如题,基于上一篇的TOP商家,我们在做数据咨询的时候,发现他们补货很乱,因为产品多,SKU也多,补货的时候一锅(tuan)粥(zao),经常导致滞销和断货,因此,我们做了一个补货的模型,来解决这个痛点。而我们今天分享的是模型中的其中非常重要的一部分,基于近期N天日销的补货模型,此例不考虑SKU,基于SPU分析。
需要的数据集是淘宝后台导出
订单报表(图1)、宝贝报表(图2),图1和图2是示例数据。
(图1)
(图2)
建立一张库存报表,记录现时库存量和补货周期
补货周期是指补货所需的天数
第一步,先讲数据读入Power Pivot
打开Excel在【Power Pivot】选项卡中点击【管理】,转到Power Pivot窗口
在Power Pivot窗口中点击【从其他源】,进入表导入向导
在表导入向导中,选择【文本文件】,然后点击【下一步】按钮
在下图的对话框中,先点击【浏览】按钮选择好文件路径,在将复选框【使用第一行作为列标题】打钩,在预览界面中观察到数据显示无误后,点击【完成】按钮
注意!这个时候会有很多同学出现读不到数据的问题,字段读得到,但是里面的数据都为空,这个时候,请把CSV文件里面的工作表名字,修改成英文即可。
在宝贝报表中新建汇总的度量值,这个度量值要用于后面的运算
在Power Pivot主页点击“关系图视图”
建模,将【订单报表】的“订单编号”字段连接到【宝贝报表】的“订单编号”,【宝贝报表】的“商家编码”连接到【库存报表】的“商家编码”
回到库存报表,键入公式,求出的近N天销量是基于补货周期的天数计算的销量
=SUMX(FILTER('宝贝报表','宝贝报表'[商家编码]='库存报表'[商家编码]&&DATEDIFF(RELATED('订单报表'[订单付款时间]),TODAY(),day)<='库存报表'[补货周期]),[购买数量 的总和])
键入公式计算出多少天后需要补货(现有的货可以卖几天)
=IF(CEILING(DIVIDE([库存],[近N天销量]),1)-1<0,0,CEILING(DIVIDE([库存],[近N天销量]),1)-1)*[补货周期]
键入公式计算出最小补货量
=IF([多少天后要补货]=0,[近N天销量]-[库存],0)
键入公式计算库存一周期的备货量(至少保留一个备货周期以上的库存)
=IF('库存报表'[多少天后要补货]=0,'库存报表'[最小补货量]+'库存报表'[近N天销量],0)
初步完工。
此模型是利用过去N天的日销计算,如果需要加入更多的技术含量,可以使用时序预测,预测未来N天的日销,此方法不适合用于活动,活动的库存备货逻辑要参考日销,也要参考同行历史同价格段的产品的活动销量。对于新品的预测,如果有测款的情况下,用历史的测款数据做回归建模,这样就可以测算出新品的销量。如果没有测款数据,参考依据就不是很充分了,只能基于市场数据建立模型预测,但这种方法的拟合度不是很好。
对于下图这种多SKU的场景,只要在库存表中加入商品属性列,用同样的方法可以做出基于SKU的补货表。