需求预测和库存计划：一个实践者的角度第2版

图书信息

作者：(美)刘宝红著著

出版社：机械工业出版社

定价：89.00

ISBN：9787111784357

出版时间：2025-07-01

分类：图书,社科经管,经济,商业贸易

商品介绍

目录

前言一本关于怎么做计划的书

作者简介

引言计划是供应链的引擎/1

供应链的三道防线/2

从“七分管理”到“三分技术”/3

本书的内容结构/5

第1章数据是计划的基础/7

定义需求历史/8

不能拿发货历史当需求/9

案例1-1发货数据带来系统性的偏差/10

谁的需求/11

小贴士三家手机厂商，都是第一/13

多少需求历史算合适/14

按日、按周还是按月汇总需求/16

数据清洗/18

基本的数据清洗/19

特别值的处理/20

小贴士特别值的识别/23

小贴士削峰填谷/26

案例1-2某跨境电商的数据清洗/28

案例1-3某设备商的备件数据清洗/32

案例1-4某代理商的数据清洗/34

与数据有关的一些好习惯/38

第2章移动平均法和简单指数平滑法/40

时间序列简介/41

移动平均法/44

究竟用多长的需求历史/44

相信数据，而不是你的眼睛/46

小贴士预测的灵敏度和准确度/48

移动平均法的局限/49

加权移动平均法/50

简单指数平滑法/50

简单指数平滑法的逻辑/51

小贴士“指数”是怎么来的/53

简单指数平滑法的初始化/54

平滑系数的择优/56

小贴士平滑指数的经验值/60

小贴士特别警惕Solver给的优化值/61

简单指数平滑法的优劣/62

第3章评估预测方法的优劣/64

预测的准确度/64

准不准，跟谁比/64

预测准确度如何计量/66

案例3-1某制造商的预测准确度/69

那么多的预测，究竟评估哪个/71

预测准确度的行业标杆是个伪命题/72

小贴士预测准确度的几个规律/73

可以不考核，但不能不统计/74

预测的系统性偏差/76

案例3-2猪突然不怎么吃玉米了/81

预测模型择优的几点补充/82

过度拟合是择优之大忌/82

小贴士数据是很好的仆人，却是糟糕的主人/84

小贴士预测模型的择优流程/85

简单的模型往往比复杂的好/86

小贴士最基本的方法也是最重要的/88

寻找更优而非很优的解决方案/88

预测：增值还是添乱/90

小贴士预测模型的边际效益/91

预测能力的评估/92

第4章趋势的预测/95

用线性回归来预测趋势/95

小贴士Excel表格中运行线性回归/97

小贴士如何解读线性回归/99

小贴士用函数TREND来预测趋势/102

小贴士正确解读残差图/103

案例4-1线性回归中，特别值的处理/105

霍尔特法/108

小贴士指数平滑法的一点小历史/111

初始化和平滑系数择优/112

小贴士用FORECAST.ETS来运行霍尔特法/114

霍尔特法和线性回归法的优劣/115

案例4-2究竟该用什么模型/117

小贴士介绍一个专业网站/119

第5章季节性需求的预测/124

传统的季节性模型/125

有季节性，没趋势/125

季节性、趋势并存/126

小贴士季节性需求的安全库存设置/129

案例5-1季节指数的计算/129

案例5-2季节性需求预测的纠偏/130

霍尔特–温特指数平滑/133

初始化/135

平滑系数择优/136

小贴士用Excel函数做霍尔特–温特指数平滑/137

小贴士用Excel中的“预测工作表”做霍尔特–温特指数平滑/139

小贴士不要寄厚望于霍尔特–温特模型/141

案例5-3三种不同方式来预测季节性需求/142

方法1：霍尔特–温特模型/143

方法2：传统的季节性模型/145

方法3：把周三当作独立的时间序列来预测/147

很优的预测方法/148

预测准确度这么低，怎么办/150

小贴士季节该如何切分/154

小贴士究竟参照什么日历/155

第6章一家电商的预测方法优化/156

