基于．ＮＥＴ商品銷售決策系統設計與實現

[摘 要] 在零售業高速發展的今天，連鎖經營的出現及商品銷售類型的多樣化使得原有的銷售系統難以滿足零售業信息化建設的需求，為此系統從當前零售業的特點出發，在充分考慮連鎖經營零售店業務發展需求的基礎上提出了基于.NET的商品銷售決策系統模型。該模型能夠完成連鎖零售店中商品從采購、庫存、銷售、結算到決策一系列工作，其中決策功能是整個系統的關鍵，因此文章重點介紹了銷售預測模塊的實現。

[關鍵詞] 直賣品 購買品 委托購買品 銷售預測 滾動預測 組合預測

一、背景

據有關機構調查，目前，我國大中型零售企業80%不同程度采用了計算機管理，其中絕大多數是實行連鎖經營的零售企業。迄今，我國共有連鎖零售企業2300多家，連鎖店鋪38000多間，全年銷售額超過3000億元，占全國零售總額的8%左右。信息化的發展給我國連鎖零售業帶來的績效是巨大的，反映在增加商品銷售規模每年達20%以上，也就是600億元以上。以目前我國大型連鎖零售企業銷售額每年遞增30%，即90億元計算，其發展前景和巨大效益不可限量。企業因采用信息技術而節約成本、增加銷售而產生的直接利潤就是每年30億元以上，可以說，連鎖經營的收益都是來源于管理技術進步產生的成本節約。由此可看出：信息技術已經成為零售企業的核心競爭力。

隨著我國大型連鎖零售企業的規模化跨區域發展，信息技術的應用廣度與深度不斷擴大，經營者開始考慮這樣的事情：如何與供應商共贏、如何培養忠實的消費群、如何用數據為企業的未來經營提出決策指導？因此零售業信息化已不再局限于企業內部的進銷存管理，企業開始關注于影響它的兩大客戶：供應商及顧客；連鎖化的推行更使這些業界的巨頭們認識到信息化不僅僅是硬件與軟件的集成，借助系統巨頭們推動的是他們的管理模式，軟件不僅僅給應用者帶來效率，還承載著管理規范化的重任。因此發展新型的商品銷售系統，提高商業企業現代化管理水平，已成為商業企業管理亟需解決的問題。

但是，我國目前的零售軟件還存在很多不足：近些年來開發的商品銷售系統，絕大部分是基于后臺管理而開發的，并沒有采用收款機聯網工作，導致商業中最重要的銷售、經營信息得不到完整及時的處理；另一方面，這些銷售系統可處理的商品銷售類型比較單一，在業務管理流程的開發方面還欠缺經驗，結果是系統不完善，達不到預期的目標，成效甚微，投資也難以收回。針對這些問題，在認真研究連鎖零售店的經營特點基礎上，根據連鎖零售店中商品采購、庫存、銷售、結算到決策一系列工作流程，我們設計了基于.NET的商品銷售決策系統，為解決當前零售軟件的問題提供了可行的解決方案。

二、系統功能分析

根據連鎖經營的零售企業的實際業務需求特點，基于.NET商品銷售決策系統可分成六大模塊。根據商品銷售類型的不同，每個模塊進行了不同的處理。

系統中的商品銷售類型包括直賣品、購買品和委托購買品三種。直賣品是由供應商直接提供給連鎖店的商品，供應商是連鎖店的會員或者連鎖店隸屬于該供應商(類似商品專賣店）；購買品是連鎖店根據市場的流行趨勢和發展需求自行采購的商品；委托購買品是供應商委托連鎖店銷售的商品，與直賣品的不同之處在于委托購買品供應商與連鎖店間是委托關系，連鎖店可對其商品的銷售收入進行評價，選擇效益高的供應商，而直賣品供應商則是無法選擇的；另外兩類商品手續費的計算方式也不同，委托購買品是按批量商品來支付手續費，而直賣品則是將銷售額的一定比例作為手續費。

系統各模塊功能如下：

1.基本信息管理模塊：實現供應商以及所銷售商品信息的錄入和管理；由于這些基本信息都是可變的，所以系統可應用于多種領域的商品銷售。

2.采購管理模塊：依據市場需求為連鎖零售店制定了科學的采購計劃并規范了采購流程。根據商品銷售類型的不同，系統采用了不同的采購方式：利用當前流行的供應鏈采購實現直賣品和委托購買品的采購，為供應商提供關于商品銷售情況的語音查詢和網上查詢以方便供應商在了解商品銷售情況的同時及時地進行供貨；針對購買品系統采用連鎖零售店集中采購的方式，由總部對各銷售門店所需的購買品進行統一備貨和送貨；同時對供應商進行管理，為連鎖店選擇合適的供應商提供了依據。

