连锁药房数智化库存管理的探索与实践

连锁药房数智化库存管理的探索与实践

Exploration and Practice of Digital and Intelligent Inventory Management in Chain Pharmacies

曹生才

华人健康医药股份有限公司 集团信息化总监

捷助医药科技有限公司 执行董事

摘要：本文首先介绍了零售领域尤其是连锁药房中库存存在的必要性，以及库存管理的现状与痛点。然后介绍了笔者团队在“以业务战略为导向，以数据治理为基础，以数字化技术应用为驱动”的数字化转型思想的指引下，在供应链数字化项目推进的过程中，给出的关于连锁药房库存管理的数智化解决方案的探索与实践。最后对实践过程中的经验、教训进行了复盘、反思，并梳理出连锁药房库存管理的未来的优化方向。

关键词：连锁药房、供应链数字化、数据治理、库存管理、数字化转型实践

• 背景

在经济形势持续向好，以及流量红利和政策红利持续发挥作用的背景下，连锁药房的数字化转型更多地聚焦于前端业务，也就是持续在数字化营销上发力，以期不断扩大市占率，不断提升营收规模。各种营销策略与用户运营策略，层出不穷。

但是，随着经济增速放缓以及消费降级的态势的发展，以及医疗、医保、医药相关改革举措的持续推进，医保管理更加严格、规范，导致了药品零售行业整体的增速放缓，甚至停滞。数字化营销策略似乎也逐渐失灵，药品零售企业普遍呈现出增长乏力的态势。

当下，外生性增长停滞的背景下，连锁药房纷纷调整为向内求的策略，追求内生性增长。数字化转型的焦点也就从数字化营销转向了数字化营运与数字化管理，以期利用数字化技术赋能降本增效，从而在努力保持营收规模的同时，保持甚至提升盈利水平。

在降本方面，采购成本的降低，势必会影响到销售商品的质量，势必会降低顾客的忠诚度、影响到营收；管理成本的降低，比如裁员，又会影响团队的士气，对组织造成不可逆转的损伤。连锁药房不约而同地转向推行供应链数字化的策略，以期降低供应链成本，而库存成本就是其中的重中之重。

正是在这样的背景下，笔者团队在集团业务战略的推动下，深入分析库存管理的现状与痛点，以数据治理为基础，以相关数字化技术的应用为驱动，推进了数智化库存管理的探索与实践。

1 库存管理的现状与业务痛点

库存管理是现代化供应链管理中的至关重要的一环。库存的产生，主要源于市场需求与供应链运作之间不可避免的时间差。首先，消费者需求的波动性使得企业必须保持一定量的库存，以应对突发的需求增长。其次，生产周期的延长、供应商交付效率的不稳定，以及运输时间的不可预测性，都是导致企业需要维持库存的原因。此外，市场竞争激烈，企业为了获得竞争的优势，通常需要采取提前备货的策略，以确保在市场变化时能够快速响应。

虽然，供应链管理领域，有“库存管理的最佳状态是零库存”的说法。但是，零库存，并不是真的没有库存，而是让积压在仓库中的库存尽可能地少，最理想地状态下，是所备货物刚好与订单需求吻合，不多不少。由于各种不确定性地存在，理想与现实终究还有很远的距离。

聚焦到连锁药房中，库存的存在尤为必要。药品的销售具有典型的季节性，而且会受到促销活动以及政策变化等多种因素的影响，药房需要通过合理的库存水平来确保常用药品的稳定供应，避免因断货导致的顾客流失。此外，药品的效期限制，也使得药房的库存管理变得更加复杂。

尽管库存管理在连锁药房中尤其必要性，但是，当前的库存管理现状却不容乐观。许多药房仍然采用传统的库存管理方式，只看到仓储中心中的库存，而对作为前置仓的门店库存处于“灯下黑”的状态，各个门店的库存管理水平很大程度上依赖于店长个人的管理水平，导致了库存管理不善的现象普遍存在。

一方面，许多药房面临着库存资金占压的问题，资金的占压影响了企业的现金流，限制了企业的投资、发展机会。在我们对连锁药房的库存现状的统计中发现，不少门店的库存周转天数在90天以上，甚至有部分门店的库存周转能超过360天。

另一方面，尽管库存资金占用一直处于很高的水位，但是仍然普遍遭到断货的困扰。这种现象的产生，主要是由于库存管理的粒度过于粗糙、数据分析能力不足以及缺乏科学的预测模型。销售数据与库存数据的严重脱节，使得药品的补货与销售之间未能形成有效的信息反馈闭环，导致门店库存结构很不合理，畅销品类反复断货，而滞销品则持续积压，占据了过多的库存空间。

