服裝實體零售店供應(yīng)鏈數(shù)據(jù)分析模型的構(gòu)建

馮復(fù)平 龍瓊

摘要：服裝產(chǎn)品具有銷售周期短，產(chǎn)品SKU數(shù)量多的特點，要求服裝企業(yè)能夠在銷售過程中實現(xiàn)快速反應(yīng)，本文基于服裝企業(yè)零售店銷售行為，主要對實體零售渠道銷售和庫存數(shù)據(jù)進(jìn)行分析，對其數(shù)據(jù)相關(guān)性和周期進(jìn)行特征分析，并構(gòu)建服裝供應(yīng)鏈數(shù)據(jù)分析預(yù)測模型，建立銷售庫存預(yù)警，從而有效降低庫存積壓，減少采購盲目性，讓供應(yīng)鏈管理過程更加智能化。

關(guān)鍵詞：服裝;供應(yīng)鏈;庫存預(yù)測;銷售分析

中圖分類號：F717.6;F715.6文獻(xiàn)識別碼：A文章編號：

2096-3157（2020）23-0009-03

具有獨立品牌和線下營銷渠道的傳統(tǒng)服裝企業(yè)，自2003年電商快速發(fā)展以來，實體店銷售業(yè)務(wù)受到網(wǎng)店的巨大的沖擊，在與網(wǎng)店的競爭下艱難地尋求著存活之路。隨著電子商務(wù)市場逐漸發(fā)展成熟，網(wǎng)店引流成本逐年上漲，實體店近期又重回消費者視野，但是庫存積壓依然是困擾服裝行業(yè)多年的難題，目前仍然未能完全解決，本文選取了一家實體零售店面抽取銷售和庫存數(shù)據(jù)，運用數(shù)據(jù)分析模型及工具對數(shù)據(jù)進(jìn)行清洗整理和分析，構(gòu)建針對實體零售店的供應(yīng)鏈數(shù)據(jù)分析模型，對進(jìn)一步提升實體零售店競爭實力有著顯著的價值。

一、服裝實體零售店供應(yīng)鏈環(huán)節(jié)現(xiàn)存問題

1.服裝產(chǎn)品SKU多，庫存容易積壓

SKU是服裝企業(yè)生產(chǎn)和銷售的基本單位，單款單色單碼作為一個SKU單位。服裝產(chǎn)品屬于快速消費品，季節(jié)性強，加之消費者對產(chǎn)品需求的多樣性，造成了服裝產(chǎn)品SKU數(shù)量多，例如一直以基本款為特色的優(yōu)衣庫，SKU常年保持在1000左右，而國內(nèi)大多數(shù)服裝品牌的SKU則達(dá)到了2000～5000款，一旦某個款式或者尺碼銷售不暢就會造成產(chǎn)品庫存積壓。

2.消費者需求多樣，斷碼缺貨時難以快速補貨

除定制品牌外，服裝產(chǎn)品均屬于備貨式生產(chǎn)，即在服裝銷售周期開始之前已經(jīng)完成主要生產(chǎn)備貨任務(wù)，生產(chǎn)具有小批量、多批次的特點。服裝產(chǎn)品的季節(jié)性和流行性強，銷售難以預(yù)測，因此服裝實體店鋪貨量大，但是受店面空間限制，每個SKU提前備貨量有限，通常只有1～2件，銷售時容易造成斷碼缺貨現(xiàn)象，目前在企業(yè)備貨充足的情況可以實現(xiàn)快速調(diào)貨，但是當(dāng)企業(yè)庫存不足時，生產(chǎn)補貨都需要一定的周期，一般企業(yè)的補貨周期為45天，一些快時尚品牌能夠?qū)⒀a貨生產(chǎn)周期壓縮到了2～3周。因此實體零售店需要能根據(jù)銷售趨勢做出正確的補貨策略，以防止補貨到貨時銷售周期已趨于結(jié)束，形成新的庫存積壓。

3.實體店銷售受環(huán)境影響大

實體店銷售受到地域、商圈、氣候以及突發(fā)事件等多因素影響。實體店銷量與店面所處城市及商圈直接相關(guān)，地域和商圈決定了客流量以及當(dāng)?shù)叵M喜好，歷史銷售數(shù)據(jù)能有效反映出店鋪所在地的消費特征。除地域和商圈影響外，每年的氣候變化也會對服裝銷售產(chǎn)生重要影，一些突發(fā)事件也會對實體店零售產(chǎn)生重大的影響，例如2020年上半年突發(fā)的疫情導(dǎo)致服裝、配飾等非生活必需類產(chǎn)品銷售額出現(xiàn)負(fù)增長，實體店較之網(wǎng)店受到的沖擊尤為明顯。變幻莫測的外部環(huán)境變化要求實體店能對環(huán)境變化做出快速響應(yīng)，根據(jù)銷售變化迅速調(diào)整庫存。

