(二)大数据下的库存管理应用

　　目前，京东结合了大数据的库存管理体系已基本形成，主要由5部分组成：销量预测，补货系统，健康库存，供应商管理，智慧选品及定价。

　　1、销量预测。京东改善库存问题，主要是通过系统的经营策略以及内部的调整。京东通过十几年的销售数据，再结合季节的变化、人均销售、促销等因素，用一定的算法来预测未来的趋势，确定库存及未来销售的量。根据不同产品的大数据分析，京东建立了新品模型、保守模型、不动销模型、决策树模型、月均价格模型、市场需求回归模型等销量预测模型，而且在大数据分析过程中，京东还注意了数据清洗，减少干扰。

　　2、补货系统。京东的库存补货系统由一个补货模型为基础。补货模型包括阶段性的补货与时间的匹配，保证库存不是一个最大的值而是一个最合理的值。用补货点与安全库存点的逻辑关系来驱动整个补货系统效率的提升。补货模型的目标库存由补货点和备货周期组成。根据上述的销量预测计算出在途物资花费天数的销量及一次备货周期可满足的销售天数，得出目标库存=安全库存+在途物资花费天数的销量+备货周期。同时在补货的过程中纳入成本模型，使整个模型更有效。

　　3、健康库存。几十年前，高库存是所有企业的突出问题，库存规模庞大使得这类企业在之后的几十年间频频倒闭，由此整个行业都普遍开始通过库存管理来降低剩余库存。京东利用其天然的数据收集优势来获得诸如商品信息，库存，销量，采购，促销，内配，供应商退货，销量预测等大数据，进行全销售模拟，促销模拟，采购模拟，调拨模拟，供应商退货模拟等模拟，得出库存健康报告，根据不同的报告，分析现货率，周转率，滞销，下柜等状况，提供促销建议，退货建议，报废建议，调拨建议等措施。以期达到健康库存。

　　4、供应商。作为拥有近60000多供应商的大型电商，京东积极供应商沟通，将京东的补货建议、库存建议发给供应商。并根据其庞大的大数据，进行市场整体分析，竞品市场分析，竞品威胁分析，竞品优劣势分析，促销引流效果分析，促销销量分析，商品流量来源分析，量价模型专题分析，告诉供应商在哪个结点应该降价，配合降价应该做的补货，商品未来周期的分析并参与京东的促销和补货。

　　5、智慧选品及定价。根据大数据下的全网商品数据、京东商品数据、行业报告、行业分析、用户模型和价值来预测的，并在未来某个时间点上，按照一些商品在整个过程中的定位，来做选品的工作。通过大数据分析后的选品模型极为精细。品类价值模型包括收入、利润、流量、用户;品类特征分析模型包括重点、成长、日常季节、小众等;商品生命周期模型分为新品引进、上成长、平稳成熟、淘汰死亡。而在定价方面，大数据用于价格抓取、价格跟踪、量价模型、价格预测、促销信息、降价监控等方面，定价的过程中考虑最大利润化、库存周转及处理滞销。

　　四、结语

　　由以上分析可以看出，大数据应用于京东库存管理的每个环节。而这些大数据的分析使得如此庞大的存货最大程度上的减少存货量。提高企业销售，并曾加企业的销售利润。大数据在企业存货管理方面更加凸显其优越性。更好的为企业提供数据并分析得出企业的存货量，销售量等一系列指标。但就目前而言，大数据在存货方面的应用较适合大型企业。而中小企业则需要大数据下的库存管理与传统库存管理相结合。

　　参考文献：

　　[1]程平，徐云云。大数据时代基于云会计的企业库存管理研究[J].会计之友，2015,06:134-136.

　　[2]陶雪娇，胡晓峰，刘洋。大数据研究综述[J].系统仿真学报，2013,S1:142-146.

　　[3]张晓蕾，范晓明。浅谈大数据时代下的财务管理[J].商场现代化，2014,02:166.

　　[4]吴雅轩，刘建基。企业管理视角下大数据应用价值的探究[J].商场现代化，2014,22:110.

　　企业存货管理研究论文(第2页)二

　　在经济新常态这一新的历史发展阶段中，我国制造业站在了新的起点上，有机遇也有挑战。目前制造业普遍产能过剩，大量库存闲置，如何建立有效的存货管理方案，是制造企业保持健康、平稳发展的关键。本文结合制造行业的特点，从存货管理问题入手，分析了当前国内外环境对存货问题的影响，指出问题产生的原因，并提出相应的解决措施，以期为实现制造企业可持续发展提供参考。