电商仓储管理中，最容易被误判的补货问题，不是“库存少了就赶紧补”，而是库存看起来够用，订单却在促销当天断货；库存看起来危险，补进去后却在库位里躺了两个月。我在处理服饰、家居和快消仓的补货复盘时，发现很多仓库主管每天盯着库存余额，却没有同时检查销量口径、在途库存、可售状态、供应商交期和库内作业能力。补货决策需要检查哪些环节，真正的答案不是一张简单的补货表，而是一套从需求预测、库存质量、采购约束到入库执行的闭环清单。
补货决策的第一问，不应该是“现在库存还有多少”，而应该是：在下一个可补货周期内，这个库存能否以正确的状态、正确的地点、正确的速度满足有效需求。
这里的“有效需求”不是后台所有订单的简单相加。已取消订单、重复下单、异常刷单、未付款订单、预售订单、渠道锁库存和退货待检商品，都可能让系统中的销量与仓库真正要履约的需求产生偏差。
我通常把一次补货判断拆成五个条件：
五个条件中，只要有一个没有确认，补货结果就可能出现“账面正确、现场错误”。例如，系统显示可用库存为800件，但其中300件处于待检状态、200件分散在三个拣选区的异常库位，真正能在当天发出的库存只有300件。
我在仓储分析中会先把账面库存改写成一个更接近现场的口径。一个实用的计算方式是：
补货可行库存 = 可拣现货 + 已确认可在补货周期内入库的在途库存 − 已承诺未发订单 − 库存冻结量 − 质量风险库存
其中，已确认可入库的在途库存不能把所有采购单都算进去。供应商只给了订单确认、没有给出出货时间的采购单，最多只能作为“计划供应”，不能当作真正的可用库存。
安全库存也不应固定写成“7天销量”。不同商品的需求波动、供应商交期波动和缺货损失不同，安全库存应该与服务水平、波动程度和补货周期相关。
可以用下面的基础公式建立第一版规则：
建议补货量 = 目标库存 − 补货可行库存
目标库存 = 预测日均销量 ×（采购交期 + 入库处理周期）+ 安全库存
如果计算结果低于供应商最小起订量，需要再做一次商业判断：是接受多买造成的库存占用，还是调整采购频率、改用拆箱采购或更换供应方式。公式只能提供边界，不能替代判断。
仓库主管的时间有限，不可能每天逐个审核全部SKU。我的做法是先按“缺货损失”和“库存风险”把商品分层，再决定人工审核深度。
| 商品层级 | 典型特征 | 补货审核方式 | 主要关注点 |
|---|---|---|---|
| A类核心商品 | 销售稳定、贡献高、缺货损失大 | 每日审核 | 服务水平、交期波动、活动影响 |
| B类常规商品 | 需求中等、可替代性较强 | 每周审核 | 周转天数、采购批量、库存结构 |
| C类长尾商品 | 销量低、需求不稳定或销售频次低 | 按需审核 | 是否改为低库存、预售或停止补货 |
| 风险商品 | 临期、易损、季节末、退货率高 | 单独审核 | 可售期限、折损率、清仓窗口 |
最危险的做法是给所有SKU套同一个补货天数。一款每天卖100件、供应商交期5天的核心商品，与一款每周卖3件、供应商交期20天的长尾商品，不可能使用同一套安全库存逻辑。
我曾经复盘过一个家居类仓库的活动缺货问题。活动前一天，某套装商品的系统可用库存显示为1,260套，活动预测销量为900套，主管判断库存非常安全。
但进一步拆分后发现，1,260套并不是同一种可用状态：拣选区有520套，待上架区有310套，组合包装区有180套，退货待检有90套，已经被其他渠道锁定但尚未发出的有160套。真正能在活动当天快速拣选的只有520套。
结果是活动开始后两小时，订单增长速度超过了仓库处理速度。系统没有立即显示“库存为零”，但拣选人员已经找不到足够的完整套装，只能拆单、补配件和转移库位。最后的损失不仅是缺货，还包括人工查找、订单延迟、客服解释和部分退款。
这个案例说明，补货决策必须同时看数量和位置。商品在仓库里，不等于商品处于可销售、可拣选、可及时发出的状态。