二、數(shù)據(jù)源描述

為構(gòu)建服裝實體零售店智能供應(yīng)鏈管理模型，選取了某品牌客流量較大的一家門店的4個月的銷售和庫存數(shù)據(jù)，數(shù)據(jù)源內(nèi)容如表1所示。

在原始數(shù)據(jù)中存在以下問題：

1.數(shù)據(jù)描述不統(tǒng)一

對原始數(shù)據(jù)進(jìn)行整理發(fā)現(xiàn)，原始數(shù)據(jù)在銷售和庫存數(shù)據(jù)中存在數(shù)據(jù)描述不一致的情況。例如品牌在銷售數(shù)據(jù)中描述為數(shù)字類型，在庫存數(shù)據(jù)中描述為文本類型。

2.存在庫存數(shù)據(jù)個別天數(shù)與銷售數(shù)據(jù)不匹配

選取了某一款式商品，對其銷售數(shù)據(jù)和庫存數(shù)據(jù)進(jìn)行對比分析，根據(jù)當(dāng)日庫存計算公式：

當(dāng)日庫存=前一日庫存-當(dāng)日銷售量

發(fā)現(xiàn)在個別日期出現(xiàn)庫存數(shù)據(jù)與計算結(jié)果不吻合，由于企業(yè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫中僅記錄了庫存余額每日變化情況，對數(shù)據(jù)需要進(jìn)行差異化分析。

3.數(shù)據(jù)中存在無意義或重復(fù)數(shù)據(jù)項

數(shù)據(jù)中包含了部分?jǐn)?shù)據(jù)分析無意義的數(shù)據(jù)項，如數(shù)據(jù)類別中的“大類”，所有數(shù)據(jù)均為服裝，還有部分?jǐn)?shù)據(jù)內(nèi)容重復(fù)，如“產(chǎn)品季”、“年”、“月”等時間數(shù)據(jù)，與銷售日期數(shù)據(jù)重復(fù)。

三、數(shù)據(jù)清洗與整理

根據(jù)對原始數(shù)據(jù)中存在的問題，對原始數(shù)據(jù)進(jìn)行了清洗與整理。

1.數(shù)據(jù)統(tǒng)一化將不同數(shù)據(jù)類型的描述同一信息的數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化。原始數(shù)據(jù)中的品牌數(shù)據(jù)、時間數(shù)據(jù)在銷售和庫存原始數(shù)據(jù)中心都存在描述不統(tǒng)一的問題。對原始數(shù)據(jù)進(jìn)行統(tǒng)一化處理。例如：品牌在銷售數(shù)據(jù)里都是三類，在銷售數(shù)據(jù)中描述為是1、2、3，在庫存數(shù)據(jù)中描述為文本類型，通過SKU比對，確定銷售數(shù)據(jù)中1、2、3代表的分類，將1、2、3類均統(tǒng)一轉(zhuǎn)換為文本類型分類，實現(xiàn)數(shù)據(jù)統(tǒng)一。

2.刪除無意義數(shù)據(jù)項，對數(shù)據(jù)進(jìn)行清洗，將多余的數(shù)據(jù)列刪除在原始數(shù)據(jù)中心時間數(shù)據(jù)描述為三種格式，年、季度、日。其中日期中數(shù)據(jù)可以描述前兩類數(shù)據(jù)，為減少數(shù)據(jù)冗余，將年、季度兩個數(shù)據(jù)性刪除。

3.尋找供應(yīng)鏈數(shù)據(jù)中關(guān)鍵的補貨數(shù)據(jù)原始數(shù)據(jù)中缺少補貨數(shù)據(jù)，補貨數(shù)據(jù)在供應(yīng)鏈管理分析中較為重要，因此選取了某一SKU的1個月的82條庫存數(shù)據(jù)作為樣本分析其補貨情況，分析發(fā)現(xiàn)補貨數(shù)據(jù)雖未單獨列出，但可以從庫存數(shù)據(jù)變化中獲取。

