服装行业ERP零售终端智能补货何以难达成效

第一篇：服装行业ERP零售终端智能补货何以难达成效

服装行业ERP零售终端智能补货何以难达成效

服装行业相比于其他行业，商品具有明显的季节性，消费者已经从商品功能、商品价格等理性需求上升至品牌文化、商品风格等感性需求，市场的不确定性也随之加大，商品零售趋势呈明显不规则变化曲线。服装企业在考虑零售业绩的增长的同时，库存风险对于服装商品全过程管理也是重中之重，因此，企业需要平衡好零售业绩增长与库存风险增加的可能。

很多服装企业的管理人员将ERP在零售终端的智能补货功能提升到BI系统功能的高度，期待完全依赖软件功能去解决管理决策问题，这是该功能应用的一个典型误区。

智能补货原理

零售终端智能补货的核心是满足市场需求，智能补货系统及时调整门店与配送仓之间的商品库存分布，才能降低零售终端缺货率，提升零售终端的服务水平。智能补货通常在软件中有两种应用形式：

设定库存上限与库存下限库存上限可高于或低于期初库存水平，当有零售产生，库存下降至警戒库存下限时，系统自动提示，发出补货通知。其补货的需求量：最高库存水平与最低陈列水平的数值差。

卖多少补多少将期初库存设定为库存上限，根据其即销即补的特点，也就是销售多少商品补多少货，保持库存量为期初库存水平。

以上两种形式拥有一个共同的特点：维持一定的零售终端的库存水平。

图1中最低陈列水平在目前的智能补货功能中通常不设定该参数，这个参数其实是一个隐性条件，服装行业是不允许店铺出现货架空置的情况的，设定补货警戒水平时，其最低陈列水平是主要考虑因素，避免店铺出现有店无货的渠道资源浪费现象。最低库存下限＝最低库存水平+补货单前置期内零售量，意义在于发出补货申请至补货到达的期间不允许出现有店无货的情况。从公式中得知，预期零售的定量方面只考虑前置期内的零售，缺少对于较长期的零售关注，此类补货模式我们称之为静态补货模式。

服装行业零售终端智能补货功能必须从零售业绩和库存风险两方面考虑，以平衡考虑零售业绩和库存风险，由此产生了动态智能补货模式。基本的动态智能补货有两种应用原理：

考虑市场预期需求量因素。在服装ERP中通常有趋势预估、权重、系数等设定，名称各有不同，但主要应用目标都是提升零售业绩的同时达到季末的合理存货量。基本的示意图如图2。

最主要的特征：针对静态智能补货模式上只有短期的零售预测进行调整，在设定季末存货目标的前提下，根据预测的未来零售需求量制定补货量。

考虑市场需求时机。在服装ERP中常有零售终端智能补货的时间设定，其主要应用目标为：保证商品在主要的零售周期内不发生缺货情况，智能补货功能只在主要零售周期内有效。

最主要的特征：对静态智能补货模式无商品零售周期规划的情况行调整，确保商品在主要零售周期内不缺货，其后周期内允许缺货以达到存货目标。结合主要零售周期的动态智能补货模式，企业需要很好地与商品企划方案结合，考虑商品的市场零售曲线导入、成熟、高峰、衰退期对于利润的影响。

四大因素导致失败

利用ERP在考虑市场时机和存货目标的情况下设定智能补货功能，似乎可以解决零售终端的缺货问题，然而到了企业应用阶段，该功能却很难有效执行，原因何在？这里就需要考虑智能补货功能实现需要基本的条件、自身的局限以及服装行业的特点。

智能补货准确性问题

智能补货准确性依赖于补货参数（零售预测、智能补货执行周期等）的精度。

补货对象的预期零售难于预测。不同款式、不同颜色商品的市场需求会不一样，零售周期也不同，较为准确的补货需要系统定义每个款式、每个颜色的补货参数。服装行业的零售数量预测是相对准确的，然而在零售终端智能补货的预测需要定义到款式颜色，款式颜色的零售数量受商品组合、价格、气候、市场环境等不稳定因素影响，特别是在服装企业越来越强调降低库存风险的情况下，同款同色商品库存的储备意味着高库存水平，对于库存管理无疑是一个“重磅炸弹”，如果该款该色销售因为相关市场原因突然零售量急剧下滑，这个“炸弹”就引爆了。当然如果未来是稳定的，则不需要预测，虽然有很多预测方法。许多环境因素影响着市场需求，人们不可能测量出他们能够带来的结果，在预测时便需要识别主要影响，不能完全判断其具体的零售数量，只能力求判明其影响的方向和程度。零售预测、执行周期的不确定性对智能补货产生的影响可以用图3表示。

结合主要零售期的动态零售终端智能补货模式中，不考虑主要零售周期外的零售趋势则很可能造成后期库存偏多或库存不足。库存偏多直接带来库存积压，库存不足影响企业的零售业绩。

智能补货的管理成本问题

在智能补货参数设定上做得相对准确时会产生很大的管理成本，对于零售准确性预测必须把握预测时机，预测的条件因素本身具有不确定性，这也是企业为什么需要一个不断的“现状―分析―决策―执行”的管理循环。当未来零售数量变化的影响因素发生变化时就需要重新预测，需要设置多次预测时间点，“现状―分析―决策―执行”管理循环的操作频率随之增加。当预测对象为款式颜色时，服装企业通常有成千上万个款式颜色，预测对象数量非常庞大。在参数制定环节的管理成本就变得非常高。