另一个服饰仓库在大促前按近30天日均销量补货。由于供应商交期写的是7天，采购按公式下单，但实际生产加运输用了18天。货物抵达时，活动已经结束，销售曲线从每天1,800件降到每天400件。
主管当时认为是供应商延迟导致的问题，但我把订单时间、发货时间、到货时间和活动曲线放在一张时间轴上后，发现更深层的问题是：补货模型使用了合同交期，没有使用历史实际交期；同时，模型默认活动需求会延续，没有设置活动结束后的需求衰减。
最后仓库多了约2.4万件季节款库存。即使商品没有过期，也要承担仓储费、盘点成本、搬运成本和价格折扣损失。
快消和服装仓经常遇到退货回仓。退货一旦扫描入库，系统可能马上增加库存数量，但实际商品还需要质检、重新包装或配件核对。若把这批货直接算入可售库存，补货建议会被压低。
在一次退货率较高的商品复盘中，系统库存显示可售3,600件，实际抽查发现约480件处于待检状态，另有170件缺少包装配件。由于系统口径没有拆分“已入库”和“可再次销售”，采购连续两周少补货，最终在正常销售周期内出现断货。
仓储管理里，数量的准确性不只是“总数对不对”，还包括状态、位置、批次、效期和归属渠道是否对得上。
如果没有时间立即搭建复杂系统，我建议先到现场问三个问题。第一，系统显示可用库存的商品，拣货员现在能不能在规定时间内找到？第二，已经在途的货物，供应商是否已经实际出库，是否有可验证的物流节点？第三，今天下单的补货，入库后有没有确定的库位和处理人？
如果这三个问题无法快速回答，说明仓库的问题不只是补货参数问题，而是库存状态管理和数据责任边界没有建立。
安全库存是一个风险缓冲，不是一个机械触发线。库存低于安全库存，可能意味着需求突然上升，也可能意味着活动已结束、商品即将下架、供应商无法继续供货，或者之前的预测偏高。
如果只看库存低于阈值就补货，仓库会在滞销商品上不断累积库存。尤其是季节品、颜色尺码长尾和活动专供品，阈值触发后仍然补货，往往比短期缺货更难处理。
正确做法是同时看三个维度：
最近七天销量很容易取得，所以被大量使用。但七天数据可能正好落在活动期、断货期、周末集中期、广告投放期或价格异常期。它不是不能用，而是必须先判断这七天是否具有代表性。
我更倾向于采用“基础销量加事件修正”的方式。基础销量可以用过去4至8周的非活动日数据计算，事件修正则单独加入促销、直播、投放、节假日和渠道扩张的影响。
如果一个商品过去30天有5天断货，那么这30天的平均销量已经被断货压低。此时直接用平均销量预测，会把“卖不出去”和“没有库存可卖”混为一谈。
采购单创建、采购单确认、供应商出货、物流揽收、到仓、质检完成和上架完成，是七个不同节点。很多仓库报表只显示“采购单数量”，却不区分采购单处于哪个节点。
在途库存只有满足明确的时间条件，才适合参与补货计算。比如供应商已经出库，有物流单号，并且按照历史运输时效推算，能够在销售窗口前完成质检入库。否则，它只能作为风险备注，而不应直接抵扣补货量。
算法可能建议补1,350件，但供应商最小起订量是2,000件，外箱包装倍数是200件。若直接向上取整到2,000件，仓库可能承担650件额外库存；若强行只采购1,350件，供应商又可能拒单或产生额外费用。
这不是计算错误，而是商业约束没有进入模型。补货结果至少要展示建议量、可采购量、额外库存量和额外资金占用，让采购、运营和仓库共同做取舍。
销售数量高的商品不一定最值得优先补货。一个日销500件、单件毛利很低且可以被替代的商品，与一个日销100件、单件毛利较高且缺货会导致整套订单流失的商品，补货优先级可能完全不同。
我会把补货优先级至少拆成四项：销售贡献、毛利贡献、缺货损失和库存风险。对生鲜、化妆品、食品等商品，还必须加入效期损耗；对家居套装，则要关注主件与配件是否成套。
补货需求不能直接从订单表里复制出来。建议先做订单清洗和需求分层。
