在多店铺电商企业里,采购计划最危险的错误,往往不是少算了几百件,而是把同一件商品在不同店铺、仓库和采购表里算了两遍。一个共享仓同时服务 4 个店铺时,运营看的是各店销量,仓库看的是可用库存,采购看的是在途订单,财务核对的是平台结算单;每张表单独看都可能没错,合并后却无法回答一个最重要的问题:企业现在到底还需要采购多少?

这正是《电商进销存:增长负责人自查表:采购计划最容易出现的跨店对账难》要解决的问题。我的判断是:跨店对账难的本质,不是报表不够多,而是商品、库存、订单和结算没有使用同一套口径。如果增长负责人只盯着店铺销量,采购计划就会被重复需求放大;如果只盯着仓库库存,又可能忽略在途、锁定、退货和活动预留库存。
下面这份自查表不从“系统有什么功能”开始,而是从采购计划为什么失真开始。你可以把它用于月度经营复盘、活动备货前检查,也可以用来判断企业是否已经到了需要升级电商进销存管理方式的阶段。
很多团队第一次做跨店采购计划时,会采用一个看似合理的公式:店铺 A 需要采购多少,加上店铺 B 需要采购多少,再减去仓库库存。这种做法的前提是两个店铺的商品编码、需求周期、库存状态和采购单位完全一致。现实中,这四个条件很少同时成立。
同一个商品,平台可能使用商品 ID,店铺运营使用店铺 SKU,仓库使用内部 SKU,供应商使用货号。若这些编码没有建立一对一映射,销量汇总就可能出现两种相反结果:同一商品被识别成两个商品,导致重复采购;两个规格被误认为同一商品,导致某一规格缺货、另一规格积压。
库存也不能只看系统里的“库存数量”。采购计划真正应该扣除的是预计需求周期内可被使用的库存,而不是账面上所有还没有出库的数量。已被订单锁定、正在质检、等待退货入库、已经分配给活动或计划调拨的库存,都不一定能支持新的销售。
在没有复杂预测模型的情况下,我建议先使用一个透明、可复核的基础逻辑:
计划采购量 = 预测需求量 + 安全库存 − 可用库存 − 已确认在途量
这个公式看起来简单,但每个变量都必须有明确定义。预测需求量不能把大促峰值直接当成日常销量;可用库存不能把锁定库存和质检库存全部算进去;已确认在途量不能把“供应商口头说已发货”当作确定供给。
如果需要把退货率、采购批量和供应商交期纳入,可以进一步调整为:
计划采购量 = 预测销售量 ×(1+预估退货损耗率)+安全库存 − 可用库存 − 已确认在途量
这里的“退货损耗率”不是所有退货率的简单相加。可二次销售的退货应与报损退货分开计算,否则会人为放大采购需求。

增长负责人不一定要亲自维护每个 SKU,但必须能解释采购计划里的需求从哪里来。一个合格的需求数字,至少应该能追溯到店铺、渠道、时间周期和活动状态。
例如,近 30 天某商品卖了 3000 件,并不意味着下个月仍应按每天 100 件采购。3000 件可能包含一次直播间爆发、某个达人带货、临时投放或低价清仓。如果活动不可持续,却被直接写入滚动预测,采购团队最后承担的是增长团队的乐观假设。
我的建议是,把需求拆成三类:基础需求、已确认活动需求、尚未确认的机会需求。基础需求可以进入常规采购计划;已确认活动需求需要关联活动排期和预算;机会需求只能进入备选方案,不能在没有审批的情况下直接转化为采购订单。
运营团队通常以店铺维度观察销量、转化率、投放消耗和活动效果。店铺 A 过去 7 天卖出 800 件,店铺 B 卖出 500 件,于是两个店铺分别向采购提出补货需求。
问题在于,运营看到的是销售机会,不一定知道共享仓里已经有一批库存被另一个店铺锁定,也不一定知道供应商前两天已经发出 1000 件在途货物。店铺视角有助于制定销售策略,却不适合直接生成企业级采购量。
仓库更关注库存状态和履约动作。系统里显示某商品有 2000 件,但其中 600 件正在质检,300 件已被订单锁定,200 件等待退货判定,真正可以用于新订单的可能只有 900 件。
如果采购计划直接使用 2000 件作为库存扣减,企业会低估采购量;如果仓库只提供“可用库存 900 件”,却没有说明其他 1100 件的状态,采购和运营又无法判断这部分库存何时能够释放。
采购表里常见一个容易误导管理层的字段:在途数量。它可能把已下单、已付款、已出库、运输中和预计到货全部混在一起。
我在设计采购对账流程时,会把在途至少拆为四种状态:采购单已审核、供应商已确认、供应商已发货、仓库已收货。只有前两种状态,通常还不能作为确定供给;供应商已发货也可能存在物流异常;真正可以从采购需求中完整扣除的,应该是与预计到货日期和数量都能对应的在途量。
平台订单金额、店铺后台销售额和平台结算金额,通常不是同一个数字。优惠、平台服务费、佣金、运费、退款、赔付和结算周期都会造成差异。
如果增长负责人拿订单金额去对照财务到账金额,通常会把正常的平台扣费误判为对账异常;如果财务只按到账金额判断商品销售表现,又可能无法及时识别订单、退款和结算周期造成的时差。

