我会直接组织成可发布的 HTML 长文，重点放在“可用库存口径、交期不确定性、补货点与目标库存的区别、例外场景和执行表设计”，并用明确标注的案例推演与图表规划支撑判断，避免把示例参数写成行业标准。

电商库存方案设计最容易出错的地方，不是不会算“日均销量×交期”，而是把账面库存误当成了真正能支撑订单的库存。我曾处理过一类很典型的补货问题：某个 SKU 仓库显示有 800 件，在途还有 300 件，团队据此判断短期不会缺货；

但扣除已分配、质检和活动增量后，真正可用于判断补货的库存只有 700 件，且在途货物并不能覆盖活动前的需求窗口。结果不是“库存很多却不断货”，而是“库存看起来充足，订单高峰时仍然被迫紧急采购”。

电商库存方案设计：补货计划场景的实操教程怎么做

一、先讲核心结论：补货计划不是库存低了就买货

1. 一套可执行的补货方案，必须同时回答五个问题

我在设计补货方案时，不会先问“这个 SKU 还剩多少”，而会先把问题拆成五个判断：未来需求是多少，供应商多久能交货，哪些库存现在真的可用，在途库存能否及时到达，补货后希望把库存恢复到什么水平。

如果缺少其中任何一个条件，补货计划都可能产生方向性错误。只看现有库存，会忽略交期；只看历史销量，会忽略活动；只看在途数量，会忽略到货时间；只看补货量，会忽略仓库容量、最小起订量和资金占用。

我的核心判断是：补货计划的本质，不是计算一个采购数量，而是把未来一段时间的需求、供应和库存状态放在同一条时间轴上。

2. 先分清三种“补货”，否则公式会用错

电商团队口中的“补货”通常混合了三种不同动作。采购补货是向供应商下单，解决企业整体库存不足；仓内补货是从储存区把商品移动到拣货区，解决拣货位缺货；跨仓调拨是从库存较充足的仓库转移到库存紧张的仓库，解决区域库存不平衡。

三种动作都可能被叫作补货，但决策变量并不一样。采购补货关注供应商交期、起订量和资金占用，仓内补货关注拣货位容量和作业路径，跨仓调拨关注运输时效、区域订单结构和调拨成本。

如果把仓内补货的“拣货位预警值”直接套到采购补货上，采购人员会得到一张看似精确、实际不适用的采购建议。反过来，如果只按照采购交期管理拣货位，仓库可能在采购货物尚未到达之前就因为拣货位空缺而停止作业。

3. 中小团队应先从核心 SKU 跑通，而不是一开始追求全自动

没有成熟数据基础时，我更建议先选择 20 至 50 个核心 SKU 做试运行。核心 SKU 通常包括销售额高、缺货损失大、供应周期长或活动频率高的商品，而不是简单选择库存数量最多的商品。

先跑通少量 SKU 的好处是能够暴露数据口径问题。团队往往会在这个阶段发现：销售数据没有扣除取消订单，库存数据包含不可售品，在途数量没有预计到货日，供应商交期只是业务人员的主观估计。

补货模型不是越复杂越好，而是要先做到每一个建议量都能解释。如果采购人员无法回答“这个数量是由哪些数据计算出来的”，自动化程度越高，错误传播速度就越快。

二、背景和真实场景：为什么库存越多，仍然可能发生缺货

1. 真实场景通常不是库存绝对不足，而是库存与需求错位

我见过最常见的库存问题，不是仓库完全没有货，而是货在错误的时间、错误的仓库或错误的状态里。北方仓有库存，华东仓缺货；大包装库存很多，拣货位没有零拣库存；常规款库存充足，真正参与活动的颜色已经断货。

这种问题很难通过一个“总库存”数字发现。总库存只能回答企业大致拥有多少货，不能回答某个销售渠道、某个仓库、某个规格在未来三天能否完成订单。

补货计划必须把 SKU、仓库、销售渠道和时间窗口放在一起分析。对于多仓电商，建议至少以“SKU加仓库”作为基础分析粒度，再根据业务需要增加渠道、店铺或销售区域维度。

2. 一个典型畅销 SKU 的补货场景

下面使用一个情景模拟案例说明补货判断。该 SKU 近 30 天销量为 2700 件，近 7 天销量为 780 件，供应商平均交期为 7 天，最长交期为 10 天，当前物理库存为 800 件，已分配库存为 60 件，不可售库存为 40 件，在途库存为 300 件，预计 4 天后到货。

