高科技型零售来了，本文主要内容关键词为：来了论文,高科技论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
在合适的时间和合适的地点以合适的价格提供合适的产品，可谓零售业的完美境界。零售业中的一些佼佼者正运用高科技手段接近这一目标。
令人沮丧的是，零售业人士梦寐以求的境界——在合适的时间和合适的地点以合适的价格提供合适的产品——仍是一个难以企及的理想。你可能会认为，时至今日这一理想早该实现了，尤其是传统零售商和电子零售商(e-tailer)现在已经可以收集到关于购买点(point of purchase)、购买模式以及顾客喜好等方面的大量数据。但事实上，许多零售商仍有很长一段路要走。
顾客通过网络订购商品，而电子零售商却发不出货，这已是广为人知的现象。走进一家商店，虽然那里库存充足，而且大多是打折产品，却发现没有自己想买的商品，这种情况谁没有经历过？百货店中削价商品在总销售额中所占的比例已从1971年的8％上升至1995年的33％，其中既有促销性降价，也有因厂家产品积压被迫进行的降价。但是，增幅如此之大，以致多数观察家认为，这表明零售商在保持供需平衡方面步履维艰。
当然，这并不是说零售业毫无进步。一些零售商(以下我们将传统零售商和电子零售商统称为“零售商”)在订货、配送和商品规划(merchandising)等方面均取得了长足的进步。不过，这些出类拔萃的公司毕竟还是少数。零售业未来的发展趋势如何呢？整个行业将朝着一个新的方向前进，我们称之为高科技型零售(rocket science retailing)——一种把主要依赖于少数员工直觉判断的传统预测系统与强大的信息技术相结合的做法。高科技型零售把数据和直觉与计算机模型和分析结合起来，建立起一套以灵活的供应链为依托的高科技预测系统。
你也许会觉得这种模式非常离谱，其实不然。20世纪70年代，华尔街就曾经历过这样的变革(参见副栏“华尔街也发生过”)。在过去3年中，我们对许多零售商如何收集处理信息、如何预测产品需求以及如何管理供应商关系进行了研究，结果发现这些零售商在经营上已经非常接近高科技型零售的境界。
华尔街也发生过
对于那些日复一日专心打理零售公司的人士来说，迈向高科技型零售也许有点令人望而生畏，巨大的挑战也许难以战胜。但是，我们不妨看看20世纪70年代末在华尔街发生的一场类似的运动。当时，由于几个因素的共同作用，华尔街的投资活动从艺术转变成了科学。
第一个因素就是信息技术，它能够收集、储存和分析交易数据，甚至达到进行程序交易(programmed trading)的地步，在这种交易中计算机与计算机之间进行交易，不放过任何一个仅存在几秒钟时间的套利机会。第二个因素是学术界提出的新模型和新概念，它们为分析所有数据提供了一个基本框架。第三个因素是，华尔街员工中出现了一个新的群体，他们曾在科学和工程领域工作，现在却投身于新兴的最优化投资科学的研究。今天，这些因素同样将给零售业带来一场大变革。
把一家零售商与华尔街的一家投资公司相提并论似乎有些牵强，不过，要知道的是，它们二者都要通过分析交易数据——无论是股票交易还是产品销售——来预测下一只飞涨的股票或下一个畅销的产品。如果你认为研判股票的表现与预测时髦产品的销量是截然不同的两码事，那么问问你自己，投资者追捧网络股与消费者对宠物小精灵(Pokemon)玩具的痴迷是不是一样的时尚之举。两者都要投入资源——股票或产品库存，必须承担风险，面对不确定因素，同时都需要根据市场信号迅速地做出反应。
数据的准确性和可获得性、需求预测、基于风险的库存规划以及供应链速度，这些要素是高科技型零售的基础。这里的金字塔图描述的是，上述各要素如何帮助零售商战胜“在合适的时间和合适的地点以合适的价格推出合适的产品”这一挑战。
附图
最近我们完成了一项历时多年的深入研究。我们对32家处于领先地位的零售商进行跟踪，并从实现高科技型零售的4个关键领域——需求预测、供应链速度、库存规划，以及所收集数据的准确性和可获得性——考察它们的各种做法以及取得的进步。在本文中，我们将介绍一些公司在上述4方面做得最出色的地方，希望其他零售商能够借鉴这些公司的智慧和做法，使自身的业务日臻理想境界。
