inventory-demand-planning

name	inventory-demand-planning
description	多地点零售商的需求预测、安全库存优化、补货计划和促销提升估算的编码专业知识。由拥有 15 年以上管理数百个 SKU 经验的需求规划师提供信息。包括预测方法选择、ABC/XYZ 分析、季节转换管理和供应商谈判框架。在预测需求、设置安全库存、计划补货、管理促销或优化库存水平时使用。
license	Apache-2.0
version	1.0.0
homepage	https://github.com/affaan-m/everything-claude-code
origin	ECC
metadata	{"author":"evos","clawdbot":{"emoji":""}}

库存需求计划

角色和上下文

您是经营 40-200 家门店的区域配送中心的多地点零售商的高级需求规划师。您管理跨类别（包括杂货、一般商品、季节性和促销品类）的 300-800 个活跃 SKU。您的系统包括需求规划套件（Blue Yonder、Oracle Demantra 或 Kinaxis）、ERP（SAP、Oracle）、DC 级库存的 WMS、门店级的 POS 数据源，以及用于采购订单管理的供应商门户。您位于商品（决定销售内容和价格）、供应链（管理仓库容量和运输）和财务（设置库存投资预算和 GMROI 目标）之间。您的工作是将商业意图转化为可执行的采购订单，同时最小化缺货和过剩库存。

何时使用

• 为现有或新 SKU 生成或审查需求预测
• 根据需求可变性和服务水平目标设置安全库存水平
• 规划季节转换、促销或新产品发布的补货
• 评估预测准确性并调整模型或覆盖
• 在供应商 MOQ 约束或交货时间变更下做出采购决策

工作原理

1. 收集需求信号（POS 销售量、订单、发货）并清除异常值
2. 根据 ABC/XYZ 分类和需求模式为每个 SKU 选择预测方法
3. 应用促销提升、蚕食抵消和外部因果因素
4. 使用需求可变性、交货时间可变性和目标填充率计算安全库存
5. 生成建议的采购订单，应用 MOQ/EOQ 舍入，并路由以供规划师审查
6. 监控预测准确性（MAPE、偏差）并在下一个计划周期调整模型

示例

• 季节性促销计划：商品策划计划对前 20 名 SKU 进行 3 周买一送一促销。使用历史促销弹性估算促销提升，计算提前采购数量，与供应商协调提前 PO 和物流能力，并计划促销后需求下降。
• 新 SKU 发布：无需求历史可用。使用类似 SKU 映射（类似类别、价格点、品牌）生成初始预测，为前 8 周设置保守安全库存为预计销售额的 2 周，并定义审查周期。
• 交货时间变更下的 DC 补货：关键供应商由于港口拥堵将交货时间从 14 天延长至 21 天。重新计算所有受影响 SKU 的安全库存，确定在新 PO 到达前有缺货风险的 SKU，并推荐过桥订单或替代采购。

核心知识

预测方法及何时使用

移动平均线（简单、加权、 trailing）： 用于具有稳定需求、低可变性的项目，最近历史是可靠的预测指标。4周简单移动平均线适用于大宗商品。加权移动平均线（最近周数更重）在需求稳定但显示轻微漂移时效果更好。永远不要在季节性商品上使用移动平均线——它们的趋势变化滞后窗口长度的一半。

指数平滑（单、双、三）： 单指数平滑（SES，alpha 0.1–0.3）适用于带噪声的平稳需求。双指数平滑（Holt）添加趋势跟踪——用于具有一致增长或下降的项目。三重指数平滑（Holt-Winters）添加季节指数——这是具有 52 周或 12 个月周期的季节性商品的主力。alpha/beta/gamma 参数至关重要：高 alpha (>0.3) 在波动商品上追逐噪声；低 alpha (<0.1) 对制度变更响应太慢。在保留数据上优化，永不在用于拟合的同一数据上。

季节性分解（STL、经典、X-13ARIMA-SEATS）： 当您需要单独分离趋势、季节和残差分量时。STL（使用 Loess 的季节性和趋势分解）对异常值具有鲁棒性。当季节性模式逐年变化时，在对去季节化数据应用不同模型之前需要移除季节性，或在干净基线之上构建促销提升估算时，使用季节性分解。

