產品與庫存管理優化計劃

Product & Inventory Management Enhancement Plan

專案概覽

目標

基於現有電商管理平台的產品和庫存模組，透過數據驅動的方式提升商業營運效率，降低庫存成本並優化產品績效。

Phase 1 已實現範圍 ✅

✅ 產品ABC分析系統 - 基於真實銷售數據的帕累托分類
✅ 智能庫存預警機制 - 三級預警系統 (critical/warning/info)
✅ 滯銷品識別與建議 - 基於庫存週轉率的風險評估
❌ ~~毛利分析儀表板~~ - 因缺乏成本資料已移除
⏳ 基礎需求預測功能 - 移至 Phase 2 實現

實作階段規劃

Phase 1: 零資料表擴展 (當前實作階段)

時程: 2-3週
技術需求: 使用現有資料庫結構
開發重點: 商業邏輯與分析演算法

1.1 產品ABC分析系統 ✅ 已實現

功能描述: 基於真實銷售貢獻度自動分類產品，識別高價值商品

✅ 實際資料來源:

order_items - 實際銷售交易記錄
orders - 訂單狀態篩選 (paid, completed, fulfilled)
products - 產品基本資料
categories - 產品分類資料

✅ 實際實作組件:

typescript

// 已完成檔案
src/composables/analytics/useProductAnalytics.ts  // ABC分析核心邏輯
src/views/ProductAnalyticsTestView.vue            // 測試頁面
src/types/analytics.ts                           // 類型定義

✅ 實際分析公式與規則:

typescript

// 1. 數據聚合：按產品ID分組計算銷售指標
totalRevenue = Σ(unit_price × quantity)
totalQuantity = Σ(quantity)
orderCount = COUNT(DISTINCT order_id)
averageOrderValue = totalRevenue / orderCount

// 2. 營收貢獻度計算
revenueContribution = (產品營收 / 總營收) × 100%
cumulativeContribution = 累積營收貢獻度

// 3. ABC分類規則（帕累托原則）
if (cumulativeContribution <= 80%) → A類產品
else if (cumulativeContribution <= 95%) → B類產品
else → C類產品

✅ 實際商業邏輯:

A類產品: 累積貢獻度 ≤ 80%，高價值核心產品
B類產品: 累積貢獻度 80-95%，中等價值產品
C類產品: 累積貢獻度 > 95%，低價值長尾產品

1.2 滯銷品識別系統 ✅ 已實現

功能描述: 基於 inventory_logs 表分析庫存異動頻率，自動識別滯銷產品

✅ 實際資料來源:

inventory_logs - 庫存異動記錄（重點分析 'out' 類型）
inventories - 庫存基本資料
product_inventory_status - 當前庫存狀態視圖
products 與 categories - 產品基本資料

✅ 實際分析公式與規則:

typescript

// 預設分析參數（可調整）
const defaultParams = {
  minDaysSinceLastSale: 30,    // 最少無銷售天數
  maxInventoryTurnover: 2,     // 最大庫存週轉率
  maxInventoryDays: 90         // 最大庫存天數
}

// 1. 庫存週轉率計算
analysisPeriodDays = params.minDaysSinceLastSale
inventoryTurnover = outboundCount / (analysisPeriodDays / 30)  // 每月週轉次數
inventoryDays = inventoryTurnover > 0 ? 30 / inventoryTurnover : 999

// 2. 最後銷售天數計算
daysSinceLastSale = (今日 - 最後出庫日期) / (1000 × 60 × 60 × 24)

// 3. 滯銷判定條件（任一成立）
isSlowMoving = daysSinceLastSale >= minDaysSinceLastSale ||
               inventoryTurnover <= maxInventoryTurnover ||
               inventoryDays >= maxInventoryDays

✅ 風險等級分類:

typescript

// 風險等級評估
if (daysSinceLastSale >= 180 || inventoryDays >= 300) → 'critical'  // 極高風險
else if (daysSinceLastSale >= 90 || inventoryDays >= 180) → 'high'  // 高風險  
else if (daysSinceLastSale >= 60 || inventoryDays >= 120) → 'medium' // 中等風險
else → 'low'  // 低風險