我会先得到一个“修正日均销量”，再把它与最近趋势进行比较。例如，过去8周非活动日修正后日均销量为420件，最近14天销量为510件，如果最近增长来自持续投放和稳定转化，就不能简单取两者平均；如果增长只来自两天直播，则需要单独计算直播后的回落幅度。
对于销量波动较小、复购规律明显的商品，可以使用移动平均或指数平滑。重点不在于公式多复杂，而在于每周检查预测误差。如果连续四周实际销量都高于预测20%以上，说明参数已经落后。
对于爆款、直播款和广告敏感商品，建议把基础销售与事件增量分开。活动前采购只覆盖确定的基础需求和经过验证的活动增量，不能把未经验证的曝光预估全部变成采购库存。
需求下降时，不要因为过去销量高就继续按历史均值补货。可以设置销量衰减系数，并让补货量受到销售窗口限制。对于季末商品，最重要的问题不是“能补多少”，而是“补货后能否在清仓前卖完”。
库存状态建议至少拆成以下几类：
| 库存状态 | 能否直接抵扣补货需求 | 检查方法 | 常见风险 |
|---|---|---|---|
| 拣选区可用库存 | 可以 | 抽查库位、批次和可拣状态 | 系统数量准确但现场找不到 |
| 储存区可用库存 | 有条件抵扣 | 确认补货到拣选区所需时间 | 波次高峰时补位不及时 |
| 待上架库存 | 谨慎抵扣 | 确认质检、库位和上架排程 | 到仓后长期停留 |
| 退货待检库存 | 通常不能抵扣 | 查看质检通过率和处理时效 | 退货数量被误当作可售数量 |
| 残损或包装异常库存 | 不能抵扣正常销售 | 确认是否能返工或降级销售 | 补货后形成重复库存 |
| 渠道锁定库存 | 不能重复抵扣 | 核对订单承诺和锁定有效期 | 多个渠道争抢同一批库存 |
我建议仓库主管每天抽查一组“系统显示库存高、但业务反馈缺货”的SKU。这组样本比随机盘点更能发现库存状态问题，因为它直接暴露了系统可用量与现场履约能力之间的差距。
库存覆盖天数 = 可履约库存 ÷ 修正日均销量。这个指标把不同销量规模的商品放到了同一个判断尺度上。
例如，商品A有1,000件库存，日销200件，覆盖5天；商品B有300件库存，日销20件，覆盖15天。只看库存数量，A似乎更多，但实际A更接近缺货风险。
覆盖天数必须与“交期加入库时间”比较。如果供应商平均交期10天，质检上架还需要2天，那么覆盖5天的商品已经进入高风险区，即便库存数量看起来不少。
对于交期波动较大的供应商，可以使用保守交期，而不是平均交期。例如历史交期分别为7天、9天、12天、18天、21天，平均为13.4天，但为了保障高服务水平，核心SKU可能要按18天甚至21天准备。
安全库存不是越高越好。安全库存过低，缺货率上升；安全库存过高，资金占用和滞销风险上升。专业判断的关键，是看每增加一单位库存，能减少多少缺货风险，又会增加多少持有成本。
可以先用简化方法建立安全库存：
安全库存 = 需求波动缓冲 + 交期波动缓冲 + 特殊事件缓冲
需求波动缓冲可以根据历史销量标准差估计，交期波动缓冲则与供应商实际交期偏差有关。促销、节假日、平台大促和极端天气等事件，需要作为单独的临时缓冲，不建议永久写进日常安全库存。
对于高毛利、不可替代且缺货会影响整单发货的商品，可以接受更高安全库存；对于低毛利、易过期、可替代性强的商品，则应优先控制库存资金。
采购端最容易忽略的一点是，货物到仓不代表货物可售。到货后还要经历卸货、清点、质检、贴标、拆箱、分配库位、上架和系统确认。
我会把“预计到货量”与仓库未来几天的处理能力比较：
如果预计到货量超过处理能力，就算采购数量从销售角度合理，也可能造成“到仓库存增加、可售库存不增加”。此时应考虑分批到货、延后发货、临时库位或调整补货顺序。
在一个多渠道家居电商项目中，仓库主管每天需要查看三个仓库、四个销售渠道和两千多个SKU。原先的做法是早上导出销售表、库存表和采购表，再由运营人员手工拼接。整个过程通常需要两到三个小时，而且不同人使用的日期范围和库存口径并不一致。
