售預測所需考量的多元因素、龐雜數據,均可通過 AI 工具進行高效分析與深度挖掘,以此輔助人工判斷,勢必能大幅提升預測準確率。期待本書再版時,能補充 AI 與大數據賦能銷售預測的相關模塊,讓內容更貼合當下供應鏈行業的技術發展趨勢。
1. 方差(Variance)• 定義:一組數據中每個觀測值與均值差的平方的平均數。• 特點:單位是原數據單位的平方,因此在實際解釋時往往不如標準差直觀。 2. 標準差(Standard Deviation)• 定義:方差的平方根,與方差一樣衡量數據點圍繞均值的 spread,但單位與原數據一致,易於解釋。• 特點:– 數據整體放大或縮小若干倍,標準差隨之同比例變化;– 若每個數據點都加上同一常數,標準差不變。 3. 離散係數(Coefficient of Variation,CV)• 定義:標準差與均值的比值,是一個相對變異指標,用於比較不同均值水平下數據的離散程度。• 特點:– 去除了均值水平的影響,因此適合跨產品、跨時間段的波動性比較;– 當數據均值接近 0 時,離散係數會變得不穩定(分母過小)。 4. 三者的數學關係方差 = 標準差²;離散係數 = 標準差 ÷ 均值。因此,離散係數可視爲“標準化後的標準差”,而方差是“未標準化”的平方。
需求預測:重點就是做均值預估,增加多源的信息輸入,讓專家也參與進來決策(新品、促銷品);系統+專家一起把整體準確率做上去。 庫存計劃:就是設定安全庫存,做概率分佈預估,重點是平衡售罄的機會損失和庫存成本,從而做到利潤的最大化。這個過程建模的時候得考慮供應的不確定性和需求的不確定性。 構建系統+專家相互學習、相互調優的合理機制,最重要的就是增加專家對系統的理解增進信任,同時系統部分得及時吸納專家的經驗。
理論化的書。學者們只知道研究模型,卻不知道如何靈活地解決問題。如果套用書裏的理論,10次要死8次!雖然書名是實踐者的角度,問題是實踐者用的是理論家的知識而已。這些理論確實重要。不知道10次死10次!但是隻是知道這些,不能靈活運用,還是不行!何謂靈活呢?每一家企業都有具體的戰略,策略,流程,系統等課題。預測和庫存不是獨立存在的數據。如果不能有效結合這些實際的商業條件,談庫存與預測都是空談。舉例,預測是爲了庫存,還是訂貨,還是定價,還是做人時安排?每種落地場景不一樣,對於預測的要求就不一樣。所謂”最科學”,”最客觀”的預測都是書呆子在做夢。現實中需要理解這些理論後與其它實際的場景融會貫通。這纔是實踐者的真言!只是從一個世界名校的博士,歷經25年的實踐後,覺得這書裏的境地,在實際中算是一個小學水平吧……
這是一本工具書,同時也是一本好書。書裏需要消化的內容太多。個人提煉出以下兩個對我影響較大的知識點,分享出來希望可以供大家參考,同時也期望大家指點。其餘內容還需要細細鑽研。 1.依靠指數平滑法做預測的底層邏輯 下期預測值=公式:αx當期實際值+(1-α)x上期預測值,α的取值範圍:大於0,小於1。 當需求歷史比較穩定時,選擇較小的α值,0.05~0.2;當需求歷史有波動,但長期趨勢沒有大的變化時,可選擇稍大的α值,0.1~0.4;當波動很大,呈現明顯且迅速的上升或下降趨勢時,宜選取較大的α值,0.6~0.8。 當產品的銷量波動劇烈時,要貼近當期實際銷售情況,則α的分配到當期銷量的權重就需要多一點,上期預測的權重則相對少一些。反之,當產品銷量波動平穩時,則要以做好預判預測爲重,則α分配到上期的預測量的權重就需要多一點,當期銷量的權重則相對少一些。