跨店对账不一定要一开始就上复杂系统,但必须先建立口径桥接表。桥接表的作用不是把所有数据堆到一起,而是回答每个字段如何定义、由谁维护、多久更新以及出现差异由谁处理。
| 数据对象 | 建议统一口径 | 常见错误 | 维护责任 |
|---|---|---|---|
| 商品 | 内部商品编码、规格、包装单位、条码 | 同款不同码、不同规格共用编码 | 商品主数据负责人 |
| 销量 | 付款订单、发货订单或签收订单中的一种 | 不同店铺采用不同统计节点 | 运营与数据团队 |
| 库存 | 可用库存、锁定库存、质检库存、待处理库存分开 | 把账面库存直接当可售库存 | 仓储负责人 |
| 在途 | 按采购单、发货状态和预计到货日确认 | 把供应商口头承诺当作在途 | 采购负责人 |
| 结算 | 按平台结算周期拆分订单、退款和费用 | 订单金额直接对比到账金额 | 财务负责人 |
这是最基础、也最容易被忽略的风险。很多企业在开店初期允许运营自行命名 SKU,后来又因为不同平台的编码规则、包装方式和促销组合,形成了大量历史编码。
例如,店铺 A 使用“白色-500ml”,店铺 B 使用“500ML白瓶”,仓库使用“P-001”,供应商使用“BX500-W”。如果系统没有记录它们属于同一商品,跨店销量汇总就会漏算或重复计算。
我建议商品主数据至少保留以下字段:内部商品编码、平台商品 ID、店铺 SKU、规格、单位、箱规、供应商货号、采购单位、可替代商品、状态和生效日期。商品发生换包装、换供应商或调整容量时,不要只改名称,要明确是否新建编码。
一个内部商品编码对应多个平台 SKU,可能是正常的渠道映射;多个内部商品编码对应一个供应商货号,则需要进一步核实是否存在包装或规格混淆。
采购单位和销售单位不一致时,必须有明确换算关系。销售端按瓶统计,采购端按箱下单,如果一箱 24 瓶没有进入计算逻辑,采购计划就会出现数量看似正确、实际下单不足的情况。
多店铺团队经常把“店铺负责制”误解为“采购也按店铺拆开”。店铺可以独立经营,但共享仓和供应商通常不应该被独立计算。
假设店铺 A 预计需要 1000 件,店铺 B 预计需要 800 件,共享仓可用库存 600 件,已确认在途 500 件。正确的基础采购量是 700 件,再根据安全库存和活动增量调整。如果两个店铺分别扣除 300 件库存和 250 件在途,最后可能得出 1250 件的采购建议,重复采购 550 件。
只要多个店铺共用同一个供应源,就必须先进行企业级商品汇总,再做店铺级分配。反过来,如果两个店铺使用完全不同的仓库和供应商,则不能为了“统一”而强行合并。
库存字段至少存在三个容易混淆的概念。账面库存回答“系统登记了多少”;可售库存回答“前台还能卖多少”;可用库存回答“扣除锁定和不可用状态后,未来采购计划可以使用多少”。三者在特定场景下可以相等,但不能默认相等。
| 库存状态 | 是否可以直接扣减采购需求 | 判断理由 |
|---|---|---|
| 可直接发货库存 | 通常可以 | 已经完成入库并且没有被其他订单锁定 |
| 订单锁定库存 | 不可以重复扣减 | 已对应现有订单,不属于新增销售供给 |
| 质检库存 | 谨慎扣减 | 是否可用取决于质检通过率和处理时效 |
| 退货待检库存 | 通常不直接扣减 | 商品状态、包装和二次销售资格尚未确认 |
| 调拨中库存 | 按预计到达时间判断 | 跨仓运输可能影响实际可用日期 |
| 供应商在途库存 | 按确认程度分层扣减 | 需同时核对采购单、发货状态和预计到货日 |
采购团队最常见的解释是:“这批货已经下单了。”但下单不等于能在销售周期内补充库存。采购计划至少要区分采购单已审核、供应商已确认、已发货、运输中和已入库。
例如,预计未来 30 天需要 3000 件,当前可用库存 1000 件,采购单已经创建 1500 件,但供应商交期是 45 天。若计划周期只有 30 天,这 1500 件不应全部作为当期供给扣减,否则销售中段很可能缺货。
在途数量应当同时带有三个关键字段:预计到货日期、预计到货数量、到货可信等级。没有预计到货日期的在途,只能放进风险提示,不宜直接参与确定性采购量计算。

促销活动是采购计划失真的重要来源。直播、达人分销、满减、低价券和平台大促,可能在短时间内制造远高于日常水平的订单。如果没有活动标签,系统只能把所有销量视为同一种需求。
我建议至少把销量拆为基础销售、活动销售、预售销售、异常销售和退款影响。基础销售适合用于滚动预测;已确认活动销售需要关联活动开始和结束日期;预售销售要结合履约承诺和取消率;异常订单应由运营确认是否纳入预测。
活动后还要做一次反向校准。不能只复盘“卖了多少”,还要看活动带来的新增需求中,有多少转化为可持续的自然销售,有多少是提前透支的未来需求。
退款发生、平台完成退款、商品退回仓库和商品重新变成可售库存,是四个不同时间点。若采购计划只看到退款数据,却没有看到退货入库和质检结果,就会产生两类错误。
