在大数据背景下,涌现出了更多精确的预测方法,这些预测方法为库存决策提供了新的研究方向。将预测、决策两者结合起来,能够进一步减少库存成本,帮助找到最优的库存决策方案。常见研究大多采用先预测、再决策“两步走”的方式,在预测时仅仅考虑预测的准确性,忽略了库存的最终目标;在库存决策时,仅仅将预测作为输入,没有进一步优化预测结果。这样,每一步考虑的都仅仅是局部最优,不能达到全局最优。考虑将预测与决策结合起来,采用“一步走”的策略,本文提出一个新的FBNV模型,将需求预测和库存决策线结合成一个问题。并进一步对模型进行优化,将原问题转化成一个线性规划问题,找到全局最优解。通过阿里巴巴天池大数据平台,获取零售商与消费者的真实交易数据,本文对“直接预测型”、“两步走”、“一步走”三种库存决策模型进行了实验对比,结果证明基于“一步走”策略的FBNV模型能够有效减少库存成本,并指出提高模型预测准确度,预测结果与库存问题相结合的“两步走”策略,以及预测与库存集成研究的“一步走”策略,均能进一步减少库存成本,其中“一步走”策略减少比例最高,达到25%左右。