這是一個靈活變動的數值,每一類產品不同時期的α大小均不同,要找到合適的數值需要一遍遍迭代計算對比。上文提到的數值區間是基於經驗與大數據得到的參考值,真正貼合自身公司計劃實際的需要具體問題具體分析。 2.新品的快速反應概念 任何一件事情做砸了,但如果及時補位、及時糾偏的話,沒有什麼災難是不可避免的。 我們在第1天、第1周、前3周的銷售數據出來後,通過三次系統地回顧和調整需求預測,來驅動整個供應鏈快速響應,比如長週期物料的採購、半成品的深加工等。這就是典型的“快反”——快時尚行業的熱詞。
這本書技術難度很大,雖然頁數不多,但是耗時費力,需要思考。沒有一定的數理統計功底,讀起來會更累。 主要從需求預測、庫存計劃和新品計劃三個部分展開。 需求計劃的方法和CPIM類似,但是有寶紅老師帶着可以更加深刻理解,畢竟CPIM英文的,講的也沒有寶紅老師的更詳細更深刻。 庫存部分的庫存四分類,以及再訂貨點講的也通俗易懂,可以學以致用,解決了我心中的很多疑惑,包括再訂貨點和訂貨量的區別。 新品部分,對於德爾菲法,講的那就是太棒了。同樣的報童模型,寶紅老師沒有展開太多來講,邊際收益和邊際成本的概念也需要一定的經濟學基礎才能掌握。寶紅老師對錢大媽觀察的細緻值得我們每一個供應鏈從業人士的學習。 再次感謝寶紅老師,有深度有廣度,不愧我們供應圈的大紅人[呲牙]
劉寶紅老師的這本書,紮根於供應鏈管理最真實的痛點——預測不準與庫存兩難,讀來尤具實踐指導意義。全書沒有複雜公式的堆砌,而是以大量本土案例爲骨架,從需求管理、計劃流程到組織協同,系統拆解了“爲什麼計劃總趕不上變化”以及如何構建應對不確定性的體系能力。 最深刻的啓發在於,書中始終強調預測不是“算準”,而是管理誤差和風險;庫存不是“壓貨”,而是平衡服務與成本的藝術。它教會從業者跳出數字遊戲,轉向驅動銷售、生產與供應鏈的有效協同,從“救火”轉向“防火”。書中提煉的“從數據到決策”的流程框架,以及對於績效考覈、部門牆等軟性障礙的剖析,尤其值得管理者深思。 整體而言,這是一本爲中國供應鏈人寫的“實戰手冊”,語言平實,見解犀利,無論對於一線計劃員還是供應鏈管理者,都是能常讀常新、推動行動的工具型讀物。
這本書還是比較乾貨的,值得閱讀。 本着想了解更多業務領域知識的目的打開了本書,讀起來還是有點難度,需要一點數理統計的知識,搭配上案例真的方便理解。 看着老師提到的預測模型,在實際工作中運用不多,熟悉又陌生,有種以前零碎的想法有了專業支撐的感覺。或許這就是方法論、結構化思考、思考模型的價值。 這書解決了一個困惑,就是自己不要在各種模型中糾結到底用哪個,也不要因預測不準而自我懷疑。大師說了,預測本來就不準,我們應及時調整,提高準確度。 準備二讀,提取知識點;也要重讀統計學書籍,以前當成數學計算學習,現在要懂得其實際價值。
本書真的很值得閱讀。 我在處於不同期間閱讀了本書。 書籍剛上市,經歷的業務模塊只是其中的庫存計劃。閱讀感受:需求計劃-庫存計劃-新品計劃每章節都需要閱讀多次,針對其中的邏輯、公式需要自己去理解、表格中實際操作一遍。整體理解沒有那麼深。 在我的工作經歷了做全域庫存計劃、參與公司的計劃系統項目,上級的庫存計劃基礎知識培訓,再回過頭去看這本書籍,真的感到那種閱讀過、實踐中的驚喜。 ❤️❤️❤️❤️❤️需要深度思考,並不斷應用到實際業務中,再從業務中閉環到閱讀的,此類書籍真的是常看常新。