数学建模社区-数学中国

标题: 精密科学式零售时**启在即——你准备好了么? [打印本页]

作者: math3056 时间: 2014-4-16 16:58
标题: 精密科学式零售时**启在即——你准备好了么?
选择合适的产品在合适的时间、合适的地点、标上合适的价格，就是大卖的理想公式。理想总是难以捉摸的，不过零售精英们也日益趋近了。从他们的行为中，有很多值得我们学习。

零售业圣经：想要大卖，就需要让产品出现在合适的时间、合适的地点、再加上正确的价格–这句话依然还是让人非常难以捉摸。也许你在想真相就在信息后面——现在是时候把它翻出来了，尤其是可以从传统零售商和线上零售商那里得到关于购买及其模式，消费者偏好等等大量信息。许多零售商仍有很长的路要走。

已经有太多明显的线上销售的问题，顾客从网站订购，然后线上零售商负责送货。而且只有当网上没有，人们才会去商店寻找——即使商店里有库存，并且大多还是打折商品。商店降价促销规模，已经从1971年占单店营业额的8%，到1995年占了33%。从这些数字包括主动降价促销和被动降价促销，都反映了制造业供大于求的结果。但涨幅如此之大，大部分观察家把它视为零售商很难让供需匹配的标志。

这并不是说没有任何进展。一些零售商（我们今后提到的零售商会是一个更广义的定义，既包括传统零售商，也包括电子零售商）正在极大改善他们在订货，配送和销售方面的表现。但是，这些公司仍然是包含在一个很小的范围内。下一步是什么？一个行业走向的东西，我们称之为火箭科学式零售——包括传统的预测系统。该系统主要是基于几位天才员工的直觉和强大的信息技术。火箭科学零售，融合数据和直觉，再进行计算机模型化分析，以创建一个高科技的预测系统，可以支持日益灵活的供应链。

这种模式，并不是像你想的那样牵强。20世纪70年代，华尔街刚刚经历了这样的转变（见边栏“It Happened on Wall Street”）。在过去三年中，我们已经看到许多零售商相当接近实现火箭科学状态了，我们已经研究了他们是如何收集和处理信息，如何预测需求，以及如何管理自己和供应商关系。

我们最近完成了一项历经多年，深入的调查。这个调查是在32个普通新锐企业中进行的。我们跟踪了他们为了达到实现火箭科学式零售，在四个关键领域的做法和进展：预测，供应链的速度，库存规划，以及收集准确、可用的数据。在这篇文章中，我们将展示在这四个方面做的最好公司，希望其他零售商可以借鉴他们的见解和做法，以期赢得胜利。注释1

关于预测

我们在研究中发现，许多零售商预测产品需求，靠的是少数人的右脑功能，而不是对销售数据的系统使用。当然，错过这个既需要艺术又需要科学的机会，将是一个巨大的错误。零售商可以明显提高预测的准确性，只需基于下面几条就可以提高：收集先前的销售数据，跟踪预测的准确性，正确进行产品测试，以及使用多种预测方法。下面我们就来一一讨论这些做法。

1.基于早期销售数据，提高预测水平。
早期的产品销售，适当调整价格和可用性，就已经可以很好做一个整体销售的预测了（可以去看看展览“你不需要水晶球”注释3）。事实上，利用生产和库存计划这些数据，零售商就可以使利润增加一倍以上，尤其是零售产品是生命周期短的商品，如服装，消费类电子产品，书籍和音乐。

但是，尽管有潜在的高收益——也符合零售商广泛接受的信条是早期销售量是未来销售量的一个很好的指标——我们调查的很多公司中都没有系统利用早期销售数据。例如，一个零售商在售卖前11个月，就下服装订单，并明确各门店每种商品的库存单位（SKU）。即使零售商重视其早期销售数据并以一种特设方式更新他们的预测，销量还是可能大大超过原来的预期，也可能是远远少于预期。

