---
name: store-replenishment-forecast
description: 面向生鲜/食品短保门店的采购（补货）预测助手。基于用户上传的 Excel（历史销量、当前库存、商品主数据），预测未来覆盖周期的需求，算出每个商品（SKU）的「建议采购量」，并强约束保质期/货架期以控制过期损耗，最终输出「采购建议清单 + 预测解释 + 风险提醒」。当收到门店采购预测、补货预测、要货建议、订货量计算、replenishment/purchase forecast、防缺货防积压、生鲜订货等请求，或拿到含日期+销量+库存+保质期的门店 Excel 数据需要算该订多少货时，使用本技能。
category: Data & Retrieval
---

# 门店采购预测助手（Store Replenishment Forecast）· 生鲜短保版

## Overview

本技能为**生鲜/食品短保门店**做采购（补货）预测：读用户上传的 Excel 数据 →
预测未来覆盖周期内每个 SKU 的需求 → 算出**建议采购量** → 强约束保质期避免积压过期 →
输出「采购建议清单 + 预测解释 + 风险提醒」。

数据**直接来自用户上传的 Excel 文件**（销量表、库存表、商品主数据表，可能在同一文件不同 sheet）。
你读取这些表格，按本技能给出的**方法与公式**逐个 SKU 计算，给出可执行的建议采购量。

生鲜底线：**宁可小单勤补，不可一次压货过期**。任何让库存覆盖天数超过保质期的采购都要被卡住。

定位说明：你是**初算辅助**，给建议不拍板；建议量供采购员/店长人工复核后下单。

## When to use

满足任一即用本技能：

- 中文：门店采购预测、补货预测、要货建议、订货量/进货量计算、该订多少货、防缺货防积压、
  生鲜订货、安全库存/再订货点测算。
- 英文：replenishment forecast, purchase/demand forecast, reorder quantity, safety stock,
  order-up-to level, store ordering suggestion。
- 拿到门店 Excel（含**日期 + 销量**的历史，以及**当前库存**，最好再有**保质期/箱规/提前期**），
  要求算「下一批该采购多少」。

## 需要从 Excel 里读到的数据（最少 → 理想）

| 数据 | 最少需要 | 用途 | 缺失时 |
|---|---|---|---|
| 历史销量 | 日期 + SKU + 销量 | 估日均需求、波动、趋势、星期效应 | **硬缺**，没有就无法预测，须向用户索取 |
| 当前库存 | SKU + 现有库存（+ 在途） | 算净需求（要补多少） | 缺则假设为 0 并在解释里声明 |
| 商品主数据 | 保质期、箱规、起订量、提前期 | 短保约束、取整、提前期 | 用下文默认值兜底，并在解释里声明 |
| 促销/节假日 | 即将到来的促销倍数 | 需求上调 | 不传则按 1.0（无促销） |

> 生鲜场景里**保质期/货架期至关重要**，尽量从商品主数据读到；读不到就保守假设一个短值
> （如 3–5 天）并明确告知用户这是假设。

读 Excel 时注意：列名可能是中文/英文/带单位，先核对每张表的表头与样例行，确认哪列是日期、
哪列是 SKU、哪列是销量/库存/保质期，再开始计算；不要凭列的位置硬猜。

## 默认参数（商品主数据缺失时兜底）

| 参数 | 默认值 | 含义 |
|---|---|---|
| 服务水平 service_level | 0.95 | 目标不缺货概率；越高安全库存越大。短保品别盲目调高，会积压过期 |
| 提前期 lead_time | 2 天 | 下单到到货天数 |
| 采购周期 review_period | 3 天 | 两次订货的间隔；**覆盖期 = 提前期 + 采购周期** |
| 均值窗口 | 最近 28 天 | 用最近多少天算日均（数据不足则用全部可用天数） |
| 新鲜系数 freshness_ratio | 0.7 | 短保关键：订货后总库存覆盖天数不超过「保质期 × 此系数」 |

服务水平 → 安全系数 Z（用于安全库存）：

| 服务水平 | 0.90 | 0.95 | 0.975 | 0.99 |
|---|---|---|---|---|
| Z | 1.28 | 1.65 | 1.96 | 2.33 |

## 预测方法（逐个 SKU，按序计算）

> 数据准备：把该 SKU 最近 28 天（不足则全部）的**逐日销量**取出，按日期排好。
> 缺的日期若代表「当天有售但无销量」按 0 计；若代表「未开业/缺货停售」则尽量剔除，避免压低均值。

**第 1 步 · 基线日均需求 `base_daily`** — 用**加权移动平均**，越近的天权重越大。
简化做法：把窗口内第 1 天到第 n 天赋权重 1..n，
`base_daily = Σ(当天销量 × 当天权重) / Σ权重`。
（数据很少时直接用普通平均即可。）

**第 2 步 · 需求波动 `σ`** — 算窗口内日销量的标准差。
变异系数 `CV = σ / 平均日销量`，用于判断需求稳不稳定。

**第 3 步 · 趋势修正 `trend`**（可选，样本≥8天时用）— 比较「近半段平均」与「远半段平均」：
`trend = 近半段均值 / 远半段均值`，**限制在 0.7 ~ 1.3 之间**，避免被异常值放大。

**第 4 步 · 星期效应**（可选，有日期时用）— 若周末/特定星期明显更高，
算各星期几的「该星期平均 / 总体平均」作为系数，预测覆盖期时按落在的星期加权。
拿不准就跳过这一步。

**第 5 步 · 覆盖期需求** — `覆盖期 = 提前期 + 采购周期`；
`覆盖期需求 = base_daily × 覆盖期 × trend × 促销倍数`（用了星期效应则按逐日加权求和）。

**第 6 步 · 安全库存** — `safety_stock = Z(服务水平) × σ × √(提前期 + 采购周期)`。

**第 7 步 · 目标库存（订货上限）** — `order_up_to = 覆盖期需求 + safety_stock`。

**第 8 步 · 建议采购（原始）** — `= order_up_to − 现有库存 − 在途`；**负数归零**。

**第 9 步 · 短保上限（生鲜硬约束）** — 若有保质期：
`短保上限 = 保质期 × base_daily × 新鲜系数 − 现有库存 − 在途`（负数归零）。
把建议采购量**压到不超过短保上限**；若被压低，记为「受保质期限制」。

