乐竞体育APP

乐竞体育:智能采购补货策略探讨

  • 产品详情

  【声明在先】:文中所有业务流程及系统设计均由电商标准流程改造,不具有任何商业倾向性。

  若要实现智能补货,何时该补?补多少为宜?该如何做需求预测?资金有限时该怎样实施采购?这些都是行业大咖们研究的方向,木笔以自己的所见所学所想等绵薄之见,作为抛砖引玉,欢迎一起交流。

  小Q:某医药互联网公司后台产品经理,着手规划重构公司的供应链及电商后台相关系统;

  在飞哥的带领下,产品部有个很好的文化传承,每周部门周会,交由一名同事主持和分享,分享主题可以涉及工作生活的方方面面,当然题材得积极健康。分享是一种很好的巩固自我知识体系的方式,在整理准备和分享的两次经历中,很多断档的知识点会如暗礁般裸露出来,同时演讲的过程又能提升产品经理的表达能力,可谓一举多得。

  既然是文化,部门长自然也不会有特权,本周主持分享轮到了飞哥。由于近期在梳理采购系统业务,而飞哥又是这方面的专家,于是同志们集体要求老大拿出自己的看家本领,给大家分享一下智能补货的实践经验。于是,本周的主题被定为很有调性的“智慧采购策略探讨与实践之路”,刷新了往期分享标题党的新高度。

  “按照我们库房商品的库存用途,我们可以把库存分为三类”,飞哥指着投影在墙上的PPT,顶着略有发福的肚腩面对大家说道。

  “第一类:日常周转库存。主要用于日常业务需求的库存,例如未来30天、60天的销售备货;

  第二类:安全库存。主要用于应对不确定性需求的缓冲库存。例如某一天需求量突然比往日激增了10个,那这10个库存就要动用安全库存;

  第三类:多余库存。此类库存因需求预测错误或者其它原因导致长期滞销、占用了库容成本,需要尽快处理 。”

  采购提前期:指商品采购需要的时间,从下采购单,到供应商备货、供应商送货到目标库房、库房入库的全周期;

  订货点:也称再订货点,是触发再次采购的时机点,当现货可用库存下降至订货点库存时就触发下次补货;

  目标库存:每次补货的库存上限,超过目标库存就不能再补货了,否则会产生多余的滞销库存;

  “这几个概念和智能采购补货是什么关系呢 ,飞哥?”,浩子满脸不解的问道,发现大家也是如此表情。

  “老师,你可以叫我浩子,浩是陈浩南的浩,不是老鼠的那个耗子哦~”,浩子机智的站起来帮领导捧场,并向大家握拳作揖,逗得大伙一阵大笑,凝固的气氛瞬间瓦解。

  “我们的SKU有几万个,每个SKU有自己的库存,采购的同事如何知道哪些SKU库存快不够了,何时该补货,该补多少?”,飞哥开始解释,

  订货点就是用来辨别哪些SKU库存不足以及何时该补货的,一旦当前库存低于订货点库存了,这部分就是该补货的商品;目标库存是补货的目标,与库存满足率相关;补货数量就是采购量。订货点、目标库存、补货量三者息息相关,组成了智能采购的前提。若我们的系统做得足够准确和智能,一旦商品低于订货点了,就可以自动计算补货量,生成采购单,省去人为操作的过程。”

  “按照补货数量和补货周期,我们把补货方式分为四种,分别是定量不定期、定期不定量、不定期不定量、定期定量。4种方式适用于不同的公司和业务形态,给大家罗列一下各种方式和其优劣势:”,飞哥翻到PPT的下一页,详细为大家讲述每一种补货方式:

  “明白了,我们公司目前就是按照不定期不定量的方式进行采购的,毕竟创业公司,资金有限嘛!所以只能采购频次高一点,每次采购的量少一点,保证库存少积压。”,小Q恍然大悟,补充道。

  “说的对,下面我们就不定期不定量的业务形态下,聊一聊补货的系统逻辑。”,飞哥停顿了一下,继续说道。

  “大家知道,咱们生活中有诸多特性都是符合正态分布的,人的身高、体重、某地区的降水量等,咱们公司的业务需求从长期来看,一定也是符合正态分布的,大家可以抓取历史销量数据中来分析一下便知。

  既然需求符合正态分布,那我们有理由相信在外界因素没有特别大的变化的时候,通过历史销量,可以预测出未来一段时期的日均销量,转换到采购过程里即为每日需求量;再根据标准差可以算出需求的波动性,波动性应对库存满足率的概率,也即我们的服务水平。若需服务水平提升,就需要多备货来应对波动性,这个多备的商品就是安全库存。

  假设历史销量符合正态分布,且需求和采购提前期相对稳定,在不定期不定量情况下,采购补货逻辑应为:某仓的可用库存低于订货点库存时,就触发补货,补到目标库存为止。”,飞哥为大家展示了一张补货逻辑图。

