正文
作者：零一
如题，基于上一篇的TOP商家，我们在做数据咨询的时候，发现他们补货很乱，因为产品多，SKU也多，补货的时候一锅（tuan）粥（zao），经常导致滞销和断货，因此，我们做了一个补货的模型，来解决这个痛点。而我们今天分享的是模型中的其中非常重要的一部分，基于近期N天日销的补货模型，此例不考虑SKU，基于SPU分析。
需要的数据集是淘宝后台导出
订单报表（图1）、宝贝报表（图2），图1和图2是示例数据。
（图1）
（图2）
建立一张库存报表，记录现时库存量和补货周期
补货周期是指补货所需的天数
第一步，先讲数据读入Power Pivot
打开Excel在【Power Pivot】选项卡中点击【管理】，转到Power Pivot窗口
在Power Pivot窗口中点击【从其他源】，进入表导入向导
在表导入向导中，选择【文本文件】，然后点击【下一步】按钮
在下图的对话框中，先点击【浏览】按钮选择好文件路径，在将复选框【使用第一行作为列标题】打钩，在预览界面中观察到数据显示无误后，点击【完成】按钮
注意！这个时候会有很多同学出现读不到数据的问题，字段读得到，但是里面的数据都为空，这个时候，请把CSV文件里面的工作表名字，修改成英文即可。
在宝贝报表中新建汇总的度量值，这个度量值要用于后面的运算
在Power Pivot主页点击“关系图视图”
建模，将【订单报表】的“订单编号”字段连接到【宝贝报表】的“订单编号”，【宝贝报表】的“商家编码”连接到【库存报表】的“商家编码”
回到库存报表，键入公式，求出的近N天销量是基于补货周期的天数计算的销量
=SUMX(FILTER('宝贝报表','宝贝报表'[商家编码]='库存报表'[商家编码]&&DATEDIFF(RELATED('订单报表'[订单付款时间]),TODAY(),day)<='库存报表'[补货周期]),[购买数量 的总和])
键入公式计算出多少天后需要补货（现有的货可以卖几天）
=IF(CEILING(DIVIDE([库存],[近N天销量]),1)-1<0,0,CEILING(DIVIDE([库存],[近N天销量]),1)-1)*[补货周期]
键入公式计算出最小补货量
=IF([多少天后要补货]=0,[近N天销量]-[库存],0)
键入公式计算库存一周期的备货量（至少保留一个备货周期以上的库存）
=IF('库存报表'[多少天后要补货]=0,'库存报表'[最小补货量]+'库存报表'[近N天销量],0)
初步完工。
此模型是利用过去N天的日销计算，如果需要加入更多的技术含量，可以使用
时序预测
，预测未来N天的日销，此方法不适合用于活动，活动的库存备货逻辑要参考日销，也要参考同行历史同价格段的产品的活动销量。对于新品的预测，如果有测款的情况下，用历史的测款数据做
回归建模
，这样就可以测算出新品的销量。如果没有测款数据，参考依据就不是很充分了，只能基于市场数据建立模型预测，但这种方法的拟合度不是很好。
对于下图这种多SKU的场景，只要在库存表中加入商品属性列，用同样的方法可以做出基于SKU的补货表。
将模型建立好后，开发成傻瓜版本，只需设置文件夹路径，文件夹内放3张csv文件即可使用。直接刷新右表就可以出来结果
模型表格（基于SPU）索取方法，转发本文至朋友圈，凑齐3个赞，截图并留言邮箱地址给小编，小编会在本周五统一发放。
想要系统学习电商数据分析技术，找零一电商数据学院，做最专业最具有技术含量的电商数据分析人才培训，线上第五期火热招生中。
学习这套课程可以让你得到以下收获
（1）思维：用数据分析的思维统治世界
（2）高效：让你的工作效率疯狂提升
10倍
（3）洞察：数据变现，不管是自己用还是打工都能让数据成为你赚钱的工具
零一电商数据学院的课程与其他课程的区别在哪里？
（1）对比市面上的专业数据分析课程，我们更垂直，全套课程针对电商的业务场景展开，对于电商人，更好消化更好理解，而且可以学以致用。
（2）对比市面上的淘宝数据化运营课程，我们更先进，技术含量更高！技术的更迭让许多过程更智能更便捷。
（2）对比市面上的“黑科技”课程，我们更持久，不存在有效期，跟着我们可以不断接触到新技术。黑科技从技术角度上只是代码解析和统计学的内容，学完课程完全可以自己去研发黑科技。“黑科技”就像是毒品，容易让运营陷入“除了刷单什么都不会”的尴尬局面。