这种库存管理的不良现状不仅影响了连锁药房的运营效率，还降低了顾客的购买体验。当顾客发现所需药品频繁缺货时，很可能转向竞争对手，导致药房失去潜在客户。此外，库存的积压还可能导致药品近效期、过期销毁，增加了药房的损失。不良的库存管理直接影响了连锁药房的盈利水平和市场竞争力，利用数智化手段改善库存管理水平的业务诉求变得越来越迫切，甚至关系到企业的生死存亡。

2 库存管理的数字化基础

迫切的改善库存管理水平的业务诉求，使得对库存管理的数智化探索与实践变得刻不容缓。但是，数智化技术应用的前提，是已经拥有高质量的数据。否则，不管算法和模型有多么的健壮、优秀，输入的是垃圾数据，输出的自然也是垃圾的结果。

图1 数智化库存管理的数据基础

在推动数智化库存管理的相关数据治理的过程中，我们主要采取了如下举措：

• 元数据管理推进，对现有数据资产进行盘点、梳理。
• 将POS系统、ERP系统、WMS系统等业务系统中相关数据进行集成，同时进行数据的剖析，并进行相应的数据质检工作。
• 推进商品主数据的管理，主要是编号、批准文号、通用名、规格、厂家、中包装、件装量、季节性、商品定位、成本等数据的标准化。
• 推进门店主数据的管理，主要是门店首营时间、所在区域、所属业态、竞争类型、经营方式等数据的标准化。
• 推进销售数据和库存数据的质量提升，同时反推相关业务系统的改造，从而落地相关数据质量标准。比如在POS系统中规范相关出账方式的录入，从而在销售预测模型建立中，将顾客临时订购、团购单、促销等因素对销售数据的影响尽可能地剔除。库存数据中，扩充在途库存数据的管理与维护，明确区分门店可销库存、冻结库存、在途库存等。
• 依托数据中台和业务中台，承载相关数据管理能力，同时将标准化、高质量的数据资产以数据服务的形式向外提供，实现各个相关系统间的数据共享交换。

基于上述举措，我们最终获得了良好的数据基础，并在此基础上开展销售预测模型建立与精细化库存管理的推进工作。

• 库存管理的数智化解决方案

当前，我们的工作重心在于优化药房门店的库存管理水平，仓储中心与供应商相关的供应链环节可以暂且抛开不谈。

围绕着门店日常业务的开展，影响门店库存的主要有这些业务操作：

• 主配业务：由连锁药房总部发起的主动给门店铺货的业务，主要涉及到新开门店的首轮铺货、紧俏品种的总部统一配送、DTP、冷链等特殊品种的总部统一配送、新品种的主动铺货等。
• 门店补货：由门店发起的补货业务，店长根据个人经验进行的补货业务。
• 主动召回：部分批号/批次存在质量问题导致的主动召回、厂家承担成本的近效期、滞销品种的统一退回等。
• 门店退货：门店不动销、滞销的品种的主动退回。
• 店间调剂：相邻门店间部分品种的互相调拨。
• 门店销售：门店正常销售给顾客，包括普通销售、团购单、顾客预定、近效期自行承担、优价单等。
• 顾客退货：顾客由于各种原因的退货。

图2 门店库存管理核心业务流程

整个数智化库存管理方案，主要分为基础参数维护、智能主配、智能补货、智能调剂和智能退货等5个模块。其中，基础参数维护模块，主要功能有：1）门店目录维护，如加乘系数、不补货属性等；2）商品目录维护，如商品加乘系数、不补货商品目录、商品定位、季节性等；3）库存管理相关参数设置，如动态补货点、目标库存、补货策略、季节性窗口期等公共参数。

接下来，就4个核心库存管理模块分别展开论述。

3.1 智能主配

智能主配主要解决的是新店主配的问题，特殊品种的总部主配，可以按需进行，暂时不需要进行优化改良。

新店主配的问题，很大程度上在于新店缺少过往销售数据的支持，难以合理推测出后续的销售情况从而推测出合理的主动铺货计划。业务人员通常的做法是人工选取几家周边的老店作为新店的销售参考基准，使用Excel进行手动销售数据的整理，然后筛选出需要铺货的商品目录，并结合销售数据做个相对粗糙的主配计划，最后将主配计划的Excel上传至ERP系统，完成一个新店的主配。