这个场景适合使用九数云这类数据分析工具做可视化整合，但工具的作用不是自动替主管下采购单，而是把分散在订单、库存、采购和仓储作业中的异常放到同一个判断界面里。
在实际设计时，我会先把数据分成四张基础表：
接着建立SKU、仓库、供应商和日期维度，统一SKU编码和仓库编码。很多分析项目失败，不是因为图表不好看，而是因为订单表中的商品编码与库存表中的编码不一致，导致合并后出现大量“销量有、库存无”的假异常。
我更建议把补货看板分成四层。第一层是异常总览，显示高风险缺货SKU、超安全库存SKU、逾期在途采购和库存状态异常。第二层是SKU明细，支持按仓库、渠道、供应商和商品分类下钻。第三层是原因分析，回答销量为何变化、库存为何不可用、交期为何延长。第四层是行动记录，记录谁在什么时间采取了什么措施。
一个实用的补货看板，至少应有以下字段：
| 字段 | 计算或来源 | 仓库主管要回答的问题 |
|---|---|---|
| 修正日均销量 | 剔除异常订单后的滚动销量 | 这个商品真实每天卖多少？ |
| 可履约库存 | 可拣现货加确认可入库库存 | 当前到底能发多少？ |
| 库存覆盖天数 | 可履约库存除以修正日均销量 | 在新货到仓前能撑多久？ |
| 实际交期 | 供应商历史到货周期 | 供应商到底需要几天？ |
| 逾期在途数量 | 承诺到货日与当前日期比较 | 哪些采购单不能再当作确定供应？ |
| 预计补货后库存 | 现有可履约库存加预计到货量 | 补货后会不会从缺货变成过量？ |
九数云官网为 https://www.eshutong.com/。如果企业已经有订单、库存和采购数据，可以先用小范围SKU试做，而不是一开始就覆盖所有仓库。
我会在看板中设置几个红黄绿规则。例如，覆盖天数低于交期加安全库存的SKU标为红色；在途采购超过承诺日期但仍未到货的标为橙色；库存超过目标库存两倍且连续两周销量下降的标为紫色；库存状态异常率超过设定比例的SKU标为灰色。
这样，主管每天看到的不是两千多行库存数据，而是一份按风险排序的行动清单。每一条异常都必须能够追溯到订单、库位、采购单或作业记录，否则只是视觉上的提醒，不能支持决策。
第一，指标很多但没有责任人。覆盖天数显示红色，如果没人负责核对采购交期或库存状态，红色只会变成背景。
第二，把系统计算结果包装成绝对正确。补货模型应允许主管标记“活动特例”“新品爬坡”“供应商停产”“渠道锁定”等原因，否则业务人员会为了绕过模型而在线下另做一张表。
第三，过度追求一次性自动化。初期可以让工具自动识别风险，让主管人工确认补货建议；等连续运行几周并积累异常原因后，再逐步放开自动生成采购建议。仓库的真实变化通常比规则设定更复杂，过早自动下单的风险很高。
每日检查的目标是识别24小时至72小时内的履约风险，不是重新计算所有库存。
每日清单要控制在可执行范围内。若每天列出300个风险SKU，实际等于没有优先级。我通常会把“当天必须处理”控制在30至50个以内，其余风险进入周度复盘。
每周应关注趋势，而不是只处理当天的异常。
如果某供应商连续四周实际交期都比承诺交期长，就不应继续使用合同交期。参数更新必须有数据记录和生效日期，否则不同人员会继续使用旧版本。
月度复盘要回答的是“这套补货策略是否值得继续”，而不仅是“这个月缺货了几次”。
| 复盘维度 | 建议指标 | 判断方向 |
|---|---|---|
| 服务水平 | 订单满足率、核心SKU缺货率、延期发货率 | 库存是否真正转化为履约能力 |
| 库存效率 | 库存周转天数、库存周转率、超龄库存占比 | 是否用过多库存换取有限销售 |
| 供应稳定性 | 到货及时率、交期偏差、短装率 | 安全库存是否被供应商波动推高 |
| 仓内效率 | 待上架时长、质检处理时长、库位准确率 | 到货后是否能快速变成可售库存 |
| 资金风险 | 库存资金占用、滞销库存金额、折价损失 | 补货决策是否带来可接受的财务回报 |
