XYZ分类方法并不复杂，根据平均值和标准差计算出变异系数，再根据变异系数划分XYZ三个不同的区间。一般是以0.5和1为界限，以此划分三等份，即0.5以下是X类，0.5到1是Y类，1以上是Z类。不过这个界限标准只是一个普遍选择，并非必然，因此也有一种界定方法，就是把1平分三等份来确立XYZ，即0.33以下是X类，0.33到0.66为Y类，0.66以上为Z类。

实际上，无论怎么界定划分都是可以的，这个没有一个特定的限制标准，不过Z类的界限最好在1以上，因为当变异系数是1，意味着平均值和标准差是相等的，而当标准差大于平均值的时候，就是变异系数大于1的时候，那么可以认为它的波动是激烈的，因此适合被划分为Z类。

图2-11 不同标准下的XYZ分类

XYZ分类的目的是在于认识不同波动特征的货物特性。因此不管怎么划分，都是为了区别出不同特征以作对应的安排。

金庸名著《笑傲江湖》里描述了风清扬教导令狐冲剑法时，提出了一个观点：行云流水，任意所至。在传授独孤九剑之前，风清扬可以说是并没有教令狐冲太多东西，只是提出了剑术之道。但这区区八个字，让令狐冲一下子进入了另外一个境界。

这八字的剑术之道，同样也是适用在XYZ分类上。并非一定要把三个类别的区分点定在0.5和1上。当全部货物变异系数都是在1之下，这个时候就要活用，不必拘泥，尝试把区分点设在0.4和0.8上。通过不断调整，对货物做出适当的特征区分。

一个好的方法就是计算所有SKU的变异系数后，根据系数排序，然后观察各个SKU变异的特征，再选择适合的划分线来指定分类标准。必须在排序后，可以参照ABC分类的二八法则。甚至可以通过散点图观测各变异系数分布的位置，从而划分出适合的区间

分类的系数不是重点，分出特征才是重点。

XYZ分类是根据一定时期的数据表现来划分区域的，但是这个一定时期是一个怎么选择和计算的标准呢？应该是按日，按周，还是按月，甚至按年？

首先这个计算并没有约束，不管是选择日，周，月，季，哪怕是年，都可以，最重要的是匹配好自身运营的模式。同时这个计算的标准必须要求统一，总不能这一堆SKU选择的以周来计算，另外一堆SKU则选择以月来计算。

然而不同的时间颗粒度选择，带来的效果却由此不同的。如某材料按照周数和月份分别试算变异系数如下。

表2-8 不同时间颗粒度下的计算结果

按周来计算的话，这个材料的销售波动具备一定的起伏特性，可以认为是Y类，但是如果按月来计算的话，这个材料就是相当平稳，是典型的X类货物。

尽管每周的销售有所起伏，但是在同一个月里各周的起伏导致削峰填谷，造成月份的数据表现平稳。

至于如何选择适合的时间颗粒度，那么就要根据自身行业特征，补货策略和销售策略等结合，假如说每月定期补充货物，库存是用以支持销售，至少是以月度为单位的，那么不妨选择以月计算的XYZ分类。因为不管这个月内，月头销售需求剧烈，还是月末才出现剧烈起伏，只要前一个月备货相应的库存能够应对便可以。

如图2-14例中，一月的销售是1750，其中第1和第2周需求强大，均超过500，而3和4周则销售下滑，不过要是以月为备货单位，那么只要备货足够1750就可以了。

反之，则可以选择诸如以周为单位等作为计算依据。例如在时尚快消产品中，以周数为计算基础，一般时尚产品销售以季度来计划，春夏和秋冬两季甚至春夏秋冬四季来安排计划，这个时候引入周数的值来作为XYZ分类会比较适合。

同样作为分类依据，时间长度选择也是没有必然的标准。以月为计算标准的时候，选择过去的12个月，还是24个月，抑或是以周为单位，选择过去52周，抑或是过去13周呢？

这个是和时间颗粒度一样的，根据自身行业特征，补货策略和销售策略等结合。

比如某些快消行业，是以春夏和秋冬两季作为销售周期，那么可以考虑选择过去13周，即一个季度作为计算依据来判断特征，又或者以近期30日或14日的销售作为依据，因为不同的特性，销售灵敏度是不尽相同的，因此是否足够反应销售货物特征的时间长度是选择的首要考虑点。

又比如一些相对需求稳定的行业，如汽车产业，则可以选择过去的12个月等作为计算依据。

并且XYZ分类是依据过去历史数据特征的划分，但是受到季节性影响的货物，某些近期的数据不足以反映，假如现在是非应节时期，那么销售可能是平淡，当突然转入对应季节特征的销售期时，货物因此可能会迎来大幅变化，分类的特征在未来不一定适应。除了相对近期的数据来判断划分，还可以根据不同时间长度来对比检视，比如过去1年的该货物波动和近期30天的波动。