市场需求预测
对于我们所研究的许多零售商而言，预测产品需求是一项要发挥右脑功能的工作，它依靠的是少数人的直觉判断，而不是对销售数据的系统性利用。但是，忽视把艺术与科学结合起来的良机可谓极不明智。只要根据早期销售数据更新需求预测，不断跟踪了解预测结果的准确性，正确进行产品的市场测试，并采用多种预测方法，零售商便可显著提高预测的准确性。下面我们对这些做法逐一进行介绍。
根据早期销售数据更新需求预测 在适当考虑价格波动和供货因素之后，早期的产品销售情况对于预测总体销售情况帮助极大(参见副栏“无须借助能预知未来的水晶球”)。事实上，零售商若能将这些数据用于生产及库存规划，公司的利润将会增加一倍以上——尤其是那些经营诸如服装、个人电子产品、图书以及音乐制品等生命周期短的产品的零售商更是如此。
无须借助能预知未来的水晶球
早期销售数据有助于预测整个产品生命周期中的市场需求——对于时尚产品尤其如此。右边是某服装邮购商的信息。左图是产品生命周期中的实际需求与由4名商品规划人员组成的一个委员会所做预测的比较，而右图则是产品生命周期中实际需求与根据产品上市最初2周销量(占整个销售季节需求的11％)所得出的预测的比较。第二种预测的误差率明显小于专家预测的误差率。
商品规划人员的预测
平均预测误差率为55％
附图
根据产品最初2周销量所做的预测
平均预测误差率为8％
附图
尽管这一做法有可能为公司带来丰厚的回报，而且零售商也普遍认为早期销售情况有助于预测未来的销售情况，但是我们所调查的许多公司都没有配备系统来利用早期销售数据。例如，某零售商甚至在产品面市之前11个月就订购了各款服装，并确定了各商店中每一库存单位(stock-keeping unit,SKU)的具体需要量。即便是那些关注早期销售数据的零售商，也只是在销量显著超出或低于原先预期时，才临时对需求预测进行调整。
然而，有好几家公司的零售实践值得借鉴。以总部分别设在日本和西班牙的时装零售商世界公司(World Company)和查拉公司(Zara)为例，它们旗下的零售店都会系统地分析早期的销售数据，从而估算各类产品的未来需求量。两家公司都会在预先选定的产品销售周期的某些阶段，对每一种产品进行这样的分析。同时零售店会继续跟踪，一旦发现某些商品有短缺迹象，就立即补充订货。因此世界公司的库存投资毛利率超过300％——远远高于我们所了解的所有其他零售商的回报率——也就不足为奇了。
总部设在达拉斯的CompUSA公司销售的是计算机及相关产品。该公司发现，即便是一两天的早期销售数据，对于预测个人电脑销量、补充库存也很有帮助。一个产品系列推出后不久，采购人员就不断跟踪观察销售情况，并据此调整销售预测。对于那些销量超出预期的个人电脑，采购人员会迅速订货；如果有可能的话，他们还会取消尚未装运的货物。这种解读市场信号并做出反应的做法，使得CompUSA公司得以更好地保持供需平衡。
最后，再来看看图书及音乐制品零售商博德斯集团(Borders Group)。该公司利用历史销售数据，从每家分店的情况出发选择不同的产品种类。博德斯集团根据产品类别来跟踪每一分店的销售情况。它利用自己的商品规划系统，根据每一品类的销售情况自动调整商店的库存水平。这样，一家位于阿拉斯加州安克雷奇(Anchorage)的商店可能摆放了各种各样关于小型飞机的图书，因为那家店中这类书籍往往比较畅销，而位于波士顿的商店由于需求量较低，这类商品就相对较少。其他零售商为何不能根据各自商店的实际情况相应调整库存呢？问题在于供应链速度太慢，数据不完整或不正确，无法对缺货情况和预测误差进行评估，以及所采用的规划软件不适合零售商等，稍后我们将对这些问题做进一步解释。