如果只看仓库库存，团队可能会认为 800 件足以支撑 8 天销售。如果把在途库存也加进去，则看起来可以支撑 11 天左右。但这两个结论都不完整，因为它们没有扣除不可售库存，也没有考虑活动增量和交期波动。

进一步分析后，当前可用现货为 700 件。近 7 天日均销量为 111.4 件，近 30 天日均销量为 90 件。近 7 天销量明显高于近 30 天均值，说明需求正在上升，不能直接使用 90 件作为未来销量预测。

3. 为什么补货方案经常在活动前失效

很多团队在活动前只做一件事：把活动预计销量加到常规销量上，然后提前采购。这个动作看似合理，却没有把活动期间的需求曲线拆开。

预热期、活动高峰期和活动回落期通常不是同一个销量水平。预热期可能增长缓慢，活动当天集中爆发，活动结束后又快速下降。如果用一个平均值覆盖整个周期，就可能在活动前买少，在活动后留下大量库存。

更稳妥的做法是把活动需求拆成若干时间段，并分别计算需求、库存和到货节点。尤其要确认供应商的到货时间是否早于活动高峰，而不是只看供应商承诺的总到货数量。

三、常见误区：看似科学的补货动作为什么不可靠

1. 误区一：所有 SKU 都用近 30 天平均销量

近 30 天平均销量适合做基础参考，但不适合直接作为所有 SKU 的未来需求。它会把新品的爬坡期、活动期间的异常增长、缺货造成的低销量和季节性波动全部压缩成一个平均数。

尤其要注意缺货日。某商品连续三天没有销量，可能不是没有需求，而是库存已经无法发货。如果把这三天作为真实的零销量，计算出的日均需求会被人为压低，下一轮补货继续买少，最终形成“缺货导致低预测，低预测导致继续缺货”的循环。

更合理的做法是给销售数据增加状态标签：正常销售日、缺货日、活动日、价格异常日、渠道暂停日。缺货日可以剔除，也可以根据周边正常日期进行估算，但不能不加判断地当成零。

2. 误区二：把物理库存、可用库存和在途库存直接相加

库存数量必须有状态。已分配库存通常已经被订单占用，锁定库存可能正在等待支付或审核，不可售库存无法用于正常发货，退货待检库存也不能直接视为可销售库存。

在途库存更不能简单相加。只有当货物的预计到货时间早于对应的需求窗口，并且到货后的入库、质检和上架时间可接受时，才可以把它视为“有效在途”。

我通常会为在途库存增加三个字段：预计到货日、预计可售日、到货可信度。预计到货日解决时间问题，预计可售日解决入库问题，到货可信度则用于处理供应商延期和物流不确定性。

3. 误区三：安全库存固定设置为七天或十四天

安全库存不是一个适用于所有商品的固定天数。需求稳定、供应商交期稳定的标品，安全库存可以相对低；销量波动大、供应商经常延期或缺货损失高的商品，安全库存需要更高。

固定天数的最大问题，是它把不同风险混成一个参数。日销量 10 件的商品预留 7 天是 70 件，日销量 1000 件的商品预留 7 天是 7000 件，两者的资金占用和缺货后果完全不同。

如果暂时没有足够数据，可以使用安全库存覆盖天数作为过渡方案，但必须记录这个参数的依据，并在积累历史数据后改为根据销量波动和交期波动计算。

4. 误区四：补货量越多，缺货风险越低

增加采购量确实可能降低短期缺货风险，但同时会增加资金占用、仓储成本、商品过季和滞销风险。对于保质期短、款式更新快或退货率高的商品，过量补货造成的损失可能高于一次缺货。

我更关注“服务水平和库存成本之间的平衡”，而不是单独追求不断货。高价值、低频次商品未必需要与高频畅销品保持同样的服务水平；有稳定替代品的商品，也不一定值得为极低的缺货概率投入大量安全库存。

5. 误区五：系统自动生成建议，就可以自动下单

系统只能按照输入数据和规则生成建议。如果 SKU 编码重复、供应商交期没有更新、在途库存没有预计到货日，系统生成的采购建议可能比人工判断更快，但不一定更正确。

在我参与的系统上线项目中，自动补货最容易出现的问题不是算法复杂，而是主数据长期没人维护。商品已经换供应商，系统仍然使用旧交期；包装从 12 件改为 24 件，采购倍数没有更新；促销商品已经停止销售，安全库存仍然维持原值。

