.什么是优化？
安意识到，她必须让公司经营管理层对优化有一个更为完全的了解。在查阅了APICS字典（APICS：美国生产与库存管理学会American Production and Inventory Control Society）和《商业物流管理》（The Management of Business Logistics）杂志中的相关文章之后，安认为以下对优化的定义比较合适：“优化是一种模型化的解决方案，它根据一个预定的目标来决定，在现有的资源和约束条件下，实现该目标的可能的最佳解决途径。”在对这个课题的调研中，安发现，早期的优化工作在二十世纪五、六十年代就完成了。许多最初的优化方案都试图改进工人的工作调度，但是这些优化工具有很强的局限性。首先，许多需要考虑的变量往往很难量化；其次，这些优化模型产生的时候，计算机的能力有限，无法解决如此复杂的问题。
在过去的四十年间，各种行业组织收集的数据越来越多，而计算机的能力也飞速提高。虽然制造业也许是提出优化概念的先行者，但是，其它行业迅速意识到优化的各种好处。优化模型开始渗入供应链的其它领域。现在，优化在各种行业中得到广泛的应用，应用于预订系统、金融服务、直销、出租车定价、制造及国防系统等等。在BestMart内部，供应链上游管理也使用了优化，但是安的设想则集中于正兴起的优化在“需求链”和店铺级商品企划决策上的应用。
.需求链优化与现在的程序有何不同？
需求链优化解决方案与以往的做法在两个方面有显著的不同。第一，它们着重于通过对销售历史记录的分析来了解消费者行为以及消费者行为对需求的影响。现有的程序则注重平均销售额、周销售额和汇总的销售信息，还有自动的基本数学运算功能。然而，自动化不等于优化。优化解决方案运用统计学模型和概率论来预测，基于以往的行为，消费者身处某一特定环境时，会发生什么情况。例如，在某个价格下降、某件商品缺货或某个促销行为发生时，消费者会如何行为。重点在每个店铺、每个单品上的消费者行为。因此，这些解决方案经常被描述为需求链方案，而不是供应链方案。
第二，各种新兴的零售优化解决方案使用的求解数学方法与以前的通常做法是不同的。零售业总是要通过分析各种数据来向前发展。然而，现存的程序是以自动的方式对单品同时进行各种基本运算。而且，自动化不等于优化，现存程序也没有衡量决策间的相互影响以及它们对整个品类是否是最佳决策。还有，也几乎不考虑外部的约束条件和资源。优化解决方案使用了称为数学程序的一系列的计算，这些数学程序代表了所有的约束条件和资源。这些数学程序同时运行出结果，从而生成对于整个品类来说是最佳而且在单品上可实施的建议。这是在给定的单品总量、店铺总数和天数下，真正实现微观商品企划的唯一途径。
许多提供商在其营销资料中随意地使用“优化”这个术语，但是很少人真正在其产品中实施了优化。安发现，以下问题可以很快鉴别一个程序是否真正应用了优化：
1）你使用何种概率分布来代表需求？
2）你使用何种形式的数学编程来执行优化？
安认为，这些新的优化系统将会给零售业目前的经营环境带来大改变。它们对商品企划流程的目标进行了重新的定义，使在一些以前被看作是零售“艺术”的领域内做出更好的科学决策成为可能，现在，她需要在公司内获得更广泛的支持。
.说服公司经营管理层
安给公司经营管理层递交了一份呈文和商业案例。这份呈文简要说明了她的设想，以及为了应对EDLP的竞争，需全面采取需求链优化解决方案的必要性。安指出，他们现在所用的程序对于10-15％的商品单元是非常有效的，但是对于其余的商品单元则无效。她特别指出优化在其它公司获得的成功，以及她正在进行的试验方案目前所获得的进步。她还指出一个运用ASP模型来缩短投资回收期的机会。
BestMart的高级主管们很有兴趣知道，优化如何能帮助他们发挥一个中央集权组织的潜能，以及它如何影响那些不掌握这一技术的商品企划人员。对此，安提出一个设想，即创建一个专门进行优化的集中的“商品企划分析家”功能程序。它可以对品类经理及其它介入商品企划领域的人员提供支持。这个应用程序母体使具有深厚分析背景的分析师能够向商人提供‘科学’，而商人又可以在其中加入他们的零售‘艺术’和品类专业经验。它需要增加从事分析的专业人员，但也意味着商人处理的品类可以比以前多。
BestMart的一位高级主管曾在前面任职的一家公司里有过优化的经验。当时，该公司的营销和广告团队正在对促销的商品和使用的广告媒体方式进行筛选。随着时间的过去，他们意识到，这个“推动”型系统是由采购程序支配的，并没有体现出需求链及消费者需要的精神。
