不管是时兴的跨境电商、新零售，还是传统的生产制造、贸易流通，在供应链计划上的问题都很相似，主要表现在：
    总进总出整体上不平衡，导致全局性的需求与供应不匹配。
    库存没放到合适的地方，导致局部性的需求与供应不匹配。
    产品、业务、需求的复杂度大增，增加了供应链计划的难度。
    这些问题交织在一起，集中体现为：新产品的计划极度不准，经常大错特错；老产品的计划不能精打细算，无法实现库存优化。这些问题不是特定行业所独有的，我们需要寻找广义的解决方案，系统地从时间维度（新产品vs成熟产品）和空间维度（中心仓vs前置仓）来应对。
    就整体方法论而言，《需求预测和库存计划：一个实践者的角度》依旧遵循 “从数据开始，由判断结束”的基本准则，在基本数据，比如需求历史的基础上，制定基准预测；根据销售、市场等业务部门的职业判断，比如促销计划、新品上市计划，来调整基准预测，制定最终的预测。
    本书更加聚焦“从数据开始”，通过一系列案例，更详细地介绍预测模型，包括预测方法的择优、库存计划的优化、新品导入的计划等。特别要说明的是，本书不是一本预测方法论的书。本书会探讨常用的预测方法，力图以浅显易懂的方式，把这些方法介绍给大家，让更多的人能够熟练应用。本书的目标是寻找更优而不是*优的解决方案。

目录
序言一 从计划的“七分管理”到“三分技术”
序言二 从药典到药方：我对案例的一些想法
序言三 这是我的第5本书，跟其他书有什么联系
作者简介
导读
计划是供应链的引擎
第一章
需求预测：三种基本的预测方法
时间序列的预测：移动平均法 / 8
小贴士 预测的灵敏度和准确度 / 12
小贴士 预测准确度的统计 / 13
小贴士 要不要考核预测准确度 / 18
时间序列的预测：指数平滑法 / 20
指数平滑法的逻辑 / 23
指数平滑法的初始化 / 25
平滑系数的择优 / 27
简单指数平滑法的优劣 / 32
趋势的预测：霍尔特指数平滑法 / 34
案例 一个快时尚产品的需求预测 / 41
小贴士 有时候，不预测就是最好的预测 / 46
季节性+趋势的预测 / 47
基于相关性的预测：线性回归 / 57
小贴士 解读线性回归的参数 / 60
小贴士 样本选择的几点考量 / 65
小贴士 极端值的处理 / 66
小贴士 残差图的分析 / 70
小贴士 样本太少怎么办 / 73
小贴士 警惕线性回归给你的东西 / 74
选择预测模型的一些考量 / 78
小贴士 寻找更优，而不是Z优的解决方案 / 81
小贴士 预测模型的优化要提防过度拟合 / 83
案例 中心仓的预测方法择优 / 86
需求预测的集中化 / 90
小贴士 为什么在颗粒度小的地方做预测 / 93
预测方法的优化 / 95
计划的改进得兼顾供应链的执行能力 / 103
小贴士 电商如何选择ERP / 106
魔鬼藏在细节中：需求历史数据的清洗 / 110
本章小结 最基本的方法也是最重要的 / 118
第二章
库存计划和库存的优化
量化不确定性，设定安全库存 / 123
第一步：量化需求的不确定性 / 124
第二步：量化有货率的要求 / 128
小贴士 有货率怎么定 / 129
第三步：计算安全库存 / 130
小贴士 按日、按周还是按月汇总需求历史 / 134
会设安全库存，计算再订货点就很容易 / 139
补货机制：定量vs不定量 / 143
补货机制：定期vs随时 / 145
案例 随时补货机制下再订货点的计算 / 149
案例 定期补货机制下再订货点的计算 / 150
小贴士 不是现货供应，再订货点如何计算 / 152
案例 轮辐式的全球库存网络计划 / 153
小贴士 设再订货点，还是安全库存+预测 / 158
案例 某工业品企业的计划组织 / 163
小贴士 计划职能的绩效如何考核 / 172
VMI的库存水位如何设置 / 175
计算Z低、Z高库存水位 / 176
量化VMI的库存风险 / 178
VMI的绩效管理 / 179
案例 离开信息化，就很难具备做VMI的条件 / 182
“长尾”产品：库存计划的终极挑战 / 184
“长尾”需求用泊松分布模拟更准确 / 189
用简单法则来指导“长尾”需求的计划 / 195
案例 跨境电商的店铺库存优化 / 203
本章小结 库存计划是个技术活 / 220
第三章
新品导入与滚动计划机制的建立
案例 新品的初始预测：群策群力，专家判断法 / 224
德尔菲专家判断法 / 226
小贴士 瓶子里有多少颗巧克力豆 / 227
新品预测试点项目准备 / 230
专家判断的结果分析 / 236
反馈改进，从失败中学习 / 240
专家判断法失败的三个原因 / 241
小贴士 预测判断力是可以培养的 / 243
专家判断法用于什么产品 / 244
专家判断有没有约束力 / 245
专家判断法由谁来维护 / 246
季节性强，一锤子买卖如何预测 / 247
案例 新品的预售期：尽快纠偏，调整预测 / 250
哪个预测模型更好 / 255
系统性偏差的检验 / 258
重新定义样本，重新建模 / 259
预售期需求的滚动预测 / 263
案例 新品的滚动计划要从开发期开始 / 268
小贴士 新品计划本身要有计划性 / 274
小贴士 大型设备的项目预投机制 / 276
新品计划由谁做 / 279
本章小结 尽量做准，尽快纠偏 / 280
后记 / 283