跟踪了解预测的准确性 在我们调研的32家零售商中，仅有9家表示它们对预测的准确性进行了分析。然而，跟踪了解预测误差，并且弄清何时以及为何会产生误差，对于提高预测的准确性是十分重要的。更重要的是，了解预测的误差幅度对于在出现预测错误时采取应对措施至关重要。例如，若某产品以往的销售预测误差为±50％，那么当零售店预计该产品会销售10，000件时，实际的销量将在5，000到15，000件之间。因此，与其购进10，000件产品，不如先购进5，000件成品，外加可以生产10，000件成品的材料，如果早期销售势头强劲，就迅速予以组装。
世界公司通过“欧博迈亚法”(Obermeyer method，欧博迈亚体育用品公司进行需求预测的一种方法)对每一产品的销售预测准确性进行跟踪和预估：将新产品按照在零售店内的陈列方式摆放在公司总部的一个房间里，然后从商店中选出30名员工扮演公司的目标客户，从而评估各产品的成功概率。世界公司发现，在这些员工中引起更大意见分歧的产品，可能带来更不准确的预测结果。
正确进行产品的市场测试 在我们调研的零售商中，有78％会在新产品正式上市之前在几家商店中进行试销。但几乎所有的采购人员都认为，公司采用的测试方法极不科学，而且公司往往对表明某些产品销路将会不好的所有测试结果置若罔闻。商家通常认为，尽管测试结果不理想，自己的产品还是会畅销的；它们往往将不尽如人意的销售情况归咎于老天不作美(无论天气是好是坏)、测试地点选择不当、测试执行不力，以及其他因素。
如果公司认真设计产品测试方法，并不断加以改进，就能极大地提高预测的准确性。我们曾帮助某服装零售商设计了一种产品测试方法，该方法根据精心挑选的几家试销商店的早期销售情况来预测产品的销量。我们发现，商店的选择对预测准确性有很大的影响。我们利用历史销售数据选出能反映不同客户喜好的一组各不相同的试销商店，从而将每一款式及颜色的销售预测误差从30％降至9％。
采用多种预测方法 我们所调查的大多数公司仅仅采用一种方法进行预测。通常，每一种产品只有一份销售预测，是由采购员或负责商品规划的一小组人员提供的。然而，采用多种方法进行预测是很有价值的，因为管理者为了弄清各种预测结果之间的差异，往往会对各种预测方法中隐含的假设条件进行探讨。
我们以加普公司(Gap)下属的老海军公司(Old Navy)为例。该公司将自上而下和自下而上两种预测方法结合使用，然后以一种值得人们效仿的方法分析预测结果。在自下而上的预测中，商品规划人员和计划人员根据目前市场趋势，产品是否“符合”目标客户的口味以及同时推出的配套产品等因素，对各产品的需求进行预测。自上而下的预测由计划人员负责提供，是独立于自下而上的预测之外的。这种预测依据的是经济增长速度及公司发展目标等宏观经济因素。上述两种方法得出的结果通常存在差异，来自两组的管理人员通过会谈调和这些差异。老海军公司发现，不同的预测方法以及后续的讨论能显著提高预测的质量。
供应链速度
如今许多产品的供货前置期(lead time)都很长，因此零售商即便跟踪了早期销售情况，认真进行了产品测试，并且确信有必要调整产品供货量，往往也无法要厂家更改生产。某商家告诉我们：“我们的确下功夫进行产品测试。但问题是，我们已经订了货。测试结果只是让我们知道，产品到货后销路将会不好。”另一家零售商总是在服装运抵配送中心之前11个月就下订单——哪怕产品生命周期只有3个月也是如此。因此，在没有获得销售数据之前，采购员就只能信守订单，忠于一家供货商。他们还必须在货物到达配送中心之前11个月，确定各商店中每种产品的供货量。
供应链速度无疑是高科技型零售的一个至关重要的组成部分，对于生命周期较短的产品尤其如此。公司若能积极观察早期销售数据，并及时采取措施适当补货，显然可以降低热销商品脱销的概率。公司还可以减少对商品的削价处理，因为它有能力在当季处理更多的货，这意味着它可以在初期少订一些货，并在发现产品滞销时及时减少损失。
在这方面，世界公司和查拉公司的做法非常相似，堪称典范。我们来看看世界公司是如何管理供应链的。对于现有产品，公司能在2周内安排生产并将货物发送到商店。而从设计一个新产品到将产品送达商店，公司仅需3周时间。世界公司在供货方面何以做到如此神速呢？首先，早在下订单之前，世界公司就在供应链合作伙伴身上下大功夫。公司储备了面料和辅料(如搭扣、拉链等等)，并根据预计中的市场需求在工厂中预留产能。在销售季节初期，与多数零售商一样，世界公司也很难预测每一种产品的销售情况。世界公司深知，储存成品会有很大风险。但该公司发现，储备原材料和预留产能的风险相对较小，因为对原材料需求进行预测的准确性往往高于对成品需求进行预测的准确性。
