自动补货系统介绍-京东内部分享.pptVIP

补货计算 部门采购建议查询：查看部门所有SKU的补货建议。按列下载 查询采购建议： 查看历史的补货建议。 补货计算 下载全国库存冗余商品 收集需求 补货计算 补货结果导入BIP/ERP 方法1：如果整单都使用自动补货系统建议，在BIP‘采购来源’处选择‘自动补货’。 方法2：在上传的excel文档中‘订单属性’处填‘3’。手工下单不填。 ???????? ??????? ???????? * * * 自动补货系统介绍 为什么需要自动补货？ SKU数目 图书现在有60万SKU，个护有8000多SKU，还在不断增加。 预测与补货决策的复杂度 商品销量的波动、季节性导致预测非常困难 供应商送货时间的不确定性 大量数据的处理：团购、促销、甄别采购未到货等等 我们需要自动补货系统 帮助采销部门实现海量SKU的补货 提高现货率与库存周转率 现有DOC系统的主要问题 销量预测 基于简单的8周加权平均，未考虑销量的波动 未过滤团购、促销等订单，造成预测销量偏大 未处理无库存不动销品，造成 无库存-无销量- 不补或少补-无库存-无销量- 不补或少补 的恶性循环 未考虑季节性等复杂因素 自动补货 未甄别“未完成采购单”，造成补货量偏小 品类商品基于同一最低备库决定补货点，未考虑供应商到各机构的供货时间及其变化，造成补货过早或过晚 采销人员无法干预预测和补货过程 针对促销按照品类、SKU增大预测值 对指定机构或BAND决定是否补货 选择补货系统运行工作日 自动补货解决方案 补货建议： 现阶段补货系统仅作为补货的建议，下载后可以做修改再导入BIP系统生成【采购单】。 未来自动补货系统每天会自动在BIP系统生成【采购单】。 自动补货 VLT 供应商送货时间 销量预测 销量预测系统：/ 自动补货系统：/ 自动补货系统--供应商相关资料维护：/ 最小包装单位维护：/PSRM/UI/Ware/UnitPackAge.aspx?fv=1316sv=0tv=0mv=0bv=wid= 销量预测思路 历史订单销量 库存调整 促销调整 价格调整 异常值处理 预测基础值 应用促销因子 应用价格弹性系数 预测值 预测模型 季节调整 应用季节性因子 1.1.2预测基础数据 预测基础数据是对历史的销售订单销量进行一系列的处理后，作为销量预测模型计算的基础数据输入。 历史订单：历史销售订单销量，过滤取消订单、无效订单、内部订单、企销部订单和团购订单。 库存调整：对历史发生断货的库存进行填充；计划2012Q1完成。 促销调整：对历史发生的促销产生的波动性进行平滑，使促销数据回归到历史合理销量水平。 价格调整：目前未做处理，未列入2012年开发计划。 季节调整：目前未做处理，未列入2012年开发计划。 异常值处理：对销量的极值、恶意订单、对预测销量产生影响的异常订单进行处理。 退货订单 取消订单 无效订单 历史销售记录 1.1.2促销订单 促销订单的类型 单品促销 赠品促销 套装促销 满场促销 封顶促销 促销订单处理方式 通过数据模型对历史销售数据的分析，将促销订单的数据波动进行平滑，将促销的订单销售数据回归到历史合理销量水平。 销量预测方法 时间序列模型：根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。 回归加权：类似于DOC的8周加权，系统对销量曲线相类似的SKU进行分类，由系统学习各周的权重进行加权计算。 周销量平均：历史4周销量进行平均。 新品：新品指上柜时间小于两周的SKU，使用历史销量/历史销售天数得出单日预测销量。 预测模型分类 内部资料，禁止外泄 * 1.4人为影响预测--Override 调整类型： 普通调整； 针对促销的调整。 调整时间点： 采销人员提前1—2周提前维护到系统中。 调整方式： 按照SKU在EXCEL中设置，然后上传到系统中。 可以调整比例或具体的数量。 调整数据的保存： 系统将同时保存预测系统的预测值及采销人员调整后的预测值。 VLT统计方法 VLT定义的细度： SKU、供应商、入库仓库。 VLT需要加上内配时间（内配时间通过配置文件设置两地内配默认时间，比如北京—上海 3天）。 数据过滤：问题单（入错库）。 如果一张采购订单上的一个SKU分多次入库，将分别计算每次到货周期，再进行VLT计算。 系统根据签收时间和与采购订单的订单日期的差值统计。 Lead Time会考虑入库数量的影响： （LeadTime1*数量1+ LeadTime2*数量2--------+ LeadTimeN*数量N）/数量1+数量2---+数量N 自动补货的理论基础 将来某段时间的销量是不确定的，越大的置信度要求越高的备库量 供