四、智能供應(yīng)鏈管理數(shù)據(jù)分析模型設(shè)計

數(shù)據(jù)清洗和整理后，利用Tableau對供應(yīng)鏈環(huán)節(jié)中的銷售和庫存進(jìn)行數(shù)據(jù)分析模型設(shè)計。服裝供應(yīng)鏈管理包括設(shè)計、采購、加工、銷售、庫存多個環(huán)節(jié)，在實體零售店的供應(yīng)鏈數(shù)據(jù)分析模型中略去了設(shè)計和加工環(huán)節(jié)，主要著重考慮店面零售環(huán)節(jié)涉及到的采購、銷售、庫存三大模塊，在數(shù)據(jù)整理過程中發(fā)現(xiàn)了缺少補貨數(shù)據(jù)，但由于庫存數(shù)據(jù)量較大，且每月庫存盤點后日庫存量數(shù)據(jù)也被修正過，由此推算出的采購訂貨數(shù)據(jù)準(zhǔn)確率不高，因此不再補加原始采購進(jìn)貨數(shù)據(jù)，主要對現(xiàn)有銷售和庫存數(shù)據(jù)進(jìn)行分析統(tǒng)計，通過監(jiān)控庫存與銷量數(shù)據(jù)來實現(xiàn)智能補貨提醒。

1.銷售監(jiān)控與預(yù)測模型

（1）銷售額與銷售量趨勢分析。

銷售額和銷售量為歷史銷售數(shù)據(jù)，以日為單位，數(shù)據(jù)連續(xù)，采用時間序列分析模型進(jìn)行線性擬合，以日銷售額為例，日銷售金額擬合公式為：

日銷售額=373.482*銷售日期+（-1.62181e+07）

銷售日期和截距的p值均小于0.0001，滿足p<=0.05。

除4個月的趨勢分析外，還提供了產(chǎn)品系列、暢銷款和滯銷款的日銷售額與日銷售量趨勢分析。

（2）銷售額與銷售量預(yù)測。

銷售額與銷售量預(yù)測采用指數(shù)平滑法對未來7日銷售額和銷售量進(jìn)行預(yù)測，同樣還提供了產(chǎn)品系列、暢銷款和滯銷款的未來7日銷售額與銷售量預(yù)測。由于銷售額和銷售量呈現(xiàn)出按星期的周期性波動，在進(jìn)行預(yù)測時在指數(shù)平滑法中添加了7天季節(jié)模型，以7日為周期進(jìn)行預(yù)測，預(yù)測值也呈現(xiàn)出周期性波動曲線。

（3）暢銷款和滯銷款產(chǎn)品分析。

由于SKU數(shù)量多，無法同時監(jiān)控所有銷售數(shù)據(jù)，而且容易造成管理疏漏，因此需要對產(chǎn)品進(jìn)行分類管理，制定相應(yīng)的銷售計劃和庫存管理計劃。對4個月的交易流水基于SKU統(tǒng)計銷售額和銷售量，統(tǒng)計時間維度設(shè)為3個層次：所有時間、任意區(qū)間和日。按4個月總銷售額、區(qū)間日期銷售額、日銷售額將全部SKU進(jìn)行銷售額匯總排序，對每個時間維度的銷售額前十名分類為暢銷款，后十名歸類為滯銷款，其他為普通款。目前數(shù)據(jù)總體時間跨度為4個月，時間跨度可根據(jù)需求隨時調(diào)整，區(qū)間時間可由用戶隨意選取，靈活的時間區(qū)間選擇讓店鋪可隨時查看各時間段歷史數(shù)據(jù)和實時數(shù)據(jù)中暢銷款和滯銷款的情況，做出相應(yīng)的銷售計劃。

（4）銷售分布分析。

銷售分布分析主要針對產(chǎn)品系列進(jìn)行分類統(tǒng)計，包括2個層次：產(chǎn)品系列和產(chǎn)品小類其中產(chǎn)品小類歸屬于產(chǎn)品系列。對產(chǎn)品分系列和小類進(jìn)行銷售額、銷售量、暢銷款和滯銷款分別進(jìn)行統(tǒng)計。

（5）銷售周期性分析。

服裝實體零售店的銷售額與客流量成正比，在數(shù)值上表現(xiàn)出周期性波動，通常情況下周末的銷售量高于平日銷售量。對銷售數(shù)據(jù)按星期進(jìn)行統(tǒng)計分析發(fā)現(xiàn)，不僅在整體銷售額和銷售量上出現(xiàn)周期性波動，在各產(chǎn)品系列上也出現(xiàn)同樣的波動曲線。

