一个模拟赛事：9天、3个场馆、42万人次，需要准备哪些东西
先设定一个模拟示例。某城市承办一项为期9天的国际单项赛事，比赛分布在3个场馆，主场馆可容纳3.2万人，两个副场馆各1.2万人，按赛程估算累计观众约42万人次，另有运动员、技术官员、志愿者和工作人员约6000人。
组委会和合作方需要准备的物资大致分为四类：
- 商品类：赛事纪念品、授权服装、参赛队球衣、徽章和吉祥物，主要在场馆零售点和线上渠道销售；
- 餐饮类：瓶装水、饮料、预包装食品、热食原料、一次性餐具，供观众、工作人员和运动员使用；
- 安保类：证件与票证、安检耗材、隔离栏、对讲设备电池、应急照明；
- 场馆消耗品：清洁用品、垃圾袋、卫生纸、医疗急救耗材、电子屏和音响的备用配件。
这四类物资的采购金额、生产周期和预测方法各不相同，但它们共享同一个约束：开幕日期不会动。BB体育供应链研究组在做这类项目时，第一步不是估算需求量，而是先把时间轴画出来。
比赛日期是硬约束：供应链只能往回排，不能往后拖
普通零售的计划逻辑是顺着排的：先下单，再看交期，货到了就上架，晚几天到只是晚几天卖。赛事物资的逻辑是倒着排的：先确定每一类物资最晚必须在什么时间出现在什么位置，再往回推生产、运输、质检和采购的最晚启动时间。
以主场馆的纪念品为例，模拟时间线如下：开幕前2天必须完成场馆零售点铺货；开幕前5天必须到达城市周边的集散仓；干线运输需要3天，所以开幕前8天必须出厂；工厂生产和质检需要20天，所以开幕前28天必须投产；设计确认、打样和授权审批需要25天，所以开幕前53天必须定稿。任何一个环节晚了，都会压缩后面的环节，而后面的环节往往已经没有余量。
这种倒排的结果常常让人意外：真正决定一场赛事纪念品供应是否顺利的节点，不在开幕前一周，而在开幕前两个月。那时候门票销售可能才完成三成，观众结构还不清楚，预测的不确定性最大，但决策必须做。
赛后价值断崖：为什么多备一点也不能随便多备
既然来不及补货，那就多备一些？问题在于赛事物资的价值曲线是断崖式的。印有赛事名称和日期的纪念品，在闭幕后一周内还能以原价卖出一部分，一个月后需要大幅打折，半年后基本只能处理掉。专用证件和票证在赛后没有任何残值。定制包装的餐饮物资如果没有用完，要么转为员工福利，要么报废。
在模拟赛事中，一枚纪念徽章的成本约为12元、售价45元。赛期内卖出一枚毛利33元；赛后剩下一枚，回收价值不到3元，几乎全部成本都是损失。瓶装水则不同，赛后剩余可以转到其他活动或渠道，损失主要是仓储和运输成本。因此“多备一点”的边界对每类物资都不一样：
| 物资类别 | 生产或采购 Lead Time | 赛后残值 | 备货倾向 |
|---|---|---|---|
| 赛事纪念品（带日期） | 45–60天 | 很低，接近零 | 分批投产，首批偏保守，预留快速追加 |
| 授权服装、参赛队球衣 | 30–45天 | 中等，可转为常规商品 | 空白款多备，印字延后 |
| 瓶装水、预包装食品 | 7–15天 | 较高，可转用 | 按上限备货，场内外分层存放 |
| 安保证件、定制票证 | 15–20天 | 零 | 按名单精确制作，另备少量空白证 |
| 清洁和医疗耗材 | 5–10天 | 高，可长期使用 | 充足备货，缺货代价远高于积压 |
这张表说明，赛事供应链不是一个统一的“多备”或“少备”决策，而是对每类物资分别比较缺货成本和剩余成本。医疗耗材缺一箱可能影响安全，多十箱几乎没有损失，所以应该按上限准备；带日期的纪念品多一箱就是一箱损失，缺货则只是少赚，所以首批要克制，把希望放在分批补充上。
四类物资的预测难度差在哪里
同样是赛事物资，预测的难点完全不同。
商品类最难预测需求量。纪念品的销量取决于观众结构：本地观众和外地观众的购买率可能相差三倍，家庭观众和专业观众偏好的品类也不同。赛程也会影响需求，如果东道主队伍晋级到后几轮，最后三天的销量可能翻倍。这类需求要依靠 Demand Model 结合票务数据、观众来源地和对阵情景来估算。
餐饮类最难预测节奏。总量相对好估算，按人次和人均消费就能得到一个区间，难的是分布：高温天气下瓶装水需求可能是平时的1.8倍，晚场比赛的热食需求高于日场，中场休息的15分钟里，某个餐饮点可能要完成全场三成的交易。总量对了、节奏错了，一样会出现局部缺货。