不过，还是有几家公司的成功经验值得效仿。日本世界株式会社和总部设在西班的Zara，都属于时尚产品零售商。它们都有商家系统用于检查早期销售数据，并由此预估未来的各种产品需求。对于每种产品，他们都会在销售周期的某些特定时间，进行分析。随着商家跟进销售，他们会立即再订购那些看起来好像他们最终可能会供不应求的商品。这并不奇怪，世界株式会社的存货投资，毛利润率已经超过300%——比我们所知道得其他任何零售商的毛利润率都要高。

总部位于达拉斯的CompUSA公司，主要销售电脑及相关商品。他们发现即使是仅仅一两天的早期销售数据，在电脑销售预测和补充库存方面也是非常有用的。根据这些发现，买方监控销售某种产品线后不久，它就推出和更新预测。他们加快销售比预期更好的电脑，并且如有可能，他们减少那些还没人买的。在阅读理解并对市场信号有所反应的往复过程中，CompUSA供需匹配能力有了长足进步。

书籍和音乐零售商Borders Group集团，终于使用了历史销售数据，为每个门店定制了琳琅满目的产品。Borders Group跟踪在各店铺产品类别的销售情况。它使用它的商品规划系统，在每类产品销售的基础上，商店自动调整库存。因此，在安克雷奇或者阿拉斯加的商店，可能有很多关于小型飞机的各式书籍，因为对此类书在奥特莱斯销售往往不错；与此同时，波士顿的商店的小型飞机书籍库存就相对较少了，因为需求相对较低。为什么没有更多的零售商个性化自己的库存？这个问题的答案，我们稍后解释，可能是供应链缓慢，不足或不准确的数据，无法衡量缺货和预测错误，和不合适零售商的规划软件。

2. 跟踪和预测预报的准确性。
在我们研究的32家零售商中只有九家说，他们分析了自己预测的准确性。然而，跟踪预测误差并了解何时以及为什么会发生误差，是提高预测精度的基础。更重要的是，了解预测误差上下限是非常重要的，这样才能在预测错误时，能够做出反应。例如，当一个商人说你会卖出10,000单位的该商品时，如果过去通过加减50%去预测某款产品的销量一直是错的，那真的意味着销量在5,000到15,000单位之间。与其采购10,000单位，采购5,000单位的成品和额外10,000单位材料可能更明智。如果早期大卖的话，可以用这10,000单位材料快速组装出成品推向市场。注释2

世界株式会社使用“欧博迈亚法则”对预测的准确性进行跟踪和预测：所有的新产品都陈列在公司总部的一个房间里，就和零售商店里一样摆放，再选出大概30名员工代表该公司的目标客户，来估计每个产品成功的可能性。世界株式会社实验发现，在员工预测中引起较大分歧的产品，对该产品的预报准确性很可能会下降。
正确进行产品测试。在我们的研究中，令人印象深刻的是，有78%的零售商都会新产品大批上市之前，在几家商店销量测试。但几乎所有的买方表示，他们的测试方法是非常不科学的，而且任何表明某些产品不会成功的结果往往被忽略。商人们往往相信自己的产品会卖得很好，尽管测试结果并不好；他们会归咎于天气（不管好还是坏），实验地点选择不当，测试操作不严格，以及其他销售不佳的原因。

当一个产品的测试方法经过了小心的制定和定期的完善，那么预测准确性就可以大幅提高。我们帮助某服装零售商完善了销售预测的方法，该方法是基于在几个精心挑选的试点门店早期销售数据。我们发现，测试门店的选择会极大地影响预测质量。通过利用历史销售数据来选择多元化的实验门店，以匹配不同客户的喜好，这样我们就能把每个样式和颜色预测误差从30%降到9%。

使用多种多样的预测方法。我们调查过的大多数公司，都限制自己只用一种方法预测。一般，每个商品的单独预测，是由买方或者卖方小组来执行的。在寻求理解这些预测的差异上，产生多个预测很有价值，这样管理者们就可以找到在预测中所隐含的假设了。