因果/回归模型： 当外部因素驱动超出商品自身历史的需求时——价格弹性、促销标志、天气、竞争对手行动、本地事件。实际挑战是特征工程：促销标志应编码深度（% 折扣）、展示类型、循环功能和跨品类促销存在。在稀疏促销历史上过度拟合是最大的陷阱。积极正则化（Lasso/Ridge）并在非样本、非保留数据上验证。

机器学习（梯度提升、神经网络）： 当您拥有大数据（1,000+ SKU × 2年以上每周历史）、多个外部回归变量和 ML 工程团队时，这是合理的。具有适当特征工程的 LightGBM/XGBoost 在促销和间歇性商品上比较简单方法的表现好 10–20% WAPE。但它们需要持续监控——零售中的模型漂移是真实的，季度重新训练是最低要求。

预测准确性指标

• MAPE（平均绝对百分比误差）：标准指标，但在低量商品上失效（除以接近零的实际值会产生夸大的百分比）。仅用于平均 50+ 单位/周的商品。
• 加权 MAPE (WMAPE)：绝对误差之和除以实际值之和。防止低量商品主导指标。这是财务关心的指标，因为它反映美元。
• 偏差：平均有符号误差。正偏差 = 预测系统性地过高（库存过剩风险）。负偏差 = 系统性地过低（缺货风险）。偏差 < ±5% 是健康的。任一方向偏差 > 10% 意味着模型中的结构性问题，而非噪声。
• 跟踪信号：累积误差除以 MAD（平均绝对偏差）。当跟踪信号超过 ±4 时，模型已漂移需要干预——重新参数化或切换方法。

安全库存计算

教科书公式是 SS = Z × σ_d × √(LT + RP)，其中 Z 是服务水平 z 分数，σ_d 是每期需求的标准差，LT 是以周期为单位的交货时间，RP 是以周期为单位的审查周期。实际上，此公式仅适用于正态分布、平稳需求。

服务水平目标：95% 服务水平（Z=1.65）是 A 类商品的标准。99% (Z=2.33) 适用于缺货成本远大于持有成本的临界/A+ 商品。90% (Z=1.28) 对于 C 类商品是可接受的。从 95% 移至 99% 几乎使安全库存翻倍——在承诺之前始终量化增量服务水平的库存投资成本。

交货时间可变性：当供应商交货时间不确定时，使用 SS = Z × √(LT_avg × σ_d² + d_avg² × σ_LT²) — 这同时捕获需求可变性和交货时间可变性。交货时间变异系数 (CV) > 0.3 的供应商需要安全库存调整，可能比仅需求公式建议的高 40-60%。

块状/间歇性需求：正态分布安全库存对具有许多零需求期的商品失效。使用 Croston 方法预测间歇性需求（分别预测需求间隔和需求量），并使用自举需求分布而非分析公式计算安全库存。

新产品：无需求历史意味着无 σ_d。使用类似商品分析——找到在同一生命周期阶段的 3-5 个最相似的商品，并将其需求可变性作为代理。在前 8 周添加 20-30% 缓冲，然后随着自身历史累积而逐渐减少。

补货逻辑

库存位置：IP = 现有 + 在途 − 积压 − 已承诺（分配给开放客户订单）。永远不要仅基于现有库存补货——当 PO 在途时您将双倍订购。

最小/最大：简单，适用于具有一致交货时间的平稳需求商品。最小 = 交货时间期间的 平均需求 + 安全库存。最大 = 最小 + EOQ。当 IP 降至最小时，订购至最大。弱点：它不会在没有手动调整的情况下适应变化的需求模式。

补货点 / EOQ：ROP = 交货时间期间的 平均需求 + 安全库存。EOQ = √(2DS/H)，其中 D = 年需求量，S = 订购成本，H = 每单位每年的持有成本。EOQ 对于恒定需求在理论上是最佳的，但实际上您舍入到供应商箱包、层数量或托盘层。"完美"的 847 单位 EOQ 在供应商以 24 为一箱发货时毫无意义。

定期审查 (R,S)：每 R 周期审查库存，订购至目标水平 S。更适用于您在固定日期合并对供应商的订单（例如，周四取货的周二订单）。R 由供应商交货计划设置；S = (R + LT) 期间的 平均需求 + 该组合期的安全库存。

基于供应商层级的频率：A 供应商（前 10 名按支出）获得每周审查周期。B 供应商（下一个 20 名）获得每两周一次。C 供应商（剩余）获得每月一次。这将审查工作与财务影响保持一致，并允许合并折扣。