第一类是把已经退款但尚未退回的商品当成可用库存,导致采购量偏低。第二类是商品已经退回并通过质检,但库存状态没有及时释放,导致企业重复采购。
跨店对账时,我通常会把退货拆成“退款已完成、物流已退回、仓库已收货、质检可售、质检报损”五个节点。每个节点都要有时间戳,才能判断问题发生在平台、物流、售后还是仓库。
平台订单金额更接近销售端口径,结算金额更接近资金端口径。两者之间的差异可能来自商品优惠、平台补贴、商家承担优惠、佣金、服务费、运费、退款、赔付和结算周期。
增长负责人需要关注商品销售和活动投入,财务需要确认收入与到账,采购需要判断销售规模是否支持补货。三者可以共享数据,但不能用一个金额字段替代全部判断。
我建议建立“订单金额,应收金额,平台扣费,退款金额,实际结算金额”的桥接关系,并以结算周期为单位核对。不要把本月产生的订单直接与本月到账金额比较,除非平台结算规则确实支持这种匹配。
很多企业能发现对账差异,却无法让差异真正消失。原因是报表里只有“异常数量”,没有责任人、处理期限、原因分类和回写节点。
我建议把异常分成商品映射异常、数量差异、金额差异、时间差异、状态缺失和重复记录六类。每类异常都要配置责任部门和最长关闭时限。例如,商品映射异常由商品主数据负责人处理,仓库数量差异由仓储负责人复核,平台费用差异由财务按结算单确认。
| 异常类型 | 典型表现 | 首要核查对象 | 建议关闭时限 |
|---|---|---|---|
| 商品映射异常 | 平台 SKU 无法关联内部商品 | 商品主数据、规格和条码 | 1个工作日 |
| 数量差异 | 订单、出库和入库数量不一致 | 订单状态、出库单、退货单 | 2个工作日 |
| 金额差异 | 订单金额与结算金额差额过大 | 优惠、佣金、退款和账单 | 3个工作日 |
| 时间差异 | 销售已发生但库存或结算未更新 | 同步时间、结算周期和接口日志 | 1个工作日 |
| 重复记录 | 同一订单或采购单被重复汇总 | 唯一单号和导入批次 | 1个工作日 |

看到一个“库存 5000 件”时,不要马上问这个数字对不对,而要先问它代表什么状态。它是昨天 24 点的账面库存,还是当前实时库存?是否扣除了锁定?是否包含不可售品?是否已经扣减正在调拨的数量?
同样,看到一个“销量 3000 件”时,要确认它是付款订单、发货订单、签收订单,还是平台统计的支付件数。不同口径并没有天然的对错,但必须与预测模型和采购周期保持一致。
采购计划中的每个关键数字都应该可以向下追溯。预测需求要能追溯到店铺、商品和时间周期;可用库存要能追溯到仓库库存状态;在途数量要能追溯到采购单和物流状态;结算金额要能追溯到平台账单。
如果一个数字只能在人工汇总表里看到,却无法回到原始订单或单据,说明它更适合做参考,不适合直接作为采购决策依据。
时间基准是跨店对账中经常被低估的问题。运营可能使用当天实时销量,仓库使用前一天夜间盘点,采购使用上周更新的在途,财务使用上月结算单。四个数字分别正确,但不属于同一个时间截面。
我建议采购计划固定一个数据截点,例如每周一上午 10 点。所有参与计算的数据都标记采集时间;超过更新时间阈值的字段进入待确认状态,而不是默默参与计算。

有些团队把采购计划自动生成当成系统成熟的标志,但我更看重计划是否可解释。系统给出建议采购 2800 件时,负责人应该能看到:其中多少来自基础需求,多少来自活动增量,扣除了多少可用库存和在途,安全库存采用了什么规则。
如果系统只能展示一个最终数字,不能说明数字如何得出,那么它只是把人工黑箱变成了系统黑箱。尤其在大促、换季或供应商交期变化时,管理者仍然需要人工判断。
以九数云为例,我更建议把它理解为跨店数据汇总、分析和可视化的一类工具,而不是把它当成自动替代采购判断的按钮。它的价值主要体现在:把不同店铺、仓库、采购表和结算数据放到统一分析框架中,帮助团队建立商品、订单、库存和采购之间的关联。
实际使用时,不能只把几张 Excel 表上传后就期待结果准确。前置工作仍然包括统一字段名称、清理重复单号、建立 SKU 映射、区分库存状态、标记活动订单以及明确订单金额和结算金额的关系。
如果企业已经在使用九数云或类似的数据分析工具,我建议先做一个“采购计划追溯看板”,而不是一开始制作几十张经营报表。看板至少要能够从企业级商品下钻到店铺,再下钻到订单、库存状态和采购单。
可参考的看板字段包括:商品编码、店铺 SKU、渠道、预测销量、实际销量、可用库存、锁定库存、在途数量、预计到货日、活动标签、采购建议量、异常类型和异常负责人。这样增长负责人看到的不只是结果,还能看到结果为什么发生。
九数云官网地址:https://www.jiushuyun.com。具体数据接入范围、字段处理方式和功能边界,仍应以实际产品文档、接口条件和企业试用结果为准。
