隨著企業規模的擴大，供應鏈問題逐漸凸顯。銷售計劃準確度降低、采購問題突出、業務響應不及時等問題頻發。為應對這些挑戰，我們需要構建供應鏈的三道防線：需求預測、庫存計劃和監控執行。本文將結合AI Agent詳細介紹這三道防線的搭建方式，幫助讀者深入理解并應用。

在《聊聊AI Agent在供應鏈場景下的應用（上篇）》中，風叔從供應鏈五大環節出發，介紹了每個環節中AI Agent能夠帶來的提效。但是對于AI Agent的應用細節，風叔點到為止了，沒有具體展開說明。在這篇文章中，風叔就來聊聊這個話題。

在企業發展的過程中，隨著規模日漸擴大，供應鏈的問題也會逐漸凸顯出來。

• 首先，銷售計劃的準確度越來越低，市場競爭愈發激烈，消費者喜好難以預判，原先制定銷售計劃的手段，已經很難再跟上市場的變化。
• 其次，采購問題越來越突出，供應商供貨不及時、貨品質量有問題、庫存積壓開始抬頭，有些地區供不應求，而有些地區又無人問津。
• 第三，業務響應不及時，有些渠道缺貨很嚴重，但供應鏈響應遲鈍，往往需要很久才能補上渠道的缺貨。

這都是在業務擴張的過程中，非常普遍的問題。因此我們需要搭建供應鏈的基本防線，以應對難以預測的需求洪水。

第一道防線是需求預測，也就是銷售預測，預測得越準確，應對效果就會越好，但是銷售預測不可能100%準確，通常我們的目標是達成80%的準確率，抵擋80%的洪水。

需求預測攔不住的需求，會流到第二道防線，也就是庫存計劃。庫存計劃越科學，越能有效緩沖需求波動，而庫存計劃的關鍵就是安全庫存和訂貨點。

如果庫存計劃也攔不住，需求會流到第三道防線，也就是監控執行。通過供應鏈的快速反饋來滿足額外的需求，比如缺貨預警、自動補貨、門店間調撥、需求延遲滿足和補償，都是非常有效的執行手段。

下面，風叔結合AI Agent，詳細介紹這三道防線的搭建方式。大家也可以私信風叔“供應鏈Agent”，獲得更詳細的供應鏈資料后慢慢理解和學習。

第一道防線，需求預測

銷量預測是第一道防線，銷量預測越準確，后面庫存和執行的壓力就越小。

銷量預測主要包括商品、時間和渠道三個維度。商品維度是各個產品的銷量，尤其對于零售、餐飲、快消等行業，渠道售賣的品類往往會比較多；時間維度就是日、周、月、季度、年，具體的顆粒度要看業務劃分；渠道維度包括所有的渠道售點，比如每個門店、每個電商平臺，方便進行渠道鋪貨。

為什么要做銷量預測？根本原因在于供應鏈的響應能力有限。

試想一下，當消費者購買商品時，如果企業能做到立刻有貨，那就根本不需要銷量預測了。就像我們日常生活中從來不會做用水量預測一樣，因為打開水龍頭極大概率都是可以直接取水使用的。

正是因為供應鏈的響應時間短則一天，長則一周甚至數周，我們才需要做合理的銷量預測，以彌補供應鏈響應時效的不足。響應周期越長，響應能力越有限，對銷量預測的依賴度就越高。

那么具體該如何做銷量預測呢？包括擬合和估算兩個環節。

1. 擬合

擬合是指使用歷史的銷量數據，通過線性回歸算法，計算每個因子對于銷量的影響權重，然后再預測未來的銷量，其中影響銷量的核心因子包括地點、門店、日期、季節、天氣、節假日、優惠活動、產品價格等等。

可以構建一個幫助每個門店預測未來一周銷量的AI Agent，其構建流程如下：

• AI Agent對接訂單系統，抽取過去三年，每個門店每個品類的銷量數據，并且將數據按周聚合。之所以要取三年的數據，是考慮到季節因素，很多品類會受到季節影響；
• AI Agent使用相關性算子，提取出影響銷量的關鍵因子，避免引入過多因子造成過擬合；
• 對過去三年的時間段做隨機分配，將80%的周作為訓練樣本，20%的周作為訓練樣本；
• 使用訓練樣本的數據集，利用提取到的核心關鍵因子，通過線性回歸模型進行訓練，計算每個關鍵因子的具體權重；
• 利用測試樣本進行模型測試，并不斷微調因子和模型參數。設置一個銷量預測準確率的閾值，比如80%，當使用模型預測某一周某個門店的銷量時，如果誤差率不超過20%，則認為這個測試點是準確的。然后統計所有測試點的準確度，當測試集中準確率超過80%時，則認為模型訓練完成。
• 利用訓練好的模型，每周預測一次每個門店下周的銷量。

