最受启发：1.预测影响因子：过去总因为没有规范相关工作导致预测系数不准确 2.库存预测： 第一步：先算出我们的ABC XYZ->识别我们的产品结构健康度（一爆多强少长尾） 第二步：算出我们的周销、导出全链路库存，算出DOS，对每个SKU打“库存周期标签“-> 识别我们的库存结构健康度->呆滞库存+有库存未动销，占比不建议超过12.5%（饼状图） 第三步：算出我们的呆滞库存处理风险->柱状图->呆滞红色->尽量不要出现在CZ类 第四步：横向部门共识，我们的最大库存目标周数（国内：6周；跨境：20周）；然后识别出我们DOS偏差较大的这些SKU，且看那些库存金额高的SKU是啥情况->库存偏差分析（按DOS维度） 第五步：上述是用库存天数识别的风险；现在我们用科学的安全库存公式来推演我们的库存偏差 第六步：把库存偏差金额由高到低做排序，然后基于多备了的TOP20的SKU，输出降库行动计划 针对待补货的（少备了的TOP20的SKU）输出补货行动计划 第七步：库存预测（模拟） 课后落地：1.预测影响因子：过去总因为没有规范相关工作导致预测系数不准确 2.库存预测： 第一步：先算出我们的ABC XYZ->识别我们的产品结构健康度（一爆多强少长尾） 第二步：算出我们的周销、导出全链路库存，算出DOS，对每个SKU打“库存周期标签“-> 识别我们的库存结构健康度->呆滞库存+有库存未动销，占比不建议超过12.5%（饼状图） 第三步：算出我们的呆滞库存处理风险->柱状图->呆滞红色->尽量不要出现在CZ类 第四步：横向部门共识，我们的最大库存目标周数（国内：6周；跨境：20周）；然后识别出我们DOS偏差较大的这些SKU，且看那些库存金额高的SKU是啥情况->库存偏差分析（按DOS维度） 第五步：上述是用库存天数识别的风险；现在我们用科学的安全库存公式来推演我们的库存偏差 第六步：把库存偏差金额由高到低做排序，然后基于多备了的TOP20的SKU，输出降库行动计划 针对待补货的（少备了的TOP20的SKU）输出补货行动计划 第七步：库存预测（模拟）

最受启发：课程亮点：用“系统化思维”破解复杂问题** 高上老师的课程没有停留在传统的“公式计算”或“经验之谈”层面，而是从**供应链全链条逻辑**出发，将需求预测与库存管控置于企业整体运营的框架中分析。例如，他通过“需求的不确定性如何传导至库存风险”“如何用动态视角看待安全库存”等案例，让我深刻理解：**库存问题本质是供应链协同能力的体现**，单纯追求“降库存”可能适得其反，而应通过提升预测精度、优化响应机制实现系统性改善。 #### **颠覆认知：从“经验驱动”到“数据驱动”** 过去，我们习惯用历史销量简单加权预测需求，结果常被市场波动“打脸”。高上老师提出的“多维度数据融合分析”方法论让我醍醐灌顶： - **需求分类管理**：区分“规律性需求”与“偶发性需求”，避免一刀切策略； - **外部变量关联**：将市场活动、行业趋势、竞品动态等纳入预测模型； - **滚动预测与动态纠偏**：建立快速反馈机制，用“小步快跑”替代“年度计划”。 这种结构化思维让我意识到，预测不是“算数游戏”，而是需要结合业务场景的动态决策过程。 #### **实战工具：让方法论“落地有声”** 课程中令我印象最深的是高上老师提供的**实用工具包**，例如： - **库存健康度诊断模型**：通过ABC-XYZ矩阵分析库存结构，识别滞销与短缺风险； - **安全库存的动态计算公式**：考虑供应周期波动、需求偏差等因素，避免静态参数导致的资源浪费； - **跨部门协作沟通框架**：用“数据语言”打破销售、生产、采购间的壁垒，推动共识。 课后落地：对数据进行清洗，然后快速利用各种模型分析