✅ 處理建議策略:

typescript

// 建議處理方案
if (riskLevel === 'critical') → 'clearance'  // 清倉處理
else if (riskLevel === 'high') → 'discount'  // 折扣促銷
else if (riskLevel === 'medium') → 'bundle'  // 組合銷售
else → 'remove'  // 移除或調整

✅ 實際實作組件:

typescript

// 已完成檔案
src/composables/analytics/useProductAnalytics.ts::analyzeSlowMovingFromDatabase()
src/views/ProductAnalyticsTestView.vue  // 滯銷品結果顯示

1.3 庫存預警系統 ✅ 已實現

功能描述: 基於 product_inventory_status 視圖生成智能庫存預警

✅ 實際資料來源:

product_inventory_status - 產品庫存狀態視圖
free_stock - 可用庫存數量
stock_threshold - 安全庫存閾值

✅ 實際預警規則與公式:

typescript

// 1. 零庫存預警 (最高優先級)
if (currentStock === 0) {
  alertType: 'out_of_stock'
  severity: 'critical'
  recommendedAction: '立即補貨 - 產品已零庫存'
}

// 2. 低庫存預警 
else if (currentStock <= threshold) {
  alertType: 'low_stock'
  severity: currentStock <= threshold * 0.5 ? 'critical' : 'warning'
  recommendedAction: `建議補貨 - 庫存低於安全水位 (${threshold})`
}

// 3. 過量庫存預警
else if (currentStock > threshold * 5 && currentStock > 100) {
  alertType: 'overstock'
  severity: 'info'
  recommendedAction: `考慮促銷 - 庫存過多，超過安全水位 ${倍數} 倍`
}

✅ 嚴重程度分級:

critical: 零庫存或極低庫存 (≤ 閾值的50%)
warning: 低庫存 (閾值50%-100%)
info: 過量庫存提醒

✅ 實際實作組件:

typescript

// 已完成檔案
src/composables/analytics/useProductAnalytics.ts::generateStockAlertsFromDatabase()
src/views/ProductAnalyticsTestView.vue  // 預警結果顯示

1.4 毛利分析儀表板 ❌ 已移除

狀態: 因資料庫結構限制已移除此功能

❌ 移除原因:

目前資料庫結構不支援真實毛利分析：
products表僅有price（售價）欄位，無cost_price（成本價）
無採購成本歷史記錄表
無法獲得真實成本數據進行有意義的毛利分析
使用模擬數據違反「零資料表擴展」原則

🔧 實現毛利分析的前置需求:

sql

-- 1. 擴展 products 表
ALTER TABLE products ADD COLUMN cost_price DECIMAL(10,2);
ALTER TABLE products ADD COLUMN cost_updated_at TIMESTAMPTZ;

-- 2. 建立採購成本記錄表
CREATE TABLE purchase_orders (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  product_id UUID REFERENCES products(id),
  supplier_id UUID,
  unit_cost DECIMAL(10,2),
  quantity INTEGER,
  total_cost DECIMAL(10,2),
  order_date TIMESTAMPTZ DEFAULT NOW()
);

-- 3. 建立成本歷史表
CREATE TABLE cost_history (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  product_id UUID REFERENCES products(id),
  old_cost DECIMAL(10,2),
  new_cost DECIMAL(10,2),
  change_reason TEXT,
  effective_date TIMESTAMPTZ DEFAULT NOW()
);

💡 建議替代方案:

營收分析: 基於現有銷售數據分析產品營收貢獻
價格分析: 分析產品定價策略和價格彈性
銷售效率分析: 分析單位銷售的營收效率

🚀 未來實現時的分析公式:

typescript

// 當成本數據可用時
grossProfit = totalRevenue - totalCost
grossMargin = (grossProfit / totalRevenue) × 100%
contributionMargin = grossProfit - allocatedFixedCosts
profitPerUnit = averageSellingPrice - averageCost