3.庫存管理模塊：提供了完善的盤點流程及庫存信息的管理。系統利用配送中心管理購買品的庫存，并實現對分店的自動補貨業務；同時制定了安全庫存量和經濟采購量以提高庫存的質量，另一方面也為系統進行及時準確的采購提供了依據。

4.銷售管理模塊：接受POS系統的銷售數據，實現了對顧客信息的管理，保證了終端信息的準確性；同時對銷售數據進行分析用于商品管理和供應商管理：以報表的形式顯示商品排行和統計信息，利用商品ABC分析法確定采購和淘汰的商品種類，并根據系統的業務需求及特點輸出各種形式的賬票，如：商品銷售統計、銷售排行賬票、供應商銷售排行賬票等。

5.結算管理模塊：提供了科學的結算流程并實現了與銀行的自動轉賬業務，能夠完成連鎖店內的結算并實現對供應商的自動轉賬，監督各銷售分店的資金支出情況；

6.銷售預測功能：利用各零售分店提供的銷售數據，進行銷售排行并根據產品分類及預測周期等因素選擇適當的預測方法，將顧客信息加入到預測過程中，對各類商品銷售量或銷售單價進行預測，為連鎖零售企業進行商品管理提供依據，同時也可為供應商提供生產決策信息，便于供應商選擇合適的商品進行適量生產。

三、銷售預測功能實現

1.銷售預測定義

銷售預測不是感性的主觀臆斷，而是在日益成熟的流程和優化的算法模型指導下，以經營戰略和營銷計劃為基礎，結合目前銷售和業務情況，在考慮未來各種影響因素的情況下，科學、理性地預估未來的業務、客戶的銷售量和銷售收入，從而將具有市場不確定性的業務計劃轉化為可運作的具體運營目標。

在實際預測中，經銷商應該加入到銷售預測流程中來：企業與經銷商的利益有一致性，只有產品銷量上去了，大家才能有錢賺。另外，把經銷商納入銷售預測流程，可以發揮經銷商更接近消費者、更了解消費者、更了解市場的優勢。因此銷售預測可以分為向前看（宏觀預測）和向后看（微觀預測）兩部分：所謂向前看，便是收集來自市場的需求以及潛在客戶訂單消息（商業企業），通過對銷售市場的分析，了解產品發展方向，使預測直接面向市場；而未來需求又是建立在過去、現在基礎上的，向后看便是根據銷售歷史信息，對于產品的銷售趨勢進行分析從而發現產品銷售概況是處于上升還是下降方向的（連鎖零售店），提供市場、銷售人員分析的依據，并給預測一定的指導。微觀預測結果將會與來自管理層的宏觀的自上而下的數據進行比較，這樣的預測既能夠反映“拉式”的終端需求，也能包含“推式”的企業營銷及產品策略，如此，微觀與宏觀兩方面運作準確就會形成更加準確的銷售預測的基礎。

基于.NET商品銷售決策系統是為連鎖零售業設計的管理系統，因此在此系統中，我們所做的銷售預測實際上是微觀預測，商業企業可結合本系統的預測結果進行宏觀預測。

2.銷售預測模型

預測模型的選擇是決定整個預測模塊效用的關鍵。在選擇時，系統綜合考慮了以下因素：

（1)產品分類：通常人們做預測的慣例是將所有的產品都打包在一起來預測其未來的銷售，實際上這種做法并不科學。我們可以對產品進行不同的分類，不同類別的產品予以不同程度的關注，這樣將使預測更加具有導向性，需求更明確。

系統中我們依照商品ABC分類對商品進行銷售管理。商品ABC分類是指：在眾多商品中，不是每一個商品的比重和管理方法都相同的。根據2∶8管理法則，一般規律是：僅占銷量20%的商品，卻占了銷售利潤的80%，這類商品命名為A類商品；占銷量40%～60%的商品，銷售利潤占15%，這類商品被命名為B類商品；而占銷量30%～40%的商品，銷售利潤卻只占5%，命名為C類商品。

產品分類是對產品進行“漏斗管理”，對不同產品的需求不確定性進行過濾，從而有效規避預測偏差所帶來風險的有效方法。

（2)預測周期：銷售預測可分為中長期預測、短期預測。一般來說，周期越短，準確率越高。實際預測時可采用滾動預測的方式，并在中長期預測的基礎上維護短期預測。滾動預測可以實現對一個時間間隔的多次預測，比如現在是5月，預測8月的銷售數量，可以在5月做一個三月周期的預測，比較精確的預測六月的需求，同時對于7月8月做粗略預測；同樣6月也會對8月做粗略預測，7月對8月做精確的預測。由于多次預測，可以充分考慮市場變化的因素，能夠比單次預測有更好可信度。

