一個實踐者的角度：需求預測和庫存計劃

序言一 從計劃的“七分管理”到“三分技術”

序言二 從藥典到藥方：我對案例的一些想法

序言三 這是我的第5本書，跟其他書有什么聯(lián)系

作者簡介

導讀

計劃是供應鏈的引擎

第一章

需求預測：三種基本的預測方法

時間序列的預測：移動平均法 / 8

小貼士 預測的靈敏度和準確度 / 12

小貼士 預測準確度的統(tǒng)計 / 13

小貼士 要不要考核預測準確度 / 18

時間序列的預測：指數(shù)平滑法 / 20

指數(shù)平滑法的邏輯 / 23

指數(shù)平滑法的初始化 / 25

平滑系數(shù)的擇優(yōu) / 27

簡單指數(shù)平滑法的優(yōu)劣 / 32

趨勢的預測：霍爾特指數(shù)平滑法 / 34

案例 一個快時尚產(chǎn)品的需求預測 / 41

小貼士 有時候，不預測就是最好的預測 / 46

季節(jié)性+趨勢的預測 / 47

基于相關性的預測：線性回歸 / 57

小貼士 解讀線性回歸的參數(shù) / 60

小貼士 樣本選擇的幾點考量 / 65

小貼士 極端值的處理 / 66

小貼士 殘差圖的分析 / 70

小貼士 樣本太少怎么辦 / 73

小貼士 警惕線性回歸給你的東西 / 74

選擇預測模型的一些考量 / 78

小貼士 尋找更優(yōu)，而不是最優(yōu)的解決方案 / 81

小貼士 預測模型的優(yōu)化要提防過度擬合 / 83

案例 中心倉的預測方法擇優(yōu) / 86

需求預測的集中化 / 90

小貼士 為什么在顆粒度小的地方做預測 / 93

預測方法的優(yōu)化 / 95

計劃的改進得兼顧供應鏈的執(zhí)行能力 / 103

小貼士 電商如何選擇ERP / 106

魔鬼藏在細節(jié)中：需求歷史數(shù)據(jù)的清洗 / 110

本章小結(jié) 最基本的方法也是最重要的 / 118

第二章

庫存計劃和庫存的優(yōu)化

量化不確定性，設定安全庫存 / 123

第一步：量化需求的不確定性 / 124

第二步：量化有貨率的要求 / 128

小貼士 有貨率怎么定 / 129

第三步：計算安全庫存 / 130

小貼士 按日、按周還是按月匯總需求歷史 / 134

會設安全庫存，計算再訂貨點就很容易 / 139

補貨機制：定量vs不定量 / 143

補貨機制：定期vs隨時 / 145

案例 隨時補貨機制下再訂貨點的計算 / 149

案例 定期補貨機制下再訂貨點的計算 / 150

小貼士 不是現(xiàn)貨供應，再訂貨點如何計算 / 152

案例 輪輻式的全球庫存網(wǎng)絡計劃 / 153

小貼士 設再訂貨點，還是安全庫存+預測 / 158

案例 某工業(yè)品企業(yè)的計劃組織 / 163

小貼士 計劃職能的績效如何考核 / 172

VMI的庫存水位如何設置 / 175

計算最低、最高庫存水位 / 176

量化VMI的庫存風險 / 178

VMI的績效管理 / 179

案例 離開信息化，就很難具備做VMI的條件 / 182

“長尾”產(chǎn)品：庫存計劃的終極挑戰(zhàn) / 184

“長尾”需求用泊松分布模擬更準確 / 189

用簡單法則來指導“長尾”需求的計劃 / 195

案例 跨境電商的店鋪庫存優(yōu)化 / 203

本章小結(jié) 庫存計劃是個技術活 / 220

第三章

新品導入與滾動計劃機制的建立

案例 新品的初始預測：群策群力，專家判斷法 / 224

德爾菲專家判斷法 / 226

小貼士 瓶子里有多少顆巧克力豆 / 227

新品預測試點項目準備 / 230

專家判斷的結(jié)果分析 / 236

反饋改進，從失敗中學習 / 240

專家判斷法失敗的三個原因 / 241

小貼士 預測判斷力是可以培養(yǎng)的 / 243

專家判斷法用于什么產(chǎn)品 / 244

專家判斷有沒有約束力 / 245

專家判斷法由誰來維護 / 246

季節(jié)性強，一錘子買賣如何預測 / 247

案例 新品的預售期：盡快糾偏，調(diào)整預測 / 250

哪個預測模型更好 / 255

系統(tǒng)性偏差的檢驗 / 258

重新定義樣本，重新建模 / 259

預售期需求的滾動預測 / 263

案例 新品的滾動計劃要從開發(fā)期開始 / 268

小貼士 新品計劃本身要有計劃性 / 274

小貼士 大型設備的項目預投機制 / 276

新品計劃由誰做 / 279

本章小結(jié) 盡量做準，盡快糾偏 / 280

后記 / 283