庫存預測:方法與公式,避免缺貨與庫存過多

庫存預測:手指指著每月銷售與訂單的長條圖和折線圖

缺貨和庫存過多對企業都不好。前者代表浪費了機會,後者代表浪費了資源。準確的庫存預測能幫助您同時避免這兩種情況。

所有企業都應該把庫存預測制度化,以防止任何形式的損失。無論公司規模大小、營運多久都一樣。畢竟,每一分錢都很重要。

 

什麼是庫存預測?

庫存預測又稱需求規劃,是根據過去的資料、趨勢和即將發生的事件,準確預測庫存水準的過程。目標是無論季節、時節或消費者需求如何變化,都盡可能維持在理想的庫存水準。

這個過程需要細心收集資料並進行專業分析。只要做得好,就能為企業省下大量金錢,同時避免財務損失。

庫存預測最好搭配功能完善的庫存管理軟體,確保所有資料都準確且即時更新。

準確的庫存預測之所以重要,是因為消費者需求不斷在變化。今天的暢銷商品,一週或一個月後可能就不再熱門。如果您在需求規劃中沒有密切追蹤趨勢,剩下的庫存就會變成積壓的存貨。

反過來也可能發生:因為沒有依季節預料到需求,您可能沒有生產或訂購足夠的貨來滿足顧客需求,結果造成缺貨,讓企業損失利潤。

 

 

庫存預測的方法

預測消費者需求可能像一場賭博。如果您想做出明智的預測,得到準確的庫存預測,就應該以現有的資料和公式為依據。

以下是最常見的庫存預測方法:
 

1. 定量預測

定量預測是運用歷史銷售資料來預估未來的銷售。企業可以參考 2021 年和 2022 年的銷售數字,來決定 2023 年的庫存水準。您可以找出趨勢、看出哪些月份銷售量上升,並規劃在這些期間提高庫存。

由於企業會檢視過去的銷售和市場成長,這是一種客觀預測趨勢的方式。它可以用來估算銷售成長,進而幫助決定理想的庫存水準。

 

舉例來說,一家服飾零售商發現,紅色服飾每年二月的銷售量都很高。所以每年都會增加紅色商品的產量,以滿足當月較高的需求。

依據這個趨勢,企業也可以運用各種策略,確保非紅色商品的銷售量同樣提升。零售商可以展示紅色洋裝如何搭配銀色圍巾,或紅色外套內搭黑色 T 恤有多亮眼。

有了歷史資料,您就能找出可以善加利用的季節性流行,以增加利潤。為了在您的領域保持競爭力,最好隨時掌握趨勢與流行。

理想情況下,歷史資料應該用圖表呈現。把數字放進折線圖、圓餅圖或直方圖後,趨勢和歷史數字會更清楚,讓企業更容易做出庫存預測。
 

定量預測的優缺點

使用定量預測的主要優點是容易預測。您只要查看資料,就能毫不複雜地預測理想的庫存水準。

不過,缺點是錯誤的資料輸入可能會破壞整個庫存預測流程。而且有時候根本沒有資料可用,例如新創立的企業。

定量預測最適合擁有大量資料樣本的成熟企業,這通常要歸功於一流的庫存管理方法。促銷活動會增加需求的變動,預測人員應該排除促銷對需求的影響,才能得到準確的預測。

選擇適當的庫存預測方法,取決於有哪些資料能提供最準確的預測。以下是應該備妥的幾項指標:

  • 庫存水準
  • 採購訂單
  • 銷售紀錄
  • 消費趨勢
  • 季節性需求
  • 最高庫存水準

 

2. 定性預測

這種方法不依賴歷史銷售數字或其他類似資料,而是著眼於政治、經濟趨勢和環境變化等外部因素。定性預測運用銷售回饋和市場研究(不限於該公司本身)來做出預測。

由於缺乏與企業相關的數字,這並不是理想的方法。不過,對於歷史資料非常有限或尚無資料的公司來說,它是最好的預測方式。

成熟的企業也能從定性預測中受益。如果您想在市場推出新產品或新服務,這些資料會很有幫助。它可以讓您了解目標受眾對新產品的反應,以及成功需要哪些條件。

定性預測本質上是主觀的。不過,您仍然需要經驗豐富的銷售專家,才能做出明智的預測。
 

定性預測的優缺點

定性預測的主要優點是,新創企業即使沒有資料也能進行。此外,它能根據資深銷售主管或第三方專家的判斷,預測銷售趨勢、模式及顧客行為的變化。

不過,如前所述,它非常主觀,近乎臆測。

雖然主觀,企業仍可以採用不同類型的定性預測設計,讓預測盡可能接近準確:
 

定性預測的類型

基本上就是由一群專家聚在一起討論企業狀況,以「少數服從多數」的方式做出預測。為了讓過程更科學、更客觀,專家們會填寫問卷,再由團隊分析答案,得出共識預測。

  • 主管意見法

在這種定性預測方法中,企業主會請高階主管或部門主管分享他們對企業的看法。討論中達成的共識,就是預測的依據。

  • 基層預測法

在基層預測中,主導的不是主管,而是最常接觸顧客或終端使用者的人員。由於他們直接面對客戶,他們知道企業應該在什麼時候賣什麼。收集所有回答後,就能做出預測。

這是最以資料為導向的定性預測類型,因為它使用消費者調查作為預測工具。如果企業沒有進行調查的資源,就只能訪談顧客。
 

3. 綜合預測

這種方法結合了定量與定性預測,取兩者之長,但也是最費力的方法。

企業要如何同時運用定量與定性預測方法?我們回到服飾零售商的例子。從歷史資料來看,十一月是這家企業業績最好的月份之一,因為許多消費者會在這時開始選購聖誕節和其他節日禮物。所以,根據過去的銷售數字,企業應該在這個月大幅增加庫存。