基于以上因素的考慮，在系統中我們提出了如下的預測方式：深度預測(周預測），中度預測(月預測）。這里我們需要說明一點：系統中我們對銷售的商品進行了分類，美國全國零售聯合會(NPF)制定了一份標準的商品分類方案，該方案詳細界定了各類商品的范圍，以及它們的組合方式，目前美國許多大型百貨商店和低價位競爭的折扣商品都采用這一分類法。在NPF的商品分類方案中最大的商品分類等級是商品組，商品組是指經營商品的大類，如食品、家庭用品、服裝等；商品分類的第二級是商品部，商品部一般是將某一大類商品按細分的消費市場進行再一次分類，如食品可分成生鮮食品，一般食品和加工食品；商品分類的第三級是商品類別，這是根據商品用途或細分市場顧客群而進一步劃分的商品分類；如生鮮食品可分成水果、蔬菜、水產品等；商品分類的第四級是品目，主要分類標準為按照功能用途，規格包裝，商品的成分，商品口味等來進行劃分；如蔬菜又分成辣椒、白菜、西紅柿等；存貨單位是庫存控制的最小單位，是商品分類中不能進一步細分的、完整獨立的商品品項，當指出某個存貨單位時，管理者不會將其與其他任何商品混淆，又稱為單品。

在實際預測中，我們根據商品ABC分析法獲取A，B，C三類商品并對A類產品采取深度預測，細化到每個產品（SKU: stock keeping unit）；中度預測是細化到規格、系列的預測，主要用于對月銷售統計排行中指定個數品目進行預測。不同的周期予以不同程度的關注，這樣可以保證我們把精力集中在最重要、最迫切的需求上，并且使短期的銷售預測與長期的滾動預測有機結合起來，不至于形成“兩張皮”。

系統采用的預測方法為指數平滑法和回歸預測法：從預測時間的長短來看，系統中的預測周期均在一年之內，可采用指數平滑法進行預測；另外，從影響因素來看，近些年來，通過對POS系統銷售數據的廣泛統計分析，發現天氣因素的影響在每周的銷售波動中都有所體現，而客流量基本決定了日銷量，是否能吸引顧客，將會直接影響產品的銷售量；因此系統采用回歸預測法利用系統中獲取的客流量進行預測。

根據平滑次數的不同，指數平滑法分為：一次指數平滑法、二次指數平滑法和三次指數平滑法。系統對多種商品（具體個數由預測條件中的銷售排行數確定）進行預測，由于不同商品銷售趨勢不同，因此系統無法采用固定次數的平滑法進行預測。針對回歸預測法，系統采用了二元線性回歸模型。

對于使用多種預測方法得到的預測結果，傳統方法通常是選擇預測精度最高的，而把精度較低的預測方法簡單的加以拋棄。這是不可取的，因為任何一種預測方法，只要應用得當，總會提供一些有用的信息，而且不同的方法往往考慮了不同的因素，如果能有一種預測方法把考慮了不同因素的預測結果加以綜合，則預測結果必定更為精確。

由Bates和 Granger的組合預測思想可以滿足要求。組合預測的模型為：假定Y₁，Y₂，…，Y_k是K種互相獨立的不同方法關于Y的預測結果，其預測均方差（MSE）為σ₁²，σ₂²，…，σ_k²。令組合預測為:y′＝W₁*Y₁+W₂*Y₂+…+W_k*Y_k

其中:0＜Wi＜1(i=1，2，…，k)，W₁+W₂+…+W_k=1，組合權重W_i=σ_i^-2/(σ₁^-2+σ₂^-2+…+σ_k^-2)。

四、結束語

本文運用微軟.NET技術結合SQL Server 2000數據庫開發商品銷售型系統，設計了一個集數據庫技術、供應商管理技術及商品決策技術為一體的適用于連鎖零售業商品銷售的決策系統，探索了商品銷售、供應商管理及商品決策的技術和方法，實現了商品銷售及預測的科學化，為構建高效率的商品銷售體系提供了依據。系統的開發對連鎖零售企業制定合理的供銷計劃、提高庫存管理的水平、進行科學的結算和精確的銷售預測有重要意義。

參考文獻:

[1]肖 怡:零售學[M].北京:高等教育出版社， 2003

[2]張靄珠 陳力君:定量分析方法[M].上海:復旦大學出版社. 2003

[3]Stock， James H. Watson， Mark W. Combination forecasts of output growth in a seven-country data set.[J].Journal of Forecasting. September 2004，23(6):405～430

[4]齊小華:預測決策方法[M].北京:北京廣播學院出版社. 2003