如何利用 AI 进行零售库存需求计划与预测 #

解决多门店零售商在复杂 SKU 环境下的库存痛点：通过 AI 构建科学的需求预测模型，精准计算安全库存，并制定动态补货与促销应对策略，以最小化缺货率和库存积压。

为什么需要这个技能 #

在拥有数十家门店和数百个 SKU 的零售环境中，简单的经验主义补货会导致严重的后果：要么出现频繁缺货（Stockouts）导致销售损失，要么出现库存过剩（Excess Inventory）导致资金占用和商品过期。

本技能为 AI 提供了高级需求规划师的知识体系，使其能够根据不同的需求模式（如稳定型、趋势型、季节型或随机型）选择最优的数学模型，并结合服务等级目标（Service Level）量化安全库存，将商业意图转化为可执行的采购订单。

适用场景 #

• 需求预测：针对不同生命周期的商品选择移动平均法、指数平滑法或机器学习模型。
• 库存策略制定：根据 ABC/XYZ 分类法为高价值、高波动商品设定差异化的安全库存阈值。
• 促销活动规划：估算促销带来的需求提升（Lift）以及促销结束后的需求回落（Post-Promo Dip）。
• 季节性管理：规划季节性商品的首次采购量（Initial Buy）及markdown（降价）时机。
• 异常处理：应对供应商交期突然延长或社交媒体驱动的突发需求激增。

核心工作流 #

1. 需求模式识别：分析历史 POS 数据，判断商品属于稳定需求、趋势增长、季节性循环还是间歇性需求。
2. 模型匹配与调优：
   • 稳定需求 $\to$ 加权移动平均。
   • 季节性需求 $\to$ Holt-Winters 三重指数平滑。
   • 促销驱动 $\to$ 因果回归模型（Baseline + Promo Lift）。
3. 安全库存量化：基于服务等级 Z-score 和需求/交期标准差，计算公式 SS = Z × σ_d × √(LT + RP)。
4. 补货逻辑执行：结合当前的库存头寸（Inventory Position = 在手 + 在途 - 欠单），执行 Min/Max 或 ROP（再订货点）补货策略。
5. 闭环监控与修正：通过 WMAPE（加权平均绝对百分比误差）和 Bias（偏差）监控预测准确度，当追踪信号（Tracking Signal）超过 $\pm 4$ 时触发模型重新参数化。

下载和安装 #

下载 inventory-demand-planning 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要 #

暂无推荐