另一方面，从目前的许多ERP软件来看，人与软件的数据交互做得并不好，多数ERP软件功能模块需要进行逐条的信息输入，而不能进行批量的数据交互，在款式颜色智能补货参数设定时，将产生较大的工作量，考虑到管理成本及精确度问题，很多企业就放弃了智能补货功能的使用。

服装行业人才能力水平问题

在智能补货准确性依赖于补货参数时，人为因素就显得非常突出，目前服装企业缺少综合性及高素质人才，这也让零售终端智能补货的功能因为执行力不够而大打折扣。

服装企业的运营管理水平问题

不同企业对于信息系统的管理应用有很大差异，这影响其对于市场需求信息的管控能力，为减少库存风险，很多企业通常不做备货，即使有智能补货指令也会发生无货可补的情况。企业面对的是很多未知的市场因素，在备货策略的制定过程中信心不足，“零售终端无货可补”的情况也会经常发生。

服装的商品流行周期商品特征（款式、面料、颜色决定自然穿着时间）及商品零售周期（从进入店铺零售开始到不适合零售截止）的缩短，企业商品管理周期也缩短，在发现市场需求时已经来不及调整，该类商品留仓等于留风险，这样一来相当一部分商品则不需要智能补货功能。

智能补货的执行落地

从智能补货的原理及行业应用现状，我们不难看出：智能补货的真功能是具有预警机制及效用，伪功能是复杂的商品管理决策过程被简单替换为一种数组公式。因此，智能补货顺利执行落地的公式可以设定为：管理意识加强+信息系统建设+管理团队决策执行能力。

在加强管理意识方面，从服装品牌的发展历程来看，在服装品牌创建初期为规避一定的市场风险，企业会采用“借鸡下蛋”的方式进行渠道建设，分销渠道会占据品牌渠道组成的主体部分，这种商业模式在国内应用却多样化，在初期因为市场规模及品牌认知度可以牺牲所谓的先进的管理理念来求生存，而后谋发展。优秀的品牌服装企业非常清楚地意识到从原来的“分销制胜”到现在“零售为王”的变化，从完善企业管理逐步发展到注重对于零售终端的管控，从数量到质量的转变、从做大到做强的转变、从企业局部管理提升到品牌全局管理转变。因为有管控所以会了解真正的市场需求是什么，从而具有应对市场的需求做出快速反应的能力，能够对企业目前的备货预期进行及时地规划、调整，减少无货可补的现状。多数所谓的“服装品牌”其真实的身份是拥有注册商标的服装批发商，在喊了多年的供应链管理理念后，实际做的却是推销而不是营销，缺乏商品零售信息的收集处理能力，对分销商的经营现状了解也非常少。

在基础信息系统建设方面，进行有效的品牌全局管理需打破时间和空间的局限，企业信息化的发展是关键点，信息系统对企业带来管理提升的效果大家都是有目共睹的，没有好的信息系统则无法获得真正的“市场需求”。

管理团队决策执行能力。如果未来是相对稳定的，我们可以采用智能补货系统的自动预测功能，然而未来时刻都在变化，加之很多需要综合考虑的因素，目前的智能补货功能难以满足需求，这是智能补货的缺点。如多家零售终端同时缺货而配送仓库存不能满足总的补货量该如何进行分配（在智能补货中是常以单据发生时间为准），这里就需要具有一定的决策能力保证将合适的商品配送到合适的店铺。利用智能补货的警戒提示辅助以人为决策，将很大程度提升管理水平。

需求量与供应量的不均衡会产生多种决策组合，如果再全面考虑商品组合、市场时机、市场竞争、渠道分布、促销策略、价格策略等多方面要素，这时就需要决策能力与智能补货的完美结合了。

举例分析

管理团队决策执行能力提升智能补货水平

比如X款货品，A店、B店、C店、D店、E店、F店6家店铺同时段补货。店铺总缺货50，配送仓库存量为30。从智能补货功能中我们可以得出该款货品缺货，缺货量以系统自动预测为50。

团队决策则需要考虑缺货量50是否为真，人们可以结合较为清晰的市场变化因素进行判断，可能销售趋势走高，50缺货量偏少，也有可能销售趋势走低，50缺货量偏多。

团队决策能力判断出较为合理的缺货量，这个称为修正的缺货量，如果修正的缺货量低于配送仓量30，则按合理的缺货量分配配送仓库存；如修正的缺货量大于或远大于配送仓库存30，则需要考虑的补货分配策略。通常有两种策略实现分配。一是配送仓库存量30是否可以通过其他方式进行改变，使其达到缺货需求量的标准，如能达到，则按各门店预测缺货量进行补货。二是如在限定条件下配送仓库存量30不能改变，则需要考虑如何分配仓库存量。

以上的第二种情况，要考虑是否按各店铺平均分配商品，还是根据其各店铺的零售缺货程度进行比例分配；或处于对整体存货目标的考虑对于零售一般的店铺不进行补货，只针对其中某些店铺集中补货；也可能是根据配码比例问题配送。