使用Power BI/Excel避免追加式订货（识别真正的畅销品）

7-11社长铃木敏文在多本书里谈到了追加式订货的可怕之处。在《巷口商学院》这本书里面有一长段描述，我再次摘录如下：

先思考一个简单的问题。假设某商品有X、Y、Z三个种类。X进了50个卖出30个，Y进了30个卖出20个，Z进了10个卖了10个。如果由你负责订货，接着你要进哪个商品，又进多少呢？ 如果毫不考虑地只补充卖出的量，我们称之为“补充订货”或“追加订货”。如果那样就好的话，订货就成了事先有答案的“作业”了。不过，这么下去的话，卖场永远是一成不变，客人就会流失。 你必须要分辨“畅销商品”与“滞销商品”。所谓的畅销商品，就如字面所示，是指因切合顾客的需求，卖得好，预期能扩大业绩与利润的商品。 相反地，脱离顾客的需求，销售不佳，无法期待业绩与利润，没有必要摆放在店内的商品，就称为滞销商品。 那么，X、Y、Z中，何者是畅销商品，何者是滞销商品呢？ 目前便利超市已导入了POS系统。这是个在终端的收银机，以售出商品的条码输入资讯——哪个商品何时卖出几个，能够自动管理各种销售资讯的系统。 以POS数据来看销售量，依序为X是30个、Y是20个、Z是10个，所以“销量商品”的冠军是X。但那真的是畅销商品吗？ 在此，我们再试着加入另一个时间的数据。实际上，Z一个钟头就全数卖光，Y半天内30个卖出20个，X一天内50个卖出30个，剩下20个。如果是这个样子呢，就卖出的速度，依序则为Z→Y→X。 虽然销售量最少，但新的畅销商品却是Z。能在一个小时内卖完，是因大家都非常想要这件商品。而Y、X之所以能卖出，说不定是因第二个小时后，店内已没有Z了，顾客虽然早已厌腻Y、X，不得已也只好购买。Y，X很可能才是滞销商品。 如果不假思索，仅参考销售量来补充订货的话，很可能在畅销商品Z的部分就产生商机损失，而X、Y的部分就产生报废损失。相反，如果积极地多进些Z，而适度地订X、Y，或者将其抽离卖场，商机损失就会缩小，报废损失也得以压低。 我们往往站在卖方的立场，关心哪个商品会卖得多，就再进些卖得多的商品。但那是到昨天为止的畅销商品，是与“昨天的顾客”做生意的方法。 现今是个瞬息万变的时代。“昨天的顾客”与“明天的顾客”是不相同的。在下订单时，重要的是思考“明天的顾客”所需是什么。某件商品虽然到昨天为止卖得并不好，但隔天会如何呢？要常思考新的畅销商品是什么，并将商机损失压到最低。 当所需的商品没货时，顾客当天或许会不得已地购买早已厌腻的其他商品，做出消极的选择。但是，一再发生的话，顾客就不再前往那家店了。营业额低于前一年的店，一定是产生了商机损失与报废损失。

7-11是便利店连锁，货品周转速度会比服装快些。但服装业的逻辑也是一样的。一个季度结束了，才去按季末销量或者售罄率统计畅销款，显然会陷入追加式订货的误区。更为可怕的是，目前许多服饰品牌订货为期货制，下单后订单并没有调整的可能。

季末的销量会因为缺货、断码等问题产生扭曲，并不是消费者需求的真实反映。一般情况下，销量达到订单数量一半之前（即售罄率达到50%），我们认为该商品的尺码还是齐全的，这个期间的销量为真实销量。算出每个产品的平均每天的真实销量即可还原真实销售排名，作为订货参考。下文以Power BI桌面版为例讲解如何还原真实销售排名，Excel使用Power Pivot操作思路类似。

1.准备数据，并建立以下关系

2.新增列，计算每个货号从产生销售的第一天开始的累计销量及累计售罄率，用以判断哪天开始销量超过订单数量的50%

累计销量 = 
SUMX (
  FILTER (
    FILTER ( '销售汇总', '销售汇总'[货号] = EARLIER ( '销售汇总'[货号] ) ),
    '销售汇总'[销售日期] <= EARLIER ( '销售汇总'[销售日期] )
  ),
  '销售汇总'[销量]
)

累计售罄率 = DIVIDE('销售汇总'[累计销量],RELATED('订单'[订单数量]))

3.新增列，计算售罄率达到50%是哪一天

售罄率达到50%时的日期 = 
IF (
  MAXX ( FILTER ( '销售汇总', '销售汇总'[货号] = EARLIER ( '销售汇总'[货号] ) ), '销售汇总'[累计售罄率] )
    < 0.5,
  DATE(2018,7,31),
  MINX (
    FILTER (
      FILTER ( '销售汇总', '销售汇总'[货号] = EARLIER ( '销售汇总'[货号] ) ),
      '销售汇总'[累计售罄率] >= 0.5
    ),
    '销售汇总'[销售日期]
  )
)

当从未达到50%时，返回数据截止日期（2018年7月31日）

4.新增列，计算售罄达到50%用了多少天

达到50%售罄时销售天数 = DATEDIFF('销售汇总'[上市日期],'销售汇总'[售罄率达到50%时的日期],DAY)+1 

5.新增列，计算售罄达到50%销量多少

达到50%售罄时的销量 = 
SUMX (
  FILTER (
    FILTER ( '销售汇总', '销售汇总'[货号] = EARLIER ( '销售汇总'[货号] ) ),
    '销售汇总'[销售日期] <= '销售汇总'[售罄率达到50%时的日期]
  ),
  '销售汇总'[销量]
)

6.生成一个新表，对上述关键信息汇总

畅销款汇总 = 
SUMMARIZE (
  '销售汇总',
  '销售汇总'[货号],
  '销售汇总'[上市日期],
  '销售汇总'[售罄率达到50%时的日期],
  '销售汇总'[达到50%售罄时销售天数],
  '销售汇总'[达到50%售罄时的销量],
  "实际累计销量", SUM ( '销售汇总'[销量] )
)

7.按照达到50%的销量倒推理想累计销量

理想累计销量 =
ROUND (
  DIVIDE ( '畅销款汇总'[达到50%售罄时的销量], '畅销款汇总'[达到50%售罄时销售天数] )
    * (
      DATE ( 2018, 7, 31 ) - '畅销款汇总'[上市日期]
        + 1
    ),
  0
)

截取部分计算结果我们可以看到，第一个货号21天就卖到了50%，后续因断码损失了销量，货品充足的情况下季末可以销售更多。

当然该假设也有不合理之处，存在货品的生命周期问题，不可能任何上市日期的产品都会销售到季末，读者可以合理划分进行估算。

另外，该方案有个漏洞是，由于很多产品过早的销售完毕导致部分其他产品早期的销量放大。铃木敏文提到的部分问题仍然没有避免，但这仍不失为一种季末回顾相对合理的方案。日常的跟踪作业去培养货品敏感性仍然非常必要。

公众号：wujunmincn