安保类最难应对变更。数量大多可以按名单和场地图计算，但名单会变、场地布置会变，任何变更都要求在很短时间内补制证件或调整隔离设施，因此需要留出一个快速响应的小批量产能。
场馆消耗品最容易被忽视。它们单价低，常常按经验估算，但一旦缺货，影响的是整个场馆的运转。模拟赛事中，主场馆在一个满场比赛日消耗约1.1万卷卫生纸和2400个大号垃圾袋，这些东西没人会在计划会上讨论，却必须准时出现在每个卫生间和清洁站。
AI在倒排计划里负责什么，人工负责什么
在这个问题上，AI的价值不是给出一个“精确”的需求数字，而是把需求区间、Lead Time 和残值放在同一张时间轴上计算。BB体育的体育供应链AI通常这样分工：
- Demand Model 按场次估算人次和观众结构，再按物资类别给出需求区间，而不是单点值；
- Forecast Model 加入赛程情景（东道主晋级与否、热门对阵出现在哪一天）和天气情景，输出每个场馆、每一天的需求分布；
- Supply Chain Analytics 从开幕日和每个比赛日往回推，计算每类物资的最晚下单、最晚投产、最晚出厂、最晚进场时间，并标出已经没有余量的环节；
- 库存模块按缺货成本和残值计算每类物资的 Safety Stock，以及安全库存应该放在场馆内、场馆周边还是城市集散仓。
人工需要做的，是确认模型没有看到的约束：授权审批的实际进度、工厂是否有其他大单冲突、场馆方对仓储空间的限制、公安和交通部门对进场时间的要求。这些信息很多不在数据系统里，必须由负责人补进计划。
还有一个容易被忽略的分工：模型给出的是“如果按这个节奏执行，缺货和剩余的概率各是多少”，而“是否接受某个风险水平”由组委会和合作方共同决定。在BB体育参与的模拟项目中，每一个倒排节点都会附上一张情景对照，说明提前一周决策和推迟一周决策分别会改变多少需求不确定性、增加多少加急成本，方便负责人在信息不完整时做出取舍，也便于事后追溯每一个决定当时依据的是哪些数据。
安全库存放在哪里，比备多少更关键
赛事期间补货的难点，除了生产来不及，还有运输进不去。比赛日场馆周边常常有交通管制，货车只能在规定时间窗内进场；场馆内部的仓储空间有限，不可能把9天的物资一次堆进去。
比较实用的做法是把安全库存分成三层：第一层放在场馆内部，覆盖一个比赛日的需求和突发波动；第二层放在场馆周边5公里以内的临时仓，可以在比赛间隙或夜间补进场；第三层放在城市集散仓，覆盖整个赛期的剩余需求和情景上行部分。模拟赛事中，瓶装水按“场内1天、周边2天、集散仓6天”的比例分布，纪念品则按“场内首日需求的1.5倍、周边仓覆盖晋级情景增量”的方式分布。
赛事期间补货路线和进场时间窗的细节，可以参考赛事物资提前预测与进场补给中的讨论。
哪些判断最容易出错，赛前可以怎么验证
赛事物资的预测误差很难在事后弥补，所以要尽量在赛前验证。常见的出错点包括：
- 把票务销售进度当作观众结构，忽略了赠票、团体票和临时放票带来的人群变化；
- 用往届赛事的纪念品销量作为基准，而往届存在缺货，真实需求被低估；
- 只按天估算餐饮需求，没有按场次和中场时段拆分；
- 假设物流时间和平时一样，没有考虑赛期城市交通和场馆进场限制。
验证的办法包括：在开幕前的测试赛或热身赛中按真实流程演练一次物资进场和补给；在门票销售达到五成、八成时分别更新一次需求区间；对纪念品采用“首批加追加”的两段式订单，把追加订单的最晚确认时间明确写进合同。这些做法不能消除不确定性，但能让决策在信息更充分的时间点做出。
给赛事供应链负责人的一份倒排清单
最后，把前面的讨论整理成一份可以直接使用的倒排顺序。以开幕日为零点：开幕前60天锁定纪念品设计和首批数量；前45天确认授权服装的空白款生产量；前30天完成餐饮和消耗品的框架采购，约定分批交付；前20天制作第一批证件并预留空白证；前10天把城市集散仓库存备齐；前5天完成周边临时仓布置；前2天完成场馆内部铺货和补给路线演练。赛事期间，每天复盘一次实际消耗和剩余库存，按最新赛程情景确认追加订单。
比赛时间不会等供应链慢慢补货，这是赛事物资和普通零售商品最根本的不同。把每一类物资的截止时间和残值曲线算清楚，比追求一个准确的总需求数字更有用。这也是BB体育在体育供应链项目中，把赛事日历放在需求预测之前的原因。