此项工作的开展费时费力，一个人一两天可能才能完成一家新店的主配计划上传，而且完全依赖人工经验判断，准确性、稳定性难以保证。此外，对业务人员熟练度的强依赖，临时换个新人，短期内可能难以胜任。

所以在智能主配模块，我们更多的是将业务人员的主配经验细化为各种明确的规则，包括参考门店选取规则、销量加权计算规则、主配商品目录筛选规则、主配数量范围确定规则等。而这些规则的确定，都需要以前面对门店主数据、商品主数据的数据治理为基础。

图3 新店主配计划自动生成

3.2 智能补货

智能补货模块主要是通过销售预测模型，以及销售数据与库存数据的联动，实现自动化补货计划的生成，从而降低对店长库存管理水平的依赖，实现连锁药房所有门店的库存管理水平的提升。

图4 门店补货的基础模型

门店的智能补货，其实还是以仓库补货的模型作为基础模型来建立的。同时，结合总部营运中心对门店的营运需要，结合门店的销售数据预测、商品组定位、门店业态等进行动态的补货点、目标补货量的计算。

其中，相对核心的模型规则有：

• 销量预测模型：需要以销量基准趋势、周期性趋势、季节性趋势为基准，同时将影响模型准确性的误差因素干扰尽量去除，包括：缺货导致的门店断货销量的差值规则、促销因素的剔除规则、临时团购单、客户预定单等在POS出账的标准化等。
• 商品组定位：基础品、核心品、新品、淘汰清退品种等，不同的商品组定位，对动态补货点、补货量的计算要能动态配置调整。
• 门店业态加成规则：需要考虑门店所在商圈、门店竞争因素、门店面积的陈列需要等，对动态补货点、补货量的计算可以动态调整相关补货系数。
• 季节性窗口：需要考虑季节性流行病的因素，配置季节性窗口期，提前完成季节性品种的补货，销量预测需要参考去年同期的季节性品种销量。
• 节假日、仓库负载等因素：节假日补货周期的调整、仓库负载量的平衡，需要可以动态调整补货系数。
• 门店基础数据变更：涉及到门店短距离迁址等因素重新发起的门店首营流程，“同一”门店的前后两个基础数据对应的销量合并计算、库存数据结转规则。
• 近似品种替换：新品、淘汰品、临时性/周期性缺货的紧俏品种，需要完成近似商品的关联管理，完成补货计划的动态替换。

3.3 智能调剂

智能调剂模块主要解决的门店间库存结构不合理的情况，最直观的表现是相同的品类有的门店反复断货，而有的门店一直滞销积压。相较于断货门店向仓储中心发起补货申请和滞销门店向仓储中心发起退货申请，才能实现商品在门店间的流转。智能调剂希望能够实现门店间的库存匹配，动态实现店与店之间的自动调拨，从而提高商品店间流转的效率，同时降低仓储中心的库内作业成本（退货入库、拣货出库等）及配送成本。

此外，相较于个别门店之间自发的就单个药品或者几个品类的互相借调。智能补货实现的是同一个区域，几十、上百家门店间的库存的系统性、动态调配，从而实现整个区域门店库存的全局最优。这种业务需求在之前人工通过Excel进行调剂方案设计的方式中，根本是无法实现的。

当前的智能调剂方案，剔除了散装中药饮片的调剂，将该需求转化为了一个整数线性规划的问题。本质上是根据商品、门店的组合，分别构建一个供给资源池、一个需求资源池。资源池的大小是根据门店、商品的动态补货点和补货量来决定的，从而避免智能调剂与智能补货相互打架的情况发生。

图5 智能调剂的整数线性规划模型

需要注意的是，由于调剂方案以及其他业务流程的执行有一定的时延，需要将在途库存进行管理起来，避免因为这部分库存数据的缺失干扰到补货、退货等流程的计算准确性。基于调出、调入、退货、补货生成对应的正向在途和负向在途数据，同时明确界定参与调剂的库存数据为门店真实可销库存等。如果门店库存管理的粒度不够细致，显然是无法推进智能调剂方案的真正落地的。

