零售数据交换

零售数据交换

1)零售活动同步

在零售活动同步剧本中，买方或卖方会将零售活动的信息发送给贸易伙伴或者通过外联网在网上张贴的形式公布零售活动的情况，交换其他技术信息。一旦发生变化，公布零售活动的各方将发送最新信息和更新自己的意见。

贸易伙伴的反馈信息均为非正式的信息(离线信息)，图8-9勾勒了这种情况。

图8-9　零售活动公布剧本

由于零售活动是由零售商项目实施的，因此公布零售活动情况的一方还要收集测定项目，并通过同样的方式发表这些信息。

2)零售协作

在零售协作剧本中，买方或卖方要记录以前协商的促销活动的细节。贸易伙伴要确认这些零售活动的计划，或者提出建议予以修改。各方继续在零售活动的日期临近时通知其他变化情况。由于零售活动是由零售商项目实施的，通常是零售商收集测定项目，并发送给贸易伙伴。零售协作剧本如图8-10所示。

与零售活动剧本一样，零售协作可以在分享系统内发生，或者通过数据交换发生。

图8-10　零售协作剧本

协作促销计划的使用者有两种办法对零售活动变化进行管理:

(1)利用共享零售活动目标。

(2)将零售商对零售活动的看法与供应商的看法相比较。

这两个办法都有利有弊。共享零售活动可以确保买方和卖方预期的情况同步发生。零售活动可以更好地反映两种记录系统(买方的商品管理系统和供应商的促销管理系统)的现实情况，促销就是在这两个系统中发生、发展的。

3)流程举例

图8-11介绍了一个更为复杂的零售协作业务过程实例。在这个例子中，零售商将自己的总体零售活动计划发送给供应商，收集各方有关促销商品的建议。然后零售商选择当期计划开展的促销活动，并作产品、价格和策略上的有关调整。

零售商(以及制造商)可以在此刻分享销售预测信息，以便进行订单计划，预测双方在销售估计上的主要区别或意外变化可能带来的例外情况。

在零售活动之前，零售商向制造商下促销订单，制造商将产品运至零售商的配送中心或商店。然后零售商实施零售活动项目，报送销售情况。如果销售明显超过(或明显低于)估计值，则可能会再次触发例外情况。最后，计算零售活动的主要存货和销售测定项目，并在贸易伙伴之间交换。这个过程也可以在以后随之进行的零售活动中再次进行。

图8-11　零售协作业务过程举例

表8-4展示了贸易伙伴与电子数据交换标准之间的逻辑数据交换。EDI信息可以在零售协作业务过程的若干步骤中应用，但使用GS1 XML商业报文标准可以符合所有通信要求。

表8-4　电子数据交换标准与零售协作映射

4)交流零售活动变化情况

GS1零售业务交换信息报文规范允许零售商和制造商通过交换零售活动的变化情况协调零售活动的周期。

表8-5描述了零售活动的逻辑状态。图8-12展示了可能在状态值间发生的允许转移。不是所有类型的零售活动都采用所有状态值。例如，有些与天气有关的零售活动可能只在结束后予以注明。零售商和制造商必须将这些基于标准的状态变化映射到自己的内部零售活动周期阶段上，将通信链接到适宜的状态转换上。

表8-5　零售活动信息——状态代码

续表

图8-12　零售活动信息——零售活动状态转换

5)零售活动例外情况信息交换

零售活动例外情况和常规CPFR预测，与预测和实际例外情况之间的基本区别是:容差是零售活动内的一组贸易项目和参与方信息组合的容差，而不是单个贸易项目和参与方信息组合的容差。在零售协作关系中交换的例外情况信息必须能反映这种差异。

应能够在促销规范一级或整个零售活动中定义零售活动例外情况的标准(并应在促销规范一级或整个零售活动中触发例外情况)，以供分享策略的商品/位置组合使用。此模型假定例外情况的标准是根据零售活动的类型(基于零售活动类型和零售活动策略(选项))制定的。

由特定零售活动例外情况标准触发的例外情况信息，应识别触发该例外情况的零售活动以及计划值之间(或计划值与实际测量值之间)的偏差。

附录A　预测误差和准确性计算

A.1　引言

贸易伙伴之间的预测误差(或准确性)测量计算和交流对于评估需求计划活动非常重要。但是各种预测误差计算方法使得数值(比如“92%的销售预测准确性”)难以解释。所报同样的结果可能表示业绩很好或很差，因此要视计算方法而定。

要使大家在预测误差和准确性计算方法上取得一致意见是不可能的，因此最好的方法是提供有关数据计算方法的信息。贸易伙伴可以更好地理解所测量的业绩，并能够根据自己的数据复制计算结果。他们还可以请求贸易伙伴根据他们系统内的数据计算测定实施的项目。

A.2　备选计算方案

(1)预测误差或准确性

预测误差(按比例)可以表示为:(︳预测数值－实际数值︳/预测数值)×100%

但是，商业人士通常喜欢使用从预测准确性角度出发的结果(92%的准确性对8%的误差)。预测准确性的对应公式是:(1－(︳预测数值－实际数值︳/预测数值))×100%。

预测准确性的缺点在于，如果预测误差很高(超过100%)，则计算结果有可能为负。由于负预测准确性难以概念化，因此按照惯例，零以下预测准确性数值均报为零。

(2)预测数值与实际数值或实际数值与预测数值的偏差

有些企业喜欢测算自己的预测值与所观察到的(实际)数据之间的偏差，而有些企业喜欢测算实际零售情况与预测数值之间的偏差。这两种计算方法的使用都很广泛。在第一种情况下，预测误差公式以实际数值为分母，而在另一种情况下，则以预测数值为分母，如下所示(结果取绝对值)。