老海军，是GAP公司的一个品牌。该公司结合了自下而上和自上而下的预测方法，并认为这是值得仿效的方式。自下向上的预测，通过采购员和管理者，结合目前市场趋势，每种产品和目标消费群体的匹配度，和可搭配出售产品单等因素进行预测。自上向下的预测是管理者来做的，和自下而上预测过程相互独立。自上向下的预测，主要基于宏观经济因素，如经济增长速度和企业的增长目标。这两种方法通常会产生不同的结果，并在两组管理者进行会议期间进行沟通。老海军品牌发现，不同的流程，加上随后的讨论，可以产生明显更准确的预测结果。

3. 快速反应供应链

如今，许多产品的交货期都很长，零售商即使他们已经跟踪早期的销售也不可能改变生产过程，这就需要他们重视产品测试，并明白必须改变。正如一位商家告诉我们，“我们确实很重视我们的测试。但是问题是，产品已经做好了；测试就像是一条狗一样到处侦查。“另一个零售商继续从发出订单到收到服装在配送中心需要11个月的备货周期，——即使商品的生命周期只有3个月。因此，订货方在获得任何销售数据之前，不得不从某家供应商处订购。在材料运到的材料配送中心前11个月，他们就必须明确每家门店每种商品的数量。

快速反应供应链，显然是火箭科学式零售的重要组成部分，尤其是对产品生命周期很短的商品而言。一个会观察商品早期销售，并对任何可配售商品做出快速反应的公司，可以明显降低热销商品脱销的可能性。以此也可以减少降价促销，因为就其可以当季提供更多产品的反应能力，就意味着零售商最初就可以少订货，并减少在失败产品上投入的损失。

在快速反应供应链方面，世界和Zara都是范例。想想世界是如何管理其供应链的。它可以在两个星期内生产和运输已设计产品到店。它可以在短短的三个星期内，设计一款新品，生产并送至门店。该公司如何做到在如此之短的时间内反应的呢？首先，世界在下订单之前，就已经和供应链上的伙伴一起做了大量的工作。该公司储备面料和配件（扣，拉链等），并根据需求预计保留一定的工厂生产能力。在销售季开始的时候，世界和其他大多数零售商一样，发现很难预测每种产品的销量。它知道持有成品库存是有风险的。但该公司自从对原材料的预测往往是成品比预测更准确开始，就发现库存原材料和储备生产能力是相对安全的。

其次，与世界合作的工厂帮其解决了生产的问题——这样就可以不再做生产商了。在“调试区”工作的世界员工，在世界的办公室和设计师密切合作，使产品设计更容易制造，有时用更容易获得的原料代替难以找到的。

第三，世界授权员工，可以在产品设计，采购，运营，及旗下各门店自己做些决定，从而避免了决策过程中的官僚拖沓。例如，在世界，关于设计，定价，采购材料，和制造新产品这些问题，通常是由作为一个跨职能的团队在相邻的办公室工作的五六名部门经理开会来决定。在其他零售商那里，这样的会议可能需要召集不同城市的经理，且可能意味着需要从各级组织中的管理人员那里得到批准才行——真是一个耗时的过程啊。

为什么其他零售商不像世界那样快速响应呢？在许多公司，有一个常见的问题就是“追求高效益的心态”。以11个月产品交期的服装零售商为例，他们坚持各个门店单独订货，取代了一旦材料到达配送中心，所有的商店一起大量订货，然后不同的商店策略性地分配商品的做法。这样可以降低其运输成本和库存费用，但也限制了它对市场信号的快速反应。

一个配送中心经理告诉我们，他的公司拍摄一段视频，用来说明如何提高配送效率。视频显示，如果仓库人员可以把再订货的商品堆放和打包成相同尺寸的话，那就很快完成服装发货准备——不管某门店需要多少大型、中型和小型的商品都没问题。视频还显示，如果包装外箱的大小按照所需变化而不是固定大小的话，仓库工作人员会花费多多少的时间来按订单把箱子堆好。仓库经理和他的同事们相信，每件商品在时间上的节省是可以说服商店经理把所有再订货的商品放到相同尺寸的箱子里的。对于我们的问题，经理不禁要问：“因为你没发出他们需要的货，把这些卖场未售出回库的服装处理好，花了多长时间？”注释5