案例企业背景/157

案例6-1中心仓的预测方法择优/157

需求预测的现状/158

需求预测的集中化/159

预测方法择优：整体思路/162

供应链执行能力了计划/165

小贴士4周锁定，2周滚动/166

移动平均法，几周最准/167

小贴士配对t检验/168

简单指数平滑法，是否更准/172

小贴士初始预测值的影响/173

系统性偏差/175

小贴士特别值的识别和处理/179

预测方法择优建议/181

小结：中心仓的预测/185

案例6-2店铺的预测和库存计划/185

那么多的库存从何而来/186

预测方法的设计/187

预测方法的择优/189

系统性偏差/192

小贴士移动平均法和简单指数平滑法的比较/194

预测有趋势的产品/195

小结：店铺预测/200

小贴士前置仓的计划人员做什么/201

经验教训/202

第7章高度不确定性下，如何预测/205

游戏：瓶子里有多少颗糖/207

德尔菲法/209

小贴士德尔菲法与开会大不一样/211

案例7-1快时尚电商的新品预测/212

德尔菲法失败的一些原因/220

小贴士反馈改进，从失败中学习/221

小贴士德尔菲法的设计/222

案例7-2专家小组不是免责委员会/225

小贴士德尔菲法不是万能药/226

专家判断有没有约束力/227

德尔菲法错了怎么办/228

小贴士德尔菲法的变种/228

小贴士德尔菲法的应用越来越多/230

第8章新品预测：尽量做准，尽快纠偏/232

新品不同，预测的难度也不同/232

新品预测的两大核心挑战/234

案例8-1新品开发期的滚动纠偏/234

新品开发期的三个节点/235

新品导入期的三个节点/237

小贴士关于快反的迷思/239

新品的滚动计划要有计划性/239

小贴士新品计划由谁做/240

案例8-2新品预售期的滚动纠偏/241

线性回归模型/243

线性回归模型的验证/245

预售期需求的滚动预测/247

初始预测高估或低估了，怎么办/248

项目型需求的滚动计划/251

案例8-3大型设备的预投机制/251

第9章预测不准，设置安全库存来应对/256

安全库存：库存计划的看家本领/257

供应确定，需求不确定/258

第一步：量化需求的不确定性/259

小贴士季节性需求的不确定性/261

第二步：量化服务水平的要求/263

小贴士服务水平怎么定/265

小贴士服务水平和有货率不一样/267

第三步：计算安全库存/269

小贴士补货周期如何计算/270

案例9-1安全库存的计算示例/272

需求、供应都不确定/273

小贴士两种不确定性对安全库存的影响/275

需求确定，供应不确定/276

非现货供应，安全库存如何设置/278

案例9-2需求符合正态分布时，非现货供应的安全库存/279

缓冲库存也是安全库存/280

安全库存计算中的一些假设/281

第10章再订货点和再订货机制/284

再订货点的主要参数/284

再订货点/285

案例10-1再订货点的计算/285

订货量/287

小贴士经济订货量/287

案例10-2经济订货量的计算/290

小贴士库存持有成本/292

再订货点的适用范围/294

小贴士用再订货点，还是安全库存+需求预测?/294

补货机制/298

补货机制：定量与不定量/298

补货机制：定期与随时/300

案例10-3定期补货机制下，再订货点计算/301

补货机制小结/302

案例10-4某工业品企业的库存计划/304

VMI的库存水位如何设置/305

计算大力度优惠、优选库存水位/306

VMI的库存风险/307

VMI库存的绩效管理/308

案例10-5离开信息化，就很难具备做VMI的条件/310

小贴士VMI有助于减轻牛鞭效应/312

第11章长尾产品：库存计划的终极挑战/314

长尾、中尾、短尾分类/317

小贴士从计划的角度来对产品分类/318