  补货触发时机为某仓的可用库存低于该仓的订货点,且所有库房的总可用库存低于总订货点时(若某仓可用库存低于订货点,但全国总库存超过总订货点,说明某些库房商品尚有盈余,此时不需要补货,将订单分拨到盈余仓库即可,必要时可以进行仓间调拨),采购单以仓库为单位生成:

  订货点=单仓日平均销量*采购提前期+日安全库存;日安全库存为服务承诺水平下的备用库存,应对需求和供应商送货的不确定性;

  补货量=目标库存–当前仓库可用库存;当然这是不定量情况下的方式,若为定量补货,补货数量每次都是固定的。

  可用库存=实物库存-订单已出库预占库存+在途库存;在途库存包含:已入库未上架数量 + 已采购/调拨未到货数量;

  目标库存=日平均销量*(计划备货天数+采购提前期)+日安全库存;计划备货天数为需要储存的日常需求天数,根据业务量、仓库容量和财务状等因素决定,例如咱们公司日常备货1个月左右 。”

  见大家一脸茫然,飞哥早就在意料之中了,用戏谑的眼神望着小Q,继续说道:“给大家举个简单的例子,比如小Q你,每个月工资交给你媳妇,由媳妇定期给你转账生活费,这个生活费的给法和咱们采购补货其实是一个原理。

  假如银行转账到账时间是1天(采购提前期=1),你和你媳妇商量说你每天生活费100元(日均需求=100),为了防止你花心,一次性只给你5天的口粮(计划备货天数=5),有的时候你还想和同事们喝点小酒放松一下,大概每周一次,需要花费200元(安全库存=200),现在我们来算一下你媳妇该怎么给你钱:

  订货点=日平均销量*采购提前期+日安全库存=100*1+200=300;

  目标库存=日平均销量*(计划备货天数+采购提前期)+日安全库存=100*(1+5)+200=800;

  OK,以上为前提条件,是你提前和媳妇商定好的。周一上班前,媳妇一次给了你800(补货到目标库存),但因为本周你好哥们来找你接济了,超出你的预期消费,结果两人开启了两天奢侈的生活,周二结束时已经花掉了600(需求超过预期),这时你的剩余生活费就只剩200了(可用库存仅剩200),低于订货点300,后面还有3天,很明显仅剩200肯定不够,这个时候你会怎么办?”

  “够义气,估计再饿上几天,你这好不容易蓄起来的双下巴就会消失了”,飞哥打趣说,“相信以你的专业性,肯定不会让自己的肚子受罪,所以你会立马跟媳妇发起补货申请,再次补到目标库存800。媳妇审判后发现本周库存消耗的有点快,但也算合理,于是同意了你的补货申请,又给了你600,此时补货量就是600(补货量=目标库存-可用库存)。

  “我还有一个问题,”,征得飞哥示意后,小Q怕大家听不清,故意提高音量:“逻辑是懂了,不过案例中的小Q不是我哈,我们家是我管钱的,嘿嘿~”

  原理是:正态分布的总面积是1,对应服务水平为100%,若要满足目标服务水平,则需要调整标准差的系数,以求目标覆盖面积接近目标值(也即库存量满足服务水平)。

  若某SKU需求符合均值5,标准差为2的正态分布,若要求服务水平(库存满足率达到95%),通过反查标准正态分布表得知,最接近95%的标准正态分布累计分布函数的反函数值为1.64,也即服务水平系数为1.64。

  实际工作中,不可能实时去查正态分布表,EXCEL中有个 NORMSINV( )函数,可直接计算出标准正态累积分布函数的反函数值,如:NORMSINV(0.95) =1.64。”

  看着大家的表情,数学好的同学们豁然开朗,稍微差点的若有所思,上学不用功的还是一脸茫然。飞哥打开自己的保温杯,对着还冒着热气的杯面吹了吹,然后喝了一大口枸杞茶,嚼了两口随茶入口的枸杞并吞咽下肚,然后一脸幸福的继续跟大家讲解:

  “以上是一种比较理想的情况下的算法,实际业务里面,可能面临供应商送货时效不固定、需求变化较大等意外情况,那我们又该如何面对呢?这里给几个建议:

  ①有些公司业务尚不稳定、数据较少时,可以参考用泊松分布代替正态分布计算供应商时效的期望和方差,虽然不准确,但有好过无;

  ②针对供应商的送货时效和采购提前期,通俗做法是排除异常数据后,取供应商到每个库房的送货平均时效;若需更精确,可以参考正态分布计算供应商的均值和方差,考虑供应商时效波动的方差,同时,考虑加入采购品项和数量等因素综合建模求解(采购量级不同,供应商备货和库房收货时长也会有影响),这就更加复杂了,最好请教懂算法的高材生一起设计;

  ③供应商送货时效、订货点、目标库存这些系统计算出的结果可只做推荐,人为可以根据实际情况进行调整;

  ④为了方便操作和结算,应尽量以整件进货,计算采购数量时尽量以商品大包装数的整数倍进行订货点、补货数量的计算,避免拆零。“

  “如果所有的商品都备安全库存,库存成本会增加好多的吧?”,小Q终于提出了一个实实在在的问题。

  “没错,所以在实际运作过程中,咱们可以根据企业实际情况来选择备或者不备,我的一个参考经验是根据SKU的价值和出库频次做一个九宫格,根据公司的库容和财务资金状况定夺”。