许多零售商都陷入了一个怪圈。物流与采购人员认为，缩短产品的交货周期，将不利于零售商，因为该公司缺乏良好的销售数据和分析这些数据的工具。商品计划人员认为，即使存储和分析销售数据也帮不上零售商，因为物流及采购对于那些信号还不能快速响应。问题是，公司无法量化通过减少缺货和降价促销带来的缩短交货周期的价值。但是，零售商用新软件来预测和计划供应，他们可以使用这些工具来衡量更短的交货周期和更好地匹配供需的影响。

二库存规划

库存规划，包括决定什么时候下多少订单，或生产多少，库存各种原材料，零部件和成品。库存规划与预测不同，因为一个计划人员可能会发现库存比预测所需更多或更少可能更有利。以规划家庭库存为例，你可能会决定库存药的数量远超你以防生病的预期需要。或者，你可能会购买些特定的物品——比如电池，一次买够很多个月的，同时其他商品——例如面包和牛奶，可能不得不每周采购一次。大多数零售商的库存规划都有一些缺点。其中最明显的是，许多零售商没有跟踪缺货和由此产生的销售损失。在我们研究的32家公司中，只有13家表示他们跟踪脱销商品，而这13家中的11家使用该信息估算由此产生的销售损失。

销售损失是零售商中很常见，尤其是产品生命周期短的商品带来的。跟踪缺货不仅能帮助零售商设置最佳的库存水平，还能帮助他们看到提高供应链的响应速度带来价值。那么，为什么不仔细研究这些指标呢？原因之一是，如果供应一直充足，就很难知道多少产品已经被卖掉了。数字使用复杂的统计方法估算，但零售商一般在商业软件中找不到这样的功能，尤其是在估算快消品的时候。

有一种方法可以克服这个困难。我们开发了一种方法来估计销售损失。我们的程序分为两个部分。首先，计算产品基于库存时已有的销售模式的潜在需求率。然后，再把预计的商品需求率和特定商店该商品的脱销周期结合起来，获得销售损失的数据。为了估计需求率和销售损失，该技术随着不同需要变化，例如在不同的日子需求是不一样的而且在一天之内也有变化。我们用实际的零售数据做实验，我们的技术可以做到在门店级别销售损失误差在2%以内，并在预测链的一级或一类产品时精度更高。

跟踪销售损失，和系统地增加库存水平以减少损失的好处很明显。某零售商发现，简单地通过增加在商店库存，就可以使销售量提高大约10%，也就是说销售损失——在存货增加前——可能在账面上已经占到了销售额的10%。罗马珠宝制造商宝格丽，某品种在一个商店的缺货，已经到了让该商店收益减少3.5%的程度。因此，宝格丽正在寻求方法来提高其计划规划流程。

三、准确，可用的数据

我们的研究的所有的零售商门店都有POS系统，并由此获取电子化的销售数据。但与流行看法相反，大多数零售商在获取和保存销售数据方面有相当大的困难，这些数据对于他们的员工而言却是准确的，可获得的。

首先，我们考虑下零售商收集到的数据的准确性。门店级销售数据往往是不准确的，原因有下面几个。在服装行业，数据误差的常见来源是退货的处理不当。当顾客买了一件中号的毛衣，然后想换一个小的，退回的服装应作为扫描登记为退货，而换走的那件则视为重新购买。在现实情况下，销售人员会尽量方便顾客，直接把中号的衣服换成小号的，并没有通过POS系统扫描记录。这就造成了，这两种商品的存货水平都是不准确的。

