06 协同预测 CPFR
📌 知识层级说明 🟢 基础必掌握 — 入职前、面试前必须理解 🟡 进阶了解 — 有基础后扩展，理解逻辑即可 🔴 暂缓 — 工作后遇到实际场景再深入
一、什么是 CPFR？🟡 进阶了解
CPFR（Collaborative Planning, Forecasting and Replenishment，协同计划、预测与补货）：买卖双方（品牌商/零售商与供应商）共享销售数据和预测信息，联合制定需求预测和补货计划，消除”牛鞭效应”导致的供应链失调。
背景：为什么需要 CPFR？
牛鞭效应（Bullwhip Effect）：需求信息沿供应链从下游向上游传递时，波动被逐级放大的现象。
消费者: 需求波动 ±10%
↓
零售商: 感知到的波动 ±25%（为防缺货多备一些）
↓
分销商: 感知到的波动 ±50%（同样逻辑放大）
↓
制造商: 感知到的波动 ±100%（严重失真）
↓
供应商: 感知到的波动 ±150%（雪崩式放大）
结果：制造商和供应商按±100%的需求波动备货，但实际消费者只波动±10%——造成巨大的库存积压或缺货交替出现。
CPFR 的解法：跳过中间环节，让品牌商直接和供应商共享真实销售数据（POS 数据），减少信息失真。
二、CPFR 的三个协作领域 🟡 进阶了解
领域一：产品规划（Front-End Agreement）
- 双方约定合作范围、数据共享规则、例外处理机制
- 确定哪些产品纳入协同管理、目标服务水平是多少
领域二：需求预测（Demand Forecasting）
- 零售商 / 品牌商共享 POS（销售点）实时数据
- 供应商基于真实销售数据制定需求预测，而非等待传统订单
- 双方对预测差异（Forecast Exception）联合处理
领域三：补货（Replenishment）
- 基于联合预测，双方协商制定补货计划
- 供应商主动安排生产和备货，品牌商 / 零售商减少紧急催单
三、CPFR 与 VMI 的关系 🟡 进阶了解
| 维度 | VMI | CPFR |
|---|---|---|
| 关注点 | 补货执行（供应商决定何时补） | 预测协同（双方共同决定预测） |
| 信息共享 | 库存水位数据 | 销售数据 + 预测数据 + 库存数据 |
| 合作深度 | 中等（供应商自主管理库存） | 深（双方联合制定计划） |
| 适用阶段 | 稳定合作阶段 | 需求波动大、协同度要求高的战略伙伴 |
💡 CPFR 可以理解为 VMI 的”升级版”，在 VMI 的基础上增加了需求预测的联合协同。
四、中国市场的 CPFR 实践 🟡 进阶了解
CPFR 在中国的应用案例：
- 沃尔玛中国 + 宝洁：共享门店 POS 数据，宝洁基于实时销售制定补货计划，减少缺货率 30%+
- 京东 + 品牌商：京东开放销售数据给部分品牌商，联合制定大促期间的库存计划
- 汽车行业：主机厂与 Tier 1 供应商共享整车排产计划，供应商据此安排零部件备货
推进难点：
- 数据共享存在商业敏感性（销售数据是商业机密）
- 需要双方 IT 系统对接（EDI 或 API 接口）
- 需要双方高层背书和长期信任基础
五、EDI：CPFR 的技术基础 🔴 暂缓
暂缓原因：EDI 属于信息系统集成范畴，建议在 M5 数字化运营模块学习时再深入。
EDI（Electronic Data Interchange，电子数据交换）：企业间通过标准化格式自动传输业务数据（订单、发票、ASN 等），是实现 CPFR 的技术基础。