长尾需求的特点是需求的频次低、需求量的差异大。让我们拿一个B2B电商为例，图1是他们的一个产品，在过去12个月里，这个产品有5个月每月卖掉1个，2个月分别卖掉2个和5个，其余月份没有任何需求。看得出，需求不连续，离散度大，不符合我们熟悉的正态分布，但符合另一种分布：泊松分布。
图1：某B2B电商的一个产品，长尾特征明显
在统计学上，泊松分布是常见的随机离散分布，用来描述单位时间（或空间）内随机事件发生的次数。这种分布是用法国数学家泊松的名字命名的。在管理学上，泊松分布有着广泛的应用，特别是对长尾产品的库存计划。
泊松分布有三个特点——如果满足这三个条件，就算符合泊松分布：
第一，平均值：单位时间里事件发生的平均数已知；
第二，随机性：没法预测具体什么时候会发生；
第三，独立性：这个事件发生，并不意味着下个事件会发生，或者不会发生。
这听起来挺拗口，让我们举个例子来解释。
普鲁士王国在统一德国的过程中，建立了强大的骑兵部队。是骑兵就要跟马打交道，跟马打交道就有被马踢死的可能。针对14个普鲁士骑兵团，一位统计学家研究了20年的数据，发现被战马踢死的士兵数量有三个特点：（1）平均每年被马踢死的士兵数量差不多（平均值）；（2）但这些士兵究竟什么时候会被马踢死，却没法预见（随机性）；（3）今天有士兵很不幸被马踢死，并不意味着明天会有还是没有士兵遭遇同样的厄运（独立性）。
这就是泊松分布，即每年死于马蹄的普鲁士士兵的数量符合泊松分布。
被马踢死的普鲁士兵数量符合泊松分布
现实生活中，服从泊松分布的情况非常普遍。
比如汽车的轮胎，我们都知道有一定的寿命里程（平均值），但究竟开到多少公里时会爆胎，我们不知道（随机性）；今天前胎扎了根钉子，跟明天后胎扎还是不扎钉子，没有半毛钱的关系（独立性）。
再比如说我们平均每天接到20个订单（平均值），但这些订单具体几点几分来，我们不知道（随机性）；刚才来了3个订单，是不是意味着待会儿还会来3个，还是不来3个，没有任何参考价值（独立性）。
从数理统计的角度而言，描述正态分布要两个参数：平均值、标准差。但对泊松分布来说，我们只需要知道一个参数（平均值）就够了。放在库存计划上，就是知道了补货周期内的平均需求，我们借助泊松分布，就能计算出合适的库存水位，来达到期望的服务水平。
让我们继续上面图1中的B2B电商案例，看要放多少库存，以达到95%的服务水平。
假定这个产品的补货周期是8个星期，那么补货周期内的平均需求就是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）。这就是泊松分布中唯一需要的参数：平均值。我们把这个值代入泊松分布的计算公式中，就得到图2的再订货点和服务水平的曲线。
在图2中，累计发生的概率是补货周期内，需求小于等于特定值的概率。比如在8周的补货周期内，需求小于等于4的概率是96%。这也意味着如果手头有4个库存的话（再订货点为4），我们的服务水平就是96%。如果再订货点是8的话，就能达到99.99%的服务水平。
看得出，跟正态分布类似，泊松分布下，库存的边际投资回报率递减，特别是过了95%以后，就递减地相当厉害。实际上，案例企业手头放着12个库存，能够满足整整1年的量，你就知道为什么他们的库存周转率不高了。
图2：用泊松分布计算再订货点
这些概率是如何计算出来的？Excel里有个函数可以帮忙：POISSON.DIST (X,平均值,True) 。
函数中的“平均值”就是补货周期内的平均需求，X是补货周期内累计需求的上限，True表示这里求的是累计概率，即在补货周期内，总需求介于0和X之间的概率（包括0和X）。这里的X就是我们要计算的再订货点，图2中的“累计发生的概率”就是由该公式计算出的。
对于这个函数，我们分别代入不同的X值，就得到相应的累计概率，描绘出图2的曲线图来。下面是几个例子：
POISSON.DIST (2,1.85,True) = 72%（在8周的补货周期内，总需求小于或等于2的概率是72 %。也就是说，再订货点是2时，期望的服务水平是72%）。
POISSON.DIST (3,1.85,True) = 88%（在8周的补货周期内，总需求小于或等于3的概率是88 %。也就是说，再订货点是3时，期望的服务水平是88%）。
对于正态分布，Excel中有个函数，可以反算出来，要达到一定的服务水平，应该放多少安全库存；可惜的是，对于泊松分布，Excel中没有这样的函数。在微软开发出这样的函数之前，我们要么得一次次地手工尝试（其实试不了几次就能得到答案），要么让IT人员写个简单的小程序。如果你们谁做了这样的小程序，可不要忘了跟我分享，先行谢过。
上面求出来的是再订货点4，减掉补货周期内的平均需求，就得到安全库存=4-1.85=2（四舍五入）。你会看到，泊松分布下，因为需求比较低，再订货点中安全库存占的比例相当大，而且需求越低，安全库存的比例就越大。
---------------
围绕我的系列畅销书，我开发了一系列精品课程，已经推出近600次。2026年培训全新升级，3月份的培训在上海、深圳，正在报名中。
1. 供应链的三道防线：需求预测、库存计划、供应链执行(3天)
（深圳 3月27-29日，上海 3月31-4月2日）
计划是供应链的引擎，需求预测是计划的龙头。需求预测怎么做，才能避免大错特错，力争精益求精，提高首发命中率？需求预测由谁做，才能更加有效地对接销售和运营，提高预测准确度？需求预测做错了，如何快速反应，尽快纠偏和补救？
我们会重点介绍三类6种最常用，也是最重要的预测模型，来预测随机变动、趋势和季节性需求。我们也会详细介绍数据清洗，极端值处理，模型参数优化，准确度统计，模型优劣的判断和选择。所有应用都在Excel中实现。
我们还会分享系统的库存控制，包括库存的“七分管理”和“三分技术”：其一，库存是天使也是魔鬼，究竟多少算合适？其二，库存计划是个技术活，究竟怎么做？其三，如何改变组织行为、降低不确定性、缩短周转周期来控制整体库存？
2. 采购和供应链管理：一个实践者的角度（2天）（深圳 3月25-26日）
经济增速放缓，销售挣不来更多的钱，采购就得省更多的钱。加强“大采购”的职能建设，选好、管好供应商，是整合供应商、集中采购额是获取规模效益，增加议价权，取得成本优势的关键。
这要求对供应商“有选择、有管理，谁选择、谁负责”，形成跨职能、跨阶层合力，有效管控“有能力，但也有脾气”的战略供应商；整合“没脾气，但也没能力”的一般供应商，打破劣质低价、低价劣质的恶性循环。
这也要求采购从订单操作层面的“小采购”，上升到战略寻源、供应商管理和早期介入新品开发的“大采购”。本培训会详细探讨“大采购”的职责定位、组织建设和绩效考核，兼顾采购的集中与分散，帮助实现采购职能的战略转型。
培训详情及企业团体优惠，请垂询助手 吴珍桢：177 2795 9069（微信同）。