对于杂货业务，庞大的交易量会降低杂货商保持销售数据和库存信息准确的能力。大多数消费者都会遇到这种情况，当买入同价位但不相同的东西（如，同品牌的一罐柠檬酸奶和一罐香草酸奶）时，收银员就会对着同一个商品扫描几次。显然，这会导致柠檬酸奶和香草酸奶库存都是不准确。一个杂货连锁店发现，中等个头番茄的销售量一直比实际送到商店的量高25％。收银员经常用“中等个头番茄”的代码查询价格，就算顾客买的是有机的、自然成熟的，或其他特殊西红柿也是这样。 “番茄如果是红色的也柔软，那么对于收银员而言这就是一个中等个头番茄”该连锁超市的CIO谈到。大多数结帐员不愿意花额外的时间来检查PLU代码是否准确，这可能会让顾客和他们的上司生气，他们的上司，在很多情况下，正在监测收银员的商品扫描平均速度。

当然，不是所有的不准确数据都是在收银台造成的。我们的研究中的某零售商发现，已入库但未上市的商品中有29%的商品库存记录已经不准确。这家零售商往分配系统追查问题；仓库员工经常发错货（例如，发了小号衬衫，而不是中号衬衫，或送来了某种口味的酸奶，而非其他的口味）。同样，当装箱数量——每箱所装物品的数量变化并未及时输入零售商的商品补货系统，这样也会产生错误。举个具体的例子，供应商爸装箱数量从144单位，减少到12单位；同时商品补货系统并未更新数据，就让仓库出仅出了一包货。

许多零售商并不知道他们的信息可能是不准确的，因为他们不监测数据的准确性。另一些零售商跟踪数据的准确性，但所发现的信息并未被广泛传播。在一家服装零售商，经销商和规划者没想到他们的POS数据是不准确的，即使是副总裁制定计划，通过定期审核，得出的结论是门店级别的库存数据有接近30%都是错的。

一些零售商已经采取措施，以确保销售和库存数据的准确性。有一个有趣的方法，“zero balance walk”，在史泰博办公用品超市实行。在这个系统中，一个员工每天在商店里寻找的缺货商品的SKU。对于每一种断货的商品，该员工会填写一张缺货卡并贴贴纸在该商品的预留位置。其他员工会去核实缺货原因：突然激增的消费需求，计算机数据错误，还是商品摆放在错误的通道才造成了售罄。如果缺货是由于计算机中错误的数据造成的，在计算机系统中的库存水平被校正。史泰博每天都执行zero balance walk，确实有助于衡量和提高数据的准确性。注释4

现在让我们考虑数据的可用性。我们调查的各个零售商，在存储和获得销售数据方面，能力不尽相同。在我们的研究，某中等零售商保持了两年的销售数据可在线获得。某公司只为员工提供了只有六个星期的数据以供使用；另一个极端，另一家公司保留了十几年的销售数据可在线获得。

人们常常想知道为什么考虑到趋势变化速度那么快，保留多年的销售历史是有价值的。事实上，数据包含一些有用的信息，关于每年都保持一致的销售模式，如季节性因素，消费者对促销的反应和不同的商店销售模式的差异。我们还发现，平均预测误差往往每年都相当相似，即使产品已经几乎完全不同。

对于缺乏足够的线上数据的公司，预测产品销量要困难得多。某零售商只有六个星期有价值的线上数据，当他们想估计未来的产品销量时，将不得不从以前成堆的文件中抄写销售数据。由于计算机存储的成本已大幅下降，零售商没有理由把销售数据电子化存储，便于供应商获得。那些人，要么没看出来数据在决策时很有用，要么几年前在计算机的存储还极其昂贵的时候作了决定。

某些零售商甚至连近期销售数据都并不详细。例如，一些服装零售商跟踪他们的销售样式，颜色和大小（每件衣服都有单独的条形码），但其中央计算机只存储样式和颜色的数据。因此，采购员可能知道某天某款红色上衣买了多少，但并不知道这些售出的衣服是大号、中号还是小号。想不想知道，最近的一项调查发现，每三个人中就有一个人，虽然进入了一家服装店，打算买东西却没有买，是因为他或她买不到合适的尺码？那些服装零售店经理声称，就算知道了有关尺码的销售数据也无济于事，因为他们的供应商和分销中心只能送来已按照标准搭配好的各尺寸衣服，这些都不是根据该店或该地区具体情况来配送不同尺码件数的。同时，对于他们的运输和仓储系统而言，要做出可以定制出货这样的改变很困难，因为他们没有相应的关于尺码的销售数据告诉他们该怎么做。这些零售商落入一个及其糟糕的恶性循环：并不灵活的供应链验证了数据不良，不良数据又验证了供应链的不灵活。