然而,過去幾個月,店員聽到顧客詢問店裡是否會在 2022 年 11 月 FIFA 世界盃開賽時販售世界盃周邊商品。這促使專家為當年第四季預測額外的庫存,專門用於世界盃相關商品。

 

庫存預測的公式

我們以下表作為 2022 年的 T 恤銷售數量:

 

月份 2022 年(售出件數)
一月 138
二月 132
三月 118
四月 127
五月 197
六月 225
七月 174
八月 160
九月 164
十月 156
十一月 288
十二月 318

 

進行庫存預測的方法有好幾種,其中最簡單的是移動平均法和趨勢分析。

公式:

移動平均 =(N 個月的商品數量總和)/ N

趨勢 =(期末值 – 期初值)/ N
 

計算移動平均

移動平均是計算某段期間內的平均需求,通常是每一季(三個月),有時是每六個月。這個數字會用來預測未來的需求。

要決定 2023 年第一季的庫存,特別是一月,我們可以參考 2022 年最後一季的資料。

我們來預測:

移動平均 =(十月 + 十一月 + 十二月)/ 3 =(156 + 288 + 318)/ 3

= 254
 
根據移動平均,您可以把一月的庫存設為 254。至於二月的庫存,可以使用十一月、十二月和一月的移動平均。

由於您有足夠的資料,也可以使用 12 個月的移動平均:

移動平均 = 2,197 / 12 ≈ 183
 
您可以把一月的庫存設為 183。使用 12 個月資料的好處是,不會因為節日期間的銷售激增而產生偏差。

若要用 12 個月的資料預測 2023 年二月,可以使用 2022 年二月到 2023 年一月的銷售量。

計算趨勢

做趨勢分析時,您同樣可以使用 2022 年第四季的資料:

趨勢 =(期末值 – 期初值)/ 3 =(318 – 156)/ 3
= 54
 

要預測一月的庫存,只要把十二月的庫存加上 54,就會得到 372(318 + 54)。

或者,您也可以使用全年的數字,根據以下計算會得到 333(318 + 15):

趨勢 =(十二月 – 一月)/ 12 =(318 – 138)/ 12

= 15

 

移動平均與趨勢分析:該用哪一種庫存預測方法?

最適合的庫存預測方法取決於可用的資料。如果您打算預測較短的期間,例如一兩個月,移動平均法較為合適。若要預測較長期間的庫存,例如三到六個月,趨勢分析會比較好。

您也必須考量手上的資料。如果數字呈現出趨勢,趨勢分析就是較好的選擇。但如果數字差異很大,最好使用移動平均公式。

在上面的例子中,數字直到最後一季前都顯得很不規則,而十一月和十二月的銷售量則明顯增加。

您也可以兩種方法都試試,看看哪一種更適合貴公司。更好的做法是,再加入定性預測。

 

如何避免缺貨與庫存過多

歷史資料是很好的參考,但並不完美,而且它只是整體庫存預測的其中一個要素。

要避免缺貨與庫存過多,您還必須考量以下因素:

季節性

有些商品具有季節性。舉例來說,對服飾零售商而言,五月的輕薄衣物銷售量可能會增加,以迎接夏天。到了九月,需求會轉向較厚的衣物和外套,一個月後則全面轉向冬季服飾。所有企業都必須依據這類趨勢調整庫存。

季節性不只是字面上的季節變化,也可以指像超級盃這樣的賽季,每年二月前後橄欖球周邊商品的需求都很高。而如前所述,二月也是紅色服飾銷售量上升的時候。

在世界盃舉辦的年份,足球相關商品的銷售量增加也是可以預期的。

企業變化

企業不會停滯不前,至少不應該如此。做庫存預測時,您也需要考量這一點。如果企業今年擴張了,庫存就應該高於移動平均或趨勢分析所反映的數字,因為那些數字是根據過去的需求算出來的。

外部變化

庫存預測也取決於當下的大環境。撼動商業世界的意外事件中,最好的例子之一就是 COVID-19 疫情。許多企業不得不縮減營運,甚至停業好幾個月。企業的長期庫存預測因此無法使用,局勢也讓大家爭相尋求穩定與生存。

 

 

關於庫存預測的結語

隨著節日季節到來,數以百萬計的消費者將開始選購禮物。零售商要如何避免商品缺貨?缺貨是浪費獲利的機會,因此必須盡一切努力避免。庫存過多也好不到哪裡去,所以最好的做法,就是運用全面且精確的資料,讓庫存預測盡可能準確。

庫存預測必須在兩者之間取得平衡:一方面運用歷史資料與趨勢進行定量分析,另一方面對通貨膨脹、消費支出和地緣政治等外部因素進行定性分析。但要做到這一點,您需要一套可靠又有效率的庫存系統,輕鬆追蹤庫存。

想要簡化資料輸入流程、讓整理變得極為輕鬆,歡迎在此聯絡 Nest Egg,或致電 (510) 270-5798。