大供应链应用与分析之企划

转载自：http://www.itongji.cn/article/0Z910202012.html

-----------------------------企划概论------------------------

前面提到过大供应链应用的目的就是练内功的, 为了最快获得现金流, 且还能获得足够的利润, 在供应链的”供需”关系中, 它的作用是”供”. 而与之匹配的是市场推广和用户分析应用, 它们是对外的, 企业练习外功, 也即所谓的”需” . 以之谓”供需”磨合, 也可以用中国的古话, 叫阴阳调和, 互相作用.

作为供应链”供”的开端, 企划, 我们不得不从”需”说起, 在供应链概论的图中已经看出, 供需要从历史需求和当前市场判断来影响”供”的计划, 否则供应链从一开始就是扯淡的, 后续的循序渐进动态调整和协作, 都将成为扯淡的部分.

-------------------------企划的依据来源--------------------

大家都知道, 企划是供应链的计划, 是供应链的开端, 但是它计划的依据是什么呢? 传统企业已经将历史销售、市场预期两大因素加进来了，那么更为变化多端的电商，更是需要考虑变化因素，并且要考虑企业的战略变化，战略决策一定会改变企划的新一轮计划，但是如果前后计划矛盾太多，就会导致后续供应链的混乱和难以管理。

所以我这里建议电商的企划周期需要更频繁，企划灵活性更大，而大供应链协调需要更智能化，才能防止因战略变化而导致的不必要的投入浪费。

----------------------商品计划模型建立--------------------

商品计划模型来自2个部分，一是历史商品的迭代，如去年A商品销售100万，今年分摊到它头上需要提升50%，那就需要150万，而历史商品也不是所有商品都迭代，这得剔除你淘汰的那部分商品。二是新开辟市场，这部分的算法一般为市场人员选择新品类，然后由企划人员根据战略目标分摊销售目标在新品类上。

历史品类的选择原则：按照企业的不同战略目标选择，例如企业目标是剔出低利润低销售的商品，那么符合这一条件的都剔出，企业中，将不再对上述商品进行计划。

财务目标分摊原则：三个变量，首先是平均分配原则，例如预测整体销售提高100%(如何预测,请看下一节)，其中新增50%的商品品类，那么原来1万个SKU将变为1万5千SKU，那么平均每个SKU只需要增加40%即可。其次是新品培养变量，由于新品往往需要市场培育期，所以要参考市场培训参数来降低新品的计划，例如新品只能达到平均销售的50%，那么多余的50%由老品分摊。最后一个变量是营销变量，例如A商品在以前是重点推荐引流的，本次就自然增长，B商品以前没有推荐引流，但这次打算做，那么就增加比例，C商品上次推荐引流的，本次不作为推荐引流，则需降低。新品同理。

备注：以上商品特殊分摊，一般到品类，而不是具体SKU，减少企划工作量和难度。

企划商品模型确立：按照公司规定的商品组织树形建模，例如日用=〉服装=〉女装=〉上装=〉T恤，根据公司具体情况建立层级关系。数据模型中分为历史销售表、新品计划表、计划分摊表、新品培养参考系数表、计划营销参考表、战略市场预期参考表；根据公司需要，进行多层次计算，但始终围绕战略计划总量不变的核心调整。

---------------------通过历史进行下期销售预测-----------------

传统零售的预测与电商的预测不同, 因为影响因素不同, 具体实现的时候要根据以下各自具体因素分别计算. 传统零售主要分2个主要变量预测, 一是计划增加的实体门店数, 二是计划增加的坪效.

其中计划增加的门店数, 需要落实到区域的分布,因为销售的区域差异性非常大, 而计划增加的坪效和培训、推广投入、关低坪效店等多个因素。常规预测方法中时间序列、回归分析最为常见，其中变量的影响性考虑主要的影响即可。

那么电商对应的因素会有所不同，包括增加的品类、持续的推广投入、营销策略（电商可分大促与日常营销分别分析）、老客户关怀等，都是电商特有的影响变量。具体这里就不多讲，这属于市场范围，而这里重点是讨论供应链范围。