3.4 智能退货

智能退货模块主要是解决总部发起的退货业务，包含质量召回、滞销统一退货等业务，主要解决的问题是以往总部退货业务的门店执行的质效问题。

智能退货的需求实现比较简单，主要在于流程的自动化以及协同优化，针对人工整理、发群的方式，我们主要进行了如下优化：

• 实现基于商品通用名、批号、批次的退货商品目录选取。
• 基于退货商品目录，锁定当前存在真实可销库存的门店目录。
• 自动生成每个门店自己的商品退货计划，同步推送至店长手机端，同时监控各个环节的执行推送超期预警等。
• 退货方案的执行质效统计，包括方案整体完成情况，大区、区域、门店完成情况，各个商品、批号的完成情况等，用于支持执行过程中的监督，以及事后的考核。

4 反思与改进方向

供应链管理，尤其是库存管理，在企业管理中通常是一个复杂的课题。一方面，确实存在很多的不确定性；另一方面，供应链管理在内部跨很多部门，外部还有上游供应商，下游客户，跨系统、跨组织的协同也有很大的难度。在推进连锁药房的数字化库存管理的实践中，我们也不可避免地走了不少弯路。

首先，“凡事预则立，不预则废”。数据的基础始终是至关重要的先决条件，数据治理也是一个持续化、嵌入式的过程。在推进过程中，总是存在业务方反馈补货计划不准确的情况，最终排查下来，绝大部分定位到主数据维护有问题或者门店未按照标准进行出账。所以，数据治理工作的推进要持续化、常态化，同时加强主动预警机制。

其次，数智化库存管理看似是一个基于大数据、算法的技术工程，其实更是一个业务工程。在推进智能补货过程中，门店始终表现出消极应付、甚至对抗的情绪，不愿意进行系统的切换尝试。真正走访几家门店，发现其根源在于营运上对门店库存周转的考核。智能补货的推进目标与门店库存周转的考核存在偏差，而且如果智能补货全是依靠总部配置的规则、机器学习算法自动生成的话，就不应该再拿库存周转来考核门店。所以，相应的管理制度的调整也需要同步进行。

另外，相关系统上线之后的运营成本，在上线之初也没有准确把握到。相关工程师从开发转成了运营辅助人员，天天配合营运人员排查规则是否正确生效，补货计划数量是否合理等，对应的营运监控自查平台的建立也变得刻不容缓。

除了以上需要调整、补充的内容外，关于库存的管理，也要进一步深化到仓储中心的库存管理。数智化的库存管理需要逐步覆盖全业务流程，包括智能采购、智能营销等。

5 结束语

数字经济时代的大背景之下，企业的数字化转型已进入深水区。

数字化转型不是也不应该是IT工程，而是以业务战略驱动、IT配合的系统性工程。业务战略的细化拆解，业务战术的规则明确，以及大数据、人工智能等技术选择合适的场景切入，都是需要系统性考虑的问题。

而数字化转型的难点也不在于技术上的困难，业技融合的推进以及不断深化，才是数字化转型最大的难点。

在企业管理中，供应链管理始终是一个复杂的跨组织、跨系统协同的大工程，关于供应链的数字化，我们仍在探索与实践，谨以此文与诸君共勉！

参考文献

[1] 施云.供应链架构师：从战略到运营[M].北京：中国财富出版社，2016.

[2] 罗静.实战供应链：业务梳理、系统设计与项目实战[M].北京：电子工业出版社，2022.

[3] 施云.智慧供应链架构：从商业到技术[M].北京：机械工业出版社，2022.

[4] 赵玲.卓越供应链计划：产销协同规划设计与实践[M].北京：机械工业出版社，2024.

[5] 李傑.供应链管理技术：采购和仓储实践者的创新笔记[M].北京：人民邮电出版社，2020.

[6] 林梦龙.供应链库存与计划管理：技术、方法与Excel应用[M].北京：电子工业出版社，2024.

[7] 林雪萍.供应链攻防战[M].北京：中信出版社，2024.

[8] 刘宝红.供应链的三道防线：需求预测、库存计划、供应链执行[M].北京：机械工业出版社，2022.

作者简介

曹生才，华人健康集团信息化总监，电子科技大学计算机硕士毕业。先后在互联网大厂、创业公司、大型传统企业关键岗位任职，项目经历覆盖交通、医疗、司法、餐饮、医药等行业，兼具管理、架构、技术、业务、数据及产品思维，具有丰富的集团企业数据治理、数字化规划、数字化项目落地实施等方面的实战经验及数字化转型方法论。

受聘为DAMA大中华区认证讲师、安徽首席信息官协会专家委员会聘任专家，获得过CDGP(数据治理专家)、工信部认证的系统分析师等相关认证。于2024年荣获长三角CIO发展论坛颁发的卓越数字化领导力、中国医药数智峰会颁发的医药行业数智化领航者等奖项。