下面是一个脱敏的情景案例,用于演示计算过程,不代表某家企业的真实经营数据。某电商品牌有 3 个店铺,分别经营主店、直播店和分销店。三个店铺销售的是同一款 500 毫升商品,共享一个中心仓,供应商最小起订量为 100 件,正常交期为 12 天。
| 项目 | 主店 | 直播店 | 分销店 | 合计 |
|---|---|---|---|---|
| 未来30天基础预测 | 1800件 | 900件 | 700件 | 3400件 |
| 已确认活动增量 | 300件 | 600件 | 100件 | 1000件 |
| 预测总需求 | 2100件 | 1500件 | 800件 | 4400件 |
| 店铺分配库存 | 500件 | 300件 | 200件 | 1000件 |
| 店铺分别确认的在途 | 300件 | 250件 | 200件 | 750件 |
从店铺表面看,三个店铺需要采购 2650 件,即 4400 减去 1000 和 750。问题是,店铺分配库存和店铺确认在途并不是企业真实的供给口径。
直播店为了保障活动,将 600 件锁定库存单独列为活动保障库存;主店的 500 件中有 200 件已经被订单锁定;分销店的 200 件里有 100 件正在质检。也就是说,店铺表里的“库存”包含了不同状态,不能直接作为新增销售供给。
同时,采购团队的 750 件在途里,有 300 件还没有供应商确认到货日,200 件预计在 30 天以后到仓。把这些数量全部扣除,会让采购计划显得比较安全,但销售周期内实际能用的供给会被高估。
如果采用店铺独立计算,团队得到的采购建议是 2650 件;如果采用企业级商品汇总,并把活动锁定库存、可用库存和在途按到货日期重新分类,结果会明显不同。
首先,未来 30 天总需求仍按 4400 件计算,其中 1000 件活动增量单独标记。其次,中心仓可直接发货库存为 700 件,已锁定库存 600 件不能被重复扣减,质检库存 100 件暂不计入确定性供给。
再次,在途数量中,预计 30 天内到货且供应商已确认的数量为 500 件;没有确认到货日的 150 件进入风险提示;预计 30 天以后到货的 100 件不参与本期供给扣减。
如果安全库存暂定为 600 件,那么基础计算为:4400 加 600,减去 700,再减去 500,得到 3800 件。由于供应商最小起订量为 100 件,采购建议量仍为 3800 件。
这个结果比前面的 2650 件多 1150 件,并不是系统“算错了”,而是前一个结果把锁定、质检和远期在途都当成了可用供给。若活动增量尚未完全确认,还可以将 1000 件活动需求拆分成 600 件确定需求和 400 件备选需求,形成确定采购量与弹性采购量两套方案。

案例中的关键不是“采购 3800 件一定正确”,而是每个数字都能被追问。活动增量是否真的会发生?直播店的锁定库存是否已经有对应订单?质检库存多久可以释放?供应商确认的 500 件是否覆盖活动开始前的销售周期?如果这些问题没有答案,3800 件也只能是一个待确认方案。
因此,我建议采购计划至少同时呈现三种数量:确定需求、机会需求和风险预留。管理层不需要被迫在一个看似精确的数字上做决策,而应看到不同假设下的采购范围。
商品主数据是所有跨店计算的起点。只要商品映射不准确,后面的销量、库存和采购分析都会带着错误继续运行。
销量数据不是采购计划的最终答案,而是需求侧输入。增长负责人需要确认销量的统计节点和预测方式是否稳定。
库存自查的重点不是“库存数字有没有更新”,而是库存状态能否支持采购决策。库存越多,状态拆分越重要。
采购侧要避免只报一个“在途总量”。没有状态、日期和可信度的在途数量,无法支撑精确补货。
金额对账和数量对账需要分开设计。数量主要服务采购和库存,金额主要服务经营核算和资金判断,二者关联但不能互相替代。
一个真正能执行的自查表,必须在发现异常后给出动作。否则自查只是一次性检查,不能改善下一个采购周期。
| 检查问题 | 通过标准 | 未通过时的动作 |
|---|---|---|
| 商品是否全部映射 | 核心商品映射率达到100% | 暂停自动汇总,先补齐主数据 |
| 销量是否有统一时间截点 | 所有店铺使用同一统计周期 | 重新生成需求侧数据 |
| 库存是否能按状态拆分 | 可用、锁定、质检、退货分开 | 禁止直接使用账面库存扣减 |
| 在途是否有预计到货日 | 确定性在途均有日期和数量 | 按可信等级降低扣减比例 |
| 异常是否有责任人 | 每条异常均有部门和截止时间 | 纳入周例会和采购复盘 |
这是最适合做企业级采购汇总的场景。多个店铺共享仓库和供应商,采购端应先按内部商品编码汇总需求,再按照店铺销售优先级、活动排期和履约要求分配库存。
这类企业最应该优先解决 SKU 映射、库存状态和在途日期,而不是继续增加店铺级报表。店铺报表可以保留,但不能让店铺报表直接生成采购单。
