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
- 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
- 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:
- 平均值:单位时间里事件发生的平均数已知
- 随机性:没法预测具体什么时候发生
- 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。