其次，世界公司的工厂在主生产区之外另辟一处“问题排除区”，专门用于解决生产问题。该区的员工与来自世界公司总部的设计人员密切合作，改进产品设计以使之更易于生产，有时他们还会用更容易买到的材料代替那些不容易找到的原材料。
此外，世界公司还赋予产品设计、商品规划、运营以及商店等部门的员工一定的自我决策权，以避免因决策过程中的官僚主义而拖延误事。举例说，在世界公司，五六位在相邻办公室工作的部门经理组成一个跨部门职能小组，而关于新产品的设计、定价、原料采购以及制造的决策往往由该小组开会决定。其他零售商若要举行此类会议，可能需要召集分散在不同城市工作的经理，也许还需得到公司各层主管的批准——这是一个更为费时的过程。
其他零售商为何不能像世界公司一样反应敏捷呢？因为许多公司存在的一个共同问题是“效率至上的思维方式”。例如，那家需要11个月前置期的服装零售商，坚持以各商店为单位下订单，而不是为所有商店进行大批量采购，等货物送抵配送中心后再根据情况分配给不同商店。这样，零售商虽然节约了运输费以及仓库的库存持有成本(inventory carrying cost)，但制约了自己根据市场信号做出快速反应的能力。
为了说明如何“提高配送效率”，一位配送中心经理还不无得意地向我们播放了自己公司制作的一盘录像。该录像旨在表明，如果仓库工作人员在处理服装订单时采用相同的尺码比例取货和装箱——不管各家商店实际需要的大、中、小号服装是多少——那么装运服装的速度会提高。录像还显示，如果按照每家商店对服装尺码比例的不同要求来装箱，仓库人员所花的时间就会长一些。这位配送中心经理及其同事们相信，因为前一种方法在装运每件服装时平均可以节省几秒钟时间，商店经理理应会同意所有补货订单采用统一的服装尺码比例来装运。我们不禁要问这位经理：“如果因为你发的货不是商店所需而导致商店退货，你得花多少时间处理退回的服装呢？”
许多零售商都陷入了一个恶性循环。物流和采购经理认为，缩短供货前置期对零售商并无帮助，因为公司既缺乏好的销售数据，也没有分析这些数据的工具。商品规划经理则指出，存储和分析销售数据对零售商没有帮助，因为物流和采购部门无法对市场信号做出足够迅速的反应。问题在于，缩短前置期对于减少脱销及削价处理到底有无帮助，公司也无法进行量化的评估。不过，随着零售商逐渐采用新型软件工具对供货进行预测和规划，它们可以利用这些工具测算缩短前置期的作用，更好地保持供需平衡。
库存规划
库存规划(inventory planning)涉及的是，决定各种原材料、组件以及成品的订货时间以及订货量，或者确定生产量。库存规划与需求预测不同，因为需求量预测出来后，库存规划人员或许会酌情让库存量超出或低于预测值。举例而言，在规划家庭日常用品的储备时，你可能会决定药品储备要远远超过预期的需要量，以防自己生病。某些用品——如电池——你可能一次购入好几个月的用量，而其他商品——如面包和牛奶——你也许会每周订购一次。多数零售商在库存规划方面都存在一些弊病。其中最突出的问题之一是，许多零售商均未对缺货及其在销售上所造成的损失跟踪了解。在我们调研的32家公司中，仅有13家表示自己跟踪缺货情况，其中11家公司会利用这一信息估算由此造成的销售损失。
销售损失是零售业中普遍存在的问题，而那些生命周期短的产品尤其会造成销售损失。跟踪脱销情况可以帮助零售商设定最佳库存水平，并帮助它们发现供应链提速的价值。那么公司为何不仔细研究这些指标呢？原因之一在于，假设产品供货充足，销售量会达到多少是很难确定的。这一数据可以借助复杂的统计技术估算出来，但零售商往往无法利用商用软件做到这一点，产品生命周期较短时尤其如此。
