内容简介
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极度不准，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、产品和计划的最佳智慧，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。
精彩书评
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。
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。
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。
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。
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。
刘先生现旅居硅谷，定期往返于中美之间。
精彩书摘
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
极端值的处理 / 20
小贴士 极端值的识别 / 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
寻找更优而非最优的解决方案 / 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，极端值的处理 / 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
最优的预测方法 / 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
供应链执行能力限制了计划 / 165
小贴士 4周锁定，2周滚
目录
面对企业新品计划极度不准、老品计划不能精打细算的普遍挑战，本书围绕众多的案例，用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；用德尔菲法有效应对高度不确定性，争取避免大错特错；用库存计划设定合理的安全库存，并用设立再订货点等方法，解决大批量、小批量的产品如何规划的问题。鉴于绝大多数企业都没有计划软件，书中所有案例都在Excel中完成。需要说明的是，本书不是一本关于预测方法论的书，而是为实践者量身打造的应用之书，目标读者为计划经理、供应链总监和一线计划人员。
试读
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
极端值的处理 / 20
小贴士 极端值的识别 / 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
寻找更优而非最优的解决方案 / 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，极端值的处理 / 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
最优的预测方法 / 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
供应链执行能力限制了计划 / 165
小贴士 4周锁定，2周滚
前言/序言
前言
一本关于怎么做计划的书
一位跨境电商的创始人问我，能否把那些预测模型给他，将它们写到程序中指导补货？电商、新零售是互联网的产物，其惯常的解决方案是信息化—当你手里的工具是把锤子的时候，你会有意无意把所有的问题都当钉子。
但作为一个计划老兵，我深知需求预测可不光是预测模型，甚至可以说模型本身只是需求预测中的很小一部分。用什么数据，用多少数据，极端值如何处理，模型的假设能否满足，模型参数是否优化，是否有系统性偏差，这些都是需求预测的重要组成部分，比模型本身更重要，也更难对付。
预测模型之于需求预测，就如篮球鞋之于打篮球，听NBA“大嘴”巴克利的球鞋广告就知道了：“这就是我的新鞋，鞋子不错，（但是）它不会让你像我一样扣篮，像我一样富有，像我一样抢篮板球，更不会像我一样英俊潇洒。它只会让你拥有一双和我一样的球鞋。”
预测模型也是同理。这就是为什么要聚焦员工的能力训练，理解公式以外的东西，而不是光寄希望于预测模型与工具本身。功夫在诗外，拳假功夫真，放在预测模型上，同样贴切。
就这位跨境电商创始人来说，虽然基本的预测模型就那么几个，但是他的计划团队看了，还是不知道如何做计划。这不，他们在Excel中套用模型，一上来就用最为复杂的霍尔特–温特模型，既预测趋势，也预测季节性。但问题是，趋势参数的优化值为零，表明该产品的需求没有趋势；季节性在月份上相当模糊，应该考虑按季度汇总；促销等活动带来的极端值未经任何处理……
随随便便套模型，也没有对参数进行优化，再加上数据清洗不到位，就相当于盲人骑瞎马，垃圾进垃圾出，掉到坑里还不知道怎么掉进去的。而要解释清楚这些，可不是三言两语的事。我在计划领域20多年了，有些细节还是弄不清楚；很多计划人员呢，既没学过计划，也没人带领做过计划，能搞得清模型背后的那么多细节？
我知道，得写一本书。而写这么一本书的念头，从十几年前我在管理计划团队时就产生了。
在我的职业生涯中，有8年是在做计划经理，最多时在全球有20多位计划员和计划主管。那么大的团队，有人晋升了，有人离职了，有人做全职妈妈了，就注定一直在招新人。每次有新人加入，培训就是一个大问题：对于采购员的话，你可以给他一本采购手册什么的，上面告诉他订单怎么做，价格怎么询，合同用什么文本；而给计划员的书呢，不管是英文，还是中文，就是找不到一本合适的，让他读了就会做计划。
市面上有些计划类的认证，比如美国供应链管理协会（ASCM）的生产与库存管理认证（CPIM），我20多年前参加过，当时需要通过5门考试，想想要读多少书。但问题是即便通过了认证，你还是不会做计划，虽然道理你都懂，基本的模型和公式你都见过。这就如有些人能把一本《新华字典》倒背如流，但还是不会写文章一样。
那怎么办？我就只能采用土办法：先把新计划员叫到硅谷的总部，集中培训一周时间，手把手地教；然后让她回到自己的分公司开始实践，但每个计划决策都得我先看过。大概三个月以后，看她会做基本的计划了，就宣布“出师”，让她自己做计划，但我还是在背后紧盯着—紧张地盯着，就如你学车初上路，最紧张的不是你，而是坐在旁边的教练一样。
于是我就考虑写这本书，前后酝酿了10多年，可以说是我的几本书中最费周折的一本。管理层面的书相对好写，具体操作方面的书其实更难写，因为要涉及大量的细节。而把那些基本的预测模型、计划逻辑跟实践结合起来，既要有形而上的提高与总结，又要能解决形而下的问题，就更不容易了。
本书的主要目标读者有两类：其一，一线计划人员，很多完全凭经验做计划，希望他们通过本书可以掌握基本的预测方法和库存计划，并在实践中应用起来；其二，计划经理、供应链总监，希望他们通过本书可以选择、优化合适的模型，更上层楼，系统改善企业的计划体系。
本书的特点是围绕案例进行论述。有些案例是我当年工作中遇到的，更多的则来自各行各业的读者。这些真实的案例（有些经过脱敏处理），让本书得以覆盖众多行业，从电商、贸易、代理到制造业［大批量制造、小批量的设备和MRO（非生产性物资）］，从传统的家电、汽车到新零售、快时尚、餐饮、养殖业。这些问题表面上会有不同，但解决方案有很多共性，也是本书得以成书的关键。
特别要说明的是，本书不是一本关于预测方法论的书。
我深知，预测方法深如海，几十年来形成的专业研究估计一个图书馆都装不下，自己才疏学浅，不敢奢望在这方面有所创新。本书会探讨几类常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。
本书从实践者的角度进行阐述，力图通过最常用的一些模型，解决工作中百分之七八十的问题，让一个人会做基本的计划。那其余百分之二三十的问题怎么处理？我认为答案既不在更复杂、更“先进”的模型上，也不在强势职能拍脑袋上，而是要么群策群力，避免大错特错