为了改进这一系统，他们使用了一个促销优化解决方案来挑选适合促销的产品，对促销产品和其所在品类进行更为精确的需求预测并生成一个工作流程。该工作流程包括一个按品类给出的年度促销计划和广告媒体分配，大事规划以及待批准的向广告商发布的商品选集。在看过这些备选计划之后，该公司的首席执行官决定斥资开展另外的试点项目以完备价格和店铺订货方面的创新。他的重点放在货架优化以解决缺货这个大问题，以及降价优化以提高利润率。
.货架优化试点计划
货架优化的焦点是对商品品种分类、空间分配和品类/商品组的补货参数给出建议。BestMart目前的做法是，不同的组织思洛（silo）模块分别做出决策。安还发现，在需求高峰期会发生缺货，但是现在的方法只对周平均销售额进行估计。另外，是否能满足需求取决于什么时候货架上重新摆满商品，换句话说，在整个补货周期内都必须由货架商品来满足波动的需求。然而，BestMart现有的程序并没有将补货模块并入货架规划程序中。
安决定使用优化技术来检查所有不同的货架组，并分析单品销售和销售变动之间的，单品补货和补货变动之间的，单品空间分配和总空间之间的，产品安排以及商品企划规则的同时互动关系（或权衡关系）。然后，安在一个店铺的洗涤用品部门使用该优化解决方案。仅仅过了三个星期，运行该试验品类的数据就已准备好和安装好。该程序同时衡量商品企划、供应、需求、空间和财务上的各种限制，以利润最大化为目标。优化程序的运行结果是按照品类及商品组给出的新的货架组，以及单品的销售额、利润、缺货水平、周转次数、有库存天数、存货投资的毛利回报率、存货持有成本等等。
五周之内，安就能够测出洗涤用品部门货架表现的显著进步。由于缺货水平的下降和商品单元的合理化，销售额增长了5％；同时，周转次数的增加和货架生产力的提高将存货投资的毛利回报率提高了12％。事实证据在手，安坚定了优化能够在店铺中起作用的信心。
.接着进行降价优化
接下来，安打算将重点放在对季节性商品和生命周期较短的产品的降价优化上。她决定先从夏季衬衫入手。BestMart还有前一个夏季的库存衬衫，这些衬衫已经降价了无数次。她希望今年不要重蹈覆辙。
她的团队收集了历史的POS数据并利用它搭建了一个因果预测模块，该模块集合了促销大事件、价格改变、操作流程、存货持有成本和机会成本等等。很快，他们就提出了关于衬衫售卖的建议。在评估了所有变量和约束条件之后，该优化程序建议，在没有促销的情况下，将目前的价格保留六个星期，然后降价37.5％。安意识到，顾客一般都喜欢整数打折，因此最终的建议是在第七个星期降价40％。
该优化解决方案求解出顾客愿意支付的最佳价格（店铺售价或区域价格），同时也评估了同降价有关的所有成本和操作限制。然而，凭她的个人经验，安有点犹豫不决。她习惯于一个更频繁降价的系统，而且她的公司通常的做法是对这些类型的商品单元降价3到4次。但是，先前的成功让她对这个优化解决方案抱着信任的态度。试验16周之后，该方案的效果很不错。最初的一批服装商品只剩下不到3％。店铺的平均单位零售额上升了5％，毛利率上升了15％。同时，存活周转率提高了10％，由于降价比以前更为有效，店铺人力成本也下降了。优化在解决实际中的零售问题上又一次获得了成功。
.BestMart的结论
这些试点所牵涉到的系统与新程序的结合使BestMart得以做出关于价格、促销、补货、货架管理、降价和其它一些流程的最佳决策。安已经成为一个零售需求链优化理念的虔诚信仰者。虽然这样的一些解决方案对成本和组织机构上的冲击不可小觑，她有确凿的证据表明，一个整合的解决方案将能够实现她将销售额提高10到20个百分点和将存货投资的毛利回报率提高15到20个百分点的目标。安下结论认为，这是一个明智的投资，她将建议在全连锁范围内全面采用该方案。
.结束语
优化解决方案的整体效益是非常高的。这还是一个相对年轻的行业，产品不断推陈出新。然而，该技术在零售业的传播同供应链采用优化工具的过程十分类似。随着技术成熟度的不断提高，更多的零售商将会认识到优化的各种好处。在实施过程中，优化贯穿各个关联职能领域的整合效益日趋明显。因此，优化解决方案提供商下一步要做的事情是，确定整合标准。这将帮助需求链和供应链上的各个企业更有效率地交流。
总之，零售优化是这一行业接下来的伟大技术变革。然而，这一变革的影响超越了技术本身，它极大地改进了零售流程。因此，借助于优化的零售组织能够获得几年的竞争优势。问题不在于一个零售商是否应该使用需求链优化解决方案，而是一个零售商还要任凭它的竞争对手在这方面领先它多久？