1.5 基礎需求預測 ⏳ 未實現

狀態: Phase 1 階段未包含，移至 Phase 2

📊 實現考量:

需要足夠的歷史銷售數據進行準確預測
建議先完成 ABC 分析和滯銷品分析，累積業務洞察
預測功能需要更長的觀察期間驗證準確性

🚀 未來實現規劃:

Phase 2 優先實現移動平均預測
Phase 3 實現季節性和趨勢分析
整合機器學習模型提升預測準確度

Phase 2: 輕量資料表擴展 (未來規劃)

時程: 3-4週
新增資料表: 2-3個
重點功能: 智能補貨、高級預測

2.1 智能補貨點系統

新增資料表:

sql

CREATE TABLE reorder_rules (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  product_id UUID REFERENCES products(id),
  min_stock_level INTEGER,
  max_stock_level INTEGER,
  reorder_point INTEGER,
  reorder_quantity INTEGER,
  lead_time_days INTEGER,
  safety_stock INTEGER,
  seasonal_adjustments JSONB,
  auto_reorder_enabled BOOLEAN DEFAULT FALSE,
  created_at TIMESTAMPTZ DEFAULT NOW(),
  updated_at TIMESTAMPTZ DEFAULT NOW()
);

2.2 庫存預測增強

新增資料表:

sql

CREATE TABLE inventory_forecasting (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  product_id UUID REFERENCES products(id),
  forecast_date DATE,
  predicted_demand INTEGER,
  confidence_interval_lower INTEGER,
  confidence_interval_upper INTEGER,
  algorithm_used TEXT,
  accuracy_score DECIMAL(5,4),
  created_at TIMESTAMPTZ DEFAULT NOW()
);

2.3 庫存預警記錄

新增資料表:

sql

CREATE TABLE stock_alerts (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  product_id UUID REFERENCES products(id),
  alert_type TEXT CHECK (alert_type IN ('low_stock', 'overstock', 'reorder_needed', 'slow_moving')),
  severity TEXT CHECK (severity IN ('info', 'warning', 'critical')),
  threshold_value INTEGER,
  current_value INTEGER,
  message TEXT,
  resolved_at TIMESTAMPTZ,
  resolved_by UUID,
  created_at TIMESTAMPTZ DEFAULT NOW()
);

Phase 3: 完整功能擴展 (長期規劃)

時程: 6-8週
新增資料表: 8-10個
重點功能: 變體管理、供應商整合、動態定價

3.1 產品變體管理系統

核心功能:

多維度變體管理 (顏色、尺寸、規格)
變體獨立庫存追蹤
變體差異化定價
變體績效分析

3.2 供應商管理整合

核心功能:

供應商基本資料管理
採購訂單自動化流程
供應商績效評估
成本分析與比價系統

3.3 動態定價策略

核心功能:

競爭對手價格監控
價格彈性分析
自動調價規則引擎
促銷效果評估

預期商業效益

Phase 1 預期效益 (3個月內)

庫存成本降低: 15-20% (透過滯銷品識別和清倉)
決策效率提升: 50% (透過ABC分析聚焦高價值產品)
缺貨率降低: 25-30% (透過改善庫存預警機制)
毛利率優化: 3-5% (透過成本可視化和定價優化)

Phase 2 預期效益 (6個月內)

庫存週轉率提升: 20-25%
預測準確度: 70-80%
自動化程度: 60%
營運成本降低: 10-15%

Phase 3 預期效益 (12個月內)

整體營運效率: 40-50% 提升
供應鏈成本: 15-20% 降低
產品組合優化: 完整變體管理能力
競爭力提升: 動態定價策略

技術實作指引

Phase 1 開發重點

1. 資料分析算法實作

typescript

// ABC分析核心算法
export function calculateABCClassification(salesData: ProductSalesData[]): ABCAnalysisResult {
  // 1. 計算各產品營收貢獻
  // 2. 按營收排序
  // 3. 計算累積貢獻百分比
  // 4. 分類 A(0-80%), B(80-95%), C(95-100%)
  // 5. 返回分類結果
}

