这种方法的关键是定期用新的历史数据刷新计算千元用量，同时需要考虑天气、节气、周期的影响。假如按照天来计算，你可以用过去3周、2周、1周的数据，测算每天的千元用量，然后把天气情况、星期日期考虑进去，找到千元用量与天气和星期日期的关系。

第二种，对于菜品集中度高，菜品的配方标准化程度高的情况，可以直接预测成品的销量，按照配方分解得到原料的需求，再结合原料的库存来计算原料补货量。比如快餐连锁，它的菜单上的成品的数量相对较少，加工的标准化程度很高，它甚至可以直接从仓库补充包装好的食材，每袋包装可以提供一个菜品所需要的所有食材，在门店只要简单加工即可。也有的餐饮零售企业提供预加工好的食品，然后冷藏包装，在门店解冻和加热即可。这种情况可以直接预测菜品的需求量，然后结合库存来计算补货计划。

饮品零售业也类似，一般制作饮品的原料相对比较单一，同时成品的品种也比较集中，没有快餐、中西餐门店的菜品那么多。直接通过预测饮料（成品）的需求，按照配方（BOM）分解得到原料的需求，再加上预估的额外的损耗量（比如店员操作中的浪费和标准用量这种方法的关键是定期用新的历史数据刷新计算千元用量，同时需要考虑天气、节气、周期的影响。假如按照天来计算，你可以用过去3周、2周、1周的数据，测算每天的千元用量，然后把天气情况、星期日期考虑进去，找到千元用量与天气和星期日期的关系。

第二种，对于菜品集中度高，菜品的配方标准化程度高的情况，可以直接预测成品的销量，按照配方分解得到原料的需求，再结合原料的库存来计算原料补货量。比如快餐连锁，它的菜单上的成品的数量相对较少，加工的标准化程度很高，它甚至可以直接从仓库补充包装好的食材，每袋包装可以提供一个菜品所需要的所有食材，在门店只要简单加工即可。也有的餐饮零售企业提供预加工好的食品，然后冷藏包装，在门店解冻和加热即可。这种情况可以直接预测菜品的需求量，然后结合库存来计算补货计划。

饮品零售业也类似，一般制作饮品的原料相对比较单一，同时成品的品种也比较集中，没有快餐、中西餐门店的菜品那么多。直接通过预测饮料（成品）的需求，按照配方（BOM）分解得到原料的需求，再加上预估的额外的损耗量（比如店员操作中的浪费和标准用量的偏差），就可以得到总的需求，然后再结合库存来判断要不要进货，进多少货。以奶茶店为例，它每两天补一次货，店员隔天下班前下达补货计划给总部，总部第二天早上送货到门店。假设店员预测珍珠奶茶接下来两天的需求会有300杯，每杯珍珠奶茶的原料构成如表5-10所示。如表所示，制作一杯珍珠奶茶需要珍珠15克，300杯奶茶就需要4500克珍珠，同时估计会有200克的损耗，总需求就是4700克，包装规格是500克每袋，那么就需要10袋（小数向上进位），现有库存3.5袋（0.5袋是店员根据使用情况预估的，也可以保守一点认为有3袋），那么进货量就是6.5袋，进位之后就是7袋。

表5-10　饮品行业每天补货：原料分解法

在这个方法中，珍珠奶茶的销量是需要根据历史销量用上文所述预测方法进行预测的，对于店员来说最简单的做法就是用平均销量进行预测，对于损耗可以用历史数据进行预测。同时饮料行业与天气和所预测日期是周几密切相关，更精准的做法是加入这些因素用统计预测模型进行销量预测。

如果每两天或每周补一次货，表5-10所示的方法就不适用了，同时由于食品是有保质期的，因此测算库存时需要把失效的库存扣除。的偏差），就可以得到总的需求，然后再结合库存来判断要不要进货，进多少货。以奶茶店为例，它每两天补一次货，店员隔天下班前下达补货计划给总部，总部第二天早上送货到门店。假设店员预测珍珠奶茶接下来两天的需求会有300杯，每杯珍珠奶茶的原料构成如表5-10所示。如表所示，制作一杯珍珠奶茶需要珍珠15克，300杯奶茶就需要4500克珍珠，同时估计会有200克的损耗，总需求就是4700克，包装规格是500克每袋，那么就需要10袋（小数向上进位），现有库存3.5袋（0.5袋是店员根据使用情况预估的，也可以保守一点认为有3袋），那么进货量就是6.5袋，进位之后就是7袋。

表5-10　饮品行业每天补货：原料分解法

在这个方法中，珍珠奶茶的销量是需要根据历史销量用上文所述预测方法进行预测的，对于店员来说最简单的做法就是用平均销量进行预测，对于损耗可以用历史数据进行预测。同时饮料行业与天气和所预测日期是周几密切相关，更精准的做法是加入这些因素用统计预测模型进行销量预测。