由表2可看出，周末的銷售額明顯高于平日，周一和周二銷售量較低，符合服裝實體零售店銷售特征。

2.庫存監(jiān)控與預(yù)測模型

為解決庫存積壓和及時補貨問題，除對庫存數(shù)據(jù)進(jìn)行常規(guī)分析之外，著重對庫存和銷售數(shù)據(jù)的關(guān)聯(lián)性構(gòu)建模型進(jìn)行分析。

（1）庫存分析。

庫存分析按照兩個維度進(jìn)行數(shù)據(jù)統(tǒng)計，一個是時間維度，以天為單位，對庫存構(gòu)建一個整體分析模型，選用庫存量和庫存金額兩個指標(biāo)，以曲線圖顯示庫存占用資金和庫存量變化情況。另一個是以產(chǎn)品SKU為單位，按照每個SKU庫存量進(jìn)行統(tǒng)計排序。兩個維度可以交叉查詢，互為數(shù)據(jù)篩選條件，既可按日查看當(dāng)日庫存量分布情況，也可按SKU查看歷史日庫存量數(shù)據(jù)，提供了靈活數(shù)據(jù)查詢功能。

（2）庫存周轉(zhuǎn)分析。

庫存周轉(zhuǎn)分析主要對庫存資金周轉(zhuǎn)情況進(jìn)行分析，選用分析指標(biāo)為庫存周轉(zhuǎn)率。庫存周轉(zhuǎn)率能夠有效反映庫存資金周轉(zhuǎn)的速度，庫存周轉(zhuǎn)率計算方法為：

庫存周轉(zhuǎn)率=周期內(nèi)銷售產(chǎn)品成本/周期內(nèi)平均庫存價值

在模型設(shè)計中對庫存的周轉(zhuǎn)率采用波士頓矩陣法分析，如圖所示。根據(jù)庫存周轉(zhuǎn)率和庫存資金占用不同，將產(chǎn)品分為四個象限，右上象限區(qū)域內(nèi)的產(chǎn)品為明星產(chǎn)品，庫存周轉(zhuǎn)率高，庫存金額占用。利用波士頓矩陣可以清晰區(qū)分需要重點關(guān)注的產(chǎn)品庫存。

（3）庫存-銷量分析。

由于銷售數(shù)據(jù)實時變化，如何在保證銷售不中斷的情況下降低庫存資金占用，需要能夠根據(jù)銷量數(shù)據(jù)對比存貨數(shù)量，在斷貨前提前預(yù)警，從而及時補貨。因此將庫存數(shù)據(jù)與銷售數(shù)據(jù)進(jìn)行庫銷比分析，根據(jù)銷售情況，對比庫存數(shù)據(jù)，減少庫存補貨的盲目性，實現(xiàn)智能補貨是供應(yīng)鏈智能化管理的重要環(huán)節(jié)。庫銷比分析通常用于檢測庫存量設(shè)置是否合理，為了實現(xiàn)智能補貨，模型中使用庫銷比分析結(jié)果來判斷是否進(jìn)行補貨。

通過分析原始數(shù)據(jù)發(fā)現(xiàn)，部分商品出現(xiàn)在銷售為0的情況下，庫存一直在增加，造成庫存積壓。服裝產(chǎn)品尤其是女裝類產(chǎn)品，時尚度高，銷售周期短，銷售數(shù)據(jù)波動性強，最近日期的銷售數(shù)據(jù)對銷售趨勢的影響力最大，因此在庫存-銷量分析中只對最近一周銷售數(shù)據(jù)進(jìn)行統(tǒng)計分析，匯總每一周商品的銷售數(shù)據(jù)，對比周日庫存量，計算周庫銷比。

庫銷比計算公式為：

設(shè)任意一個SKU商品Pi的日銷售量設(shè)為sij，由日期t開始的一周內(nèi)的銷量合計為Sit，周末庫存量為t+6日庫存合計為Mi，t+6，庫存比為Rit，計算公式為：

Sit=t+6j=tSij

Rit=Mi，t+6t+6j=tSij（t為任意一周周一）

當(dāng)Rit≥1時表明周日庫存量高于前一周銷售合計，該產(chǎn)品本周不進(jìn)行補貨，否則當(dāng)Rit≤1時表明周日庫存量低于前一周銷售合計，該產(chǎn)品需要進(jìn)行補貨，為提高補貨可信度，在補貨時可綜合參考銷售分析模型中的銷售預(yù)測結(jié)果。