多仓企业不能把所有库存简单合并。北方仓的库存未必能及时支持南方店铺,跨仓调拨也会增加运输和处理成本。
更适合的做法是“两层计划”:先按仓库和区域计算局部供需,再在企业层面判断是否需要跨仓调拨、集中采购或调整活动资源。此时采购计划需要增加仓库、区域、调拨时效和履约成本字段。
活动型业务不能只使用过去 30 天平均销量。建议采用基础需求、确定活动需求和弹性需求三套数字,并为活动设定最晚确认时间。
如果活动开始前仍未确认主播排期、投放预算或优惠力度,机会需求不应全部转化为采购订单。可以先锁定供应商产能,再按活动确认进度分批下单,以降低滞销风险。
对于日用品、标品和交期稳定的商品,可以使用相对简单的滚动预测。重点是持续维护销量基线、安全库存和采购批量,不必一开始引入过于复杂的预测模型。
但“交期稳定”也需要数据验证。至少应观察过去几个采购周期的承诺交期、实际到货交期和到货完整率,不能只凭采购人员经验判断。
新品、季节品和时尚商品不适合只用历史销量外推。采购计划应增加生命周期阶段、首单试采量、补单窗口和清仓节点。
这类商品更需要弹性采购和分批到货。即使单次采购成本略高,也可能比一次性压货后大幅折价清仓更划算。

如果企业只有少量店铺、商品编码相对稳定、订单量不大,而且每周能够由专人完成核对,表格仍然可以解决一部分问题。表格的优势是灵活、成本低、规则容易修改,适合流程试运行和口径确认。
但表格必须具备几个基本条件:唯一单号、固定字段、版本管理、更新责任人和异常记录。多人同时复制、粘贴和修改同一采购表时,表格很快会失去可追溯性。
当店铺数量增加、数据来源变多、管理层需要按店铺和商品下钻,或者每周人工汇总耗时超过半天时,可以考虑引入数据分析工具。以九数云这类工具为例,更适合用于连接多来源数据、统一分析维度、制作经营看板和跟踪异常趋势。
它解决的主要是“看不清、找不到、无法持续追踪”的问题。例如,增长负责人可以查看某个商品在各店铺的销量变化,进一步分析库存覆盖天数、在途供给和采购建议量;财务可以从结算金额下钻到费用和退款;采购可以查看供应商交期偏差。
但工具不能替代商品主数据治理和业务规则确认。若输入数据本身存在重复、缺失和编码混乱,分析工具只会更快地展示错误结果。
当企业需要在订单、库存、采购、入库、出库、调拨和退货之间形成业务闭环时,仅靠分析工具可能不够。此时应考虑具备业务单据和库存状态管理能力的进销存系统,再将数据同步到分析层进行经营分析。
判断是否需要升级,可以观察三个信号:第一,采购计划频繁依赖个人经验;第二,库存差异需要跨部门反复确认;第三,异常无法在下一个周期前关闭。满足其中两项,就不宜只继续增加人工表格。
| 选择方式 | 优势 | 短板 | 适合阶段 |
|---|---|---|---|
| 人工表格 | 灵活、成本低、修改快 | 容易重复录入、难追溯、依赖个人 | 早期试运行和规则验证 |
| 数据分析工具 | 适合跨源汇总、可视化和下钻分析 | 不能自动修复主数据和业务流程 | 数据来源较多、需要经营分析 |
| 进销存系统 | 能够承载采购、库存和单据流程 | 实施成本和规则配置要求更高 | 订单量大、业务闭环要求高 |
| 系统加分析层 | 业务执行与管理分析分工清晰 | 需要做好接口、主数据和权限设计 | 多店多仓、管理复杂度较高 |
很多企业在选型时首先问能不能实时同步,但实时同步只能说明数据传输速度,不能说明商品映射正确、库存状态准确或结算口径一致。
我更建议按三个层次评估:数据能否接入,字段能否统一,业务规则能否解释。只有三层都满足,实时数据才有决策价值。否则,实时展示一张错误的库存表,比延迟几个小时展示一张可解释的表更危险。

每周先确定一个统一截点,例如周一上午 10 点。运营、仓库、采购和财务使用同一时间范围的数据,不允许各自临时导出不同版本。
数据冻结不代表业务停止,而是给本周计划建立一个可复盘的基准。后续新增订单、入库和退款可以进入下一次更新,也可以作为增量数据记录,但不能直接覆盖上一版基准。
先检查是否存在未映射 SKU、重复订单号、缺少商品编码的采购单和异常规格。这个步骤看似基础,却能避免错误一路传递到库存和采购建议。
仓库提供按状态拆分的库存,采购提供按可信等级拆分的在途,售后提供退货和质检状态。所有供给都需要带上预计可用日期。
这一步的关键不是把库存数字相加,而是判断它能否在需求发生之前进入可用状态。预计活动在周五开始,那么周六才能入仓的货物就不能作为活动首日供给。
建议不要只输出一个采购量,而是形成保守、基准和进取三档方案。保守方案只纳入确定需求和确定供给,适合资金紧张或滞销风险较高的商品;基准方案加入已确认活动和正常安全库存;进取方案才纳入部分机会需求。
| 方案 | 需求侧口径 | 供给侧口径 | 适用情况 |
|---|---|---|---|
| 保守方案 | 基础需求加已审批活动 | 只扣除确定可用库存和高可信在途 | 新品、现金流紧张、滞销风险高 |
