课程简介
在供应链管理中，库存决策的效率与精准度直接影响企业成本与服务水平。本课程将AI智能体、Power BI可视化工具与统计学方法融合，带领学员构建一套智能化、精准化、可视化的库存管理体系。通过实战案例，学习如何利用AI替代人工完成多工厂库存分析、采购建议与EOL产品清理；掌握基于正态分布与Croston算法的安全库存计算；并通过Power BI集成Python，实现库存阈值预警、库龄分析与未来库存预测。课程旨在帮助学员突破传统库存管理的局限，用数据驱动决策，快速响应业务变化。
课程结构（3小时）
模块一：AI智能体与库存决策自动化（30分钟）
AI通识：了解AI智能体在供应链中的应用场景与价值
实战演练：通过扣子（Coze）平台搭建库存管理智能体
多工厂库存对比与采购建议生成
EOL（下市）产品多工厂、多仓库存统计与清理方案输出
模块二：基于Power BI与Python的动态库存建模（1.5小时）
安全库存计算：使用Power BI集成Python或PowerBI DAX（Grok），结合标准差与Croston方法，考虑数据稀疏性，动态计算安全库存
未来库存预估：基于库存、预测、订单与销售数据，预估月底库存金额
库存控制阈值建立
库龄分层：0-30天、30-60天、60-90天、>90天，并结合原因分析制定管理措施
临期预警：提前2个月保质期自动预警
目标库存与实际库存对比看板
模块三：统计基础与间歇性需求预测（1小时）
正态分布与标准差
需求分布假设：中心极限定理在库存中的应用
服务水平与安全系数（Z值）：95%、97.5%、99%服务水平的Z值计算
Croston方法详解
间歇性需求的特点与挑战（零值占比≥50%的场景）
Croston体系下安全库存公式：安全库存 = Z × 间歇性需求标准差
与传统指数平滑的对比及适用场景
-
掌握利用AI智能体自动化处理库存分析、采购建议与清理方案的能力
-
学会在Power BI中集成Python，实现动态安全库存计算与未来库存预估
-
理解正态分布与Croston方法，能够针对间歇性需求精准设定安全库存
-
了解库存监控看板，涵盖库龄、临期、目标对比等核心指标
-
掌握间歇性需求预测的数学原理，为智能建模打下坚实基础
适合人群
-
-
希望利用AI与数据分析工具优化库存决策的业务分析师
-
-
-
要求具备一定Excel基础，有Power BI使用经验者更佳
讲师简介
David Yang
David 老师具有二十年以上供应链管理相关工作经验。曾在世界五百强企业中担任采购经理，中国区持续改进经理、供应链总监，负责供应链管理、ERP项目实施、ISO管理流程实施，流程改进培训和项目指导，以及供应链持续改进。
主要擅长领域：
·管理客户服务团队，大客户管理
·编写ERP 操作手册，并确保系统正常运行
·进行采购和生产能力计划
·货物及时交付流程；管理供应商的交货流程
·管理、审核供应商流程
·管理运输公司，评估运输公司绩效
·进出口业务管理流程
·咨询和实施数字化项目
·熟悉PowerBI 技能
课程信息
报名可扫码联系联韬工作人员：
