合著者：Stephen M. Rutner（博士学位获得者，阿肯色大学副教授），
Michael S. Marburg（Mercari Technologis公司负责企业发展的副总裁）
导言
优化的概念、工具和方法在商学和工程学的许多领域都已经深入人心。然而，在具体应用到某些特定的专业时，如零售业，依然还存在鸿沟。而且，零售业界似乎对“需求链优化”这个术语的理解非常的混淆不清。因此，对零售业优化的现状及未来进行观察，是一个很有必要的议题。
作为一份权威报告，本文提供了一个假想的案例，特别指出一个零售环境中需求链优化的所有机会和领域。本文跟踪一个高级主管在挑战性高的现代经营环境中，如何经历其所在的零售企业的各项改革试验。全文大纲如下：
.本文主人公安·史密斯，BestMart公司高级主管
.安的设想
.BestMart公司当前的经营环境
.安实现设想的策略
.什么是优化？
.需求链优化与现在的程序有何不同？
.说服公司经营管理层
.货架优化试点计划
.接着进行降价优化
.BestMart的结论
.结束语
读者将会了解，这位高级主管是如何经历从建立一个设想和实现该设想的策略、获取关于优化的知识、实施解决方案到衡量方案执行结果的全过程。本文最终想要达到的结果是，澄清“需求链优化”这一概念，并以实例演示各个解决方案是如何提高盈利能力、将缺货机率降到最小、提高投资的毛利回报率（GMROI，gross margin return on investment）以及带来许许多多其它的好处的。
本文主人公安·史密斯，BestMart公司高级主管
安·史密斯是一位跟你我没什么不同的零售主管人员，她40多岁，从事零售业有25年，每周工作60小时以上，而且立志要在事业上获得成功。在大学获得市场营销学位之后，她就为零售商BestMart公司工作了。在公司里，她一步一步地升职，轮番在各个店铺及公司总部工作，曾任助理经理、采购员、分部商品经理、店经理、分部经理等职，最终升任公司的商品企划副总裁。由于她干过店铺和总部的各项工作，因此，她积累了丰富的零售经验，深谙零售之道。安是一位经验丰富的高级主管，她很了解零售业，而且刚刚升任商品企划副总裁。
BestMart是一家百货商店公司，旗下将近450家店铺，遍布北美。公司最近经受了许多挫折。来自大商家EDLP（每日低价，every day low price）的竞争抑制了公司的店铺扩张，挤压了利润空间。华尔街认为公司的地位正在下降，将公司的投资等级评为有风险。安的使命是，修复公司与消费者的密切关系以及制定推动公司发展的商品企划战略－但是她必须在下一季度就拿出成果。面对4万多个商品单元和多元化商品组合（包括食品、服装、化妆品、药品、家居用品和杂志等等），她所面临的挑战是令人生畏的。
安的设想
为了完成她的使命，安首先要提出一个改革BestMart的商品企划惯例的明确的设想。她凭借在店铺工作的实际操作经验来提出这一设想。过去，她通过了解当地消费者、掌握他们的消费偏好和他们的购物习惯，提出过许多成功的商品企划方案。然而，在最近十年中，BestMart的店铺数量大为扩张，同时将大多数的商品企划职能部门集中起来统一管理。因此，安想要对集中的商品企划决策进行调整，使之适应当地顾客的品味－许多人管这叫做“微观商品企划”。她打算针对当地的消费者行为调整商品品种、商品定价、降价和促销决策；提高现有的店铺资产的利用率，她认为这样能够将销售额提高10到20个百分点。
安还想能够确保向顾客供应他们想买的商品。BestMart的现状是有存货，但是公司报告显示，缺货率平均为8％，周末和促销期缺货率最高。同时，公司最大的那些竞争对手的商品周转率要快的多。BestMart也曾经有过一个提高商品周转率的独立策略。特别地，她还计划大幅提高一些预定单品及高利润单品的服务水平。为达到这一目的，她工作的重点将是商品空间分配、店铺补货、分类以及与供应同步的商品企划决策。安的目标是通过实施这一存货管理策略，能够将存货投资的毛利回报率提高15到20个百分点。