四、成本、消费者满意度和员工士气

我们已经简要介绍了目前最好的做法—— 目前最好的可能情况——从四个方面，这些都是实现火箭科学式零售的基础。不过，对于更想获得桂冠的零售商而言，还需要在其他方面有所改进。

我们已经谈到的许多问题都与预测的准确性，脱销，销售损失，毛利率，降价促销，以及库存成本等指标有关。除此之外，零售商还需要跟踪这些指标产生的原因。例如，哪些产品和细分市场往往预测不准，以及预测精度如何随时间的变化而变化？只有这样，零售商将获得他们所需、可以了解问题的本质信息，如果零售有问题的话，就可以解决并运作更好。

一些零售商也太目光短浅了。快速提高利润的压力可以推动成本的削减，这会导致客户的不满和员工士气低落。我们的研究中的某零售商的高管，被董事会强烈要求要实现每年两位数的利润增长。通过减少卖场的销售人员数量的方式削减成本，达到了这一管理目标。短期利润有所增长董事会很高兴，而减少员工人数很快就引起了客户满意度降低和员工不满的情绪。

为了预防这种问题，零售商需要明显且准确地追踪客户的满意度和员工士气。我们的研究中至少有一个零售商，已聘请外审事务所来衡量这些因素，而该公司甚至考虑在其年报中报告该结果。这种做法是有道理的，没有关于客户满意度和员工士气的白纸黑字的话，就让成本一降再降了。从长远来看，零售商的情况将进一步恶化。

五、结婚的艺术和科学

左脑思考者，即思考或依靠通过技术提供已知信息的人，和左脑思考者，这些人依靠直觉，考虑他们间的长期冲突非常有用。正如我们所说的火箭和士气的核心，需要把二者结合起来。尤其是做规划时，很多零售管理者都确实需要左右脑都思考。

与这种观点相一致，这些组织策划都有一个依据左脑思考组成的部分，来补充传统右脑的购买或采购部门。定计划的人通常看着销售数据——在没有软件系统的时候——来制定门店级别和SKU级别的库存量。买方试着不看数字和历史记录，并专注于右脑任务，如识别在消费需求和开发新产品方面不断变化的模式。

大多数零售商在购买和规划的相关技能和责任间分工似乎很明显。但在其他领域，还可以有很大改进；，维护公司的电脑系统的信息管理部门，和其他部门如商品部，这二间关系就是一个很好的例子。一个零售首席执行官在报告中提到“唯一一次[MIS经理]和我沟通，是他们为了要我核销一个3000万美元的项目，这个项目是以前计划要做而现在已经放弃了。”另一位CEO批评我们不理解MIS和产品部间的界限：“你们不明白，产品部和MIS已经闹僵了。”

大多数MIS专家并不是产品专家或运营专家。他们是信息技术专家，擅长做数据库管理和计算机网络这类工作。在零售商处工作以前，他们可能在非零售公司工作过。因此，他们并不完全了解公司运营的需要。在许多情况下，MIS专家和运营人员甚至用语都差别很大。某领先零售商的一个MIS小组发现，很让人惊讶的是，当公司的运营人员说，“总是”，就像“我公司始终遵循此过程，”其实他们的意思是75%的时间这么做。MIS小组很震惊，对任何事情都很严格的他们来说，“总是”就是指100%。目前尚不清楚，MIS和商品之间的关系将如何变化。不过，如果这两个部门不相互理解的话，我们不知道如何才能更科学地运营。

