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。