如果每两天或每周补一次货，表5-10所示的方法就不适用了，同时由于食品是有保质期的，因此测算库存时需要把失效的库存扣除。如图5-34所示，假设门店每三天有一次到货，前一天晚上提交补货计划，第二天早上到货，安全库存是预测用量的20%。6月29日这一天期初库存为70个，原料用量预测是通过上述千元用量预测出来的，29日需要26个，这样期末库存为44个。由于该原料有保质期，29日要撤掉5个到期库存，期末真正可用的库存就只有39个了。6月30日这一天，期末可用库存只有6个了，如果不补货，7月1日就没有原料可以用了。补货所针对的需求为7月1日、7月2日、7月3日这三天预估用量之和即92个，再加上这段时间内要到期的库存20个，总共112个，扣掉6月30日的期末可用库存6个，得到需求为106个，按照106个去补货，到7月3日日末刚好库存为0，为了确保7月3日日末可用库存不低于安全库存7个，就需要再加7个安全库存，得到最终的补货量为113个。沿着时间轴，后续的补货计划，读者可以尝试自己进行推算。

图5-34　有保质期的原料补货示意图

☞商超、便利店、药店、化妆品专卖店如图5-34所示，假设门店每三天有一次到货，前一天晚上提交补货计划，第二天早上到货，安全库存是预测用量的20%。6月29日这一天期初库存为70个，原料用量预测是通过上述千元用量预测出来的，29日需要26个，这样期末库存为44个。由于该原料有保质期，29日要撤掉5个到期库存，期末真正可用的库存就只有39个了。6月30日这一天，期末可用库存只有6个了，如果不补货，7月1日就没有原料可以用了。补货所针对的需求为7月1日、7月2日、7月3日这三天预估用量之和即92个，再加上这段时间内要到期的库存20个，总共112个，扣掉6月30日的期末可用库存6个，得到需求为106个，按照106个去补货，到7月3日日末刚好库存为0，为了确保7月3日日末可用库存不低于安全库存7个，就需要再加7个安全库存，得到最终的补货量为113个。沿着时间轴，后续的补货计划，读者可以尝试自己进行推算。

图5-34　有保质期的原料补货示意图

☞商超、便利店、药店、化妆品专卖店经营日用品的商超、便利店，经营常规药品的药店，以及经营化妆品的专卖店，它们所经营的品类比较多，一般会有10～50个品类，单品数因门店的面积大小不同而不同，从大店到小店SKU大约在500～20000个。

零售门店存在的目的是满足目标客户对商品多样性的需求，因此有些品类内的商品即便销售得很慢很少也必须有，比如动销很慢的长尾商品，如针线、雨伞等，同时也有些品类销售得很快，比如软饮料、零食等。卖得快的品类的占比大概在20%，剩下的绝大多数是长尾商品，超市里绝大多数商品一周可能都卖不到一个进货规格的数量，在化妆品专卖店，同一款香水一周卖2～3瓶已经是很高的销量了。正是因为这些因素，就需要多种补货方法来适应不同商品的特点。

根据所经营的商品的销售数据特性进行分类，如图5-35所示，按照商品的销售额占比将其分为A、B、C三个等级，然后再按照商品的历史销售数据特点将其分为X、Y、Z三个等级（需求的波动性可以用coefficiet of variatio即“变异系数”来测算）。然后把所经营的商品或者商品的分类填到这个格子里，为每个格子采用不同的补货方法。一般，对于X、Y类商品，可以采用最大最小库存法；对于Z类商品，可以采用基本补货法。经营日用品的商超、便利店，经营常规药品的药店，以及经营化妆品的专卖店，它们所经营的品类比较多，一般会有10～50个品类，单品数因门店的面积大小不同而不同，从大店到小店SKU大约在500～20000个。

零售门店存在的目的是满足目标客户对商品多样性的需求，因此有些品类内的商品即便销售得很慢很少也必须有，比如动销很慢的长尾商品，如针线、雨伞等，同时也有些品类销售得很快，比如软饮料、零食等。卖得快的品类的占比大概在20%，剩下的绝大多数是长尾商品，超市里绝大多数商品一周可能都卖不到一个进货规格的数量，在化妆品专卖店，同一款香水一周卖2～3瓶已经是很高的销量了。正是因为这些因素，就需要多种补货方法来适应不同商品的特点。

根据所经营的商品的销售数据特性进行分类，如图5-35所示，按照商品的销售额占比将其分为A、B、C三个等级，然后再按照商品的历史销售数据特点将其分为X、Y、Z三个等级（需求的波动性可以用coefficiet of variatio即“变异系数”来测算）。然后把所经营的商品或者商品的分类填到这个格子里，为每个格子采用不同的补货方法。一般，对于X、Y类商品，可以采用最大最小库存法；对于Z类商品，可以采用基本补货法。图5-35　销售等级与需求波动性矩阵

Z代表了销售无规律的SKU，可以采用基本补货法。该方法基于基本预测法，其补货方法是销售一个补充一个，销售两个补充两个。只要发生了销售就驱动补货，补货的量等于销售的量。采用该补货方法的典型商品包括中高端的珠宝首饰、手表、化妆品、香水等。图5-35　销售等级与需求波动性矩阵

Z代表了销售无规律的SKU，可以采用基本补货法。该方法基于基本预测法，其补货方法是销售一个补充一个，销售两个补充两个。只要发生了销售就驱动补货，补货的量等于销售的量。采用该补货方法的典型商品包括中高端的珠宝首饰、手表、化妆品、香水等。