所谓仿真，是指利用计算机技术将不同数值代入数学模型中，同时记录系统中各个状态量的变化，最终以图表的形式将数据分析结果进行可视化。
在亚马逊平台，一个产品的每日销量虽然会有所波动，但是其波动范围仍然可以预测，比如，当一个产品每日销量稳定在100单左右时，除非出现封店/跟卖/侵权等极端情况，否则该产品的日销量大概率在60~140单波动。因此，为了能够更加精确地衡量一个产品销量的波动范围，运营者可以使用数学中的标准差来计算。
在了解了标准差的计算方式后，运营者就可以利用该数值对未来产品的销量进行预测，同时结合预测的结果计算不同备货数量造成的利润差异。在本章中，将阐述如何利用Excel表格对拥有不同销量波动的产品进行备货利润预测。
首先，打开“仿真型仓储备货分析”Excel表格。该表格由三部分组成，第一部分为“仿真数据”部分。第二部分为“仿真图表”部分。第三部分为“模拟数据”部分。
在使用该表格时，首先在“仿真数据”部分输入自身产品的相关销售数据，其中包含了单个产品成本(以美元为单位计算，包含产品生产成本、物流成本、人工成本、仓储成本等)、零售价格(以美元为单位计算，是指在亚马逊平台上销售的价格 )、处理价格(以美元为单位计算，是指在产品滞销时采用的促销价格 )、日均销量、日销量标准差。在本案例中，产品单个成本为5美元，在亚马逊平台上的零售价格为 10美元，黑星期五/网络星期一等节日的促销价格为3美元，最近1个月产品的日均销量为135件销量标准差为40。
虽然产品的日均销量为135件，但是其标准差为40，说明销量存在较大的波动，因此在本案例中，对于日均备货量进行了多数值模拟，其数值分别为 100、140、180220、260。
当完成以上数值的输入后，基于“仿真型仓储备货分析”Excel表中已经设置好的计算函数，表格会自动预测未来1个月的销量。同时，该表格可以针对不同的日均备货量分别计算单日利润与滞销量。
在各项数据中，需要着重关注“模拟数据”部分下方的总计性数据，即绿色的结论阐述部分。
通过观察总结性数据，得到如下结论。
1如果日均备货量为100，那么平均日利润在469.6731.25美元之间浮动，即平均日利润最小为438.42美元，最大为500.92美元，该备货方案的亏损概率为 0%。
2如果日均备货量为140，那么平均日利润在576.3366.14美元之间浮动，即平均日利润最小为510.19美元，最大为 642.47美元，该备货方案的亏损概率为 0%。
3如果日均备货量为180，那么平均日利润在561.2089.76美元之间浮动，即平均日利润最小为471.44美元，最大为650.96美元，该备货方案的亏损概率为3%。
4如果日均备货量为220，那么平均日利润在499.17土101.25美元之间浮动，即平均日利润最小为397.92美元，最大为600.42美元，该备货方案的亏损概率为3%。
5如果日均备货量为260，那么平均日利润在419.17土101.25美元之间浮动，即平均日利润最小为317.92美元，最大为520.42美元，该备货方案的亏损概率为7%。
综上所述，可以发现不同的日均备货量对应了不同的日利润范围与日亏损概率，为了能够让数据更直观，Excel表会自动生成数据仿真图。
通过观察数据仿真图，可以发现日均利润随着日均备货量的增加，其数值先增大后减少。同时，日均利润的波动范围随着日均备货量的增加而增加。
仓储备货的核心思想是在承担最小风险的前提下获得最大利润，因此在100、140180、220、260这几个备货量中首先根据日均利润进行筛选，那么还剩下140与180这两个日均备货方案。完成利润筛选后，运营者就需要根据风险再进行筛选，虽然180的日均备货方案拥有更高的最大利润值，即650.96>642.47，但是该方案有3%的可能会产生日亏损，考虑到642.37x103%=661.6411>650.96，所以3%的日亏损并没有带来3%的日均利润的提高，因此综合来看140的日均备货方案更适合。
了解了以上分析思路和操作方法后，运营者可以结合自身产品的数据自由使用“仿真型仓储备货分析”表格。需要注意的是，在修改数据后，数据仿真图的坐标轴维度需要进行修改才可以出现相应的仿真图片。