2. 估算

擬合的方法雖然很有效，但是有一定的局限性，比較適合銷量相對穩定、客群相對分散的產品，而對于需求相對集中的產品，使用擬合就不合適了。比如某個渠道的某個產品，單個客戶占了其銷量的30%，這個客戶需求的略微變化，都能對產品的整體銷量造成很大影響。

因此，這種情況下可以采用估算法，估計該客戶在未來一段時期內對該產品的需求上升或下降的比例。

“上帝的歸上帝，凱撒的歸凱撒”，放在這里就是“擬合的歸擬合，估算的歸估算”。我們要告訴AI Agent哪些屬于占銷量比重很大的客戶，要先把這部分單獨挑出來使用估算法，對于剩下的需求相對穩定且客戶分散的部分，使用前面提到的擬合法。

當企業給出需求預測的結果之后，還有一件事情非常重要，即對接企業的銷售端和供應鏈端，以及關鍵的供應商，保證上下游部門和合作伙伴根據同一個數字進行協同。

這個時候，AI Agent就可以再次發揮價值，比如每周做完銷量預測后，將銷量預測的報告結果自動通過郵件發送給關聯部門。

第二道防線，庫存計劃

再準確的銷量預測也不可能達到100%準確，通常來說需求預測能抵擋住80%的需求，就已經非常理想了。接下來的需求洪水，就得靠庫存計劃來抵擋了。

比如預測明天門店會有100件的銷量，但實際售出了120件，這多出來的20件從哪里來交付，就是門店庫存。

很多人對庫存的理解存在誤區，認為庫存都是不好的。其實，合理的庫存是供應鏈的粘合劑，可以應對需求的不確定性，有效對接需求和供給。真正有害的是風險庫存，是指庫存過多，需要極長時間的消化，甚至完全無法消化。

通常來說，庫存分為四類，周轉庫存、安全庫存、過剩庫存和風險庫存。

• 周轉庫存：業務正常經營用的庫存，由周轉周期決定，比如如果周轉周期是一周，門店日常都會備一周的貨，這就是周轉庫存。
• 安全庫存：用來應對需求和供給的不確定性，以達到特定客戶服務水平的庫存。安全庫存是庫存計劃的核心，設置合理的安全庫存，有助于我們應對攻擊第二道防線的需求洪水。
• 過剩庫存：超出周轉庫存和安全庫存，但是能夠在一定時間內消化掉的庫存。比如在某些行業，過剩庫存是指在1個月內能消化掉的庫存。
• 風險庫存：整體庫存中剩余的部分，即存在巨大風險，很難在短期被消化掉的庫存，極易形成庫存壞賬。

我們的目標是有充足的周轉庫存和安全庫存，以應對市場需求，但盡量消除過剩庫存和風險庫存。

對于安全庫存，其高低取決于三個因素，需求的不確定性、供給的不確定性和服務水平的要求。

1. 需求的不確定性

需求的穩定性越好，安全庫存就越少，需求的穩定性越差，安全庫存就越多。試想一下，如果門店每天穩定售出100件，最多上下波動5件，那安全庫存只要5件就足夠了。但如果門店今天售出20件、明天售出200件，那就必定需要更多的安全庫存來應對。

有哪些會對需求產生明顯影響的因素呢？

• 第一類是環境因素，比如天氣，對于線下門店來講，下雨天的客流量就會明顯下滑，環境因素帶來的需求波動會比較大，且通常來的比較突然，難以預測；
• 第二類是節日和促銷因素，在大型節假日、周年慶、滿減活動期間，需求通常會出現上漲，但這類因素是可以提前預判，方便提前備貨；
• 第三類是競爭因素，比如周圍開了同類型的門店，會分走大量的線下流量，我們需要密切關注市場競爭的變化趨勢，盡量讓競爭的影響來的相對比較緩慢；
• 第四類是用戶因素，比如用戶本身的需求和偏好發生了變化，導致需求變少，這類因素不會突然發生，群體偏好的變化一般會有一個漫長的過程；
• 還有一類是意外因素，比如突然出現的熱點或負面輿論，也會讓需求出現大幅波動。

