服装行业库存的去季节化对策

徐为明，张广存，余红剑

（1.上海商学院，上海 200235；2.杭州师范大学，浙江 杭州 311121）

1 引言

服装作为季节性商品，其销售的关键在于库存的优化管理。相比促销的使用，更行之有效的应该是季节性商品库存的事前控制，如精确预测服装商品的需求以安排产量。一个需求驱动的供应链的统计预测的主要目标是决定目标产品的可能数量，以便能在目标客服水平的范围内满足消费者。为满足需求，服装企业可以通过加强产能，在提前期内补货和持有大量的库存，即安全库存来实现。当服装企业面临市场不断增长，资本压力越来越大的内外部环境时，库存决策尤为重要。

2 服装商品的特性

（1）服装商品需求季节性特别明显。服装商品季节性起因于消费者随季节变换服装。对于大部分地区而言，季节的明显差异，致使服装产品需求按照季节的变换而变换。所以一年之中服装要素要随气温的波动而变化多次。

（2）服装商品季初和季末的供求关系有着显著差别。通常销售旺季初期出现的是供不应求现象，旺季末期则很少有人问津。

（3）服装商品价格波动较大。服装基本特征是，刚上市或上市不久的商品的市场价格最高，此后价格有所下降，销售末尾阶段市场价格大幅度下跌，有些商家宣传是亏本销售。

（4）服装商品过季后要进行库存清理。一般情况是，销售季节一过，一部分未销售出去的商品必须作降价处理，另还有一部分服饰会作报废处理。如果库存控制不合理，导致大量服装积压，会产生庞大的清理费用，严重的将导致服装企业亏损[1]。

3 服装商品库存管理目标

服装商品库存管理意义重大，其目标的实现关系到市场营销目标、财务目标等的实现。其目标为满足客户的需求，准时交货，提高资金的周转率，保证企业的现金流，最后实现库存管理的最终目标：促进利润最大化。如图1所示[2]。

4 服装商品的属性

由表1可以看出，服装行业内部结构复杂。为简单起见，本文仅把服装分为定制礼服和非定制礼服。定制礼服属于订单牵引式商品，其供应链中，无论是产品原材料、中间品，或是产成品和整个生产所需的MRO辅料等，都是由订单牵引。非定制礼服则库存推动明显。整个供应链都具有大量的备货，因此异常难以管理。近年运动服装行业陷入困境也是源于此。这也使得服装库存研究异常紧迫[3]。

图1 库存管理的目标体系

表1 商品库存分类示例

5 服装安全库存去季节性计算方法

服装市场最糟糕的时段是2012 年。自耐克、阿迪达斯在2009年饱受高库存之痛以后，国内服装行业重蹈覆辙，深受高库存之累。虽然各大服装企业随后采取各种措施减少库存，但伴随市场的饱和、终端消费的严重下滑，这一过程并不顺利。服装行业存在的一个很大问题就是库存积压严重，销售增长乏力，大量的存货无法销售出去，各类线下实体店承受着巨大的压力。在国内服装企业普遍受高库存拖累的现状下其中又以运动品牌服装表现得最为明显。年报显示：2013年，国内六大运动品牌李宁、安踏、匹克、361 度、中国动向和特步的存货分别为9.42 亿元、6.89 亿元、3.66 亿元、4.09 亿元、1.83亿元和5.37 亿元，存货总量超过31 亿元。从营收来看，2013财年，李宁实现收入58.24 亿元，与上年同期相比下跌12.8%；安踏在报告期内，公司营业收入为72.81亿元，净利润为13.15亿元，毛利率为41.7%；匹克2013 年财报则显示其营业额、毛利率、净利润等多项数据均出现不同程度下降，净利润由2012年的3.11亿元减少21.3%至2013年的2.44亿元。

5.1 服装高库存的原因分析

运动品牌快速扩张，订货机制长期没有理顺，订货量与市场需求脱节，是导致库存过多的主要原因。近几年，国内运动品牌企业在没有准确把握市场需求的基础上，进行店面扩张，占领市场份额，导致库存量大，效益下滑。在早期的发展中，我国大部分服装企业多以粗放式扩张抢占市场份额，动辄几千家的门店，运动品牌服装更是如此。但现在，这些门店成为企业的负担，此前被粗放式高增长所掩盖的问题集中爆发。为了扭转局面，李宁、安踏、匹克等企业纷纷关闭业绩差或亏损的店面，减少产品种类。年报显示，截至2013年12月31日，李宁常规店、旗舰店、工厂店及折扣店的店铺数量为5 915家，较2012 年12 月31 日净减少519 家；匹克的零售店数量减少471家至6 012家；361度的产品由1 400种减至1 000种，成人服装零售店由2012年的8 082家减至7 299家。同时，一些服装企业在鼓励零售商关闭表现不佳的零售店、提高同店销售额时，向这些零售商提供上架津贴，用于改善产品陈列及购物环境。此外，有些企业还选择通过代理其他品牌和进军童装市场等措施，来优化品牌结构，弥补运动产品的亏损。