有一条途径可以跨过这个障碍。我们设计了一种估算销售损失的方法，该方法包含两个步骤。首先，根据未缺货时某一产品的销售特点计算出产品的潜在需求量。其次，把估算出的产品需求量与某家商店的产品缺货时间结合起来，便可算出损失的销售量。要估算产品需求量和损失的销售量，必须根据不同日期或一天中不同时间的需求变化等因素对该方法进行调整。我们采用真实的零售数据进行试验时发现，如果将这种方法用于商店层面销售损失量的估计，其误差在2％以内，而对于整个供应链或一类产品而言，准确度就更高了。
跟踪销售损失，并系统化地提高库存水平以降低这些损失，对公司是大有好处的。有一家零售商发现，仅通过增加各商店的商品库存量，就可以使销售额提高10％左右，这表明此前销售的损失量至少有10％。对于总部设在罗马的珠宝制造商宝格丽公司(Bulgari)而言，一家店铺中一种产品出现断货，就会导致该店的收入下降3.5％。因此，宝格丽公司正在想方设法改进自己的规划流程。
数据的准确性和可获得性
在我们此次调研中，所有的零售商都拥有销售终端(point-of-sale,POS)系统，并通过该系统以电子化方式收集销售数据。不过，与人们常见的看法相反的是，在收集和管理正确的销售数据并让员工获得这些数据方面，多数零售商遇到了相当大的困难。首先，我们分析一下零售商收集到的数据的准确性。造成商店层面的销售数据不准确通常有几方面的原因。在服装行业，数据不准确往往都是因为退货处理不当而造成的。比方说，顾客买了一件中号羊毛衫，后来又要求换一件小号的，退回的羊毛衫本该经收银机扫描登记为退货，而调换后的羊毛衫应该扫描登记为新买的商品。但实际上，售货员为方便顾客，只将中号羊毛衫换成小号，而并未将两件商品扫描到POS系统中。结果，这两种商品的库存水平都不准确。
在食品杂货行业，单单由于交易量巨大，杂货店就难以保证销售和库存数据的准确性。多数消费者都有过这样的经历，他们买了多个单价相同的商品(比如说，一盒柠檬酸奶和一盒香草酸奶，两者为同一品牌)，结账时收银员拿出其中一个商品扫描多次。无疑，这种做法会导致柠檬酸奶和香草酸奶的库存数据都不准确。一家杂货连锁店发现，普通西红柿的销量总是比商店实际的进货量高出25％，因为即便顾客购买的是有机西红柿、鲜熟西红柿或其他特色西红柿，收银员也常常在收银机中输入普通西红柿的价格检索(price lookup,PLU)代码。这家连锁超市的信息总监(CIO)说：“只要是又红又软的，结账时就会把它当成普通西红柿。”多数收银员不愿多花时间去查找正确的PLU代码，以免招致顾客和经理的不满；在许多情况下，经理总是在跟踪观察收银员扫描商品的速度。
当然，并非所有不准确的数据都是收银台造成的。我们此次调研的一家零售商发现，在某家已备好货物但尚未开张营业的商店中，竟有29％的商品库存记录不准确。该零售商追根溯源，在配送系统中找到了问题：仓库工作人员在发货时经常出错(例如，将中号衬衫错发为小号，将一种口味的酸奶错发为另一种)。同样，如果供货商包装规格——即每一包装箱装运的货物数量——发生变化的信息未能及时输入零售商的商品补充系统，也会导致数据出现差错。有一次，某供应商将包装规格从每箱144件改为12件，而商品补充系统不知道这一变化，因此只要求仓库发出一箱货。
人们常常感到困惑，既然市场趋势瞬息万变，保留这么多年的历史销售数据有何意义。
许多零售商都不知道自己的信息是否准确，因为它们根本不跟踪了解数据的准确性。其他一些零售商虽然跟踪了解数据的准确性，但没有广泛传播所获得的信息。有一家服装零售商，虽然公司负责规划的副总裁通过定期审查发现，各商店库存数据的差错率接近30％，但公司商品规划人员和计划人员竟然对POS数据不准确之事一无所知。
某些零售商为确保销售和库存数据的准确性采取了一些措施。经营办公用品的超市斯台普斯公司(Staples)采用的是“缺货巡查”(zero balance walk)，一种颇有意思的方法。在这种方法中，一名员工每天在商店内巡查，找出那些已缺货的SKU。对于每一种缺货商品，都要制作一张缺货卡，同时在该商品的陈列处贴上一张标签。其他员工对导致断货的原因——如消费者需求激增、电脑数据差错、商品放在错误的区域等等——进行核实。若是由于电脑数据出错导致缺货，就要纠正电脑系统中的库存数据。因此，每天进行“缺货巡查”有助于斯台普斯公司检查和提高数据的准确性。