核心爆款最先做的不是盲目加大采购量，而是确认缺货时间点和补货到仓时间点是否匹配。如果新货无法在缺货前到仓，应立即启动临时措施。
若缺货损失远高于加急运输费用，加急是合理的；若加急运输费用会吞掉大部分毛利，则应考虑限购和替代，而不是无条件追货。
活动商品不能只用活动前几天的销量外推。应该把活动机制、曝光资源、转化率、库存承诺和活动持续时间结合起来。
我会把活动补货量拆为基础销量、已确认活动增量和不确定增量。基础销量可以正常补；已确认增量根据历史相似活动验证；不确定增量则通过分批到货、供应商备货或预售机制管理。
不要把流量预估直接当成销量预估。曝光、点击、加购和支付之间存在转化损耗，仓库只应根据最终可履约订单和可信转化率准备库存。
新品补货最容易陷入“没有数据就凭感觉”。可以选择同类商品建立参考组，按价格带、功能、渠道、包装规格和目标人群匹配历史SKU。
新品首批采购建议采用小批量验证，而不是直接追求单位采购成本最低。首批的目标是验证点击转化、退货率、包装破损率、拣选难度和补货响应速度。若新品确实形成增长，再提高补货批量。
低频商品不一定要维持高服务水平。如果商品可预售、可替代或采购周期较短，可以接受低库存。相反，如果商品是整套产品中的关键配件，即使销量低，也可能需要保留一定库存。
判断长尾商品是否补货，可以看四个问题：缺货是否导致主商品无法销售，客户是否接受等待，供应商是否可以小批量采购，库存过期或过时的损失有多大。
季节商品进入尾声后，补货模型必须加入“剩余销售窗口”。即使覆盖天数不足，只要新货到仓后无法在剩余窗口卖完，就不应该按正常规则补货。
这时的替代方案包括停止采购、加大折扣、组合销售、转移渠道和退回供应商。补货决策的目标已经从“保证供应”切换为“减少剩余库存损失”。
连续延迟不能只靠提高安全库存解决。安全库存只是把风险转化为资金占用，不能改善供应商本身的交付能力。
建议记录供应商实际交期分布、短装率、质量问题率和异常响应时间，再决定是提高安全库存、拆分订单、引入备选供应商，还是调整商品策略。对于核心商品，最好不要让单一供应商承担全部供应风险。
多备库存可以降低缺货，但会增加资金占用、仓储成本和滞销风险。减少库存可以提高现金效率，但可能损失销售机会和客户体验。
| 选择 | 获得的好处 | 承担的代价 | 适用情况 |
|---|---|---|---|
| 提高安全库存 | 降低短期缺货概率 | 增加库存资金和仓储压力 | 高毛利、不可替代、供应不稳定 |
| 提高补货频率、降低批量 | 减少平均库存 | 采购和运输次数增加 | 供应商响应快、订单量稳定 |
| 一次性大批量采购 | 获得价格或运输优势 | 增加滞销和现金占用 | 需求稳定、商品不易过时 |
| 接受加急运输 | 缩短缺货时间 | 物流成本上升、毛利下降 | 缺货损失明显高于加急费用 |
| 采用预售或限购 | 降低断货期间的订单压力 | 可能影响转化和客户体验 | 客户可接受等待、替代品较多 |
我建议把每次重大补货判断的取舍记录下来。例如，“本次接受多采购2,000件，原因是活动期间预计缺货损失高于库存持有成本；若活动后14天销量低于阈值，则启动组合销售”。这样，补货不是口头拍脑袋，而是可复盘的经营决策。
很多团队希望预测必须非常准确，但在需求快速变化的电商环境里，等待完美预测往往会错过补货窗口。更现实的做法是：稳定商品追求预测准确，波动商品追求快速调整。
对于稳定商品，可以每周更新预测参数；对于爆款和活动商品，应每天监控订单增速、库存消耗和供应节点。不同商品使用不同更新频率，比全仓库统一每天计算更有效。
自动化适合处理重复、规则明确、数据质量稳定的任务，例如计算覆盖天数、识别逾期在途、汇总库存状态和生成风险排序。
人工更适合处理规则无法覆盖的情况，例如新品爬坡、供应商临时停产、平台政策变化、竞品降价、整套商品配件关系和重大活动不确定性。