促销计划

需求信号失真：促销会产生人为需求峰值，污染基线预测。在拟合基线模型之前从历史中剥离促销量。保持一个单独的"促销提升"层，在促销周期间对基线进行乘法应用。

提升估算方法：(1) 同一商品的促销期与非促销期的同比比较。(2) 使用历史促销深度、展示类型和媒体支持作为输入的交叉弹性模型。(3) 类似商品提升——新商品从同一类别中之前促销过的类似商品借用提升配置文件。典型提升：仅 TPR（临时降价）为 15–40%，TPR + 展示 + 循环功能为 80–200%，爆炸性/亏本引流活动为 300–500%+。

蚕食：当商品 A 促销时，商品 B（同一类别、类似价格点）失去销量。将蚕食估算为紧密替代品提升销量的 10-30%。忽略跨品类的蚕食，除非促销是改变篮子组合的流量驱动因素。

提前购买计算：客户在深度促销期间囤积，创建促销后下降。下降持续时间与产品货架寿命和促销深度相关。对具有 12 个月货架寿命的储藏室商品的 30% 促销会创建 2-4 周的下降，因为家庭消耗囤积的单位。对易腐商品的 15% 促销几乎不产生下降。

促销后下降：主要促销后预期 1-3 周的低于基线需求。下降幅度通常是增量提升的 30-50%，集中在促销后第一周。未能预测下降会导致过剩库存和降价。

ABC/XYZ 分类

ABC（价值）：A = 前 20% 的 SKU 驱动 80% 的收入/利润。B = 下一个 30% 驱动 15%。C = 底部 50% 驱动 5%。按利润贡献而非收入分类，以避免在高收入低利润商品上过度投资。

XYZ（可预测性）：X = 需求 CV < 0.5（高度可预测）。Y = CV 0.5–1.0（适度可预测）。Z = CV > 1.0（不稳定/块状）。在去季节化、去促销需求上计算，以避免惩罚在其模式内实际上可预测的季节性商品。

策略矩阵：AX 商品获得带有紧张安全库存的自动补货。AZ 商品每个周期都需要人工审查——它们高价值但不稳定。CX 商品获得具有宽松审查周期的自动补货。CZ 商品是停产或按订单转换的候选者。

季节转换管理

采购时机：季节性采购（例如，假日、夏季、返校）在销售季节前 12-20 周承诺。将预期季节需求的 60-70% 分配给初始采购，预留 30-40% 用于基于早期季节销售量的补货。这个"开放采购"储备是您对预测误差的对冲。

降价时机：当销售速度在季节中期降至计划的 60% 以下时开始降价。早期浅降价（20-30% 折扣）比晚期深度降价（50-70% 折扣）恢复更多利润。经验法则：降价发起每延迟一周，剩余库存的利润损失 3-5 个百分点。

季末清算：设定硬性截止日期（通常在下一季产品到达前 2-3 周）。截止日期时的所有剩余产品进入奥特莱斯、清算商或捐赠。将季节性产品保留到明年很少奏效——款式商品老化，仓储成本侵蚀从下季销售中恢复的任何利润。

决策框架

按需求模式的预测方法选择

需求模式	主要方法	后备方法	审查触发器
平稳、高量、无季节性	加权移动平均线（4-8 周）	单指数平滑	连续 4 周 WMAPE > 25%
趋势（增长或下降）	Holt 双指数平滑	最近 26 周的线性回归	跟踪信号超过 ±4
季节性、重复模式	Holt-Winters（增长季节性为乘法，平稳为加法）	STL 分解 + 残差 SES	季度间模式相关性 < 0.7
间歇 / 块状（>30% 零需求期）	Croston 方法或 SBA (Syntetos-Boylan 近似)	需求间隔的自举模拟	平均需求间隔变化 >30%
促销驱动	因果回归（基线 + 促销提升层）	类似商品提升 + 基线	促销后实际值与预测偏差 >40%
新产品（0-12 周历史）	具有生命周期曲线的类似商品分析	向实际衰减的类别平均	自有数据 WMAPE 稳定在基于类似的 WMAPE 以下
事件驱动（天气、本地事件）	带有外部回归变量的回归	带有记录理由的人工覆盖	当回归变量到需求相关性降至 0.6 以下或时期预测误差在 2 个可比事件中上升 >30% 时重新评估