| 基准方案 | 基础需求加确定活动和合理安全库存 | 扣除预计周期内可到货的在途 | 常规经营和稳定供应商品 |
| 进取方案 | 加入部分机会需求和增长预期 | 允许扣除中可信度在途 | 供应稳定、活动确定、缺货损失高 |
增长负责人确认需求假设,采购负责人确认供应商和交期,仓库负责人确认库存状态。三方确认的不是一个数字,而是数字背后的假设。
如果三方无法达成一致,应当保留分歧并记录原因,而不是为了快速提交采购单而强行取一个平均值。很多采购计划后续争议,恰恰来自当时没有保留假设记录。
每周复盘不需要分析所有商品。可以先关注采购金额排名靠前、缺货损失较高、活动增量较大和预测偏差明显的商品。
复盘时至少回答四个问题:预测是否高估或低估,偏差来自需求还是供给,库存状态是否及时回写,异常是否有明确责任人。持续几周后,团队会逐渐建立自己的供应商交期基线、活动转化基线和退货可售率基线。

对于高毛利、强复购或平台履约考核严格的商品,适当提高安全库存可能是合理的。此时需要重点关注供应商交期波动和活动确定性,不能只用历史平均销量计算安全库存。
但提高安全库存不等于无限备货。安全库存应与缺货损失、库存持有成本、商品保质期和补货速度关联,并定期复核。
对于季节品、新品和生命周期短的商品,应优先保护现金流。采购计划可以采用小批量试采、分批到货和补单机制,牺牲一部分单次采购价格,换取更高的库存灵活性。
如果多个店铺共享库存,可以先通过店铺间调拨消化积压,再决定是否补货。跨店对账的价值不只是发现采购量错误,也包括发现某店缺货、另一店积压的分配失衡。
这时不应简单选择“全部采购”或“全部不采购”。可以把需求拆为活动底线量和机会增量,先锁定供应商产能和底线量,再根据实际预售、投放和报名数据追加。
如果供应商不接受分批交付,就需要把交期风险显性化,向管理层说明进取方案的资金占用和滞销风险,而不是把风险隐藏在一个采购总数里。
库存分配不能只按谁先申请、谁的销量高或谁的负责人级别高。建议建立明确的分配规则,例如活动履约优先级、毛利贡献、平台处罚风险、客户承诺和补货可得性。
分配规则确定后,必须在系统或共享表中留痕。否则同一批库存每周都会重新争论,增长负责人也无法判断店铺业绩差异到底来自销售能力,还是库存分配结果。

没有稳定的数据质量,采购准确率只是偶然结果。建议长期观察商品编码匹配率、订单去重率、库存状态完整率、在途日期完整率和退货状态回写及时率。
| 指标 | 计算方式示例 | 管理含义 |
|---|---|---|
| 商品编码匹配率 | 已成功关联内部商品的 SKU 数 ÷ 总 SKU 数 | 判断销量和库存能否正确归集 |
| 库存状态完整率 | 有明确状态的库存数量 ÷ 库存总数量 | 判断账面库存是否可用于采购决策 |
| 在途日期完整率 | 有预计到货日的在途数量 ÷ 在途总数量 | 判断在途是否具备供给扣减资格 |
| 异常按期关闭率 | 在规定时限内关闭的异常数 ÷ 异常总数 | 判断对账是否形成闭环 |
采购预测偏差率不能只看最终销量差异,还要区分低估和高估。低估会造成缺货,高估会造成库存积压,两者的经营后果不同。
建议同时关注缺货率、过量库存比例、采购计划调整次数、到货及时率、库存周转天数和采购预测偏差率。对于活动商品,还应单独观察活动后 7 天和 30 天的销售回落情况。
跨店对账治理成功后,团队不一定完全没有异常,但异常应该更快被定位和关闭。月度人工对账耗时下降、跨部门争议次数减少、重复核对订单比例降低,往往比单月采购金额变化更能说明流程是否改善。

第一,随机抽取 20 个销售金额最高的商品,检查每个商品是否能从平台 SKU 追溯到内部编码、库存和采购单。第二,抽取 10 个在途采购单,核对供应商确认、发货状态和预计到货日。第三,找出一个近期发生缺货或积压的商品,复盘当时采购计划扣除了哪些库存和在途。
这三项检查通常比先制作一个复杂看板更有价值,因为它能快速暴露企业最影响采购准确性的基础问题。
底表不必一开始就包含所有字段,但至少应包括:内部商品编码、店铺 SKU、店铺、统计周期、基础需求、活动增量、可用库存、锁定库存、质检库存、退货库存、已确认在途、预计到货日、安全库存、采购建议量和异常负责人。
每个字段都要写清定义。特别是“需求”“库存”和“在途”三个字段,不能只写名称,不写统计口径。
确认谁维护商品主数据,谁确认库存状态,谁更新在途和到货信息。增长负责人不需要接管所有工作,但必须确保这些责任没有空白。
同时建立异常关闭机制。没有责任人和截止时间的异常,不应被视为“已发现问题”,只能算“被记录的问题”。
从下一个采购周期开始,将采购建议拆成保守、基准和进取三档。每档都写明需求来源、供给扣减和主要风险,供管理层根据现金流、活动确定性和缺货损失做选择。
这样做的好处是,采购不再被迫为一个不透明的数字背书。增长团队也能清楚看到,追求更高销售目标需要承担多少资金占用和库存风险。
