更新时间：2022-02-08 17:39:35
封面
版权页
序言一
序言二
作者简介
第一篇 供应链的第一道防线：需求预测
需求预测怎么做：始于数据，终于判断
小贴士 需求预测是企业博弈的焦点
需求预测不能等同于销售目标
需求预测是“从数据开始，由判断结束”
小贴士 从数据开始是种习惯
小贴士 从数据里学什么：以发货记录为例
从数据开始：不但要有数据，而且要有分析
由判断结束，必须要有针对性
案例 分解需求，对接合适的判断者
小贴士 存量来自数据，增量来自判断
小贴士 多少数据，多少判断呢
从数据开始，由判断结束，为什么这样难
层层报批是不是从数据开始，由判断结束
案例 为什么需求评审不是解决方案
给供应商时，采购能不能调整预测
小贴士 没有预测，意味着有多个预测
“平时”与“战时”：两类典型的需求预测问题
需求相对稳定时，选用数据模型来精打细算
小贴士 计划软件往往优于人工，为什么不被采用
案例 预测模型一直都很准，直到……
不确定性高时，群策群力避免大错特错
由判断结束：判断什么，怎么判断
案例 识别和管理“大石头”
提高判断的一致性，提高判断质量[1]
小贴士 经验主义与教条主义
小贴士 如何减少判断中的偏见[1]
专题：在合适的颗粒度上做预测
自来水模式的预测机制
推拉结合：在合适的颗粒度上做预测
合适的颗粒度：数据与判断的最佳结合点
小贴士 四种不同的业务，四个层面的颗粒度
SKU泛滥，需求预测怎么做
预测的时间颗粒度
需求预测由谁做：让合适的职能做预测
为什么一线销售做不好需求预测
案例 为什么短尾产品也预测不好
小贴士 一线销售做预测vs.主教练兼任总经理
如果考核准确度，一线销售能否做好预测
既然做不好，为什么一线销售还在做预测
销售提需求，计划做判断，如何
谁在做需求预测：兼谈计划的进化史
小贴士 肯德基vs.中餐馆的计划
案例 计划与执行的分离：某快消品公司为例[1]
小贴士 需求计划的进化史
需求预测汇报给哪个部门
需求计划做什么：快消品行业为例[1]
需求计划做什么：销售与运营协调
什么样的人适合做需求计划
小贴士 分析能力是可以评估的
需求计划的绩效管理
小贴士 预测准确度如何统计
小贴士 预测准确度：可以不考核，但不能不统计
小贴士 需求预测的最终结果，由销售老总负责
需求预测：分门别类，区别对待
需求预测错了怎么办：滚动预测，尽快纠偏
小步快走，尽快纠偏：服装行业为例[1]
案例 尽快纠偏要从产品开发阶段开始[1]
怎么知道预测错了，需要纠偏
案例 他没说，那你问了没有
聚焦重点客户的重点变化
尽快纠偏要以数据驱动、计划主导
建立滚动的预测更新机制
向失败学习，提高预测准确度
本篇小结
第二篇 供应链的第二道防线：库存计划
预测之不足，安全库存来应对
小贴士 适当拔高预测，不就代替安全库存了吗
小贴士 你是如何设定库存水位的[1]
安全库存的设置：库存计划的看家本领
第一步：量化需求的不确定性
第二步：量化服务水平的要求
小贴士 服务水平跟有货率的关系
第三步：计算安全库存
案例 安全库存的计算示例[1]
小贴士 如何确定合适的服务水平[1]
小贴士 承诺的是服务水平还是库存水平
再订货点：需求预测和库存计划的结合
小贴士 用再订货点还是安全库存+预测
案例 为什么不能一刀切地设置库存水位
小贴士 库存计划要学赌场，而不是学赌徒
小贴士 为什么系统建议的库存水位经常偏低
VMI：最高、最低库存水位如何设置
VMI是对供应链三道防线的终极挑战
小贴士 VMI是个好东西，对供应商也是如此
小贴士 VMI和寄售没关系
库存四分法：有针对性地控制库存
案例 库存四分法：原材料为例
案例 关键元器件的库存四分法
库存究竟多少才算合适
缩短周转周期，降低周转库存
案例 周转周期的构成：采购件为例
信息化，缩短走流程的时间
改变批处理，减少等待时间
设置推拉结合点，缩短周转周期[1]