  “飞哥,需求预测该怎么做?”,小Q继续提问,一定要榨干老大的最后一点智慧。

  “需求预测对应到咱们公司,可以等同于销售预测。方法有很多,比如定性分析中的德尔菲法、专业判断法;定量分析中的因果预测法、时间序列法等,下面给大家重点介绍一下时间序列法中的指数平滑法。”,飞哥又端起茶杯,重复了一遍中年油腻男教科书式喝枸杞茶的方法。

  “指数平滑法是生产预测中常用的一种方法,也用于中短期经济发展趋势预测,所有预测方法中,指数平滑是用得最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用;移动平均法则不考虑较远期的数据,并在加权移动平均法中给予近期资料更大的权重;而指数平滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐渐减弱的影响程度,即随着数据的远离,赋予逐渐收敛为零的权数。()”。

  “按照数据变化趋势的不同,指数平滑法可以平滑多次,例如一次指数平滑预测法、二次指数平滑预测法、N次指数平滑预测法。若是水平型历史数据的预测,适合一次指数平滑预测法;若呈斜坡型线性趋势历史数据的预测,适合二次指数平滑预测法;若呈现抛物线趋势,选用三次指数平滑法或更多次指数平滑预测法:

  以某种指标的本期实际数和本期预测数为基础,引入一个简化的加权因子,即平滑系数,以求得平均数的一种时间序列预测法。即对离预测期较近的历史数据给予较大的权数,权数由近到远按指数规律递减的一种特殊的加权平均法。()

  若历史数据呈斜坡型线性趋势,选用二次指数平滑法,对一次指数平滑的再平滑,它适用于具有线性趋势的时间数列:

  若历史数据呈现抛物线趋势,选用三次指数平滑法 ,在二次指数平滑的基础上再进行一次平滑:”

  某SKU 初始预测销量为23万,设定平滑指数为 α=0.9。实际销量分别为:

  基于以上结果,再根据二次指数平滑法计算,以第2个月预测销量(28.4万)作为初始值进行再平滑:

  “需求预测就讲到这里吧,大家如果感兴趣,可以会后自行对各种策略和算法进行深入研究,看看有没有更好的方式来让预测尽量接近准确。注意,是尽量哦!要知道,所有的预测都是不准确的,只有越接近实际情况,考虑的因素越多,才能计算出更接近实际的预测值。

  需求越稳定、频次越高,基于历史数据的时间序列预测会越准确;需求越不频繁,判断的成分越多,越得依赖销售、市场等接近实际业务的经验判断。

  所以,采购需求预测的过程并不是一蹴而就的,需要销售部门和供应链部门紧密结合,销售计划有变动(例如促销)时,应该及时提醒供应链部门调整需求预期和采购计划。”

  “在资金有限的前提下,优先该采购哪些品种呢?”,小Q更加深入的提出下一个问题。

  ①根据商品常关注指标,为每个指标设定不同的权重值W(各权重值之和=1);

  ③以上权重和得分加权即可算得每个SKU的综合评分f(x),评分越高,说明优先级越高:

  ④根据商品的综合评分排名,结合采购价*预测需求数量依次采购,直到所有预算资金用完为止。”

  “同安全库存和需求预测一样,采购目录建议算法也不是时刻不变的,需要采购根据实际情况来不断调整指标权重,直到推荐的商品目录与实际情况相符为止。”,飞哥补充道。

  今天的分享就讲完了,以上只是我个人的一些经验,不一定完全正确也不一定最优,而且这些策略一定需要结合业务现状和历史数据综合分析、灵活变通,否则不仅不能帮助到业务部门,还会适得其反,各位在以后的工作应用中一定要因地制宜,不要邯郸学步 。下面看看大家还有什么疑问,咱们一起探讨一下。”,飞哥讲完以后,获得大家阵阵掌声,因为知识点太多,需要慢慢消化,大家又带着各自的疑问展开了将近1个小时的头脑风暴......

  独乐乐不如众乐乐,共同进步的疗效是很神奇的,可以提升整个部门的积极性和凝聚力,让每位员工不再只是为了薪水而工作,而是能突破工资层面,深刻认识到自己做的每一分一毫都是在巩固和提升自我在行业大流里的位置。逆水行舟不进则退,你若不进步,淘汰你的不是你所在的公司,而是你所处的行业和社会、你的大龄和狭隘的认知,到那时,每一击都将是残酷和致命的。

  老当益壮,宁移白首之心;穷且益坚,不坠青云之志。小Q为身在这样一支积极向上的团队而自豪,也确信只要自己足够努力,一定能够打破互联网人35岁失业魔咒,在36岁乃至往后每一年生日的站台边,都会有一个更加优秀的自己在向自己招手,感谢今天为他付出的一切......



上一篇:成本核算的8种方法!简直太好用了!

下一篇:不要怪产品进不了店看看人家是怎么做到的!