就整體方法論而言，本書依舊遵循 “從數據開始，由判斷結束”的基本準則，在基本數據，比如需求歷史的基礎上，制定基準預測；根據銷售、市場等業務部門的職業判斷，比如促銷計劃、新品上市計劃，來調整基準預測，制定*終的預測。本書更加聚焦“從數據開始”，通過一系列案例，更詳細地介紹預測模型，包括預測方法的擇優，庫存計劃的優化，新品導入的計劃等。特別要說明的是，本書不是一本預測方法論的書。本書會探討常用的預測方法，力圖以淺顯易懂的方式，把這些方法介紹給大家，讓更多的人能夠熟練應用。本書的目標是尋找更優，而不是*優的解決方案。
序言一 從計劃的“七分管理”到“三分技術”
序言二 從藥典到藥方：我對案例的一些想法
序言三 這是我的第5本書，跟其他書有什么聯系
作者簡介
導讀
計劃是供應鏈的引擎
第一章
需求預測：三種基本的預測方法
時間序列的預測：移動平均法 / 8
小貼士 預測的靈敏度和準確度 / 12
小貼士 預測準確度的統計 / 13
小貼士 要不要考核預測準確度 / 18
時間序列的預測：指數平滑法 / 20
指數平滑法的邏輯 / 23
指數平滑法的初始化 / 25
平滑系數的擇優 / 27
簡單指數平滑法的優劣 / 32
趨勢的預測：霍爾特指數平滑法 / 34
案例 一個快時尚產品的需求預測 / 41
小貼士 有時候，不預測就是最好的預測 / 46
季節性+趨勢的預測 / 47
基于相關性的預測：線性回歸 / 57
小貼士 解讀線性回歸的參數 / 60
小貼士 樣本選擇的幾點考量 / 65
小貼士 極端值的處理 / 66
小貼士 殘差圖的分析 / 70
小貼士 樣本太少怎么辦 / 73
小貼士 警惕線性回歸給你的東西 / 74
選擇預測模型的一些考量 / 78
小貼士 尋找更優，而不是最優的解決方案 / 81
小貼士 預測模型的優化要提防過度擬合 / 83
案例 中心倉的預測方法擇優 / 86
需求預測的集中化 / 90
小貼士 為什么在顆粒度小的地方做預測 / 93
預測方法的優化 / 95
計劃的改進得兼顧供應鏈的執行能力 / 103
小貼士 電商如何選擇ERP / 106
魔鬼藏在細節中：需求歷史數據的清洗 / 110
本章小結 最基本的方法也是最重要的 / 118
第二章
庫存計劃和庫存的優化
量化不確定性，設定安全庫存 / 123
第一步：量化需求的不確定性 / 124
第二步：量化有貨率的要求 / 128
小貼士 有貨率怎么定 / 129
第三步：計算安全庫存 / 130
小貼士 按日、按周還是按月匯總需求歷史 / 134
會設安全庫存，計算再訂貨點就很容易 / 139
補貨機制：定量vs不定量 / 143
補貨機制：定期vs隨時 / 145
案例 隨時補貨機制下再訂貨點的計算 / 149
案例 定期補貨機制下再訂貨點的計算 / 150
小貼士 不是現貨供應，再訂貨點如何計算 / 152
案例 輪輻式的全球庫存網絡計劃 / 153
小貼士 設再訂貨點，還是安全庫存+預測 / 158
案例 某工業品企業的計劃組織 / 163
小貼士 計劃職能的績效如何考核 / 172
VMI的庫存水位如何設置 / 175
計算最低、最高庫存水位 / 176
量化VMI的庫存風險 / 178
VMI的績效管理 / 179
案例 離開信息化，就很難具備做VMI的條件 / 182
“長尾”產品：庫存計劃的終極挑戰 / 184
“長尾”需求用泊松分布模擬更準確 / 189
用簡單法則來指導“長尾”需求的計劃 / 195
案例 跨境電商的店鋪庫存優化 / 203
本章小結 庫存計劃是個技術活 / 220
第三章
新品導入與滾動計劃機制的建立
案例 新品的初始預測：群策群力，專家判斷法 / 224
德爾菲專家判斷法 / 226
小貼士 瓶子里有多少顆巧克力豆 / 227
新品預測試點項目準備 / 230
專家判斷的結果分析 / 236
反饋改進，從失敗中學習 / 240
專家判斷法失敗的三個原因 / 241
小貼士 預測判斷力是可以培養的 / 243
專家判斷法用于什么產品 / 244
專家判斷有沒有約束力 / 245
專家判斷法由誰來維護 / 246
季節性強，一錘子買賣如何預測 / 247
案例 新品的預售期：盡快糾偏，調整預測 / 250
哪個預測模型更好 / 255
系統性偏差的檢驗 / 258
重新定義樣本，重新建模 / 259
預售期需求的滾動預測 / 263
案例 新品的滾動計劃要從開發期開始 / 268
小貼士 新品計劃本身要有計劃性 / 274
小貼士 大型設備的項目預投機制 / 276
新品計劃由誰做 / 279
本章小結 盡量做準，盡快糾偏 / 280
后記 / 283
新書資訊