变异系数与季节需求的稳定性相矛盾怎么办？最好的办法是不怎么办

在我的专栏《从头细说安全库存》的第三部分“安全库存的设置”中，我提到，物料管理不要一刀切，我们要采取一定的方法对物料进行分类，要依据实际的情况，针对不同类别的物料，采用不同的管理方法。

那么，物料如何进行分类呢？在专栏中，我提出了较常见的四种分类方法（ABC分类法、XYZ分类法、卡拉杰克矩阵分类法和需求分类法），并建议以ABC-XYZ矩阵对安全库存进行设置与管理。

这其中，无论是四种分类方法之中的XYZ分类法，还是ABC-XYZ矩阵，我们都需要用到一个重要的参数，变异系数。

变异系数，Coefficient of Variance，又称“标准差率”，或者“离散系数”，一般用C.V表示，是衡量各观测值离散程度、变异程度的一个统计指标，也就是衡量各期数据稳定情况的一项指标，变异系数反馈的是需求的稳定性。

变异系数的数值为标准差与平均值的比值，其计算公式：变异系数=标准差/平均值。

变异系数无法判定季节需求的稳定性。

变异系数反馈的是需求的稳定性，就这一点，问题来了。

前段时间，有位朋友指出，变异系数由标准差除以平均值得出，反馈的是需求的稳定性（变异系数越大越不稳定），这在一般情况或常规情况下，没有任何问题，但是，如果需求具有季节性，变异系数所得的结果与实际似乎是个矛盾，变异系数并不能判定季节性需求的稳定性。

这位朋友说，季节性越明显，一般代表这个需求越稳定，但是，如果计算变异系数的话，结果却恰恰相反。计算结果显示，如果季节性越明显，经计算得出的变异系数越大（也就是需求越不稳定），这与实际情况或事实相矛盾。

我按这位朋友的思路，模拟了一组数据，发现这还确实是个矛盾。

如上图，列出了共36期的两组需求，这两组需求的总量相等（平均值相同），但实际需求1的变异系数明显小于实际需求2的变异系数，也就是说，从数据上显示，实际需求2明显比实际需求2稳定。

但是，请看下图。这是两组需求的曲线对比图，从图中可明显看出，实际需求2具有典型的季节性，也就是说，实际需求2的稳定性比实际需求1要好，这与上图变异系数计算得出的结果相矛盾。

去除季节性，再计算变异系数？

出现矛盾怎么办呢？最常想到的办法是先去除季节性，再计算变异系数。这样能不能解决问题呢？

如下图，比如我以移动平均去除季节性（取季节长度12期），变异系数计算结果为0.02。这稳定性非常好，完美的解决了这季节性稳定性矛盾的问题。

但是（必须有但是），一组数据，你怎么知道有季节性呢？如何识别季节性呢？有人说，生成曲线图不就一目了然吗？

不错，以曲线图来观察季节性是一个办法，但是（还是要有但是），我们所管理的物料，SKU不可能只有几个，往往有若干多个，在实际操作中，这若干多个SKU一个个来观察曲线太不现实。以曲线图来观察季节性，在实际操作中，这是一个纸上谈兵的方法，或者说，是一个无法落地的不靠谱的方法。

那么，还有其它方法来识别大量SKU的季节性吗？很可惜，可能要让大家失望了，到目前为止，我还真没找到可以批量的有效识别季节性的定量方法（当然，我相信绝对有方法，我没找到是我的能力与知识欠缺），也就是说，指望识别季节性再去除季节来解决季节性需求稳定的问题，可能有点靠不住。

最好的办法是不怎么办！

靠不住怎么办？最好的办法是不怎么办！最底层的方法是不采取方法。

让我们回到问题的原点，回到物料管理中XYZ分类法（ABC-XYZ矩阵）的初衷。

在物料管理中，我们对物料进行XYZ分类管理，是为了更合理的订货，是为了控制库存。

我们都知道，影响订货的主要因素包括未来一段时间的需求（预测）、订货提前期、订货周期、客户服务水平以及订货批量（最小或经济）。可以明显看出的是，在这几大因素中，可能受变异系数（稳定性）影响的是需求预测。

我们控制库存、我们订货也需要需求预测，但订货所需要的预测，时间跨度没办法太长，也不需要太长（我的建议是略大于订货提前期+订货周期即可）。也就是说，我们根本不需要以整个季节长度（或超过季节长度）来评定需求的稳定性，我们需要评定的是较短的一段时间内需求的稳定性（比如订货提前期+订货周期）。

到这里，问题是不是非常明了呢？

XYZ分类中，我们不需要长跨度计算变异系数，我们不需要纠结季节性，我们有一个最好办法就是不怎么办！

而我们需要做的，是不管有没有季节性，测算并判定某一段时间内的变异系数，仅此而已。

至于这某一段时间是多长时间，我再建议一次：最好以天为单位，这一段时间的总天数为订货提前期和订货周期之和。比如一周订一次货，订货提前期为15天，那么，我们只需要滚动测算22天的需求稳定性即可。

本文总结。

变异系数反馈的是需求的稳定性，但是，变异系数无法判定季节性需求的稳定性。

我不建议采用先去除季节性，再计算变异系数的方法来解决季节性需求稳定的问题，我建议最好的办法是“不怎么办”。

在XYZ分类中，我们不需要长跨度计算变异系数，我们不需要纠结季节性。