**第 10 步 · 取整与起订量** — 按**箱规向上取整**（如箱规 6，则 45→48），
再不低于起订量 MOQ（建议量为 0 时保持 0）。得到最终**建议采购量**。

**第 11 步 · 诊断指标**（用于解释与风险）：
- 再订货点 `ROP = base_daily × 提前期 + safety_stock`。
- 当前可售天数 `= (现有库存 + 在途) / base_daily`。
- 订货后可售天数 `= (现有库存 + 在途 + 建议采购) / base_daily`。

## 风险标记（据诊断指标判定）

| 标记 | 判定条件 | 在「风险提醒」里怎么说 |
|---|---|---|
| 无销量 | 窗口内无销量/无数据 | 无法预测，建议人工确认是否新品/停售 |
| 数据不足 | 有效历史 < 7 天 | 样本太少，预测置信度低，建议积累更多数据 |
| 波动大 | CV > 0.5 | 需求大起大落（受促销/天气影响），建议小单勤补 |
| 缺货风险 | 现有库存 + 在途 < ROP | 🔴 应尽快补货 |
| 过期风险 | 订货后可售天数 > 保质期 | 🟠 应减量或暂缓 |
| 积压风险 | （非短保品）订货后可售天数 > 2 × 覆盖期 | 🟠 建议减量 |

## 输出格式（Output Format）

输出**采购建议清单 + 预测解释 + 风险提醒**三段式中文报告：

```
## 采购建议清单（截至 {预测起算日}，覆盖未来 {覆盖期} 天）

| SKU | 商品 | 建议采购 | 当前库存 | 可售天数 | 日均需求 | 备注 |
|-----|------|---------:|---------:|--------:|--------:|------|
| M001 | 鲜牛奶950ml | 48 | 8 | 0.5天 | 16.8 | 缺货，按箱(6)补 |
| B002 | 吐司面包 | 0 | 30 | 4.6天 | 6.5 | 已超保质期可售量，暂缓 |
...

## 预测解释
- 用了哪些数据（最近 N 天销量、库存、保质期等）、用了什么口径（加权日均/安全库存/服务水平）。
- 关键 SKU 的算法依据：日均 × 覆盖期 + 安全库存 − 现有库存，再按箱规取整、按保质期封顶。
- 做了哪些假设（缺失字段用了什么默认值、保质期是否为假设值）。

## 风险提醒
- 🔴 缺货：列出缺货风险的 SKU，建议尽快补。
- 🟠 过期/积压：列出过期/积压风险的 SKU，建议减量或暂缓。
- 🟡 数据：列出数据不足/波动大/无销量的 SKU，提示置信度。
```

要求：
- 建议采购量按上述方法算出后**直接给出，前后一致、可复现**，不要在报告里临时改数。
- 解释要落到具体口径（日均、安全库存、覆盖期、保质期封顶），不要泛泛而谈。
- 短保品如出现过期风险，必须显著提醒，并解释为什么不建议多订。
- 缺失数据/用了默认值，必须在「预测解释」里如实声明假设。

## Workflow（按序执行一次）

1. **读数据**：打开用户上传的 Excel，核对销量表/库存表/商品主数据表的表头与样例行，
   确认日期、SKU、销量、库存、保质期、箱规、提前期等列。
2. **逐 SKU 计算**：按「预测方法」第 1–11 步，算出每个 SKU 的建议采购量与诊断指标。
3. **判风险**：按「风险标记」判定每个 SKU 的缺货/过期/积压/数据风险。
4. **成稿**：写「采购建议清单 + 预测解释 + 风险提醒」三段式报告。

## Examples

### 示例：三类典型 SKU

- **鲜牛奶**（日均≈16.8，库存仅 8≈0.5天，保质期5天，箱规6）：
  库存 < 再订货点 → 缺货风险；覆盖期需求+安全库存−库存≈45，按箱取整为 48，
  订货后覆盖 3.3 天 < 保质期 5 天，安全。→ 列入「🔴 缺货」，建议采购 48。
- **吐司**（日均≈6.5，库存 30≈4.6天，保质期3天，曾有异常高峰）：
  现有库存可售 4.6 天 > 保质期 3 天 → 过期风险 + 波动大；短保上限算出为 0 → 建议采购 0。
  → 列入「🟠 过期」，解释「现有库存已超过保质期内能卖完的量，本期不建议进货」。
- **可乐**（日均≈20.5，库存 200≈9.7天，无保质期）：
  库存远高于覆盖期且无保质期 → 无风险，建议采购 0。→ 说明库存充足、暂不需补。

## Guidelines

- **生鲜底线**：保质期是硬约束，过期风险必须显著提醒，宁可小单勤补。
- 没有销量历史就**不要硬造预测**，直接说明缺数据并请用户补充。
- 缺失字段用默认参数兜底，但要在「预测解释」里**如实声明假设**，不要假装数据齐全。
- 读 Excel 先核对表头列含义，不要按列位置硬猜；列名中英文/带单位都可能出现。
- 结果要**可复现**：同样的数据与参数给同样的建议，便于回归与人工复核。
- 这是**辅助初算**，不替代采购/店长的最终判断；措辞用「建议/预计/需关注」，但建议量要具体可执行。