六、核心系统

如果火箭科学零售业已经跨行业运用了，那么零售商必须更加重视把火箭科学融入他们的规划系统这个逻辑。
大多数零售商，例如，实现了在一种产品的生命周期接近尾声时，减少库存，该预测也应该基于已经根据商品用处和价格调整之后的早期数据再调整。但大多数的库存规划软件是为生命周期长的商品设计的，因此不合适那些只有短短几个月的经济寿命的商品。

更重要的是，大多数的库存计划系统通常有两三年的历史数据要求，用来建模，预测和提取参数。这对生命周期以月计的许多产品而言，是个难题。一些软件厂商已经开始着手解决这个问题了，我们相信一个适合短生命周期商品的系统将很快被开发出来。

火箭科学，零售将需要决策支持工具的开发和利用。在过去，许多零售商都试图在公司内部开发这样的系统或从第三方供应商购买，其结果都让人失望；这些系统没有使用合适的数学技术，并因此效果不佳。决策支持系统所需数学技术并不简单，是有原因的。

考虑一个简单的任务，利用早期销售数据指导补货，看什么产品卖得好还可以卖得更多。但是，实施这一概念需要非常注意细节。例如，不仅仅要知道一种特定的产品已经售出多少，更要明白这是在什么条件进行销售的，包括出售价格和库存情况。某零售商已经基于早期销售数据建立了一个补货模型，就很好地说明了这一点。该模型表明，某特定样式和颜色的某商品，其销量几乎是原先预测的两倍。在此基础上，该公司进行大量补货。下订单的商品副总裁遗憾地看到，在接下来的三个星期销售会下降至现在的60%，这是预测模型已经预测到了的。她认为模型有缺陷。但仔细检查发现，销售缓慢是因为，产品在交期之后又推迟了三个星期才送到，预测模型已经有这个假设了。因此，门店已经多个型号缺货了。一旦新货到店，就会像预测那样销量反弹。基本原则很简单——如果你没有库存，就没法卖。但在进行销售数据解析的时候，零售商往往忽略了这个原则。

大自然憎恶真空，今天的零售情况就是一个无法持续的经济真空。零售商不能继续忍受日益增长的降价损失，同时还辜负了一部分重要顾客，这些顾客找不到他们想要的东西。他们不能继续无视数十亿字节的未使用的销售历史记录，这些记录是可以帮助解决这些问题的。总有一天，这个真空会被填满。

每十年，都会有一个非常强大的零售商出现。这个零售商会重写规则，规则覆盖其他所有零售商和涉足零售供应链的所有公司。在20世纪80年代，这个重写规则的公司是沃尔玛（Wal-Mart）。在20世纪90年代，这个重写规则的公司是亚马逊Amazon.com。我们相信，下一个重写规则的公司，会是一个能把消费者交易数据整合，且可以把这些信息转化为行动的公司。

注释1：
Marshall L. Fisher，费城宾夕法尼亚大学沃顿商学院的教授。

Ananth Raman，波士顿的哈佛商学院的教授。

Anna Sheen McClelland，在本文中提及的研究期间，担任沃顿商学院的研究助理。

注释2：
华尔街已经发生了的事

那些沉浸在日常运作的零售组织，朝火箭科学，零售发展看似势不可挡又是不可逾越的挑战。鉴于20世纪70年代末，华尔街也掀起过类似浪潮，当时几种因素结合在了一起，把投资从艺术变成科学。

第一因素是信息技术，信息技术使得人们有能力捕捉，存储和分析贸易数据，甚至经过机器学习的某些计算机可以和其他计算机竞争，发现可能仅开放短短几秒钟的任何套利机会。第二因素是学术界产生了新的模式和理念，用于数据分析架构。第三因素是华尔街一个新员工类型，这些人原来在科学和工业企业工作，现在进入优化投资这种新兴科学。如今，这些相同因素准备随时改变零售业。