// 滯銷品識別算法
export function identifySlowMovingProducts(params: SlowMovingAnalysisParams): SlowMovingProduct[] {
  // 1. 分析銷售頻率
  // 2. 計算庫存週轉率
  // 3. 評估季節性因素
  // 4. 產生清倉建議
}

2. 組件架構設計

typescript

// 分析儀表板基礎組件
BaseAnalyticsCard.vue       // 分析卡片基礎組件
AnalyticsMetricDisplay.vue  // 指標顯示組件
TrendChart.vue             // 趨勢圖表組件
ComparisonChart.vue        // 比較圖表組件

3. API服務擴展

typescript

// 擴展現有 ProductApiService
class ProductAnalyticsService extends BaseApiService {
  async getABCAnalysis(params: AnalysisParams): Promise<ABCAnalysisResult>
  async getSlowMovingProducts(params: SlowMovingParams): Promise<SlowMovingProduct[]>
  async getProfitabilityAnalysis(params: ProfitParams): Promise<ProfitabilityData>
  async getInventoryForecast(params: ForecastParams): Promise<ForecastResult>
}

開發規範與最佳實踐

1. 程式碼組織

所有分析相關邏輯放在 composables/analytics/ 目錄
UI組件統一放在 components/analytics/ 目錄
類型定義新增至 types/analytics.ts

2. 效能考量

大量數據分析使用 Web Workers
圖表渲染採用虛擬化技術
API分頁查詢避免大量數據傳輸

3. 使用者體驗

分析結果採用漸進式載入
提供數據導出功能
支援自定義分析參數

📈 成功指標與監控

關鍵績效指標 (KPIs)

庫存相關:
- 庫存週轉率
- 庫存準確率
- 缺貨頻率
- 過期/滯銷庫存比例
產品相關:
- ABC分類準確性
- 產品毛利率
- 新品成功率
- 產品生命週期管理效率
營運相關:
- 決策響應時間
- 預測準確度
- 自動化處理比例
- 用戶滿意度

監控機制

每日自動分析報告
異常指標即時通知
週/月/季度績效報告
使用者行為分析

🔄 風險評估與緩解策略

技術風險

風險: 大量歷史數據分析可能影響系統效能
緩解: 採用分批處理和快取機制

商業風險

風險: 分析結果可能不符合實際業務場景
緩解: 提供參數調整和人工覆蓋機制

資料風險

風險: 歷史資料品質可能影響分析準確性
緩解: 實作資料清理和驗證機制

實作時程規劃 ✅ Phase 1 已完成

✅ Phase 1 已完成項目 (2025-01-25)

[x] 建立分析資料模型和類型定義
- src/types/analytics.ts - 完整類型定義
- 支援 ABC 分析、滯銷品分析、庫存預警的資料結構
[x] 實作 ABC分析核心算法
- 基於真實 order_items 資料庫查詢
- 帕累托原則分類 (80%/95% 累積貢獻度)
- 完整的營收貢獻度計算
[x] 完成滯銷品識別系統
- 基於 inventory_logs 出庫記錄分析
- 風險等級分類 (critical/high/medium/low)
- 智能處理建議 (clearance/discount/bundle/remove)
[x] 建立庫存預警增強功能
- 基於 product_inventory_status 即時預警
- 三級預警系統 (critical/warning/info)
- 零庫存/低庫存/過量庫存檢測
[x] 完整功能測試
- src/views/ProductAnalyticsTestView.vue - 測試介面
- 所有分析功能整合測試
- 真實資料庫數據驗證