成熟的做法不是让系统替代主管，而是让系统把主管从翻表中释放出来，把时间用于处理真正需要判断的异常。
多仓企业需要统一指标口径，但不必让所有仓库使用完全相同的参数。华东仓到货快、供应商集中，华南仓可能运输周期长；前置仓追求快速周转，中心仓则承担储备和调拨功能。
建议统一以下内容：SKU编码、库存状态定义、订单状态、缺货率口径、在途节点和复盘周期。以下内容可以因仓库而异：安全库存、补货频率、调拨阈值、库位容量和入库处理时间。
先确认订单、库存、采购和仓内作业四类数据的负责人，明确每个字段的含义。尤其要定义“可售库存”“可履约库存”“在途库存”“冻结库存”和“待检库存”，避免不同部门使用不同答案。
不要一开始覆盖全部商品。先选出缺货损失最高的核心SKU、库存金额最高的风险SKU、交期最不稳定的供应商SKU和活动即将开始的商品，形成试点范围。
至少计算修正日均销量、库存覆盖天数、实际交期、逾期在途数量、缺货率、待上架时长和库存超龄占比。指标数量不必太多，但每个指标必须对应具体行动。
红色代表当天必须处理，黄色代表需要主管复核，绿色代表按正常周期运行。规则应允许添加异常原因，例如活动特例、供应商停产、渠道锁定、替代销售和临时调拨。
从红色SKU中随机抽查现场库位，确认系统状态与实际状态是否一致。如果系统显示可用但现场找不到，先修库存数据，再讨论补货，否则会出现重复采购。
每个重点SKU都应记录处理动作：采购、调拨、加急、限购、替代、拆单、停止补货或清仓。记录动作、负责人、完成时间和结果，下一次复盘才能知道哪种动作有效。
红色风险中哪些其实不需要行动，说明规则过于敏感；没有被标红但后来发生缺货，说明规则漏掉了某类风险。用一周的误报和漏报修正参数，比一开始追求复杂模型更稳妥。
仓库主管真正需要的不是一张自动生成采购数量的神奇报表，而是一套能够解释决策依据的机制：为什么判断会缺货，缺的是哪一种库存，供应是否来得及，仓库是否接得住，补货后会产生什么资金和空间压力。
如果只能先做一件事，我建议先把“账面库存”改成“可履约库存”，把在途库存、待检库存、待上架库存和渠道锁定库存拆开。很多补货错误会在这一步暴露出来。
明天开始，可以先筛出三类商品：覆盖天数低于实际交期的商品、库存金额高但销量持续下降的商品、系统可售但现场无法快速拣选的商品。逐条记录原因和动作，不必等待完整系统上线。
当异常记录积累到一定数量后，再使用九数云等数据分析工具，将订单、库存、采购和仓内作业数据整合到一个看板中，用规则自动筛选重点SKU，用人工处理真正需要判断的例外。
我的判断是：补货管理的分水岭，不在于谁的公式更复杂，而在于谁能把“需求变化、库存状态、供应不确定性和仓内处理能力”放在同一个决策里。库存不是仓库的终点，能够在正确时间转化为可履约订单，才是补货真正创造的价值。
我以前做促销季补货时，习惯直接看近7天销量，结果畅销款确实没有断货，但很多慢销规格却堆满了库位。现在我想知道，补货前到底应该核对哪些数据，才能避免只看销量做决定？
补货决策不能只看销量，仓库主管至少要把销售速度、可售库存、在途库存、供应周期和库存占用放在同一张表里核对。我在一次大促前复盘时发现，单看近7天销量会高估部分商品，因为其中有两天是直播集中成交，日常需求并没有那么高。
我建议先检查以下六项：近7天与近30天销量、当前可售库存、锁定库存、已下单未到货数量、供应商实际交付周期，以及商品的安全库存。这里尤其容易漏掉锁定库存。如果系统显示库存100件，但已被订单锁定35件，真正可以继续销售的只有65件。
检查项目重点看什么常见误判 销售速度日均销量、周趋势、促销波动把一次性活动销量当成日常需求 库存状态可售、锁定、残次、待检库存把账面库存全部当成可用库存 在途数量已发货、待发货、预计到货日把未确认的采购单当成确定补给 供应周期历史平均到货天数和波动只按供应商承诺日期计算 库存成本采购价、库位占用、滞销风险只关注缺货损失，不看积压成本 实际操作时，我会先用近30天销量计算基础日均销量，再用近7天趋势进行修正。