--------------------------加价率/毛利率计划-------------------

如果是品牌商，那么就需要考虑加价率，即加价率=企划价格/生产成本，很多朋友会搞混具体的公式，企划价格说成了销售价格，或者生产成本说成了销售成本。

如果是电商零售商，则考虑计划毛利率，既采购成本/实际销售价格，只有足够的毛利率，才能包住企业推广营销费、人员薪资、IT投入、物流仓储管理费等费用，才可能有利可图。

以上的具体决策，主要涉及2个主要变量，一是该商品预计平均毛利，二是预计各项费用支出预算。前者是看具体商品的预计数据，后者是看整体费用，与前者的汇总统计进行比较，看是否能达成目标。有朋友可能会说，这样做是不是要约束前端营销的手脚呢？这个当然不会，因为没说一定要计算出来是盈利的才行，个人意见，即使要亏损，也一定要战略性亏损，可预期地发生亏损，这样的亏损才是可控，可改善的。

其中预计平均毛利，将指导前端上市、推广、促销三个营销角度的节奏，不能前面没卖出去，后面90%都促销，那就是脱离企划的胡乱营销。

假设某品牌公司3倍加价率，那么生成成本为企划价的1/3，如果20%毛利包不住后面的费用造成亏损，可想其平均折扣有多深？！假设23%毛利就可以达到盈亏平衡，意味着平均毛利提高，在营销操作中，三个阶段的营销方法和时间节点进行调整，将能达到盈亏平衡的预期。而事实证明，对于自主品牌商品来说，平均相差0.5折以内的营销，对销售并没有绝对的影响，其它营销方法和客户体验可以解决这个问题。

-----------------------企划与采购、物流仓储---------------------

上述企划数量、加价率/平均毛利计划出来以后，剩下就是得传递信息给采购、物流仓储两个部门，然后根据下游环节的实际情况调整。

在采购/生产环节，如果是自主品牌，无论新品类还是老品类，数量、加价率是作为生产数量、生产成本的指导参数。但在具体生产过程中，生产批次、生产原材料和工艺是生产环节是自己控制的，其中生产批次受营销需求的引导，生产原材料、工艺是商品品牌定位互相影响。如果是零售采购，毛利率则是和商家谈判的目标，每一个商品会有偏差，但如果总体谈判结果与企划有明显差距，则需及时反馈企划。

物流仓储的规划与三个变量主要相关，一是企划商品量和商品属性，二是采购生产计划时间和批次，三是营销市场分布。所以企划确定的商品量，对于物流规划有指导意义，物流资源的投入、货架箱子等设备投入都需要根据企划进行初步规划，其它2个变量具体情况在后面文章中分享。

企划对每一种商品特性都需要调查和管理，以对采购、物流仓储、营销进行指导。例如某食品保质期3个月，热销季节4个月，那么从采购入库开始，该货品库龄不能超过2个半月（可能更短），营销周期同样，但是周期要长1个月，有了这些参考，采购批次适当多一点可以减少物流压力，而营销周期必须在4个月内完成三个营销阶段，需要定制营销规划。所以在考虑采购不同商品的时候，需要注意商品周期等属性，对于整个供应链，都是需要统一管理，避免不必要的损失，包括过期损耗和毛利损失。

-----------------------现金流管理---------------------------

现金流（这里不计日常运营费用的资金，只算关于商品的资金）等于采购投入周期与营销变现之间的资金流动。

现金流的管理多重要？我们做一个极端的假设，假设与商家谈好采购按1月后结算（如果可能的话），即1月1日拿到货，2月1日与商家结算，如果我能在1月1日当天卖光，意味着除了我赚取的合理利润，我还有现金流，而且是一个月的现金流，按照银行利息计算，又白白多赚了零点几个点的利润，而且这笔钱还可以用作公司运作、其他采购等。可见现金流是多么重要！

同时也可以反映出，在库存里的商品库龄越长，对现金流越是不利。但是反过来说，如果库存的库龄短，也有断货、缺货的风险，所以库龄需要物流部门进行计算，但由企划来计算如何管理供应链来优化库龄又不会影响销售。