安的设想既会给各个系统，也会给各个工作流程带来冲击。她的计划是，大幅改进处理商品分类、价格、降价、空间及促销的核心商品企划流程。她还想将店铺补货纳入上述这些商品企划流程中。
.BestMart公司当前的经营环境
安的第一步是，弄清楚当前情况，也就是说，她必须对当前的环境有一个基本的了解。根据安的初步观察，BestMart有数据，或者说是有一个信息基础供她使用，以更好地进行商品企划决策。BestMart花了无数钱建造一个销售数据库以及数据传送基础设施。这就使得安能够建造其战略中一个至关重要的组成部分，即通过分析更具体地分析销售历史记录来了解消费者行为。
他们的大多数供应链和配送系统依据的都是汇总的和平均的销售历史数据。这也是为什么BestMart不能提高货架服务水平和实施微观商品企划的原因。安想要知道具体到店铺或单品层次的缺货情况，她促销一件商品或更改价格时需求将会怎样变化，以及顾客对新产品的反应等等。她需要分析每个店铺或每件单品的周转速度、价格点和促销措施等数据。幸运的是，她已经有数据的基本结构，尽管数据本身不总是很实用。
然而，BestMart没有相应的优化应用程序可以真正地将这个数据基础的作用发挥出来。BestMart现有一组可供安进行商品企划的系统，包括店面布局、商品分类规划工具、价格引擎以及促销日历。她还有一个基本的店铺订货系统。这些系统以前没有利用详细的销售历史记录，也没有考虑过支配实际经营的店铺、供应和商品企划等方面的种种限制。另外，这些系统都是分别独立地做出决策，不能够系统地回答诸如商品分类的一个变化如何影响空间分配、一项新的促销如何影响店铺存货等问题。
.安实现设想的战略
目前，安手头上有两套支持她的设想的优化解决试验方案可以。她想，从试验的结果和经验教训中，她可以研究出一个更明确的战略来实现她的设想。
第一个试验方案着眼于价格优化。该方案利用一个系统来净化POS数据，得出一组价格弹性曲线，从这些曲线中BestMart可以制定最优价格。安计划首先在一个平面部门使用该优化产品，该部门的商品有文具、办公用品和教学用品，以实现该部门的收入最大化。
几周之内，该试验程序在对前一年的数据进行分析后，给出了初步的建议。该部门大部分的单品价格都改变了。该软件还能将BestMart的价格与一些竞争对手的价格进行比较，然后推荐出符合BestMart价格形象的价格水平。很快，来自该试点部门的报表表明，大多数商品的销售额和利润额均增长了几个点。而且，安能够比以前更快地跟踪消费趋势。
第二个试点方案着眼于店铺补货和成本优化店铺订货。以前，安对店铺补货的政策与他们的仓库订货政策是一样的――订购能维持服务目标水平（这个目标水平是他们随意制定的）的最小数量的产品。以前的店铺订货系统经常大批地订购那些在整个公司范围内销售良好，但是在某一个市场上滞销的商品。安知道，这个系统对一些个别的店铺而言是不适用的。她认为，这一重点放在供给的系统不符合零售商的主要目标应该是满足个体消费者这一关键点。她想，这个系统应该更侧重于需求链以满足每个消费者的需要。
这个试点方案利用一个自动补货系统对店铺订货进行成本优化，所生成的订货量不仅仅是为了实现最低库存，还为了实现最低的包括运输、劳力、供应商限制成本等等在内的总成本。它们所使用的预测依据是大量店铺和商品的分组数据，以计算出季节性影响。新系统生成预测的方式是一种称为“微观预测（micro-forecasting）”的店铺/单品级预测。该方案投入使用后，安和物流团队发现，该系统能够日常运作，几乎不需要多少人工的管理。它将产品流入店铺的精确程度是以前BestMart从没有达到过的。
有了这两个试点的经验，安相信，优化对于她在改进库存水平的情况下成功地实施微观商品企划是至关重要的。将“科学”引入商品企划流程，可以使她的团队综合考虑BestMart经营环境下的所有约束条件和资源，更快地作出整体决策。如果优化是实现她的设想的主要手段，安就必须对它有更进一步的了解。
