中国的鞋服品牌商发展到今天，库存仍然是痛点，行业整体库存规模高达3300多亿。79家国内上市服装企业，90%企业每年库存过亿。

2017年6家上市公司库存

企业对自身业务已非常精通，并且已经积累了大量的的数据资源，数据使用的深度决定了最终解决问题的效果，相信大数据可以不断帮助鞋服企业优化库存结构。

ERP基本上已经在鞋服企业普及，结合实物流帮助企业统计了一个相对完整的数据流，同时增加BI报表功能，呈现企业所需指标情况。在数据统计初期，ERP发挥了重大作用，但独立系统的数据源集成和整合、建立一致性的数据同样是极大的挑战。

做到数据的整合和准确，鞋服企业快速进入人为数据分析和判断的阶段，基于个人对企业业务逻辑的充分理解，通过数据报表，采用简单有效的工具和方法进行多维度分析，总结运营结果，为后续运营决策提供部分依据。

新品牌处在快速发展的阶段，数据使用处在初级阶段属于正常现象。更重要的是企业需要从最初沉淀数据基础，并且抱有对数据应用的意愿和认知。

***的鞋服企业在管理和工具上都有了很智能的提升，加上数据量已达到一定的规模和质量，根据历史数据以及当前实时的影响因素，可以对款、量、销售、***等未来值做出更准确的预测和判断。通过自身业务规律建立模型及参数，虽不能完全考虑复杂的影响因素，但会不断趋于实际情况。

为什么众多鞋服企业即便把销售模型构建的如此准确，却依然不能从本质上解决高库存的问题。因为从本质上，各个环节依然需要人来输出决策。

迈入数据驱动高效决策管理的阶段，系统将对于业务、经营作出决策而非结论。某些指标的预测准确率达到***并非关键，但是能够灵活智能的帮助决策者输出指令就极为关键。以鞋服企业为例，做好了销售预测，紧接着系统就实时输出配货、补货、调货的指令。系统会自动模拟决策，针对各项随机事件，构建出新的关联场景。

目前市场上已经出现了高效决策的智能系统，可以精准预测单店单款单周的销量，在三分钟之内输出配、补、调的相关指令，系统决策的结果实时更新。

迈入数据驱动高效决策管理的阶段，任何规模的企业，任何规模的数据，都可以发挥重要的作用。决策越来越准确，鞋服企业高库存的难题必然会被解决。