作为供应链管理践行者，我始终对补货系统情有独钟。一方面，我很清楚补货系统实际上形同我们人类的饮食系统，必须恰到好处；另一方面，补货系统是企业计划体系的核心模块，是需求转化的路径保障，反映了企业的销售需求管理，采购管理，计划管理，库存管理以及存货管理各自及互相之间是否运营有效和有机结合，
前阵子，有位读者希望能够更深入学习计划体系，于是，我想到了自动补货系统。
无论是企业的供应链管理实践，还是国际供应链运营参考模型SCOR，或者是诸多厉害的有关供应链的各种认证，我们都能感受到凌驾于企业价值链的那条计划链。计划链背后实质是组织和资源如何有效满足客户的交付，以及满足企业自身生存和发展的缩影，相信读者们一方面是为了学习，另一方面自然也是为了满足企业的需求。
接下来，让我们以某产品为例认真剖析自动补货系统的这套三层七模块补货技术组件，这套组件架构隐含了整个供应链计划系统的结构，靠一篇文章自然无法完全触及，这一次我就聚焦在第一个组件 —— 产品需求特征分类引擎，该引擎相当于供应链计划流程中尤为重要的需求计划，目的是帮助对供应链计划体系感兴趣的读者深度理解供应链需求模式，以总结一套分析方法。
三层七模块的自动补货技术组件架构
第一层：战略协同层，时间框：月度/季度
组件1：产品需求特征分类引擎
组件1的功能是自动识别并管理混合需求模式，由此，我们需要掌握：
什么是需求模式？
典型的需求模式有哪几类？
如何判断需求模式？
不同类别的需求模式的场景是怎样的？
>>> 需求模式
需求模式是产品需求随时间变化的特征、规律和行为模式的系统性描述，不是简单的数字增减，它包含以下维度的综合表现：
数学表达式：总需求=基础需求+趋势成分+季节成分+周期成分+随机扰动
这些维度的不同表现通过需求预测及销售数据反映到企业计划体系中的需求计划，从而影响供应链的决策，并进一步影响库存水平，服务水平和运营成本。
我们总是希望需求预测是精准的，可对于一些诸如消费品或电子类等市场的产品时，企业根本就难以获得对需求预测上的一厢情愿。需求数据分析家们总结了不同需求模式的数据变化场景：
通过元宝AI编程获取的需求模式场景图示
问题的关键在于，如果要对需求模式进行判断，必须有两个前提，一是要有足够的分析数据点，二是需要有系统性判断方法。
需求模式的系统性判断依据参考
>>> 典型的需求模式
由此我们可以将需求模式依据需求的波动性，可预测性和偏差值等进行如下分类，分类的目的除了寻求适合的预测方法外，还用于寻求可靠的供应链决策。
需求模式主要分类及预测方法参考
需求模式分类场景及供应链策略参考
>>> 如何判断需求模式
假如我们掌握了以上的系统性判断方法，我们似乎很容易对需求模式制定一个判断流程：
Croston:间歇性时间序列预测
TSB：是Croston模型的扩展
SARIMA:季节性时间序列预测
Prophet:有规律性时间序列预测（季节趋势等）
Holt:线性趋势预测（二次平滑）
Arima:自回归差分移动平均
实际上，如果不依靠预测管理的系统软件，一般企业不会这么清晰地进行需求模式的辨别，也不会采用不同的预测计算手段，通常使用的算法仅来自平稳性需求的方法，平均，移动平均，最多采用指数平滑，因为像我们这些供应链从业者，绝大多数还是基于Excel进行统计和计算，即使将不同的时间序列预测模型的名称列出来，也并不代表会计算，但至少我们知道有那么个工具存在，分析的方向在哪里。
>>> 不同类别需求模式的场景
本文仅仅为了普及需求管理中有关需求模式的知识点，以帮助读者更好地理解供应链计划体系中的需求管理，当然我们后续会继续介绍需求预测协同平台的知识点。
为能够帮助读者更好地理解需求模式，我借助于AI工具做了一个网页版供应链需求模式分析场景，这里先取其中一个大家最熟悉的模型介绍。
平稳型需求模式分析
如果大家读了文章从自动补货技术的发展路径来看，你认为自动补货AI Agent诞生了吗，自然明了需求模式的重要性，无论是按库存生产还是按订单生产，供应链计划体系中最尴尬的仍然是忽略需求管理，销售误认为供应链有天大的能耐可以实现心目中的柔性和灵活性，而供应链则始终盯着预测计划进行资源部署，最后的矛盾仍然回到计算的预测准确度的争论上。
案例：某供应链需求模式分析
整理和清洗需求数据形成表单，包含计划量和实际订单量
使用供应链需求模式分析工具
投喂表单到已被学习的智能编程AI
运行结果
以下是运行后的结果：
说明需求模式分布一半以上为复合型，针对复合型产品，还需要进一步进行分解，其余则可以对症下药，当然，该运行计算的置信度还是偏低了些。
不过我们也可以猜测该产品结构较为复杂，或许一半以上产品处于产品生命周期前端或者尾端，也或者销售渠道存在层级和人为干预等非市场行为使得毫无规律可循，这种情况下，即使企业用上预测系统软件，也是需要进行例外处理。
可见不同企业由于需求模式的不同必然存在复杂程度不同的计划体系，也决定了企业是否需要考虑导入预测管理。
总之，企业进行供应链需求模式分析有助于进一步分析采用何种预测方式，使得预测结果更加贴近现实，但也必须牢记：
不要仅凭视觉判断（人眼有偏差）
不要忽略数据质量（异常值处理）
不要假设模式恒定（定期重新评估）
不要忽略外部因素（促销、竞争）
图文：Cia
文中涉及编程由元宝AI智能编程完成
编辑：Cia
数字化时代的企业与供应链思考与探索，
喜欢就关注和转发
欢迎一起探讨