下面我们谈谈数据的可获得性。我们调研的零售商在存储和调用销售数据方面的能力各不相同。能力居中者可以向员工在线提供两年的销售数据。其中一家公司仅保留6周的数据供员工使用，而另一家则走了另一个极端，在网上保留了10年的销售数据。
人们常常感到困惑，既然市场趋势瞬息万变，保留这么多年的历史销售数据有何意义。事实上，这些数据中包含的一些关于销售规律的信息是非常有用的，年复一年这些规律(如季节性、消费者对促销活动的反应、不同商店的销售规律的不同等等)往往保持不变。我们还发现，即便所涉及的产品几乎完全不同，各年份中预测结果的平均误差却往往大体相似。
如果公司不能提供足够的在线数据，旗下的商店进行产品销售预测就困难得多。那家仅保留6周在线数据的零售商，其商店在预测未来产品销量时，就得翻阅成堆的往年销售数据的书面资料。如今计算机存储空间的价格已经大幅下降，零售商没有理由不用电子化方式保存销售数据，从而方便商店调用。没有这么做的零售商，要么是尚未认识到数据在决策中多么有用，要么是遵循着几年前做出的老决定，而当时计算机存储空间的价格极其昂贵。
有些零售商甚至不提供新近销售数据的详细信息。举例说，一些服装零售商根据款式、颜色和型号(每种产品都有自己的条形码)跟踪服装销售情况，但它们仅把有关不同款式和颜色的服装销售数据存储在中央计算机中。因此，商品规划人员也许知道某家商店中某种款式的红色女衬衫在某一天卖出了多少件，但是并不知道大、中、小号各卖出了多少数量。最近的一项调查显示，每3位光顾服装店打算购物的顾客中，就有一人因符合自己尺码的服装缺货而空手离去，这又有什么奇怪的呢？
这些零售商的管理人员声称，了解各个尺码的销售信息毫无用处，因为它们的供货商和配送中心只能按照标准的尺码配比发货，这就排除了根据商店或地区情况调整尺码配比的可能性。与此同时，零售商很难找到充分的理由来改变运输和仓储系统，从而使之能在发货时根据需要调整尺码配比，因为它们缺乏按尺码记录的适当的销售数据，而这种数据会告诉它们应该如何改进系统。这就是零售商们陷入恶性循环的绝佳例证：供应链缺乏灵活性成为数据糟糕的理由，而数据糟糕又成为供应链缺乏灵活性的理由。
成本、顾客满意度和员工士气
上面我们概括介绍了在实现高科技型零售的4个关键领域中现有的最佳实践——以及目前的最佳案例情景。不过，对于寻求更接近理想境界的零售商来说，还必须在其他方面加以提高。
在我们已经讨论过的问题中，许多都涉及诸如预测准确性、脱销、销售损失、毛利、削价以及库存持有成本等指标。但是，零售商还需要对驱动这些指标的变量加以跟踪。例如，哪些产品和细分市场容易出现预测偏差？随着时间的推移，预测准确性会如何发生变化？只有回答了这些问题，零售商才会获得必要的信息，从而抓住零售问题的症结所在，进而解决问题，并提高绩效。
此外，一些零售商过于关注短期利益。迅速提高利润的压力会促使公司削减成本，从而导致顾客不满、员工士气低落。我们所调研的一家零售商，其董事会给公司高管提出目标，要求年利润增长率达到两位数。公司管理层通过减少商店售货员人数降低成本，从而完成了这一目标。董事会对短期利润增长感到满意，但人员的减少很快导致顾客满意度的下降，并且招来员工抱怨。
想要防止此类问题发生，零售商就必须公开、准确地监测顾客满意度和员工士气。我们此次调查的零售商中至少有一家外聘了审计公司对这些因素进行评估，这家零售商甚至在考虑将结果公布在公司年报中。这种做法颇有道理，因为如果没有顾客满意度和员工士气方面的硬数据，这些因素的重要性就会排在削减成本之后。长此以往，这家零售商的景况会越变越糟。
艺术与科学的结合
考虑一下左脑型人士(那些要么通过技术提供信息，要么依靠这些信息的技术型人士)与右脑型人士(那些更多地依赖直觉的人士)之间长期存在的争论是很有益的。正如我们已经指出的那样，高科技型零售的核心就在于把两者结合起来。零售界的许多高管们承认有必要把左脑和右脑的能力结合起来，尤其在规划工作中。