用泊松分布来模拟长尾产品/321

小贴士什么时候用正态分布，什么时候用泊松分布/324

简单法则来指导长尾产品的计划/325

成本—频次编码体系/326

备件损耗指数/330

长尾产品的库存控制/332

高库存、高服务水平是怎么来的/333

长尾产品的库存控制事关决心/335

后记/337

参考文献/339

内容简介

新品计划难免大错特错，老品计划做不到精益求精，是众多企业面临的普遍挑战。追求精益求精要靠预测模型，本书会详细介绍儿种最常用，也是最重要的预测模型；避免大错特错要靠群策群力，本书会详细介绍德尔菲法，来有效应对高度不确定性。本书还会详细介绍库存计划，比如安全库存、再订货点如何计算，批量大、批量小的产品如何计划，VMI的库存水位如何设置等。鉴于绝大多数企业没有专门的计划软件，本书所有的案例都在Excel中完成。本书为实践者量身打造，目标受众为计划经理、供应链总监、一线计划人员，以及对需求预测、库存计划实践感兴趣的人。

作者简介

刘宝红，供应链管理畅销书作者，“供应链管理专栏”（www.scm-blog.com）创始人，西斯国际执行总监。<br />自2000年起，刘先生便在美国学习和实践供应链管理。他先在硅谷半导体设备制造业从事供应商开发和管理，在全球采购产品、服务和技术；后转入供应链计划领域，支持一家高科技企业每年13亿美元的服务备件业务。从2004年起，刘先生致力于推广供应链管理，帮助中国企业培养中高层管理人员，改善供应链绩效，推动供应链转型。<br />刘先生的专著《采购与供应链管理：一个实践者的角度》于2012年推出初版，至今已经写到第4版（2024年），每年都居京东、当当供应链管理门类销量榜首。他的专著《供应链的三道防线：需求预测、库存计划、供应链执行》于2022年再版，《供应链管理：高成本、高库存、重资产的解决方案》于2023年再版，都成为供应链领域的畅销书。<br />围绕这些畅销专著，刘先生推出一系列专题培训，先后为众多行业龙头企业提供内训，并且有几千家企业、数万名职业人参加他的公开课培训，来自汽车、家电、电信设备、航空航天、机械制造、新能源、新零售、电商、快时尚、服装、餐饮等多个行业。<br />刘先生毕业于上海同济大学，获项目管理硕士；后赴美国，在亚利桑那州立大学读商学院，获供应链管理的MBA。他通过了美国供应管理协会（ISM）的注册采购经理认证（C.P.M.）、运营管理协会（APICS）的生产与库存管理认证（CPIM），接受了亚利桑那州立大学、摩托罗拉和霍尼韦尔的精益六西格玛培训，是六西格玛黑带。<br />刘先生现旅居硅谷，定期往返于中美之间。如欲联系他，请电邮至 baohong@hotmail.com，或致电136 5127 1450（中国，微信同） / 1(510) 456 5568（美国）。<br />

主编推荐

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，集中表现为新产品的计划靠前不准，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；我们需要寻找广义的解决方案。 大错特错靠人脑。对于高度不确定的需求，我们要群策群力，整合销售、产品和计划的很好智慧，尽量避免大错特错。精益求精靠电脑。对于重复性较高的需求，我们要清洗需求历史，选择合适的预测模型，优化模型，提高预测准确度。 围绕众多的案例，本书会系统介绍常用的预测模型，来有效预测随机波动、趋势和季节性，力求做到精益求精。我们还会介绍德尔菲法，以有效应对高度不确定性，争取避免大错特错。最后我们还会介绍库存计划，比如安全库存如何计算，再订货点如何设置，大批量的产品如何计划，小批量的产品如何计划，供应商管理的库存（VMI）如何计划等。 需要说明的是，本书不是一本关于预测方法论的书。本书力图以浅显易懂的方式，把这些最基本，也是最重要的预测方法介绍给大家，让更多的人能够熟练应用。鉴于绝大多数企业都没有计划软件，本书所有案例都在Excel中完成。有些案例可以下载电子版数据。