在零售商和华尔街投资公司之间画一条平行线就像是延长线？，鉴于二者都要分析交易数据——即股票交易或产品销售——来预测未来可能高涨的股票或热销的产品。（如果你认为时尚产品的销售预测，和预测股票的表现完全不同，那么问问自己高价的网络股票是不是已经和时尚消费者所痴情宠物小精灵玩具一样流行了？）两者都必须投入资源——股票或产品库存——来面对风险和不确定性。二者都需要对市场信号快速反应，。

这些基本要素——准确、可用数据；预测；基于风险的库存规划；以及供应链速度——都是火箭科学，零售的基础。上面的金字塔图，描绘这些要素支撑零售商面对选择合适的产品在合适的时间合适的地方标上合适的价格这个挑战。

注释3：
你不需要水晶球

早期的销售数据可以帮助预测商品整个生命周期的需求，尤其是时尚商品。上图信息来自某服装邮购公司。左图，是产品生命周期实际销量和由四个采购员组成的一个专委会作出的预测需求的对比图。右图，是产品生命周期实际销量和基于头两周销量的预测，头两个星期的需求占当季需求的11%。后者的预测误差幅度显著低于专家预测的。

注释4：
研究方法
零售商们收集了大量关于消费者和销售的数据，一直努力想有效使用它们。和零售商们讨论之后，我们正式开始研究火箭科学，零售。我们决定开展一项研究，用于记录目前零售商的运营和供应链实践。我们认为，一旦我们充分了解了零售商的供应链，我们可以找出改进的方法。

我们在斯隆基金会(Sloan Foundation)和大家分享了细致严谨得或火箭科学，零售这一愿景，很多零售商都很支持这项研究，而且很多不同学校的学生和学者都为此做出了重大的贡献。在我们的调查中，我们大多选择了具有创新精神且所售商品生命周期短的零售商，他们销售的产品涉及时尚服装，鞋，玩具，饰品，书籍，音乐，娱乐软件，消费类电子产品，个人电脑等等。我们一度认为这些产品需求的不可预知性，可能会让他们遭遇极大困境。我们和零售商们通过各种方式交流，例如：实地考察，书面调查，年度会议，以此了解他们如何预测和做供应管理的。参与研究的零售商名单如下：

服装和鞋类——David’s Bridal， Footstar， Gap，G.H. Bass， Maurice’s， Nine West， the Limited， World Company，和Zara。
消费类电子产品和个人电脑——CompUSA， Office Depot，Radio Shack， Staples， the Good Guys，和Tweeter etc.等。
书籍，CD，首饰，玩具，主题商店——Borders Group， Bulgari， the Disney Store， Tiffany & Company， TransWorld， Warner Brothers，和 Zany Brainy。
其他产品类别和多个产品类别——Ahold， Christmas Tree Shops， CVS， Federated Group， HE Butt Grocery Company， Iceland Frozen Foods， JC Penney， Marks & Spencer， QVC，和Sears。

注释5：
火箭科学，零售需要左脑（科学的）思维模式和右脑（直觉的）思维模式相结合并融入到思考和工作的整个流程中去。对于某些零售商而言，这意味着需要开发一个数据为中心的规划组织，作为其传统富有创意的采购和销售业务的补充。

注释6：
很多零售商都并不知道他们的信息是不准确的，因为他们从不监测数据的准确性。

注释7：
推荐阅读
作者：Marshall Fisher and Kumarthus Rajaram，文章：《时装零售商品：准确的测试方法与应用》（Accurate Testing of Retail Fashion Merchandise: Methodology and Application），刊登于《市场营销学》（Marketing Science）2000年夏季第3期。

作者：Marshall Fisher, Ananth Raman, Janice H. Hammond, 和 Walter Obermeyer，文章：《让供应满足未知世界需求的方法》（Making Supply Meet Demand in an Uncertain World），刊登于《哈佛商业评论》（HBR）1994年五六月合刊。

作者：Ananth Raman 和 Giulio Zotteri，文章：《估计零售需求和销售损失的技术》（A Technique to Estimate Retail Demand and Lost Sales），哈佛商学院（Harvard Business School）研究论文，2000年。

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)