最受启发：一，对计划的认知 关于计划，需要做做全链条交付流程OTD。 老师强调，计划职能的人不光要具备各种技能，还要具备非常主动的特质，主动去获得各种必要的信息。 二，对预测准确性的认知 有一句话很受启发，叫做需求预测永远不准，但是背后必有规律，意思就是说做供应链计划的时候要主动出击去找到背后的规律，而不仅仅是把需求预测的准确性去指望销售运营部门。 预测不准不是预测本身的问题，是没有过程管理，跟踪，数据沉淀，各部门间信息没有拉通，决策信息不够透明。 三，对降本的认识 降本未必增效，增效必然降本。 不能为了降本而降本，要有总成本的概念。 四，核心绩效指标 考核供应链的最核心衡量，一是交付，二是成本。 对应绩效考核指标分别是，交付及时率+交付天数，存货周转率。 课后落地：1.加快建立研产销一体化地图，以及库龄分析表、异常费用分析表等。 2.库存的持有成本，每年占到货值的30%到50%。与其处理呆，不如预防滞，在这个同时，可以马上梳理那些大龄产品，研究是不是可以赶紧把它卖掉或者报废处理，以计提的方式持续推进解决。 3.清理这些历史问题之后，可以大幅减少库存余额。下一步可以就剩余库存以及新入的库存去推出相关的绩效考核措施。 整体感受：老师的课程内容非常结构化，呈现也非常清晰，用表格做黑板，一边讲一边写，很友好，很照顾学员的信息接收。知识密度大，全程高能精彩。值得继续持续学习。

最受启发：答：产销协同S&OP制定-销售&运营计划。未来企业竞争是供应链与供应链的竞争，供应链团队如何获取公司管理层，销售、运营、市场及财务的支持尤为重要。供应链团队充分理解前端的需求，各部门间达成共识，形成合力，才能实现公司整体的战略目标。 课后落地：答：输出一份供应链各部门的协同流程，让供应链各部门（研发、生产、质量、采购、仓储、物流和客服）高效协同，拆除部门强，相互监督和支持，通过协同机制和流程管控，更好的服务前端运营。达成三共：共享-信息，共识-流程，共创-方案、 整体感受：答：通过这次课程学习，使自己更加坚信选择供应链管理这个行业，未来大有可为。在日常工作中，要坚定不移地使用科学的管理方法，量化工作，减少噪音-人为因素干预，使用流程和机制、数据分析报表对团队进行管理和结果输出。未来也希望自己能成为高老师一样的培训导师，赋能供应链行业。

最受启发：一报 库存结构健康报表，建议每个月月初做一次，并与上个月的版本做偏差分析 二砍 算出我们最大库存，并与现有库存做偏差分析 现有库存 > 最大库存，说明多备了，要砍呆滞风险 现有库存 < 最大库存，说明少备了，要砍缺货风险 三个率 库存周转率；动销率；呆滞比率（8.5%；12.5%） 四类 切忌一刀切，要学会分类管理，设定不同管理策略 课后落地：一报 库存结构健康报表，建议每个月月初做一次，并与上个月的版本做偏差分析 二砍 算出我们最大库存，并与现有库存做偏差分析 现有库存 > 最大库存，说明多备了，要砍呆滞风险 现有库存 < 最大库存，说明少备了，要砍缺货风险 三个率 库存周转率；动销率；呆滞比率（8.5%；12.5%） 四类 切忌一刀切，要学会分类管理，设定不同管理策略

最受启发：我收获最大的是销售预测与库存管理的系统化思路。特别是“计划预测 + 销售预测”的双轮驱动，以及通过销售活动登记表来提升预测准确度。这让我认识到预测不只是数据计算，而是一个跨部门协同的管理机制。 课后落地：我希望马上推动 销售活动登记表的建立和执行，让销售端的活动信息能够前置输入，形成预测依据。这样能帮助我们在新品导入期减少缺货风险，同时提升整体库存周转效率。 整体感受：课程内容非常实战，案例丰富，既有理论模型（如卡拉杰克矩阵、库存积压分级管理），也有具体落地方法（销售预测登记表、积压归因清单）。让我对“如何把预测和库存管理落到日常工作”有了清晰的路径。整体收获很大，也为我们公司接下来的供应链数字化改造提供了明确方向。