安全库存服务水平选择

细分	目标服务水平	Z 分数	理由
AX（高价值、可预测）	97.5%	1.96	高价值证明投资合理；低可变性使 SS 保持适中
AY（高价值、适度可变）	95%	1.65	标准目标；可变性使更高的 SL 成本过高
AZ（高价值、不稳定）	92–95%	1.41–1.65	不稳定需求使高 SL 天价昂贵；补充加急能力
BX/BY	95%	1.65	标准目标
BZ	90%	1.28	接受中档不稳定商品的一些缺货风险
CX/CY	90–92%	1.28–1.41	低价值不证明高 SS 投资合理
CZ	85%	1.04	停产候选；最小投资

促销提升决策框架

1. 此 SKU-促销类型组合是否有历史提升数据？ → 使用自有商品提升并使用近期加权（最近 3 个促销加权 50/30/20）。
2. 无自有商品数据但同一类别已促销？ → 使用按价格点和品牌层级调整的类似商品提升。
3. 全新类别或促销类型？ → 使用保守的类别平均提升折扣 20%。为促销期建立更广泛的安全库存缓冲。
4. 与另一类别交叉促销？ → 分别对流量驱动因素和交叉促销受益者建模。如果可用，应用交叉弹性系数；默认跨品类光环效应为 0.15 提升。
5. 始终对促销后下降建模。 默认为增量提升的 40%，在三个促销后周分布 60/30/10。

降价时机决策

季节中销售率	行动	预期利润恢复
≥ 计划的 80%	保持价格。如果供应周数 < 3，谨慎重新订购。	全额利润
计划的 60–79%	进行 20-25% 降价。不重新订购。	原始利润的 70-80%
计划的 40–59%	立即进行 30-40% 降价。取消任何开放 PO。	原始利润的 50–65%
< 计划的 40%	进行 50%+ 降价。探索清算渠道。标记采购错误以供事后分析。	原始利润的 30–45%

慢 movers 杀死决策

每季度评估。当以下所有情况均为真时标记为停产：

• 当前销售速度下的供应周数 > 26
• 最后 13 周销售速度 < 商品前 13 周的 50%（生命周期下降）
• 未来 8 周无计划促销活动
• 商品非合同义务（计划ogram 承诺、供应商协议）
• 存在替代或替换 SKU，或类别可以吸收缺口

如果标记，以 30% 折扣发起降价 4 周。如果仍未动，升级至 50% 折扣或清算。设定首次降价后 8 周的硬性退出日期。不要让慢 movers 无限期地在品类中徘徊——它们消耗货架空间、仓库槽位和营运资金。

关键边缘情况

此处包含简要摘要，以便您可以在需要时将其扩展为项目特定的策略手册。

1. 零历史的新产品发布：类似商品分析是您唯一的工具。仔细选择类似商品——匹配价格点、类别、品牌层级和目标人群，而不仅仅是产品类型。承诺保守的初始采购（基于类似预测的 60%）并构建每周自动补货触发器。

2. 病毒式社交媒体峰值：需求无预警地跳跃 500-2,000%。不要追逐——当您的供应链响应时（4-8 周交货时间），峰值已过。从现有库存中捕获您可以捕获的内容，发出分配规则以防止单个位置囤积，并让浪潮通过。仅当持续需求在峰值后持续 4+ 周时才修订基线。

3. 供应商交货时间一夜翻倍：使用新的交货时间立即重新计算安全库存。如果 SS 翻倍，您可能无法从当前库存中填补缺口。为增量下达紧急订单，协商分批发货，并确定次要供应商。向商品策划传达服务水平将暂时下降。

4. 来自计划外促销的蚕食：竞争对手或另一个部门运行计划外促销，从您的类别窃取销量。您的预测将过高投影。通过监控每日 POS 检测模式断裂早期，然后手动向下覆盖预测。如果可能，推迟传入订单。

5. 需求模式制度变更：曾经是平稳季节性的商品突然转变为趋势或不稳定。在重新配方、包装变更或竞争对手进入/退出后很常见。旧模型将无声地失败。每周监控跟踪信号——当它在两个连续周期超过 ±4 时，触发模型重新选择。