电商进销存管理最容易陷入一个误区:把对账理解为月底核对数字是否一致。实际上,跨店对账真正要解决的是采购、库存和增长之间的决策断点。
一笔采购需求如果无法说明来自哪些店铺、对应什么活动、扣除了哪些可用库存、哪些在途可以在周期内到货,那么即使最终数字看起来精确,也不具备充分的管理价值。
我的建议始终是先治理口径,再选择工具;先让商品、订单、库存和采购单能够互相追溯,再讨论自动化和实时化。以九数云为代表的数据分析工具,可以帮助企业把多来源数据汇总、关联和可视化,但工具的效果取决于主数据、库存状态和业务规则是否已经被定义清楚。
增长负责人最该盯的不是“本周采购了多少”,而是“这笔采购量由哪些假设构成,哪些供给是真实可用,哪些风险还没有被确认”。当每个采购数字都能追溯、解释并由责任人确认时,跨店对账才真正从报表动作变成了增长能力。
下一步可以从一个核心商品开始:建立统一编码,拆分库存状态,核对在途日期,分别计算基础需求和活动增量,再用三档采购方案进行一次实际复盘。不要等所有店铺、所有商品和所有数据都完美后才开始,先把一个商品的链路跑通,通常比继续增加一张汇总表更能推动整个进销存流程改善。
我同时运营多个店铺时,曾经以为把各店销量相加,再减去仓库库存,就能得到采购量。实际执行后却发现,运营、采购、仓库和财务拿出的数字都“有依据”,但最终无法解释为什么一边缺货、一边积压。
跨店对账难的根本原因,通常不是店铺太多,也不是表格不够复杂,而是不同部门对“同一个商品”和“可用库存”的定义不一致。增长负责人看的是店铺销量,采购看的是供应商交期,仓库看的是实物状态,财务核对的则是订单与平台结算,四套数字如果没有统一主数据,就很容易各自正确、合在一起失真。
我在一次多店铺采购梳理中遇到过这样的情况:3 个店铺销售同一款商品,但平台 SKU 分别是 A-01、A01 和 100238,仓库使用的是 ZX-001,供应商报价单又写成“经典款 500ml”。系统没有建立映射关系,导致同一商品被识别成 4 个对象。
运营汇总销量时少算了 86 件,采购则因为未识别到在途订单,多下了 120 件。
数据对象增长团队看到的内容采购真正需要的内容常见错误 店铺销量各店成交件数统一商品维度的有效需求把取消单、预售单和异常订单全部计入 库存后台显示库存可销售、未锁定、可及时发货的库存把质检、退货待检和已锁定库存算进去 采购在途采购单已经创建供应商确认且预计按期到货的数量只要下单就从需求中扣除 平台金额订单成交金额按结算周期核对的应收金额直接拿成交额与到账额比较 因此,增长负责人不应只问“这个月卖了多少”,而要继续追问三件事:这些销量是否已经统一到同一商品;
仓库库存中有多少真正可用;已经下单的采购中有多少能在需求周期内到货。只要其中一个问题回答不清,采购计划就不应直接进入审批。
我以前检查采购表时,最先看采购数量和销售预测是否一致,结果发现表面上没有问题,实际却遗漏了退货、调拨和在途采购。有没有一套不依赖复杂系统、用半天时间就能完成的自查方法?
有。建议不要从“金额是否对上”开始,而是沿着商品、数量、库存状态、采购状态和结算状态逐层核对。金额往往是最后一层结果,如果最前面的 SKU 映射或库存状态出了问题,月底再怎么核账,也只能确认差异存在,无法定位差异来源。
我通常会先抽取一个销售额较高、同时在多个店铺销售的商品,连续追踪 7 天,而不是一开始就检查全部 SKU。这样做的好处是能够快速暴露口径冲突:同一商品是否有多个编码、不同店铺销量能否汇总、库存是否被重复占用、退货是否及时回库,以及采购单是否真的计入了计划。
自查顺序要核对的字段通过标准不通过时的信号 1. 商品映射平台 SKU、仓库 SKU、供应商货号、规格一个销售规格对应一个主商品同款商品被拆成多个商品或一码多品 2. 销量汇总付款单、取消单、退款单、预售单只统计定义明确的有效需求店铺销量之和与企业级销量不一致 3. 库存状态现货、锁定、质检、退货、调拨、冻结采购只扣除可按期使用的库存系统有库存但订单无法发货 4. 在途采购下单数量、确认数量、预计到货日按确认且能按期到货的数量扣减已下单未确认,或到货延期仍被计入 5. 异常责任异常类型、责任人、关闭时间每条差异都有处理人和截止时间问题反复出现在不同月份 如果企业暂时没有系统,可以用一张“商品,店铺,仓库,采购单”明细表完成第一轮检查,但不要只做汇总表。
汇总表适合看结果,明细表才能回答一笔需求来自哪个店铺、扣除了哪批库存、由哪张采购单覆盖。我的判断标准是:一次自查后,如果团队仍然需要通过微信群逐个询问“这批库存有没有被锁定”“这张采购单什么时候到”,说明问题不是报表不够,而是数据责任和状态字段没有建立。
我曾经按每个店铺的近 30 天销量分别制定采购计划,结果每家店都认为自己的数量合理,但共享仓库里出现了重复备货。后来我才意识到,店铺需求和企业采购需求并不是同一个层级,具体应该怎么拆开计算?