最受启发：预测永远不可能准确的，需求一定是有规律的 课后落地：先拉通团队认知，然后建立需求预测管理sop，一报 库存健康报表 （大饼＋油条）；建议每个月月初做一次，＃与上个月的版本做偏差分析 二砍 算出最大库存，井与现有库存做偏差分析 现有库存>最大库存，说明多备了，要砍呆滞风险 现有库存<安全库存，说明少备了，要砍缺料风险 三个率科学的监控绩效->库存周转率；呆滞比率；动销率四类 不要一刀切，要库存做分类->对应的补货策路；备货库存； 五补 定期 定量 按需 最大-最小 报童理论 才安全1.公司全员都关注；2.定期（月度）关注；3.科学

最受启发：1.研产销一体化地图（信息共享看报） 总经办主导 2.偏差分析（永远核心解决主要问题） 3.各种模型工具的运用：波士顿模型，卡拉杰克矩阵，二维分析法，库存分析等 4.全面流程化管理：一报二砍三率四类五补才安全 5.产销协同-异常数据沉淀（各部门各环节）识别-共识-行动 6.战略（目标SP/BP）-计划（路径OGSM/OKR）-预算（资源）-绩效 课后落地：研产销一体地图 预测系统BI化 商品中心品类完善 整体感受：供应链没有捷径，拼的是耐心和基本功。

最受启发：思考交付周期 1.周期越短，是可以降低对预测的依赖度的。工具：交期构成分析 2.还有哪些方法可以降低对预测的依赖度？原辅料的通用标准设计，减少非标定制辅料，因为减少了非标，都是通用标准辅料，就可以提前备货。 3.与供应商、客户搞好关系。识别出哪些是核心客户，核心供方。工具：客户识别，RFM 课后落地：建立商品中心。 整体感受：受益匪浅

最受启发：1.二维分析ABCⅩYZ套表形成一表控 2.需求预测流程与科学需求预测方法 3.库存管理方法:一报二看三个率体系 课后落地：1.供应商清单分级分类（绩效考核） 2.2025年绩效内容情况调查 3.供应商交付能力摸底 4.年度供应商策略制定 5.按计划评查及纠偏 整体感受：《需求预测与库存管控》课程聚焦市场需求动态分析，结合数据预测模型与库存优化策略，帮助企业实现精准备货、降低滞销风险，提升供应链管理效能。

最受启发：最受启发的是销售预测基础数据来源应该来自spu级别的预测，倒推目前公司现有的商品台账管理发现此部分有缺少 课后落地：销售预测模型搭建 整体感受：因目前公司本身组织架构和流程性内容基本与高维学堂一致（高维辅导），因此在课程中学习到的内容会更加容易接受，可以快速反应到对应的结果，也发现在实际我司落地的时候没有完全执行完相关内容，需要继续不断结合课堂内容去完善

最受启发：制造业也要做供应商管理（卡拉杰克矩阵）和商品中心的搭建。 只有做好底子的搭建，才能进行数据分析、需求预测以及库存管理等后续的模型搭建以及管理动作。 课后落地：重新梳理一遍所有的数据处理过程，组织各部门转训并通过转训探索各部门下半年最重要的三件待办事项并规划资源落实，每月统计数据分析落实效果。 整体感受：内容相当干货，有后劲，值得趁热打铁再消化一次。

最受启发：需求预测没有标准，但是有规律。在日常工作中，关于需求预测可以从长中短期的目标确立以及拆分来执行，落实研产销供一体化的行动。 课后落地：交付团队的职能明确以及流程优化，从现在的团队中明确人才梯队，发挥被隐藏的潜能。 整体感受：课程比较充实，但也能感受到比较紧张，要紧跟信息点串联。整体还是觉得比较清晰，理论与实操相结合，能够促使我们容易入手落地项目。

最受启发：最后启发的一个知识点，就是学习了使用二维分析法对产品进行细分管理，这样能区分出产品的不同类型，从而使用不同的需求预测、不同的补货方式等不同的策略来处理 课后落地：按照老师教授的七步法，对公司的历史数据、产品基础数据、各项信息等，进行清理、整理、分析、一点点的找出问题，然后进行策略的制定和最终的解决方案，最后形成标准

最受启发：产销协同的方法，数据及数据分析的重要性 课后落地：1、预测自下而上的提报和自上而下的评审，提高及时交付率；2、库存管理，提供库存周转和减少呆滞 整体感受：高老师课程内容丰满，理论联系实际，深刻的认识到本公司的不足，也了解优秀企业的精细化管理模式。供应链管理和决策基于数据，供应链管理的重点是主动，这两句话对我触动很大