长尾商品定义与处理方法

长尾商品：需求非常不频繁，需求变动也很大的产品
对于过去12个月有需求的备件，可以分为三大类
 需求频繁，而且稳定（短尾）：4%的备件属于此类
 需求频繁，但很不稳定（中尾）：20%左右的备件属于此类
 需求非常不频繁，需求变动也很大（长尾）：这是主流，约76%的备件属于此类。


长尾商品的处理方法：需要参考产品的价格，且可用泊松分布区模拟需求。
对于需求很小的SKU，如一年只卖3,4次，不符合正态分布规律的数据，可以通过设计泊松分布来模拟需求，根据需求预测设定库存水位，对应的就得到这个产品的有货率。所有产品加在一起，就得到整体有货率和库存投资，然后调整来尽量提高整体有货率，但降低总的库存投资，即便宜的多备些，有货率更高；昂贵的少备些，有货率相对低一些。

“长尾”需求的库存计划，需要兼顾服务水平和库存周转率

1. 找到更合适的概率分布，比如泊松分布，来模拟“长尾”需求并计算库存水位
2. 采用简单法则，比如成本，生命周期，需求频率等，帮助决定备什么，不备什么

“长尾”需求用泊松分布模拟更准确，因为长尾商品需求不连续，离散度高比较符合泊松分布的特征。
泊松分布的三个条件：

1. 平均值：单位时间里事件发生的平均数已知
2. 随机性：没法预测具体什么时候发生
3. 独立性：这个事件发生并不意味着下个事件会发生，或者不发生
   数理统计上，只需要知道一个参数（平均数），就能描述泊松分布，即分析在未来某个时段内，某件事发生多少次概率有多少；比如补货周期内，产生特定需求量概率有多大，需要被多少库存来应对。
   Ex：
   假设某电商某个产品过去12个月中，有5个月每月卖掉1个，两个月分别卖掉2个和5个，其余月份没有任何需求，用泊松分布计算这个产品的库存水位
   
   Ans：假设产品的补货周期是8个星期，那补货周期内的平均需求是1.85（过去12个月的平均需求是0.23个/周，乘以补货周期8周），这里计算出的平均需求就是泊松分布唯一需要的参数：平均值，代入泊松分布后，可得到再订货点和有货率的曲线
   
   注意：平均值越大，泊松分布就越接近于正态分布；当平均值大于等于20时，泊松分布就成了正态分布。
   
   因此，相对而言，当需求相对较频繁时，比如补货周期内平均需求在5以上时，正态分布一般更可能适用；当低于5时，泊松分布一般更合适。之所以用“可能”，“一般”，是因为除了正态分布和泊松分布，还可以有很多别的概率分布去拟合或许更合适。