推动自动补货/配货看似轻松，实则艰险，不成功案例比比皆是。典型场景是畅销品缺货依旧，而滞销品在门店或总部配送中心堆积如山，甚至会出现许多令门店感到莫名其妙的商品。补货/配货算法就是解开其中迷局、收获成功的金钥匙，是庙算多者胜的关键所在。

　　自动配货算法由于涉及为数众多的门店、品项，并与配送能力和配货周期联动，同时受限于门店人员的能力和时间，比自动补货更负责，在此以之为例，并采用化繁为简的思维平衡各类业务因素。

　　自动配货算法也是围绕着门店库存上下限的配置和对采配数量的准确估算而展开，包括以下的3个核心步骤：

　　（一）启动门槛设置

　　一般设定最低库存数为启动门槛，当系统检测到门店实际库存数低于最低库存数，即触发自动配货操作。

　　最低库存天数＝配货周期＋安全库存天数

　　例如，配货周期为2天，安全库存天数为1天，则最低库存天数为3天；

　　最低库存数（库存下限）＝最低库存天数×预测每天销售数；如需考虑陈列美观要求，则在此基础上再增加最小陈列量；

　　其中，预测每天销售数可参照历史数据得到：预测每天销售数＝当日之前N天销售数/N
或参照去年同期数据，则预测每天销售数＝（当日之前N天销售数＋去年当日之后N天销售数）/2N
最低库存数以及下文最高库存数的设置可均分为固定（即人工设定）、浮动（即系统按照一定周期进行自动计算）等两种方式。而实际上，即使采用固定方式，一般也由系统自动计算结果、人工进行修订后再行导入系统，而浮动方式也可进行人工修改。因此，两种方式的差异实际表现为库存上下限的刷新是由人工启动还是系统自主完成，显然地，在浮动方式下，库存上下限的刷新周期更为短暂和规则，同时也可能引发更多更大的阀值波动。

　　（二） 配货数量计算

　　在触发自动配货之后，需要根据企业设定的库存控制目标（Inventory Control Object，ICO）测算合理的配货数量，在此要权衡库存水平、配送能力、经济批次等因素。计算过程如下：

　　ICO天数＝最高库存天数＝配货周期＋安全库存天数＋配送间隔天数

　　例如，配货周期为2天，安全库存天数为1天，配送间隔天数为4天，则最低库存天数为7天；配送间隔天数实际体现出库存上下限的差异，至少应大于1个配货周期。

　　ICO商品数＝最高库存数（库存上限）＝最高库存天数×预测每天销售数；如需考虑陈列美观要求，则在此基础上再增加最小陈列量。

　　按照配货后使得门店库存增加至ICO商品数的原则，可计算建议配货数如下：

　　建议配货数＝最高库存数－实际库存数－在单量＋销售承诺

　　其中，一般情况下，在同一配货周期内不会存在多次配货，同时将预定、批发等业务视为门店非常规业务，因此可省略在单量和销售承诺的测算，上述公式可简化为：

　　建议配货数＝最高库存数－实际库存数

　　而在零售企业的大量自动配货应用中，建议配货数的计算公式实际又产生了众多变体和细分，以适应于各类不同的需求场景、计算复杂度和资源约束条件，如：

　　● 建议配货数＝最高库存数－最低库存数
　　● 建议配货数＝最高库存数
　　● 建议配货数＝最低库存数
　　● 建议配货数＝最低库存数－实际库存数
　　● 建议配货数＝（最高库存数＋最低库存数）/2－实际库存数
　　● 建议配货数＝当日之前N天销售数－实际库存数

　　需考虑两种常见情况。其一，当配送中心库存不足的情况下，按需按比例减少配货量；其二，在门店出现负库存的情况下，应将实际库存数考虑为零再参与配货数计算。

　　（三） 参数规格调优

　　在形成建议配货数后，需考虑多种因素进行结果调优，使之更符合门店销售和配送操作的需要。

　　针对换季、促销、时尚等销量变化因素，需基于品类或品项，增加销量变化系数的控制，整体目标是使得建议配货数更为符合对于未来短期内门店销量的准确预测。

　　为满足配送规格的要求，需将建议配货数进行规格取整，可考虑去尾、四舍五入、进一等方法，视该品项的库存水平、周转能力、滞销风险进行灵活设定，四舍五入最为常用。

　　自动配货建议生成之后，将进入系统的配货池，与采购分货、门店人工叫货汇总后统一形成配货单，经总部责任人员审定（如是加盟店，则需先经过门店确认）后，驱动配送中心开展拣货配送作业。