多店铺采购不应直接采用“每店销量乘以增长系数”的方式。正确做法是先在统一商品维度汇总需求,再扣除企业级可用库存和有效在途,最后根据店铺优先级进行库存分配。采购是企业级决策,库存分配才是店铺级决策,这两个动作不能混成一张表。
可以先使用一个基础公式:计划采购量 = 预测需求量 + 安全库存 − 可用库存 − 有效在途采购量。这里的“有效在途”不能简单理解为已经创建采购单,而应同时满足供应商确认、数量明确、预计到货时间处于需求周期内三个条件。
举一个脱敏示例:某商品在 3 个店铺未来 14 天预计需求分别为 260 件、180 件和 120 件,合计 560 件;仓库现有可用库存 210 件;已确认且预计 7 天内到货的采购为 160 件;安全库存设为 80 件。则基础采购量为 560 + 80 − 210 − 160 = 270 件。
计算项目数量是否进入采购计算判断理由 店铺一预测需求260是已剔除取消订单和异常订单 店铺二预测需求180是包含已确认活动增量 店铺三预测需求120是按实际销售周期折算 仓库可用库存210扣除不含锁定、质检和退货待检库存 确认在途采购160扣除预计在需求周期内到货 安全库存80加回用于应对交期波动和日常异常 建议采购量270最终结果还需结合起订量和供应商交期调整 之后再做店铺分配。
例如店铺一承担大促、履约时效要求最高,可以优先分配 150 件;店铺二分配 75 件;店铺三分配 45 件。这个分配比例不一定等于销量比例,因为还要考虑活动承诺、平台处罚风险、毛利和区域仓位置。最容易踩的坑是把促销峰值直接当成日常趋势。
我建议至少把自然销量、已确认活动、预售订单和异常大单分成四类,分别设置预测规则。否则一次直播带来的短期销量,很可能被错误地转化为未来数周的长期采购。
我曾经购买过一套号称支持多平台库存同步的工具,接入后确实能看到统一报表,但 SKU 映射不完整,退货库存也没有及时回写,最后还是要人工改 Excel。选择进销存系统时,哪些能力是真正影响采购计划的,哪些只是宣传页面上的功能词?
我的判断是:企业不应因为“店铺多”就立刻买系统,而应先确认跨店对账的主要瓶颈是什么。如果问题是商品编码混乱,系统上线后仍会把错误数据集中起来;如果问题是退货、调拨和在途状态没有责任人,自动同步也无法替代业务规则。
选型时,我会把演示重点放在一条真实业务链上:从多个店铺产生订单,到统一商品,再到扣减库存、生成采购建议、登记入库,最后核对退货和平台结算。不要只看首页上的库存总数,因为总数最容易做出来,真正难的是追溯每个数字为什么变化。
能力必须追问的问题低质量表现可接受标准 商品主数据能否维护平台 SKU 与仓库 SKU 的映射历史?只能手工改名称,无法留痕有唯一主商品、规格、条码和生效规则 库存状态能否区分可用、锁定、质检、退货和在途?所有库存只有一个总数采购扣减规则可配置并可追溯 采购建议建议量是否能展示计算来源?
只显示一个结果数字能看到需求、库存、在途和安全库存明细 异常处理差异出现后能否分派责任人?只能导出后线下处理有异常类型、负责人、时限和关闭记录 接口同步订单、退款和库存的同步延迟是多少?
只承诺“实时”,不说明范围明确接口字段、失败重试和补单机制 我建议在采购前做一次“历史数据回放测试”:随机选取过去 14 天的 20 个跨店商品,把平台订单、仓库库存、采购单和退货记录导入工具,观察系统能否重算出当时的采购建议。
测试结果应至少记录 SKU 匹配率、订单同步完整率、库存差异率和异常关闭耗时,而不是只听销售人员口头演示。如果企业仍处于 2 至 3 个店铺、SKU 较少、订单量不高的阶段,一张设计合理的明细表加固定对账流程可能已经够用。
当店铺增加后,出现大促后反复重做采购表、同款多码、缺货与积压并存、月底对账超过两天等信号时,才有必要升级到能统一主数据和业务状态的进销存方案。


读者评论
文章把跨店采购重复计算的根因讲得比较清楚,尤其是商品编码、库存状态和在途口径不统一这几个问题,确实是多店铺共仓企业经常遇到的难点。
公式和情景数据有助于理解采购量如何推导,但实际执行时,预测需求和安全库存仍需要结合历史波动、交期稳定性及活动转化数据动态调整。
文中对在途库存按确认、发货、到货等状态拆分很实用。很多企业只看采购单数量,忽略预计到货时间,容易造成账面有货、实际仍缺货的情况。
口径桥接表是一个相对低成本的改进方法,适合在系统升级前先落地。不过表格维护责任和异常处理机制必须明确,否则仍可能因数据更新滞后失去作用。