Excel 案例

37｜Prediction / Forecasting：需求、庫存與履約風險預測

一、案例定位

用 4 個 SKU、24 個月歷史需求，建立簡單可解釋的需求預測、安全庫存與缺貨風險模型。

二、學習目標

理解 Forecasting 與一般分類／推薦的差異。

使用移動平均建立基準預測。

用需求波動估算安全庫存。

把預測轉成建議備貨與履約風險。

三、案例情境

跨境企業必須提前備貨，但過度備貨會增加倉儲與資金占用，備貨不足則造成缺貨與延遲。

Excel 核心表格（Word 完整閱讀版）

下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。

Excel表 37-1｜歷史需求代表性樣本

SKU	月份	實際需求
A-100	1	176
A-100	2	235
A-100	3	233
A-100	4	205
A-100	5	206
A-100	6	186
A-100	7	180
A-100	8	179
A-100	9	165
A-100	10	155
A-100	11	269
A-100	12	213

註：此表列示代表性資料樣本，用來理解欄位與模型邏輯；完整資料保留於 Excel 工作簿供深入分析與 What-if 重算。

Excel表 37-2｜需求預測與安全庫存

SKU	預測月	近3月需求1	近3月需求2	近3月需求3	預測需求	安全庫存	建議備貨
A-100	25	181	216	261	219.33	66.17	285.50
B-200	25	326	291	369	328.67	64.46	393.13
C-300	25	349	389	460	399.33	92.76	492.09
D-400	25	449	491	560	500	92.47	592.47

Excel表 37-3｜庫存與履約風險

SKU	目前庫存	預測需求	安全庫存	庫存缺口	風險
A-100	318	219.33	66.17	32.50	Low
B-200	395	328.67	64.46	1.87	Low
C-300	506	399.33	92.76	13.91	Low
D-400	422	500	92.47	-170.47	High

四、主要結果

四個 SKU 的下一期基準預測約為：A-100 219、B-200 329、C-300 399、D-400 500。

Excel 以近三期平均作為可解釋 baseline，並用 1.65×近期標準差估計安全庫存。

學生可直接比較目前庫存與『預測＋安全庫存』，形成 High／Medium／Low 履約風險。

五、Excel 決策模型

需求預測＝近三期移動平均；安全庫存＝1.65×近期需求標準差；建議備貨＝預測需求＋安全庫存。

六、主要結果與管理解讀

預測不是未來事實，而是根據歷史資料形成的基準。

波動大的 SKU 即使平均需求相同，也需要較高安全庫存。

AI 應主動指出促銷、斷貨、政策或新品等歷史資料無法反映的事件。

七、What-if

把服務水準係數從 1.65 改為 1.28 或 2.05；比較庫存資金與缺貨風險。

八、AI Prompt

你是跨境需求預測助理。根據 24 個月需求、3期移動平均、安全庫存、目前庫存與缺口，為每個 SKU 說明需求趨勢、缺貨風險與補貨優先順序。請區分『預測』與『已知訂單』，並指出可能造成預測失準的外部事件。

九、Excel＋AI 分工

Excel：時間序列、移動平均、安全庫存與缺口。

AI：趨勢敘事、例外事件、補貨優先級與風險說明。

十、課堂討論題

服務水準越高是否一定越好？

新品沒有歷史資料時怎麼預測？

促銷月份應不應直接納入移動平均？

十一、資料來源

全部為教材模擬資料。