對于需求的波動，需要找到一種量化需求不確定性的方式。

可以利用統計學上的標準差，通常我們假設需求的波動是符合正態分布的，那標準差就是量化實際值與預測值的差距。

標準差的計算方式有標準的公式，因此也可以使用AI Agent，分析歷史銷售數據，計算每個渠道、每個品類的標準差，了解產品在不同時間段、不同渠道下的需求變化情況，從而量化需求不確定性。

2. 供給的不確定性

供給的不確定性往往是指供應周期的不確定性，供應周期越穩定，安全庫存就越少；供應周期越不穩定，安全庫存就越多。

試想一下，我們先固定需求因子，假設每天穩定售出100件，如果供應商能做到非常穩定地每周送貨700件，完全滿足一周的銷售需求，就不需要設置安全庫存。而如果供應商的供應周期很不穩定，有的時候是一周，有的時候需要2周、3周甚至更久，我們就不得不設置更多的安全庫存，以應對供應商遲遲不送貨時的市場需求。

有哪些會對需求產生明顯影響的因素呢？

• 第一類是供應商因素，供應商的生產能力、財務狀況、管理水平等因素都會影響供給的穩定性，比如供應商因財務問題導致生產線停產，這將直接影響企業的原材料供應。
• 第二類是運輸和物流因素，運輸過程中的延誤、損耗、事故以及海關清關等問題可能導致供應鏈中的供給波動。
• 第三類是政策和法規因素，比如某國家突然提高了對某種原材料的出口關稅，導致該原材料的國際市場價格波動，影響企業的生產成本和產品供應。
• 第四類是自然因素和突發事件，可能導致供應鏈中斷，比如2011年日本福島地震導致當地多家汽車制造商的零部件供應中斷，進而影響了全球汽車市場的供應。

可以看到，影響供給的因子都是比較難提前預判的，所以企業都要設置相應的安全庫存，以應對供給的波動。

對于供給的波動，我們同樣采用標準差的計算方式，即假設供應商的供應周期也是滿足正態分布的。因此也可以使用AI Agent，分析每個品類的供貨歷史數據，了解每個供應商的交貨周期、產品質量、價格波動等方面的信息，從而量化供給的不確定性。

3. 服務水平的要求

服務水平是指，當需求產生時，有多大概率能夠用現有庫存來滿足需求。服務水平越高，安全庫存就越多；服務水平越低，安全庫存就越少。

試想一下，如果消費者來門店消費，必須馬上有貨，沒有貨消費者可能就會投訴，那就需要配置更多的安全庫存；而如果消費者對于是否有現貨沒有那么高的要求，過幾天再來取貨也可以接受，那就不需要配置很多的安全庫存，因為還有時間進行補貨和調貨。

95%的情況能立刻滿足客戶需求，和80%的情況能立刻滿足客戶需求，這兩者的服務水平是不一樣的。但是我們不直接用概率來代表服務水平，而是Z值。

Z值表示離需求正態分布軸線距離多少個標準差。以下圖為例，如果放置1個標準差的安全庫存，服務水平會從50%提高到84.13%；再額外放置1個標準差的安全庫存時，服務水平會提高到97.7%；再放置一個標準差的安全庫存時，服務水平能提升到99.9%。

服務水平就會以Z值來表示，如果要實現95%的有貨率，那通過查表可知Z值為1.64，即放1.64個標準差的安全庫存即可。不難看出服務水平越高，成本就會越高。

為了達到99.9%的有貨率，我們需要配置3個標準差的安全庫存，導致庫存太高，庫存周轉率太低。企業要平衡好服務水平和成本的關系，當然從用戶體驗出發，服務水平越高越好，但我們也可以有其他方式來滿足。比如95%的情況下立刻由當前庫存滿足，99%的情況能在2天內發貨，100%的情況能在3天內發貨。

4. 安全庫存的計算

在確定需求的不確定性、供給的不確定性和服務水平之后，就可以計算最終的安全庫存。在上圖中，根號下的前半部分是需求的不確定性，由平均補貨周期、需求預測的顆粒度、需求預測的標準差來決定。根號下的后半部分是供應的不確定性，由平均需求預測值、補貨周期的標準差決定。這里做單位換算的原因，是為了保證需求預測的時間單位和補貨周期的時間單位一致。