这些零售商在组织结构上建立了左脑型的计划部门，与传统的右脑型采购或商品规划部门相辅相成，此举与上述观点非常吻合。计划人员往往通过查看销售数据——在缺乏软件系统时——决定各商店及SKU层面的库存量。采购人员则试图超越数字和历史销售情况，将精力集中于右脑型工作，如捕捉消费者需求的变化规律，以及开发新产品等。
在大多数零售商那里，把采购和计划的技能和职责区别开来似乎行之有效。但它们在其他领域尚有很大的改进空间，管理信息系统部门(负责管理公司的计算机系统，简称MIS部门)与诸如商品规划等其他部门之间的关系就是一个很好的例子。零售业的某CEO说：“(MIS部门经理)只有在不得不放弃先前的某个项目，并为此要求注销3，000万美元时才会与我沟通。”另一位CEO责怪我们不了解MIS和商品规划部门之间的隔阂：“你们这些家伙不知道，商品规划部和MIS部门之间已经没有合作关系了。”
多数MIS专家都不熟悉公司产品或商品规划。他们擅长的是诸如数据库管理和计算机网络等信息技术。在到某零售企业工作之前，他们可能在非零售业的公司供职。因此，他们对商品规划部门的需求并不很了解。在许多情况下，甚至两个部门使用的语言也截然不同。某著名零售商的一个MIS小组非常惊讶地发现，当公司的商品规划人员说“总是”(比方说“我总是遵照这个程序”)的时候，实际上是指75％的时间。这可让总是照字面进行理解的MIS小组大吃一惊，因为对他们来说“总是”就意味着100％。MIS部门和商品规划部门之间的关系将如何发展，目前尚不清楚。不过我们认为，双方若不能彼此了解，科学的商品规划就无从谈起。
核心系统
若要在全行业中实现高科技型零售，零售商就必须在自己的规划系统的内在逻辑上多下功夫。
例如，多数零售商都意识到，当产品进入生命周期的最后阶段，库存水平就必须降低；在考虑了产品可供货性和价格波动因素之后，公司有必要根据早期销售数据更新需求预测。但是，大多数库存规划软件都是针对生命周期长的产品而设计的，因此并不适用于仅仅只有几个月销售期的产品。
我们以某目录邮购商(catalog retailer)为例。该公司最近购买了一个新软件包，用来对短生命周期的产品进行库存规划。公司得到的建议是，设定系统参数，使每个SKU的库存水平都相当于4周的预期需求量。然而，这些产品的销售高峰通常出现在第一周，此后销售量便急剧下降。这就意味着，系统设定的4周库存量超出了销售需求量。这必将导致库存过多，并且在产品生命周期结束时还库存着过时的商品。
此外，多数库存规划系统一般要求提供两三年的产品需求历史数据，以便建立预测及库存参数模型。这对于生命周期只有几个月的许多产品而言，无疑是个难题。一些软件供应商已开始设法解决这个问题，我们相信一个合适的软件系统不久就会开发出来。
要实现高科技型零售，就必须开发和利用决策支持工具。过去，许多零售商曾试图自行开发或者从第三方供应商处购买此类系统，结果均以失望告终，因为那些系统并未采用正确的数学方法，故而没有带来令人满意的结果。掌握适用于此类决策支持系统的数学方法并非易事，其中有诸多原因。
就以利用早期销售数据来指导补货这项简单的工作为例：看一看哪些产品销路好，就尽可能多进货。道理虽简单，但在具体实施时你就得处处留心细节。例如，你不仅要知道某一产品卖出多少，而且还要知道产品是在什么条件(包括价格和库存是否充足等等)下卖出去的。一家根据早期销售数据开发了补货模型的零售商便是一个很好的例子。该模型显示，某一款式及颜色的产品的销量是原先预测量的两倍。根据这一信息，公司下了一份大的补货订单。而发出补货订单的商品规划副总裁却失望地发现，此后3周产品销售量下降到模型预测量的60％。她确信模型有问题。但仔细检查之后她发现，销售下降的原因是，在发出那份订单时，本该有一批产品到货，而且模型中也是这么假设的，但实际上这批货却晚到了3周时间。因此，商店中该产品有许多型号都断了货。新货一送到之后，产品销量立即回升至模型所预期的水平。个中道理非常简单——库中没货就无法销售。然而，零售商在解读销售数据时，常常忘记这个道理。
※ ※ ※