对于采购同样如此，理论上采购批次多，对于现金流有利，但如果采购批次过多，费用会上升，同时不能快速补上营销需求的话，也是得不偿失的事情。采购的批次和时间点是采购决定，但需要企划结合库龄、动销、每次采购费用多个变量来计算合理的批次和时间点。

-------------------企划与营销的快速迭代------------------

电商中商场如战场，体现得更为淋漓尽致，所以企划在商品供应链环节中，最后一个重要环节，就是快速与下游环节迭代计算和动态管理。否则计算和管理再好的企划，也会因不匹配实际情况，而导致全环节的失控，失去现金流、利润的战略控制。

企划中商品计划的最直接的影响环节是营销、市场，企划的商品计划一变，对商品周期、采购加价率等都可能重新计算，所以它是围绕现金流、利润的计算中心，但也是围绕它们计算，来改变具体执行的计算规则。对下游环节进行新的参考指导。

------------------------------企划的总结-------------------------------

这就是企划，供应链的龙头，战略执行计算中心，始终围绕现金流、利润为核心计算，变化着对下游产业链进行动态的指导，是企业内功“商品供应链”的中心枢纽。

另建议中等规模以上零售或电商,若没有企划, 也需要建立一个供应链规划与分析团队, 否则现金流和利润在运作中有巨大的失控风险

大供应链应用与分析之企划相关推荐

命名管道 win7未响应_大数据分析Python建立分析数据管道
如果您曾经想通过流数据或快速变化的数据在线学习Python,那么您可能会熟悉数据管道的概念.数据管道允许您通过一系列步骤将数据从一种表示形式转换为另一种表示形式.数据管道是数据工程的关键部分,我们将在 ...
Gartner预测2019年十大「数据和分析技术」趋势：增强型分析成为重要卖点
来源:机器之能摘要:处于数据和分析位置的领导人必须审视这些趋势对业务带来的潜在影响,并相应调整业务模式和运营,否则就有可能失去竞争优势.增强型数据分析,增强型数据管理,持续型智能,可解释的 AI,数 ...
数据企业IBM段仰圣：大数据关键是“分析”
本篇文章是一篇关于数据企业的帖子明天,信息术技已进入一个新的纪元,企业在数据的取获.联通和理解方面同时达到了新的层次,应证了IBM之前提出的"感知化.互联化.智能化"趋势.随着移 ...
IDC：全球大数据和业务分析收入预计到2019年突破1870亿美元
根据IDC新的全球半年度大数据和分析开支指南,全球大数据和业务分析收入将从2015年的1220亿美元增加到2019年超过1870亿美元,在5年间的增幅超过50%.这个新的开支指南在IDC此前的预期基础 ...
linux “大脏牛”漏洞分析(CVE-2017-1000405)
一.背景简介脏牛漏洞(CVE-2016–5195)是公开后影响范围最广和最深的漏洞之一,这十年来的每一个Linux版本,包括Android.桌面版和服务器版都受到其影响.恶意攻击者通过该漏洞可以轻易 ...
安天移动安全发布“大脏牛”漏洞分析报告(CVE-2017-1000405)
一.背景简介脏牛漏洞(CVE-2016–5195)是公开后影响范围最广和最深的漏洞之一,这十年来的每一个Linux版本,包括Android.桌面版和服务器版都受到其影响.恶意攻击者通过该漏洞可以轻易 ...
大数据算法与分析技术国家工程实验室将建设
国家发展改革委近日正式下发通知,同意由西安交通大学作为承担单位,国家电网公司全球能源互联网研究院作为联合共建单位,筹建"大数据算法与分析技术国家工程实验室". 国网信通部落实公司党 ...
【ECharts系列|02可视化大屏】舆情分析，人口分析及警情警力活动情况的实现【下篇】
简介:ECharts实现可视化大屏展示,包含人口分析,警情警力分析多张效果图, 完整的html+css+js+img:https://download.csdn.net/download/weixin ...
java大神请出来_求java大神，请分析以下代码，写出执行结果，并解释每行结果输出的原因。...
求java大神,请分析以下代码,写出执行结果,并解释每行结果输出的原因.classPlate{publicPlate(){System.out.println("inPlateconstru ...

大供应链应用与分析之企划

大供应链应用与分析之企划相关推荐

最新文章

热门文章