比如近30天日均销量为20件，近7天日均销量为28件，但这7天包含一次投放活动，就不能直接按28件补货，而应将活动订单拆出来，得到更接近日常的需求值。一个比较稳妥的计算方式是：补货点＝预计日销量×供应周期＋安全库存－可售库存－可信在途库存。
所谓可信在途库存，必须是已经出库或供应商明确确认交期的货，只有采购申请、尚未付款或没有交期的订单，不应直接抵扣补货量。我的判断标准是：数据越接近实际履约状态，补货结果越可靠。仓库主管不需要一开始就建立复杂模型，但必须把库存状态拆开，否则看起来是在精确计算，实际上只是用几个不完整数字制造了精确错觉。
我曾经按照供应商承诺的7天交期设置安全库存，后来连续遇到到货延迟，仓库在第9天就断货了。现在我比较困惑，安全库存到底应该按销售量、交期波动，还是按仓库主管的经验来设定？
安全库存不应该凭感觉统一设置，也不能简单规定所有商品都保留30天库存。真正影响安全库存的有两个变量：需求波动和供应周期波动。供应商每次都准时到货的商品，即使销量较高，也不一定需要很高的安全库存；而销量一般但交期经常拖延的商品，反而需要更谨慎。
我在仓库里通常先记录至少8周的实际数据，分别计算日销量波动和实际到货天数。供应商说7天到货并不等于实际供应周期是7天，如果历史上分别出现6天、8天、11天、9天和14天，那么补货模型就应该按真实交期分布，而不是按合同上的理想日期。
商品类型需求特征供应特征建议策略 高销量核心款销量高且波动中等交期稳定保持较短覆盖天数，重点防断货 活动引流款平时低，活动时暴增交期一般单独做活动预测，不沿用日常安全库存 进口或定制款销量不一定高交期波动大提高安全库存，并设置人工审批 低价慢销款销量低且不稳定交期稳定减少备货，优先消化现有库存 在没有统计系统的情况下，可以先使用一个可执行的简化方法：安全库存＝日均销量×交期缓冲天数。
比如日均销量20件，供应商承诺7天，但历史经常多延迟3天，就先将缓冲天数设为3天，安全库存为60件。这个数不是永久固定的，每两周应根据缺货和积压结果调整。更进一步，可以把商品按风险分级，而不是给所有SKU同一套规则。高销售额、高毛利、缺货后影响大的商品，安全库存应该更高；
低毛利、占用库位大、可替代性强的商品，则应压低库存。补货的目标不是让仓库看起来满，而是用合理库存换取稳定履约。我建议仓库主管每月复盘两个指标：安全库存覆盖下的缺货次数，以及安全库存导致的超储金额。如果缺货仍然频繁，说明安全库存太低或供应周期估计错误；
如果缺货很少但库存金额快速上升，则说明模型正在用过度备货掩盖预测问题。
我遇到过系统显示某款商品还有几百件，但拣货员实际找不到可发库存，最后才发现其中一部分在退货区，一部分临近保质期，还有一部分被放在临时库位。补货时我应该怎样确认这些库存真的能被销售和拣选使用？
补货前检查库存质量，是很多仓库最容易忽略、但最能减少无效采购的环节。系统里的库存数量只是账面结果，只有能够被快速定位、符合销售条件并完成拣选的库存，才算真正可用于补货决策的库存。我通常会把库存拆成可售库存、待检库存、退货库存、残次库存、临期库存和库位异常库存。
一次盘点中，某SKU账面有420件，扣除待检40件、退货25件、残次18件和无法定位的32件后，真正可拣选库存只有305件，库存可用率仅为72.6%。如果不做拆分，采购人员很可能会误以为库存不足而重复下单。
库存状态能否直接抵扣补货需求处理动作 正常可售库存可以确认库位和拣选路径 待质检库存暂不建议确认质检完成时间 退货库存视质检结果决定建立重新上架时限 临期库存谨慎抵扣结合销售速度和保质期判断 残次或报废库存不能及时做库存隔离和账务处理 库位异常库存不能直接抵扣先完成查找、移库或盘点 批次管理商品还要额外检查先进先出执行情况。
