数据的分析在服装库存管理中的几个的应用.docVIP

造成企业/代理商库存偏大的原因无外乎以下几种： 本文不谈大的道理，只是从数据分析的角度告诉大家一些库存管理的办法。 一、 订货会前的数据准备 对于代理商来说订货会前需要确定如下数据：1. 买多少金额/件货2. 买什么品类的货3. 确定商品级别及对应的订货件数除1外，其他两项都是需要订货前制定的策略计划。（注：以下分析不考虑店铺数量变化的状态）1. 买货金额一般来说厂家已经提前确认，代理商要做的就是计算出对应的商品数量。公式如下：商品数量 = 采购目标 / （区域销售平均吊牌价 X （1 + 计划涨降价幅度））2. 确定各品类买货金额及数量：根据同期商品各品类销售百分比确定本订货季的比重，修订原则是今年商品趋势和经营者的策略。这个环节非常重要，它是一个买货策略的落地环节。3. ?确定商品各级别款及数量：可以采取平均值和极值相结合的方法。根据历史销售数据将商品款分为五个级别（也可以是三个），级别和采购数量对应关系如下： 商品款级别 标准 备注 一级款 同期该品类所有款中的销售最大值 一般每个品类2-3款 二级款 介于销售平均值和最大值之间所有款的平均销量 三级款 同期该品类所有款销售平均值 四级款 介于销售平均值和最小值之间所有款的平均销量 五级款 同期该品类所有款中的销售最小值 有了这个数据准备后，在看货过程中，只需要买手确定商品的级别，不用特别考虑商品的买货数量。这种方法的好处是根据销售数据来倒退买货数量，避免了买货的盲目性。“买货的过程实际上就是商品销售的过程”，所以多花一些时间的准备工作上是值得的。在看货选货过程中，可以根据具体情况适当的调整2中的百分比和3中的商品级别。 买货后（在正式下单前）还需要对所买的货品进行检测，主要检测三方面：价位段、尺码、颜色等。用买货数据与同期销售数据进行对比。比如下图，很明显就能看出价位段的缺失： 二、 销售过程中的数据分析 服装行业的数据分析从商品流向来讲就是大家熟知进、销、存，阅读全文请查找聚尚美育。其中商品销售环节可以细化为人、货、场。造成库存过高的原因一般都会认为是进的太多或卖得不好，很少有人从商品的追踪、预测、分析上下功夫，本节重点就谈谈这方面： 1、 如何建立商品数据追踪体系？ 商品追踪一般是按照天或周为单位来实施，随着POS系统的普及，数据收集越来越及时，按天来追踪商品销售状况变成可能。追踪内容：店铺库存数量、过去4或8周的销量（快时尚服装可以缩短为1-2周）、大仓库存。追踪方向：如果不能覆盖全产品链，可以按照大品类（比如体育服装的鞋、服、配，女装的上、下、套装、配饰等）的销售前20大和库存的前20大来跟进，前者是为了让卖得好的商品卖的更好，后者是为了让库存大的商品尽快消化掉。 新品消化率也是必须要追踪的一个数据，今年很多服装公司都在更新一个观念，什么是新品？只要消费者没有穿过的都应该是新品。这种观念对于就库存的消化是有帮助的，特别是那些新品依赖性越来越高的企业更应该如此。 通过POS采集到基础数据后，剩下的就是用EXCEL建立一个追踪模型，让它每天/周自动产生分析结论（策略部分需要人为制定），再根据库存天数等逻辑建立一个自动配货/调拨模型。目的就是监控主要商品进销存状况，迅速补货，让商品在不同客户或门店间流动起来。一般情况下不要让店员来下单调拨，因为店员可能较忙会忘记下单，对好卖的商品会有”占库存”的恶习。 2、 如何做商品的销售预测？ 库存周数（WOI）是商品预测的一个KPI值，库存周数 = 即时库存 / （周期内的销售数量 / 销售周期）,销售周期可以是4周、8周等。比如某个商品目前库存2000件，过去4周销售1000件，则它的库存周数就是8周，意义就是根据最近4周的销售状况来看，此商品还有8周即将售罄。 需要注意的是如果销售周期取4周，如果某款商品是两周前上市的新品，则销售周期要改成实际的销售周数。按销量排名往往会漏掉这个因素。 按库存周数进行货品的预测是一个相对粗糙的预测方法，因为它并没有考虑到季节、节假日、促销等因素。要精确的进行商品的销售预测就需要引入周销售权重指数的概念，它根据历史销售记录将每一天都赋予不同的权重值。 3、 商品库存的分析的维度 用两张图来说明商品库存分析： l ?商品库存结构图（其中有效库存的定义是指在某个销售周期内销售数量大于多少的商品之库存数量） l ?商品覆盖度分析 商品的库存管理体现在每个环节，我们不能脱离采购、销售等环节来单纯谈如何降低库存。降低库存无他法，只有从每个环节都加强管理，提高透明度，增加预警机制才有意义。