3.數(shù)據(jù)交叉查詢分析設(shè)計

在服裝實體零售店智能供應(yīng)鏈數(shù)據(jù)分析模型中，除對單一數(shù)據(jù)進(jìn)行分析，挖掘數(shù)據(jù)特征之外，重點進(jìn)行了數(shù)據(jù)交叉查詢分析設(shè)計，實現(xiàn)多維度查詢，交叉查詢內(nèi)容如表3所示。

在模型中對數(shù)據(jù)基于產(chǎn)品類別和時間進(jìn)行了多維度的數(shù)據(jù)交叉查詢分析。數(shù)據(jù)分析維度如下：

（1）時間維度。

在時間維度進(jìn)行了總時區(qū)、區(qū)間時區(qū)、周、日四個層次的數(shù)據(jù)鉆取和聚合，從不同的數(shù)據(jù)粒度反映銷售和庫存數(shù)據(jù)特征和變化趨勢。

（2）產(chǎn)品維度。

產(chǎn)品維度提供系列、子類、SKU三個層次的數(shù)據(jù)鉆取和聚合，可以在不同層次查看商品的銷售和庫存數(shù)據(jù)。

（3）交叉維度。

時間和產(chǎn)品維度在多個分析模塊中進(jìn)行交互查詢，提供時間和產(chǎn)品的交叉數(shù)據(jù)粒度對數(shù)據(jù)進(jìn)行篩選、匯總、排序等，展示數(shù)據(jù)特征。

五、模型應(yīng)用效果

1.模型對已有數(shù)據(jù)進(jìn)行分析得到的結(jié)論

（1）銷售數(shù)據(jù)呈現(xiàn)周期性，周末銷售量是平日銷售量的1.5～2倍，符合服裝銷售時間特診，店鋪可根據(jù)周期性特征安排銷售促銷計劃和員工輪休。）

（2）暢銷款產(chǎn)品需要注意庫銷比，及時補貨;滯銷款產(chǎn)品需要改進(jìn)促銷計劃并合理降低庫存。

（3）庫存周轉(zhuǎn)率低的產(chǎn)品需要及時做出庫存調(diào)整。

2.模型應(yīng)用價值

（1）模型實現(xiàn)了對服裝實體零售店銷售和庫存數(shù)據(jù)的全面多維度分析，提供豐富的交互查詢方式，能幫助服裝實體零售店實現(xiàn)供應(yīng)鏈智能化管理。

（2）模型基于一家服裝實體零售店構(gòu)建，構(gòu)建模型兼顧通用性，可以推廣應(yīng)用到其他服裝零售店。

（3）模型時間周期可根據(jù)實際應(yīng)用需求進(jìn)行快速調(diào)整，擴展歷史數(shù)據(jù)周期。同時可對數(shù)據(jù)進(jìn)行周期性更新，及時反映供應(yīng)鏈數(shù)據(jù)變化趨勢。

六、結(jié)論

通過對服裝實體零售店實際經(jīng)營數(shù)據(jù)中的銷售與庫存數(shù)據(jù)構(gòu)建數(shù)據(jù)分析模型，使用了時間序列模型、指數(shù)平滑預(yù)測法，運用銷售和庫存管理評價指標(biāo)，基于多維度多層次進(jìn)行數(shù)據(jù)分析，使用Tableau軟件進(jìn)行模型實現(xiàn)，模型的應(yīng)用能夠幫助服裝實體零售店及時了解銷售發(fā)展變化趨勢及庫存周轉(zhuǎn)情況，快速調(diào)整銷售計劃，并根據(jù)銷售數(shù)據(jù)變化，及時補貨和清理庫存。解決服裝產(chǎn)品銷售周期短，庫存容易積壓的問題，實現(xiàn)供應(yīng)鏈管理智能化。

參考文獻(xiàn)：

[1]沈嘉杰，徐家林，周興建.新零售時代全營銷渠道兼容的服裝供應(yīng)鏈運營模式[J].服飾導(dǎo)刊，2018，7（04）：48～54

[2]尹鳳林，梁文鋒，皮思斯，謝建敏，陳楚欣.面對XH企業(yè)服裝供應(yīng)鏈庫存管理研究[J].物流工程與管理，2018，40（01）：90～92

[注]基金項目：北京市服裝產(chǎn)業(yè)數(shù)字化工程技術(shù)研究中心項目（KJCX1902-30299/009）

作者簡介：

1.馮復(fù)平，北京服裝學(xué)院副教授;研究方向：企業(yè)信息化。

2.龍瓊，北京服裝學(xué)院副教授;研究方向：電子商務(wù)。