内容简介
书中谈到的数学概念、公式、定理及思想等，基本上都是与供应链管理的日常实践有着比较紧密的关系的。
供应链管理均值很重要，但是有很多从事供应链管理的人连Excel均值公式都不知道怎么写；很多人张口闭口是库存，岂不知背后的原理是正态分布、标准差；之所以 “心中没数”，是因为你不理解几个基本的数学不等式；学会几个常用的假设检验，这可以帮助你看透表象；看问题不能想当然，马氏距离比欧氏距离更科学；主成分分析法提醒我们，我们一直在用的供应商评价体系可能有很大的问题；函数、方程我们都很熟悉，但关键是体味微积分的基本思想；后，抽象思维、模型思维是供应链管理人才的素质。
目录
第1 章均值很重要
1. 1 算均值
1. 2 中位值及异常值
1. 3 移均
本章小结
拓展阅读
谈common sense 不common
简单, 简单, 越简单越好———学商营管理概论》 课程有感
没有规矩, 不成方圆
数学化归思想举例
用垂均法计算MAPE
第2 章 正态分布与需求管理
2. 1 标准差、方差、协方差与相关
2. 2 变异系数是客户需求波动率
2. 3 正态分布、标准差与西格玛
2. 4 正态分布、标准差与库存
2. 5 二项分布、泊松分布与指数分布
本章小结
拓展阅读
库存到底“害” 了多少人
我的书从来没有教你怎么去建立库存模型
第3 章 心中有数
3. 1 并非都是正态分布———切比雪夫不等式
3. 2 简单直接———马尔科夫不等式
3. 3 偶然中的必然———大数定律
3. 4 概率其实是人类无知的产物
本章小结
拓展阅读
模糊需求的层层传递是导致长鞭效应的根本原因
不管需求, 你还做什么供应链管理———浅论供应链管理存在的价值
人们为什么会一而再、再而三地犯常识的错误
第4 章 假设检验与几个估计
4. 1 大数定律VS 中心极限定理
4. 2一步理解中心极限定理
4. 3 点估计与区间估计
4. 4 假设检验
4. 5 F 检验与单因素方差分析
4. 6 极大似然估计
4. 7 贝叶斯估计(后验概率估计)
4. 8似值与估计
本章小结
拓展阅读
可视化不能从根本上解决供应链管理问题
很多公司的KPI 都是假的
第5 章 判别分析、聚类分析与主成分分析
5. 1 判别分析
5. 2 聚类分析
5. 3 主成分分析
本章小结
拓展阅读
库存与交付是一个问题
供应链管理存在的目的是什么
判断一家公司的好坏不能只看名气
是提前备库存还是等着挨宰
“是提前备库存还是等着挨宰” 之我见
照搬照抄其实很重要
第6 章 方程、函数与微积分
6. 1 方程
6. 2 函数、回归与需求分析
6. 3 微分、一元二次方程与PLC 分析
6. 4 时间序列分析与统计预测
本章小结
拓展阅读
函数贯串供应链
理解微积分基本思想
用微积分法推导圆锥体的体积带给我们的启示
对待预测的几种态度
第7 章 抽象、数学模型与供应链管理建模
7. 1 抽象
7. 2 模型与供应链管理
7. 3 模拟与供应链管理
7. 4 建模与供应链管理
7. 5 仿真与供应链管理
本章小结
拓展阅读
从小餐馆经理到百万富翁
复数a + bi =需求之PO + FC
光有流程是不行的———兼谈组织技能问题
参考文献
摘要与插图
直到现在，很多企业、很多人在解决供应链管理问题，尤其是库存与交付问题时，还是寄希望于“预测数据的”。在他们看来，只要搞定了预测，哪里还有什么出货问题、库存问题?
一开始，他们逼着自己的销售部门、市场部门等去做预测，然后针对他们预测的去考核、奖惩，后来他们慢慢地发现，这根本没有用。接着，他们听说计算机软件可以做预测这件事，而且比人做得好多了，于是，他们又花大价钱去买预测软件，越贵、越复杂越好，再到后来，“他们不断地表现出对他们的统计预测工具不能预测未来需求的失望之情,他们的痛苦不断加深, 因为他们期望以极少的人工干预产生预测的能力, 毕竟, 预测软件的供应商们已经让他们相信这是可能的。” 【Clients frequentlyexpress disappointment that their statistical forecasting tools do not predict futuredemand with a high degree of accuracy. Their distress is heightened because theywant the ability to develop forecasts with little human intervention. After all, suppliersof forecasting software have led them to believe that this is pole. (本书作者译)】
关于统计预测, 我们需要知道的是:
① 模型与方法论方面: 统计学家们已经发展了无数种模型、方法，有主观定的方法，如德尔菲法、主观概率法等，也有定量分析的方法，如时间序列、回归分析等。
② 软件方面: 有专门的预测软件，如Forecast Pro 等，还有ERP 公司如SAP 在自己的套件里面开发的预测模块等, 它们无一例外地在使用统计学、数学的模型与方法, 当然, 还有Excel。
作为一个供应链管理者, 我个人认为, 我们不需要去掌握那些复杂的统计学模型、公式, 因为这些东西在商业软件里面已经都有了, 像你使用Excel 里面的函数一样, 你只要知道它们是干啥的, 它们能为你干啥,你需要告诉它啥足够了, 于它们背后的原理、逻辑、模型、公式等,你知道了那是好, 但不知道呢, 也不影响你使用。类似于开汽车, 你会开行了, 于汽车的驱动原理、管路设计等, 你不明白也罢, 并不影响你开好车。
更重要的原因是, 供应链管理不是数学, 数学分析可以帮助我们做决策, 但数学分析本身不能决策。统计预测也是如此, 对我们来说, 统计预测只能是个参考, 因为, 我们还有客户预测(Customer Forecast, C/ FC)、销售预测(Sales Forecast, S/ FC), 当然, 终其实是订单(Purchase Order,PO) 或者客户对我们库存的实际消耗(Actual Consumption) 说的算。
但无论如何, 凡事, 预则立, 不预则废, 比不算好, 统计预测该做还是要做的, 它起码起到一个“合理检查”的作用———用统计预测对比销售、客户预测以挑战其背后的商业假设。