5.2 服装安全库存去季节性计算方法

5.2.1 标准APICS 算法。安全库存标准算法—APICS 算法使用历史近期目标顾客服务水平、累积预测误差决定最小的安全库存。当需求稳定时，使用该方法计算安全库存较为有效。但该公式不适合波动性大的需求，比如季节性波动。标准APICS算法可以表示为：

其中：ss：安全库存；Z：是和（平均）客服水平相关的一个值，（平均）客服水平是指能保证的顾客需求的百分比，（平均）客服水平和（平均）缺货率的关系是：（平均）客服水平=1-（平均）缺货率；Z 值和平均客服水平的关系可由正态分布函数得到，例如，如果你要达到99%的客服水平（即以99%的可能性满足顾客），相应的由正态分布函数算出Z 值为2.33，同样，98%、95%和90%的客服水平分别对应2.05，1.65 和1.28[4]；LT：提前期；σ2：标准差平方。

标准差σ的计算公式为：

其中N是观察值数量。

以表2的值为例，容易算出其标准差为：

对于一个典型的年度计划，在月初持有的库存数应该为预测的数量加上安全库存，即351+34=385。此时，可以实现99%的客服水平的目标。

若使用安全库存标准算法计算季节性商品安全库存，则容易出现较大的偏差。服装行业里实际的销售额呈现出高度季节性。使用安全库存标准算法的结果见表3。

设提前期为1，则可以算出此时的安全库存：ss=2.33×=8 847，即每月应该持有8 847 个产品作为安全库存。本案例中，以四月份为例，若在月初持有8 847个产品，将产生多达2 510(22 204-(10 847+8 847))的短缺。而在所有淡季月份，都无一例外过多持有库存。

5.2.2 改良APICS 算法。在给定的一年里，季节性波动会涉及到不止一个月。针对一年里的某个特定月，收集、研究若干年该月份的数据可以帮助我们解决上述标准算法不能解决的季节性需求产品的安全库存问题。

表2 非季节性商品安全库存标准算法示例

表3 季节性商品安全库存标准算法示例

首先收集若干年的数据，然后针对相同的月份加以分别分析。以四月份为例，数据见表4。

该商品在连续四年的第四月份的标准差为：

接下来计算安全库存。仍然假设提前期为1，客服水平为99%。

表4 4月份实际销售和预测销售比较

5.2.3 两种结果的比较。比较标准APICS 算法和改良APICS算法，四月份分别得到ss为8 847和154 976。结果表明，当四月份持有8 847个产品作为安全库存时，会有2 510的短缺，结果没有实现99%的客服水平。而持有15 497 的安全库存，即使用改良APICS 算法得到的安全库存，能以多出实际需求4 140（15 497+10 847-22 204）个产品实现99%的客服水平。而且平均库存大幅下降。

6 结论

根据比较表明，APICS算法存在以下缺陷：

（1）无法实现既定客服水平目标。按照该公式的要求，需要提前假设目标客服水平。但在这种假设下算出的安全库存，却根本无法实现期望的客服水平。这种矛盾是致命的。

（2）库存过大。用该种方法算出的安全库存会达到实际需求的数十倍。

而改良APICS 算法能准确提升旺季的库存，降低淡季的库存，从而能在降低总库存成本的同时，有效改善供需匹配情形。同时，该方法也适用于非季节性商品。

[1]Teng J T,Chang C T.Economic Production Quantity Models for Deteriorating Items with Price and stock- dependent Demand[J].Computer Operations Research,2005,32:297-308.

[2]Zhou Y W,Yang S L.A Two warehouse Inventory Model for Items with Stock- level- dependent Demand Rate[J].International Journal of Production Economics,2005,95:215-228.

[3]陈兵兵.快速消费品行业的供应链管理[J].物流技术与应用,2005,10(1):55-60.

[4]周永务,王圣东.库存控制理论与方法[M].北京:科学出版社,2009.