❌ Phase 1 移除項目

[x] ~~毛利分析功能~~ - 因缺乏成本數據移除
[x] ~~基礎需求預測~~ - 移至 Phase 2

Phase 2 規劃項目

[ ] 資料表設計評估 (考慮新增成本相關表)
[ ] 基礎需求預測實現
[ ] 智能補貨點系統
[ ] 商業價值驗證與效益分析

Agent 管理

類別

假日管理

類別

客戶分析

類別

客戶分群

Interfaces

類別

客服分析

類別

活動評分

Interfaces

類別

產品分析

類別

群組通知

類別

訂單分析

類別

通知 API

類別

系統架構

產品與庫存管理優化計劃 ​

Product & Inventory Management Enhancement Plan ​

專案概覽 ​

目標 ​

Phase 1 已實現範圍 ✅ ​

實作階段規劃 ​

Phase 1: 零資料表擴展 (當前實作階段) ​

1.1 產品ABC分析系統 ✅ 已實現 ​

1.2 滯銷品識別系統 ✅ 已實現 ​

1.3 庫存預警系統 ✅ 已實現 ​

1.4 毛利分析儀表板 ❌ 已移除 ​

1.5 基礎需求預測 ⏳ 未實現 ​

Phase 2: 輕量資料表擴展 (未來規劃) ​

2.1 智能補貨點系統 ​

2.2 庫存預測增強 ​

2.3 庫存預警記錄 ​

Phase 3: 完整功能擴展 (長期規劃) ​

3.1 產品變體管理系統 ​

3.2 供應商管理整合 ​

3.3 動態定價策略 ​

預期商業效益 ​

Phase 1 預期效益 (3個月內) ​

Phase 2 預期效益 (6個月內) ​

Phase 3 預期效益 (12個月內) ​

技術實作指引 ​

Phase 1 開發重點 ​

1. 資料分析算法實作 ​

2. 組件架構設計 ​

3. API服務擴展 ​

開發規範與最佳實踐 ​

1. 程式碼組織 ​

2. 效能考量 ​

3. 使用者體驗 ​

📈 成功指標與監控 ​

關鍵績效指標 (KPIs) ​

監控機制 ​

🔄 風險評估與緩解策略 ​

技術風險 ​

商業風險 ​

資料風險 ​

實作時程規劃 ✅ Phase 1 已完成 ​

✅ Phase 1 已完成項目 (2025-01-25) ​

❌ Phase 1 移除項目 ​

Phase 2 規劃項目 ​

相關文檔 ​

技術文檔 ​

商業文檔 ​

產品與庫存管理優化計劃

Product & Inventory Management Enhancement Plan

專案概覽

目標

Phase 1 已實現範圍 ✅

實作階段規劃

Phase 1: 零資料表擴展 (當前實作階段)

1.1 產品ABC分析系統 ✅ 已實現

1.2 滯銷品識別系統 ✅ 已實現

1.3 庫存預警系統 ✅ 已實現

1.4 毛利分析儀表板 ❌ 已移除

1.5 基礎需求預測 ⏳ 未實現

Phase 2: 輕量資料表擴展 (未來規劃)

2.1 智能補貨點系統

2.2 庫存預測增強

2.3 庫存預警記錄

Phase 3: 完整功能擴展 (長期規劃)

3.1 產品變體管理系統

3.2 供應商管理整合

3.3 動態定價策略

預期商業效益

Phase 1 預期效益 (3個月內)

Phase 2 預期效益 (6個月內)

Phase 3 預期效益 (12個月內)

技術實作指引

Phase 1 開發重點

1. 資料分析算法實作

2. 組件架構設計

3. API服務擴展

開發規範與最佳實踐

1. 程式碼組織

2. 效能考量

3. 使用者體驗

📈 成功指標與監控

關鍵績效指標 (KPIs)

監控機制

🔄 風險評估與緩解策略

技術風險

商業風險

資料風險

實作時程規劃 ✅ Phase 1 已完成

✅ Phase 1 已完成項目 (2025-01-25)

❌ Phase 1 移除項目

Phase 2 規劃項目

相關文檔

技術文檔

商業文檔