计划是个技术活，新品要避免大错特错，老品要做到精益求精。
不管是时兴的跨境电商、新零售，还是传统的生产制造、贸易流通，在供应链计划上的问题都很相似，主要表现在：
总进总出整体上不平衡，导致全局性的需求与供应不匹配。
库存没放到合适的地方，导致局部性的需求与供应不匹配。
产品、业务、需求的复杂度大增，增加了供应链计划的难度。
就整体方法论而言，本书依旧遵循“从数据开始，由判断结束”的基本准则，在基本数据，比如需求历史的基础上，制定基准预测；根据销售、市场等业务部门的职业判断，比如促销计划、新品上市计划，来调整基准预测，制定最终的预测。本书更加聚焦“从数据开始”，通过一系列案例，更详细地介绍预测模型，包括预测方法的择优、库存计划的优化、新品导入的计划等。特别要说明的是，本书不是一本预测方法论的书。本书会探讨常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。本书的目标是寻找更优而不是最优的解决方案。
刘宝红，旅美供应链专家，畅销书作者，西斯国际执行总监。
刘先生毕业于亚利桑那州立大学，获供应链管理MBA学位。他现旅居硅谷，创立西斯国际，专注供应链管理领域的研究和写作，并定期回国。服务本土企业。
在供应链管理领域，刘先生旨在填补学者与实践者之间的空白。他在研究和著述的同时，还通过培训、咨询，积极参与供应链实践，全面覆盖汽车家电、电信设备、航空航天、机械制造、石油石化等传统行业，以及电商、新零售、互联网等新兴行业。
序言一 从计划的“七分管理”到“三分技术”
序言二 从药典到药方：我对案例的一些想法
序言三 这是我的第5本书，跟其他书有什么联系
作者简介
导读 计划是供应链的引擎
第一章 需求预测：三种基本的预测方法
时间序列的预测：移动平均法
小贴士 预测的灵敏度和准确度
小贴士 预测准确度的统计
小贴士 要不要考核预测准确度
时间序列的预测：指数平滑法
指数平滑法的逻辑
指数平滑法的初始化
平滑系数的择优
简单指数平滑法的优劣
趋势的预测：霍尔特指数平滑法
案例 一个快时尚产品的需求预测
小贴士 有时候，不预测就是最好的预测
季节性+趋势的预测
基于相关性的预测：线性回归
小贴士 解读线性回归的参数
小贴士 样本选择的几点考量
小贴士 极端值的处理
小贴士 残差图的分析
小贴士 样本太少怎么办
小贴士 警惕线性回归给你的东西
选择预测模型的一些考量
小贴士 寻找更优，而不是最优的解决方案
小贴士 预测模型的优化要提防过度拟合
案例 中心仓的预测方法择优
需求预测的集中化
小贴士 为什么在颗粒度小的地方做预测
预测方法的优化
计划的改进得兼顾供应链的执行能力
小贴士 电商如何选择ERP
魔鬼藏在细节中：需求历史数据的清洗
本章小结最基本的方法也是最重要的
第二章 库存计划和库存的优化
量化不确定性，设定安全库存
第一步：量化需求的不确定性
第二步：量化有货率的要求
小贴士 有货率怎么定
第三步：计算安全库存
小贴士 按日、按周还是按月汇总需求历史
会设安全库存，计算再订货点就很容易
补货机制：定量vs不定量
补货机制：定期vs随时
案例 随时补货机制下再订货点的计算
案例 定期补货机制下再订货点的计算
小贴士 不是现货供应，再订货点如何计算
案例 轮辐式的全球库存网络计划
小贴士 设再订货点，还是安全库存预测
案例 某工业品企业的计划组织
小贴士 计划职能的绩效如何考核
VMI的库存水位如何设置
计算最低、最高库存水位
量化VMI的库存风险
VMI的绩效管理
案例 离开信息化，就很难具备做VMI的条件
“长尾”产品：库存计划的终极挑战
“长尾”需求用泊松分布模拟更准确
用简单法则来指导“长尾”需求的计划
案例 跨境电商的店铺库存优化
本章小结 库存计划是个技术活
第三章 新品导入与滚动计划机制的建立
案例 新品的初始预测：群策群力，专家判断法
德尔菲专家判断法
小贴士 瓶子里有多少颗巧克力豆
新品预测试点项目准备
专家判断的结果分析
反馈改进，从失败中学习
专家判断法失败的三个原因
小贴士 预测判断力是可以培养的
专家判断法用于什么产品
专家判断有没有约束力
专家判断法由谁来维护
季节性强，一锤子买卖如何预测
案例 新品的预售期：尽快纠偏，调整预测
哪个预测模型更好
系统性偏差的检验
重新定义样本，重新建模
预售期需求的滚动预测
案例 新品的滚动计划要从开发期开始
小贴士 新品计划本身要有计划性
小贴士 大型设备的项目预投机制
新品计划由谁做
本章小结 尽量做准，尽快纠偏
后记
[
我的消息
购物车