预测误差和准确性的结果经常以绝对值表示。无论预测值是否高出8%或低出8%，预测误差仍然报为8%。有些企业从公式中导出绝对值功能，因此保留误差的标志。计算预测准确性时不采用这种办法，因为这会导致预测准确性数值超过100%。只是采用实际数值与预测数值偏差和绝对值，以标量结果表示选项的预测误差公式举例。以下对这些备选计算方案进行描述。

(3)以标量或百分数表示的结果

预测误差和准确性经常以百分数表示，还可以标量表示(0.92预测准确性，或92%预测准确性)，许多系统都采用百分数测量单位换算。在这种情况下，预测误差和准确性公式忽略乘以100%。

(4)数值加权

当计算许多产品或地点的预测误差或准确性时，必须在计算下一聚合水平的误差时考虑各商品的相对权重以获得一个准确的结果。如果正在测量预测数值与实际数值之间的偏差，那么实际数值则作为权重因数使用。否则，以预测数值作为权重因数。

尽管采用加权平均值是一个非常好的方法，但在某些案例中(由于系统限制和其他因素)，这种方法没有在计算中使用，因此必须报告在所报的预测误差数值中是否使用了加权平均。如果使用了加权，则应该报告作为计算基础的数值的具体程度，因为这对结果有着重大的影响。产品、地点和时间维度中的源数据水平可以按以下所述识别:

●产品维度: SKU、商品、品牌、类别、交叉类别。

●地点维度:商店、客户配送中心/商店集团/商店形式、消费者、渠道。

●时间维度:工作日、星期、月、季度、年。

例1　POS预测准确性。

备选计算方案I:

预测准确性(FA)=1－︳预测单位－实际单位︳/实际单位附加商业规则:如果绝对值＞预测单位，那么预测准确性为0。

注(1)　用预测量加权SKU值，计算总类别

例如: A类别

注(2)　当计算配送中心级的预测准确性时，要涉及以下几个计算步骤:

●计算配送中心级的SKU的预测准确性。

●计算所有配送中心的SKU的预测准确性。

●用其预测量加权各SKU的预测准确性，以计算该类产品的预测准确性。详细情况请参见下表。

例2　A类

例3　订单预测准确性。

备选计算方案I:与POS预测准确性下的备选方案I相同。

备选计算方案II:

预测准确性(FA)= 1－︳预测单位－实际单位︳/预测单位在这里，实际单位=实际装运+短缺40%。

附加商业规则:如果绝对值＞预测单位，那么预测准确性为0。

注: 40%是以杂货业统计数字为依据的。软件供应商应向终端用户提供适于该公司的百分数。

例如:

预测单位=450

装运单位= 500

短缺单位=100

绝对误差= ABS(450－(500+ 40%×100))

绝对误差=90

预测误差= 90/450

预测误差=20%

预测准确性= 80%

A.3C　空值和零值处理

计算零售一级(利用SKU、商店POS)的预测误差和准确性时，经常会遇到零值。可以根据所采用的计算方法，除去零或形成无限误差条件。

同样，在有些情况下，在所测量的小组内有一种或更多种商品或位置没有实际数值报告。按照惯例，没有实际数值的商品/位置组合或零应该从计算中消除出去。

A.4　参数

预测误差通常是根据自实际零售活动之前若干天(或星期)以来的最新预测数值测算的。为进行误差(或准确性)测算进行预测冻结的天数或周数被称为“预测延迟”(或预测期间)。应当在计算预测误差(或准确性)时对预测延迟进行规定。

A.5　测量的基本单位

在预测误差计算中专为某商品采用的测量的基本单位会影响到计算结果。通常，预测误差的测算是根据各单位或装箱制定的，但如果预测误差是在装箱包装尺寸不同的产品之间测量或是在产品不同的各类产品之间测量的，那么单位和装箱则没有可比性。在这种情况下，测算的货币单位(即货币销售)或其他双方同意的类型(重量、体积、消费者使用)可以提供更可替代的结果。

预测误差结果应该规定测算的输入单位:单位、装箱、货币或双方同意(统计数据)，因为这可能会影响到计算中的构成商品/位置组合的相对加权。

A.6　预测数据源

在CPFR项目中，买卖双方可以进行预测估算。预测误差结果应当指示预测是由谁作出的。

A.7　其他考虑事项

(1)历时聚合

对于历时数周的促销，总零售活动预测准确性应该是周数的加权平均值。周数应该加权到预测装箱上。

(2)作为补充测定项目预测准确性的预测性能

如果在计算预测准确性时采用绝对误差，我们就看不到是否在没有参考具体数据的情况下对零售活动预测过多或预测不足。建议考虑增加一个简单的实际单位，作为预测单位的百分比，以便补充预测准确性测定。

(3)当预测为0时，预测准确性测定项目聚合

如果SKU的预测单位为0，则与SKU有关的预测准确性对于总产品预测准确性没有任何帮助。

(4)多种产品的预测准确性聚合

如计算示例中所示，各SKU的预测准确性聚合成一个更高级别的(例如类别级)预测量。但是，如果我们试图将预测准确性聚合成一个总的客户/卖方等级的话，一箱A类产品(例如香水)并不等同于一箱B类产品(例如餐巾纸)。因此基于预测装箱体积的各类产品的聚合没有意义。在这种情况下，预测销售(预测体积×价格)可能是一个比较好的方法。