物流园区可行性研究
从经济、技术、社会、政策进行研究、分析，确定有利不利因素、项目是否可行
服务详细...注册会员无需翻墙即可使用 ChatGPT特惠：
电商可以说是“速度经济”的代表：消费者不但期望批量经济下的价格、大规模定制下的选择，而且希望鼠标一点，几个小时后就能送货上门。虽说不要店面，但电商的种种成本，远超一般人的想象。很多传统公司跨入电商，例如美特斯邦威、红星美凯龙、飞虎乐购，都是兴冲冲而来，没多久就仓皇撤退，一大原因就是对电商的成本和复杂度估计不足。
而诸多成本中，一大块就是库存成本。从本质上看，电商是个库存系统。从总库到一级库、二级库，哪些商品该备货、备在哪一级的库、备多少，是个典型的多阶段库存计划问题。库存计划不到位，短缺与积压并存，结果是要的没有，不要的却有一大堆。有些电商缺货率动辄百分之二三十，同时呆滞库存比例高达百分之三四十，由此而来的业务损失、库存贬值、削价清仓，成本惊人。
这些问题的解决方案呢，则离不开需求预测和库存计划，与零售业和售后备件服务等行业并无两样。
在需求预测方面，电商容易犯两个错误。其一是过度依赖销售。虽说销售最熟悉市场，但他们的预测往往是拍脑袋居多，准确率不高。一流的预测从数据开始、由判断结束：基于历史销售数据，通过简单的数学模型制定基准预测，然后加入主观判断，例如节日促销、季节调整等，做出人工调整。销售强于判断，弱于分析——由销售主导电商的预测，做到最好不过是高库存下的高有货率，虽说保障了销售，却是以高库存为代价；更多的是高库存下的低有货率，消费者要的没有，消费者不要的一大堆。
其二是缺乏预测准确性的闭环反馈，预测质量得不到持续提高。虽说所有的预测都是错的，但错多错少还是大有区别。电商产品众多，加上业务的快节奏、季节性、周期性等因素，公司习惯性地处于救火状态，没多少精力来钻研预测的准确度问题。有些预测模型明知不是最佳，也没时间，或没兴趣寻找更好的模型。再加上需求预测的责任体系不明确，结果是预测一直在低水平徘徊，只有教训，没有经验，不断重复低水平错误，也注定整体运营水平没法提高。
库存计划的核心任务是设立合理的安全库存，以应对需求和供应的不确定因素。基于潜在的销售盈利和库存成本，从概率统计角度可设定合适的库存水位，让盈利的期望值最大化。这种概念放在单个商品上很抽象，也可能很不准确；但成千上万个产品放在一起，总体结果的可预测性还是相当高。这就如赌场，你可能在一个赌徒身上输掉很多，但在众多赌徒身上，赌场的赢面总是更大。电商就如赌场，而赢面的大小取决于安全库存的设置。
在库存水位计划上，电商的问题是虽然身为赌场，用的却是赌徒的方式，即凭经验，拍脑袋，不借助系统的数据分析和数理统计工具。你知道，有些赌徒会赢，但众多的赌徒和赌场对赌，赌场总是会赢：从大样本角度来说，没有人能斗得过数理统计。这就是我给电商的一贯建议：要做赌场，而不是赌徒。
在管理粗放的电商，安全库存的设置要么是单凭经验，要么是方法单一，对于毛利率不同、销售特征不同的商品不能区别对待。有些电商没有概率统计的概念，以确定性的方法应对充满不确定性的商业环境，库存计划的水平就可想而知，短缺、积压就成了家常便饭。预测准确度低、安全库存设置不合理，很多电商输就输在计划上，虽说其执行一年强过一年，公司的运作水平却不见提高，年终一结算，扣除呆滞库存，亏多赢少，原因就在这里。