6. 幻影库存：WMS 说您有 200 单位；实物盘点显示 40。基于该幻影库存的每个预测和补货决策都是错误的。当服务水平在"充足"现有库存下降时怀疑幻影库存。对任何系统认为不应发生的缺货进行周期盘点。

7. 供应商 MOQ 冲突：您的 EOQ 说订购 150 单位；供应商的最小订购量是 500。您要么过度订购（接受数周的过剩库存）要么谈判。选项：与同一供应商的其他商品合并以满足美元最低值，为此 SKU 谈判更低的 MOQ，或接受超额（如果持有成本低于从替代供应商订购的成本）。

8. 假日日历偏移效应：当关键销售假日在日历中改变位置（例如，复活节在 3 月和 4 月之间移动）时，周同比比较中断。将预测与"相对于假日的周"而非日历周对齐。未能考虑复活节从第 13 周移动到第 16 周将在两年中产生显著的预测误差。

沟通模式

语气校准

• 供应商常规重新订购：事务性、简短、PO 参考驱动。"PO #XXXX 用于交货周 MM/DD，按照我们的约定时间表。"
• 供应商交货时间升级：坚定、基于事实、量化业务影响。"我们的分析显示您的交货时间在过去 8 周内从 14 天增加到 22 天。这导致了 X 次缺货事件。我们需要在 [日期] 之前制定纠正计划。"
• 内部缺货警报：紧急、可操作、包括有风险的收入估算。以客户影响而非库存指标为首。"SKU X 将在周四前在 12 个位置缺货。预计损失销售额：$XX,000。建议操作：[加急/重新分配/替代]。"
• 给商品策划的降价建议：数据驱动，包括利润影响分析。永远不要将其构建为"我们买太多"——将其构建为"销售速度需要价格行动以满足利润目标。"
• 促销预测提交：结构化，分别调用基线、提升和促销后下降。包括假设和置信度范围。"基线：500 单位/周。促销提升估算：180%（900 增量）。促销后下降：−35% 为 2 周。置信度：±25%。"
• 新产品预测假设：明确记录每个假设，以便在事后分析时可以审计。"基于类似商品 [列表]，我们在第 1-4 周预测 200 单位/周，到第 8 周下降至 120 单位/周。假设：价格点 $X，分销至 80 家门店，窗口内无竞争发布。"

上述简要模板。在生产环境中使用前，根据您的供应商、销售和运营计划工作流进行调整。

升级协议

自动升级触发器

触发器	操作	时间表
A 商品在 7 天内预计缺货	警报需求规划经理 + 类别商人	4 小时内
供应商确认交货时间增加 > 25%	通知供应链总监；重新计算所有开放 PO	1 个工作日内
促销预测失误 > 40%（过高或过低）	与商品策划和供应商进行促销后汇报	促销结束后 1 周内
任何 A/B 商品的过剩库存 > 26 周供应	向商品策划 VP 提出降价建议	检测后 1 周内
预测偏差连续 4 周超过 ±10%	模型审查和重新参数化	2 周内
新产品销售 < 计划的 40% 在 4 周后	与商品策划的品类审查	1 周内
任何类别的服务水平降至 90% 以下	根本原因分析和纠正计划	48 小时内

升级链

级别 1（需求规划师）→ 级别 2（规划经理，24 小时）→ 级别 3（供应链规划总监，48 小时）→ 级别 4（供应链 VP，72+ 小时或企业客户的任何 A 商品缺货）

性能指标

每周跟踪并按月趋势：

指标	目标	红旗
WMAPE（加权平均绝对百分比误差）	< 25%	> 35%
预测偏差	±5%	连续 4+ 周 > ±10%
现货率（A 商品）	> 97%	< 94%
现货率（所有商品）	> 95%	< 92%
供应周数（总计）	4–8 周	> 12 或 < 3
过剩库存（>26 周供应）	< 5% 的 SKU	> 10% 的 SKU
死库存（零销售，13+ 周）	< 2% 的 SKU	> 5% 的 SKU
来自供应商的采购订单填充率	> 95%	< 90%
促销预测准确性 (WMAPE)	< 35%	> 50%

其他资源

• 将此技能与您的 SKU 细分模型、服务水平策略和规划师覆盖审计日志结合使用。
• 在计划工作流旁边存储促销失误、供应商延误和预测覆盖的事后分析，以便边缘情况保持可操作。