学成之后
10+万
年薪等你来拿！！！
附课程详细大纲
第一节 全析大数据时代的核心技术
大数据的发展趋势
数据分析成为大数据技术的核心
数据分析的概念解读
数据分析的方法简介
数据分析的五个基本方面
数据处理
数据的采集
基本统计分析
数据挖掘
数据分析的注意事项
高效学习的方法
第二节 洞察大数据，挖掘运营规律
数据分析的基础名词扫盲
店铺的快速诊断
运用相关分析的方法
相关系数/相关比/克莱姆相关系数
快速找出店铺问题的核心影响因子
研究淘宝权重影响因子
时间序列基本知识
处理缺失值
CORREL函数
第三节 透析统计，突破运营瓶颈
梳理数据指标体系
分析数据的波动情况
MAX/MIN/SUM/AVERAGE/QUARTILE/STDEV函数
实例：用指标法描述和对比产品的表现
第四节 智能可视，掌握运营全局
数据展现的基本原则
不同场景的信息图选择
柱形图/条形图/雷达图/饼图/折线图/散点图/直方图
实例：用图表法分析客服的综合表现
第五节 关注数据维度，培养数据思维
数据分析的基本方法论
数据分析的思维
对比不同品牌的销售情况
分析销售额的影响因子
分析生意参谋的店铺数据
店铺指标杜邦分析报表
第六节 掌握分析模型，运筹店铺态势
自我分析诊断
态势分析SWOT方法
万能的思维架构5W2H
互动话题：如何脱单
互动话题：如何做好淘宝
第七节 对比整合，把控行业全局
市场容量分析
市场趋势分析
品牌竞争度分析
实例：开发生意参谋市场分析报表
第八节 多维交叉，洞察细分市场
市场细分维度划分
多维度交叉分析
细分市场选择技巧
实例：开发市场细分报表
第九节 数据掘金，洞析竞争对手
生意参谋数据采集
竞争对手分类
竞争对手数据分析
竞争对手舆情分析
操作手法倒推
实例：开发竞争对手分析报表
第十节 数据预测模型，掌控店铺盈亏
变动成本和固定成本测算
项目毛利率测算
盈亏平衡销售额测算
销售额目标可行性分析
实例：开发盈亏预测模型
第十一节 训练全局思维，掌控店铺舵向
年度工作计划
品类及货品规划
销售额目标分解
流量目标分解
人力目标分解
成本分解
盈利分析
资本回报率
实例：开发店铺规划模型
第十二节 预测与分析，把控现金流
现金周概念
收入分析
支出分析
现金分析
资金周转天数和周转率
实例：开发现金流报表
实例：开发基于日销的补货模型
第十三节 数据化选品，高效打造爆款
店铺定位和选品技巧
通过数据进行差异化选品
实例：开发多平台选品建模
第十四节 VBA编程，高效运营
自动化操作的价值
利用宏简化日常工作
控制Excel的对象
过程、参数、变量和对象
实例：开发自定义Excel函数
第十五节 VBA进阶开发，让抉择自动飞升
IF语句解析
Select Case语句解析
实例：开发关键词判断函数
实例：开发数据表格实现切片器功能
第十六节 VBA进阶开发，自动循环解放双手
For Next语句解析
For Each Next语句解析
Do Loop语句解析
实例：开发环判断关键词的热门程度（热温小冷词）
实例：开发生意参谋数据快捷获取系统
第十七节 解析网页结构，洞析平台背后规律
网页组成解析
查看网页源码
检查页面元素
数据定位
网页抓包
在PC端解析无线端网页
第十八节 VBA爬虫，抓取可见数据
采集网页数据的原理
反防爬虫机制
提取目标数据
处理错误代码
设计程序窗体
实例：开发淘宝下拉词数据采集系统
第十九节 PQ爬虫，一键抓取数据
无编程可视化爬虫开发
需要登录账号的数据采集
实例：开发淘宝搜索数据采集系统
实例：开发京东搜索数据采集系统
第二十节 掌握数据库，搭建数据指标系统
批量合并文件夹的数据
数据导入和导出
数据库备份
实例：搭建电商数据库系统
第二十一节 分析建模之建立数据通道
读取MySQL数据
批量合并文件夹的数据
数据类型整理
实例：多张报表建模前的准备工作
第二十二节 分析建模之清洗杂乱数据
表间合并查询
实例：开发智能清算店铺财务系统（涉及多张报表：订单报表、宝贝报表、淘客报表、直通车报表、售后报表、刷单报表）
