第3章 供应链核心能力面试高频问题（一）：需求预测、库存管理、采购策略
三大能力对比速览
| 能力 | 常用方法 | 典型指标 | 面试高频切入点 |
|---|---|---|---|
| 需求预测 | 时间序列、因果分析、ML | MAPE、BIAS、预测准确率 | 多SKU如何处理？季节波动？新品？ |
| 库存管理 | ABC分类、安全库存、VMI | 库存周转率、缺货率、库龄 | 如何平衡缺货与资金占用？ |
| 采购策略 | 集中采购、框架协议、JIT | 成本节省、交付准时率、供应商数量 | 如何应对涨价？单源风险？ |
📌 面试问答1：需求预测
面试问题：请描述一次你如何改进需求预测准确性的经历。
面试官考察点：
- 是否理解预测方法的适用场景（如移动平均 vs 指数平滑 vs ML）
- 能否处理预测偏差的归因和闭环优化
- 是否具备数据驱动意识，能否量化改进效果
回答框架：
- 背景：原先用简单移动平均，缺货率高达15%
- 分析：发现历史数据有强趋势和季节性，改用Holt-Winters模型
- 数据清洗：剔除促销异常值，引入外部因子（天气、竞品活动）
- 结果：MAPE从22%降到9%，缺货率降至3%
- 风控：设置阈值报警，人机复核机制
简短示例回答：
“我之前负责SKU超过2000的日化品类，原用移动平均预测，MAPE高达22%。我清洗历史数据后引入Holt-Winters模型处理趋势和季节，对部分高频SKU叠加NN regression。三个月后整体MAPE降到9%，缺货率从15%降至3%。同时建立监控看板，偏差超15%自动提醒业务复核。”
可能追问：
- 新品没有历史数据如何预测？
- 当预测偏差突然变大，你的排查思路是什么？
- 如何说服销售团队接受预测结果而非拍脑袋？
避坑提醒：
✅ 重点讲验证方式（时间序列交叉验证）和业务落地闭环。
📌 面试问答2：库存管理
面试问题：你如何管理多品类的安全库存？请举例说明。
面试官考察点：
- 是否能区分ABC分类并差异化策略
- 是否掌握动态安全库存的计算逻辑
- 如何处理牛鞭效应和库存放大现象
回答框架：
- 分层分类：A类SKU用（服务水平×需求波动×提前期标准差）公式计算动态安全库存
- 数据输入：拉取过去6个月需求标准差和供应商±3天提前期数据
- 实施：利用ERP设置MRP自动补货参数，每周刷新
- 结果：A类缺货率下降50%，库存持有成本降低12%
- 监控：设置库龄预警，超90天自动调拨
简短示例回答：
“某快消电商项目有3000+SKU，我将A类20%的SKU（贡献80%销售额）使用动态安全库存公式，结合需求标准差和提前期波动，每周刷新参数。补货策略改为连续检查。结果A类缺货率从8%降至3.5%，整体库存周转从6次提到9次。同时还引入了VMI让核心供应商帮忙管理C类料。”
可能追问：
- 安全库存公式中安全系数你怎么定的？（如服务水平95%对应Z=1.65）
- 当需求突变或供应商断供时，你的应急预案？
- 如何平衡库存成本和物流成本？
避坑提醒：
✅ 强调数据驱动和分层管理，体现你既懂数学也会沟通。
📌 面试问答3：采购策略
面试问题：当核心原材料涨价20%时，你会如何调整采购策略？
面试官考察点：
- 是否具备供应商关系和风险分散思维
- 能否在成本、交期、质量间做出权衡
- 是否熟悉套期保值、长协锁定等工具
回答框架：
- 短期：评估现有库存可支撑天数，与核心供应商紧急锁定一个月的量（降价谈5%）
- 中期：启动替代物料方案（如国产化），同时引入2-3家备选供应商进行小批量验证
- 长期：考虑签订季度框架协议锁定价格上限，或与金融部门探讨原料期货套保
- 量化结果：总采购成本涨幅控制在8%以内，未发生断供
简短示例回答：
“去年不锈钢涨价25%，我当时的策略：1) 与现有供应商谈以量换价，锁定两个月80%的量；2) 同时测试两家替代供应商并完成小规模认证；3) 内部推进产品轻量化设计降低单耗。最终整体采购成本仅上涨18%，且未出现产线停线。同时建立价格预警机制，当涨幅超过10%自动触发会签。”
可能追问：
- 紧急采购会议你怎么组织？关键决策人有哪些？
- 如何防止供应商趁机囤货或压货要挟？
- 如果降价后你怎么处理之前的合同？
避坑提醒：
✅ 展示你的谈判技巧和风险对冲思维，最好有具体谈判话术或合同条款设计。
📁 项目案例实战模板
业务背景：某年营收50亿的日化企业，SKU超5000，库存周转天数高达65天，缺货率12%，同时仓储成本年均增长15%。
规模指标：覆盖3个自有工厂、12个分销中心、200+经销商，日处理订单量3万+
技术栈：SAP S/4HANA + 自研预测引擎（Python + TensorFlow）+ Tableau + 阿里云
核心难点：
- 季节性品类（如防晒霜夏季销量暴增5倍）与长尾品（年销售不足百件）共存
- 多级库存结构：工厂仓→区域仓→前置仓，导致牛鞭效应严重
- 数据质量差：部分经销商EDI对接不稳定，历史数据缺失
- 如何设计预测模型融合策略？（答案：对高频SKU用LSTM，中频用ARIMA，低频用历史均值+需求爬坡系数）
- 库存补货策略是定期还是定量？为什么？
- 项目上线后如何衡量效果？用了哪几个指标？
- 遇到数据异常如何处理？
“这个项目我负责整体方案设计和推动落地。核心思路是分层预测+动态安全库存+多级库存协同。预测层针对不同品类选不同模型，每两周重训；安全库存层面引入机器学习预测提前期波动，替代固定系数；多级库存间建立库存水位共享机制，区域仓和前置仓之间设置自动调拨规则。最终库存周转天数从65天降到42天，缺货率降到4%，仓储成本节省800万/年。这个方案的关键在于数据中台打通了工厂、物流和销售系统，否则无法实现实时协同。”