這也是標準公式，可以訓練AI Agent完成相關的計算。

安全庫存的使用非常廣泛，門店有門店的安全庫存、品類有品類的安全庫存、倉庫有倉庫的安全庫存。我們不能將胡子眉毛一把抓的來看安全庫存，一定要按渠道和品類進行拆分。

5. 安全庫存的優化

AI Agent還可以用來進行安全庫存的優化。在影響安全庫存的三個因素中，服務水平和企業的價值主張息息相關，比較難調整這個指標。為了降低安全庫存，我們要從降低需求和供給的波動性著手。

1）降低需求的不確定性：

• 第一，是提高需求預測準確性，AI Agent可以運用更先進的統計方法、機器學習算法等工具進行需求預測，并且定期更新預測模型，以適應市場的變化。
• 第二，還可以利用AI Agent自動爬取網絡，收集關于消費者需求、行業趨勢、競爭對手等方面的信息，即時了解市場的真實需求。

2）降低供給的不確定性：

• 第一，要避免過度依賴單一供應商，與多個可靠的供應商建立合作關系，降低因單一供應商出現問題導致的供給中斷。AI Agent可用于供應商尋源、條件篩選、資質審查，降低人工尋源的成本。
• 第二，優化供應商評估和管理，定期對供應商的質量、交貨期、價格等方面進行評估，對于表現不佳的供應商，及時采取措施改進或更換。
• 第三，是加強供應鏈協同，通過信息共享、協同計劃等方式，提高供應鏈的整體穩定性。這也是AI Agent的強項，保持企業和供應商之間高效的信息流動。

第三道防線，監控執行

即使安全庫存設置的再合理，偶爾也會有一些突發情況產生，比如突然某一天客戶需求大幅上升，第二道防線也抵擋不住的時候，就需要第三道防線來承接，也就是監控和執行。

所有的計劃都是不夠準確的，這是計劃的先天不足，所以需要執行來彌補。關于供應鏈的執行，包含兩個層面：

首先是嚴格落實第一道防線和第二道防線的政策，即按照銷售計劃和庫存計劃，以效率最高、成本最低的方式進行落實。因為銷售計劃和庫存計劃都是具體的數字，需要通過信息化系統的建設，搭建完整的流程，保障供應商、工廠、倉儲、渠道的協同。比如當AI Agent查詢到庫存到達安全庫存水位線以下時，自動發起采購請求。

其次是驅動供應鏈快速、有效地響應沒有提前預料的情況。比如當面對突發的需求暴漲時，可以通過給予用戶權益等手段進行安撫，同時向上游快速反映市場的需求變化，通過協同、催貨等方式，加速供應鏈心臟的跳動。

現在，很多優秀的企業，已經利用AI Agent將監控執行做到自動化。當Agent檢測到存在異常情況，比如提前售罄、庫存過多、供貨不及時等，系統會自動以郵件、短信、電話的方式，對相關負責人進行通知提醒。

還有的企業已經建立供應鏈可視化系統，通過供應鏈管理系統（SCM）和全球定位系統（GPS）等技術手段，實現供應鏈各環節數據的實時采集和監控，比如各個門店的實時銷量和庫存、各個倉庫的剩余庫存、在路途中的在途庫存、產線上的生產速度、哪些環節有預警等等數據，都可以通過可視化系統，從全局上掌握供應鏈的運行情況。

總結

本篇文章，風叔詳細介紹了如何搭建供應鏈的三道防線，以應對變幻莫測的市場需求。隨著AI和大數據的發展，這些工作也由傳統的基于人工經驗，越來越轉向自動化和智能化。

供應鏈也是一個非常適合AI大模型落地的業務領域，對于立志想在AI ToB領域做出一番事情的朋友，可以重點考慮這個方向。

在后續文章中，風叔還會介紹AI大模型在營銷、門店、HR、法務等領域的應用場景和實現方法，敬請期待！

更多精彩文章大佬們都在關注的AI Agent，到底是什么？用5W1H分析框架拆解AI Agent（上篇）

大佬們都在關注的AI Agent，到底是什么？用5W1H分析框架拆解AI Agent（中篇）

大佬們都在關注的AI Agent，到底是什么？用5W1H分析框架拆解AI Agent（下篇）

聊聊AI Agent在供應鏈場景下的應用（上篇）