很多服飾業(yè)商品管理人員喜歡等待。

產品上市后，銷量不佳，打折于心不忍，想著等等看會不會出現(xiàn)奇跡。

奇跡出現(xiàn)的概率和彩票中大獎一樣。

早期的銷量和最終產品銷售狀況有多大相關性？不妨做個線性回歸分析。

1.數(shù)據(jù)選取

選取公司某季度的新品完整銷售數(shù)據(jù)（下表為虛擬樣表），比方2019年春季產品從2018年12月到2019年6月的銷售記錄。

我們要看的是一個趨勢，因此剔除一些極值，比方累計銷量小于50或者大于1000的產品。數(shù)據(jù)處理完成后導入Excel的Power Pivot。

2.定義銷售周期

每個產品的到貨時間是不一樣的，A產品銷售開始的第一周，B產品可能還沒到貨。因此，我們需要將所有產品的銷售時間拉回同一起跑線，即每個產品第1周，第2周分別定義。

以上兩個產品，STY0003第一周是從2019年3月9日算起，STY0020是從2019年2月19日開始算起。Power Pivot中使用DAX函數(shù)新建列，如下計算不同產品的銷售周：

3.定義對比周期

將所有產品銷售周期統(tǒng)一起點后，開始定義什么是早期。此處我們假設前2周算早期。如果是很快很快的快時尚，你可以定義為1周。

最終的總周期我們定義為8周，2周的銷量和8周的銷量對比，以檢測相關性如何。此處進行的是一元線性回歸分析，選擇8周而不是服裝界通常使用的12周（3個月）是基于盡量避免季末折扣、斷貨帶來的影響。

度量值如下設置：

4.回歸分析

感謝蓋茨先生，我們不需要掌握很多統(tǒng)計學知識，點鼠標即可在Excel中進行回歸分析。

在文件-選項-加載項-Excel加載項調出分析工具庫，然后在“數(shù)據(jù)”選項卡下，點擊“數(shù)據(jù)分析”，并選擇“回歸”。

X和Y值分別選擇前2周銷量和前8周銷量。

以下是得到的部分分析結果：

5.結果解讀

以上五個結果比較重要的是兩個：

• Multiple R是相關系數(shù)，在-1到1中間浮動，該虛擬數(shù)據(jù)前2周的銷量和前8周的銷量相關系數(shù)高達0.95，高度相關。

• Adjusted R Square是調整過的R平方，此例中的含義是前8周的銷量狀況有90%可以由前2周的銷量來解釋（即只有10%是隨機變動，無法用該模型解釋）。

因此，本例中只需要2周就可判斷一款產品后續(xù)走勢。商品訂量與實際銷售產生誤差是正常現(xiàn)象，如果早知道趨勢早做出處理（暢銷品的補貨與滯銷品的調整）將會有更大的庫存結構調整余地，創(chuàng)造更大利潤。

等待是貽誤戰(zhàn)機的錯誤選擇。

參考書目：劉寶紅《需求預測和庫存計劃》