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。

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　极端值的识别和处理　 /　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
计算最低、最高库存水位　 /　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

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（比如德尔菲法），要么在这些常用的模型基础上，配以业务端的经验判断。这些都会在本书中谈到。
鉴于绝大多数企业没有专业的计划软件，本书所有的案例都将在Excel中完成，有些可在我的网站下载电子版文件。Excel中也有一系列函数，帮助我们实现常见的一些预测模型。多年的经验告诉我，掌握了基本的预测方法，做了基本的数据清洗，在Excel中也可以做出很好的计划，虽然不一定最优，但还是会有实质性的改善。
在很多时候，我们作为实践者，寻找的是更优而非最优的解决方案。学者们所追求的最优解决方案往往过于复杂、约束条件过多，实践者很难理解和实施。鉴于这点，在我的一些案例中，比如预测方法的择优，我会适当简化，牺牲一点准确度，但可以显著增加操作的可行性，特别是在没有计划软件的前提下。
本书也会尽量避免数理统计。但不得不承认的是，供应链处处充满不确定性，而要掌握不确定性，没有比数理统计更好的工具了。所以，我会尽量以浅显的语言，从实践者的角度解释最基本也是最重要的数理统计。你不用懂多少数理统计，就可以做出相当不错的计划来。但是，如果要成为计划、供应链领域的高手，数理统计的思维必不可少。
最后，我想再次强调的是，书中分享的解决方案只是这些年来我自己的实践经历，绝非最佳实践。他山之石可以攻玉，仅此而已。
谢谢。