01 平均需求 首先，我们再回忆一下我们的再订货点公式：  如果我问大家，公式当中的代表什么含义，相信大家都能很快的说出是“平均需求”，但是更进一步，如果要问是多少需求数据按照什么样的颗粒度进行平均的，就又会摸不着头脑了。 因为计算平均需求需要确定至少两个维度，取数的区间与计算的颗粒度，换言之颗粒度就是我究竟算月平均，还是周平均，还是日平均，而区间就是，我是算一年365天的日平均，还是一个月30天的日平均，还是一周7天的日平均。确定了这两个维度，我们才能对平均需求进行计算。所以，在计算“平均需求”这个看似简单的东西时，该如何正确的选择计算的维度，当中有多少需要注意的细节，接下来就让我们细细道来。 02 平均需求取值区间的判断方法 总的来说，不论是取值区间，还是计算颗粒度，其依据的都是我们实际的业务。先从取值区间开始说起，回忆一下正态分布的定义，平均值在正态分布中是一个关键参数，一个正态分布曲线只会有一个平均值，而算出这个平均值的基础就是形成这个正态分布曲线的所有样本值。换成业务的语言进行描述的话，取数的区间，取决于我们的库存管理策略，我们制定了再订货点多久更新一次的库存策略，我们的取值区间就是多长，即：假如我们每个月更新一次再订货点，那么我们就取一个月的数来求平均，假如我们每个季度更新一次再订货点，那么我们就取三个月的数来求平均，以此类推。公式的取值方式一定要与我们的实际业务策略相结合，不然取到的数字是无法对实际业务起到指导作用的。 03 平均需求计算颗粒度的判断方法 那么接下来就是颗粒度要如何判断了。而颗粒度具体的取值方式，则与我们另一个关键参数提前期有关。 直接说结论的话，计算平均需求的颗粒度应该与计算提前期的颗粒度相同！那么看到这里，反应快的同学就会问了，时间的颗粒度是可以相互转换的，同样的6天，我可以记作是0.9周，或者0.2个月，又或者是0.07个季度，反过来也可以是144个小时！那么到底应该用哪一个时间单位呢？ 要回答这个问题，同样要回到我们的实际业务当中，而这里的判断标准，就是在对提前期进行向上取整的过程中，所造成的误差是否可以被公司所接受！举个例子，假设我们的提前期是100个小时，那么如果按天进行取整，就是5天，120个小时。如果按周进行取整，就是1周，168小时，如果按月进行取整，就是1个月，720个小时。 我们可以发现，随着时间颗粒度的增大，我们的误差也越来越大，按天是20个小时，按周是68个小时，而按月则达到了620个小时，而这多出来的这么多的时间，可以近似的理解为我们需要额外付出的库存成本，所以随着颗粒度的增大，我们的误差也就会越大。 那么这个时候就有同学肯定会问了，那我的提前期恰好就是一周，或者一个月呢，是不是就可以用这个颗粒度了？答案是不行，因为我们还要考虑提前期的波动幅度，若波动的幅度在取整后所带来的误差同样可以被接受，那么就可以这么做。例如当提前期本身是整数周，并且提前期的波动也是按照整数周进行时，这样取周颗粒度进行计算所带来的误差就可以忽略。 那么聪明的同学肯定又会说，那我就直接在小时的层面进行计算，这样误差最小。思路没有错，但是在计算颗粒度变的更小的同时，标准差也会变得更大，导致波动变得更加剧烈，从另一方面减少了公式的稳定性，所以这其实也是一个业务上的平衡过程。通常建议在天的颗粒度上进行计算，但在遵循上述规则的同时，其实也可以取一些中间颗粒度，例如两天一取整，或者三天一取整等。而对于为什么提前期必须要取整，这个我们将在接下来介绍提前期时，再详细进行解答。 04 需求该从哪里取 在了解了如果确定平均需求的取值范围与计算颗粒度之后，其实还有一个很关键的问题就是，那我应该从哪里获得需求数据呢？这里其实也就只有两个选择，历史数据与需求预测。 简单来说，我推荐使用需求预测，因为从业务角度讲，我们储备库存，并且设计再订货点，是为了更好的服务未来的业务，而不是去影响过去。所以除非是完全没有做预测的公司，不然都建议从需求预测中进行取数。 结语 平均需求，这个看似简单的概念，到了实际运用的时候，还是有如此多需要注意的地方。不仅需要与业务实际情况进行紧密结合，还会受到其他参数取数方式的影响，并且进而也会去影响其他参数，这些都是再订货点公式在使用过程中所需要注意的细节。