比如某批商品还有60天保质期，日均销量只有2件，理论上库存能卖30天，但如果新批次被放在前排，旧批次长期没有出库，账面库存并不能代表未来可销售库存。我会在补货单上增加三个字段：可拣选库存、预计可恢复库存、不可用库存。
预计可恢复库存必须有责任人和完成日期，例如退货区25件预计两天后完成质检，才能在两天后的补货计划中抵扣，而不能在今天直接当成可售库存。仓库主管还应该关注库位异常率。我的经验是，库位异常率一旦超过2%，补货决策就需要增加人工复核；
超过5%时，继续依赖系统库存做自动补货，通常会同时出现重复采购和订单缺货。很多所谓的补货不准，根源并不在算法，而在库存没有被正确放置和标记。
我不缺补货公式，真正的问题是团队每天忙着拣货、收货和处理异常，很难执行一套复杂流程。有没有一种不依赖高级系统的检查清单，可以让主管在20分钟内筛出真正需要补货的商品，并且减少误判？
一份能落地的补货清单，重点不是项目越多越专业，而是要把高风险错误尽快筛出来。我在高峰期试过把检查表压缩成四个阶段：先找可能缺货的商品，再排除账面假缺货，接着确认供应可行性，最后才决定数量和优先级。熟练后，日常筛查可以控制在20分钟左右。第一步检查销售和库存预警，筛出未来供应周期内可能断货的SKU。
第二步检查库存状态，确认可售库存、锁定库存、待检库存和在途库存，避免把不可用数量计入。第三步检查供应商交期、起订量、箱规和价格变化，防止补货数量无法执行。第四步由主管确认紧急程度，并将异常原因记录下来。顺序主管要问的问题发现异常后的动作 1. 需求未来7至14天会卖多少？是否有活动或季节变化？
修正日均销量，标记异常波动 2. 库存账面库存中有多少真正可拣选？核对库位、锁定和质检状态 3. 在途在途货是否已确认数量和到货日期？未确认的在途不直接抵扣 4. 供应供应商能否按需求日期交付？确认交期、起订量和替代供应 5. 决策这次是补货、调拨、清仓，还是暂缓采购？
记录决策理由和复盘日期 我建议给每个SKU设置一个简单的优先级：A类是预计会影响核心订单或高毛利商品，B类是可以通过调拨或替代品解决的商品，C类是低销量、低毛利且库存充足的商品。这样团队不会把时间平均花在所有商品上，而是先处理会造成实际损失的缺口。
清单里一定要增加“为什么补”的记录，而不只是填写“补多少”。常见原因可以分为日常消耗、活动备货、供应延迟、库位异常、退货恢复和跨仓调拨。连续四周发现某SKU总是因为库位异常触发补货，就说明它不是采购问题，而是仓内管理问题。
在执行效果上，我更看重三个指标：补货后7天缺货率、补货后30天库存周转，以及补货单被修改或取消的比例。比如补货单修改率长期超过20%，通常意味着需求预测、库存状态或供应商数据至少有一项不可靠。清单的价值不是让所有人填表，而是让每次错误都能追溯到具体环节。如果仓库规模较小，可以先用表格执行；
当SKU数量、仓库数量或订单波动明显增加后，再考虑引入某项目管理工具或某项目管理平台来分配异常任务、跟踪责任人和记录复盘结果。但工具只能提高过程透明度，不能替代库存定义、数据口径和主管判断。
读者评论
文章把“账面库存”和“可履约库存”区分开来很实用，尤其是待检、待上架和渠道锁定库存，确实容易在系统中被误算。对仓库主管来说，现场状态核查比单看库存余额更有价值。
补货公式部分比较清晰，但实际落地还需要稳定的销量、交期和库存状态数据。如果基础数据不准确，再复杂的模型也可能得出错误建议。
文中关于活动需求衰减的案例很有参考意义。促销前补货不能只看活动期间销量，还要结合供应商实际交期和活动后的销售窗口，否则容易从断货风险变成滞销库存。
将商品按核心、常规、长尾和风险类型分层，能减少平均分配管理精力的问题。建议企业进一步明确各层级的审核频率和责任人，避免分层停留在表格上。
文章不仅关注采购数量，也考虑库位、人员、设备和质检能力，这一点较全面。到货集中造成仓内拥堵时，补货本身并没有解决履约问题，反而可能增加作业压力。