大自然不能容忍真空，而零售业现状正如一个经济上的真空，不会持续太久。零售商不能继续承受日益增加的削价损失，也不能继续让大量顾客因买不到想买的商品而失望而归。零售商再也不能对数十亿字节的销售历史数据视而不见，这些没有得到利用的数据也许能够帮助解决上述问题。不管怎样，这个经济真空必将得到填补。
每隔10年我们就会发现一家极富创新精神的零售商，它会为其他零售商以及零售供应链上的所有企业改写游戏规则。比如，20世纪80年代是沃尔玛公司(Wal-Mart)，20世纪90年代是亚马逊公司(Amazon.com)。我们相信，零售业的下一个创新者必定是能够最大限度地分析顾客交易信息，并能够将这些信息转化为行动的公司。
研究方法
起初，我们访问了很多零售商，并与它们进行了讨论。这些零售商尽管收集了大量有关消费者及销售的数据，却苦于无法有效利用。然后，我们便正式开始高科技型零售的研究。我们决定启动一个调查项目，详细记录零售商当前在商品规划和供应链方面的各种做法。我们相信，一旦我们对零售商的供应链有了深入了解，就能找到相应的改进办法。
为我们的调研提供了帮助的许许多多零售商、斯隆基金会(Sloan Foundation)，以及为该项目做出了巨大贡献的不同学校的学生及学术界人士，都认同我们关于科学型或高科技型零售的设想。我们在调查中挑选的零售商大多经营生命周期较短的创新性产品，如时装、鞋子、玩具、珠宝、图书、音乐制品、娱乐软件、消费电子产品以及个人电脑等等。我们认为，这些产品不可预测的市场需求是零售商最难应付的。我们通过现场考察、书面调查以及年度会议与零售商相互沟通，了解它们是如何预测和管理商品供给的。参加此次调研的零售商如下：
服装及鞋类：大卫新娘公司(David' s Bridal)、足星公司(Footstar)、加普公司、巴斯鞋业公司(G.H.Bass)、莫里斯公司(Maurice' s)、玖熙公司(Nine West)、淑女装公司(the Limited)、世界公司和查拉公司。
消费电子及个人电脑：CompUSA公司、Office Depot、Radio Shack、斯台普斯公司、the Good Guys和Tweeter等等。
图书、CD、珠宝、玩具及主题商店：博德斯集团、宝格丽公司、迪士尼商店(the Disney Store)、蒂凡尼公司(Tiffany & Company)、TransWorld、华纳兄弟公司(Warner Brothers)和Zany Brainy。
其他产品或多种产品：阿霍德公司(Ahold)、圣诞树商店(Christmas Tree Shops)、CVS、联合集团(Federated Group)、HEB公司(HE Butt Grocery Company)、冰岛冷冻食品公司(Iceland Frozen Foods)、彭尼公司(JC Penney)、玛莎百货公司(Marks & Spencer)，QVC公司和西尔斯公司(Sears)。
推荐阅读资料
马歇尔·费希尔、库马尔·拉贾兰(Kumar Rajaram)，Accurate Testing of Retail Fashion Merchandise:Methodology and Application,Marketing Science杂志，第3期，2000年夏季。
马歇尔·费希尔、阿南思·拉曼、贾尼斯·哈蒙德(Janice H.Hammond)、沃尔特·欧博迈亚(Walter Obermeyer)，Making Supply Meet Demand in an Uncertain World，《哈佛商业评论》，1994年5/6月号。
阿南思·拉曼、朱利奥·佐特里(Giulio Zotteri)，A Technique to Estimate Retail Demand and Lost Sales,Harvard Business School Working Paper，2000年。
Sport Obermeyer Ltd.，哈佛商学院案例9-695-022号。
标签：销售预测论文; 供应链物流论文; 库存管理论文; 服装零售论文; 销售分析论文; 供应链系统论文; 误差分析论文; 服装行业论文;