四、专业判断逻辑：从数据输入到补货决策

1. 先确定补货目标，而不是先套公式

补货目标至少有三种：保障订单履约、降低库存成本、平衡资金和服务水平。不同企业的优先级不同，同一家企业在不同 SKU 上也可能不同。

例如，平台爆款的缺货会直接导致广告浪费、排名下滑和用户流失，通常需要较高的服务水平；低频高价商品的缺货影响可能有限，但库存占用很高，补货目标就应偏向控制资金；临近换季的商品，即使当前销量较好，也不适合继续使用常规目标库存。

我建议先给 SKU 标记服务等级，例如核心畅销品、常规销售品、低频高值品、季节品和清仓品。服务等级不是为了做复杂分类，而是为了明确哪些商品可以接受短期缺货，哪些商品必须提前锁定供应。

2. 统一“可用库存”的计算口径

基础可用库存可以按照下面的方式计算。实际业务中还可以根据订单状态、仓库策略和销售渠道增加字段。

可用现货库存
= 物理库存

已分配库存

锁定库存

不可售库存

盘点差异

有效在途库存

= 在途数量 × 到货可信度

（仅纳入预计可售日早于需求窗口的批次）

补货计算库存

= 可用现货库存 + 有效在途库存

“到货可信度”不是为了制造一个看起来精确的小数，而是为了提醒团队：供应商承诺 300 件，并不代表 300 件一定会在计划日进入可销售状态。如果某供应商过去十批货中有三批明显延期，就不应把全部在途都当成确定库存。

3. 计算基础需求时，区分稳定趋势和异常趋势

对常规销售 SKU，可以用近 7 天和近 30 天的加权平均作为基础需求。加权比例不能照搬，需要根据业务变化速度调整。销售稳定时，近 30 天权重可以更高；销售快速增长或下降时，近 7 天权重应提高。

近7天日均销量 = 近7天实际销量 ÷ 正常销售天数
近30天日均销量 = 近30天实际销量 ÷ 正常销售天数

基础日需求

= 近7天日均销量 × 近期权重

+ 近30天日均销量 × 长期权重

如果近 7 天包含大型活动、直播或价格异常，不能直接把它视为正常趋势。可以把活动销量拆出来，或者通过同类活动的增幅系数修正。预测不是把历史数据机械相加，而是要解释销量变化的原因。

4. 交期要用实际到货数据，而不是供应商口头承诺

供应周期应至少拆成生产或备货时间、运输时间、入库时间和质检上架时间。采购人员常记录“供应商说 7 天到货”，但仓库真正能够销售可能是第 8 天或第 9 天。

我建议同时记录平均交期、中位数交期、最长交期和交期标准差。平均值用于日常计划，中位数用于观察典型水平，最长交期用于高风险商品的应急判断，标准差用于衡量供应商稳定性。

如果数据量不足，可以先记录最近 10 次实际到货。不要只记录“是否按时”，还要记录下单日、发货日、到仓日、质检完成日和可售日。只有这样，团队才能定位延期发生在生产、运输还是入库环节。

5. 用补货点判断“什么时候补”

基础补货点可以这样计算：

交期需求量 = 基础日需求 × 预计可售交期
安全库存 = 基础日需求 × 安全库存覆盖天数

补货点 = 交期需求量 + 安全库存

当补货计算库存低于补货点时，系统可以生成补货建议。但这只是触发条件，不是最终采购量。采购量还需要结合目标库存、在途批次、最小起订量、包装倍数和仓库容量。

对于需求波动和交期波动都比较明显的 SKU，可以使用更严谨的安全库存模型。假设需求与交期相互独立，安全库存可以近似表示为：

安全库存
= 服务水平系数 × √（平均交期 × 需求波动²

+ 平均日需求² × 交期波动²）

补货点

= 平均日需求 × 平均交期 + 安全库存

这个公式不是为了让所有团队都立即采用复杂统计，而是为了说明一个关键事实：安全库存同时受到需求波动和交期波动影响。供应商经常延期时，即使销售很稳定，也不能只按销量波动设置安全库存。

6. 用目标库存判断“补多少”

目标库存可以理解为企业希望通过一次补货覆盖的库存水平。普通 SKU 可以覆盖交期、下一次复查周期和安全库存；活动 SKU 还要加上活动窗口内的额外需求；临近下架的 SKU 则可能不再设置常规目标库存。

基础目标库存
= 基础日需求 ×（交期 + 下次复查周期 + 安全库存天数）

活动目标库存

= 基础目标库存 + 活动额外需求

建议补货量

= 目标库存

可用现货库存

有效在途库存

建议补货量如果小于零，不代表一定要退货或立刻清仓，而是说明在当前参数下不需要采购。最终采购量还必须向上取整到包装倍数，并检查最小起订量、仓储容量和预算。

7. 把采购约束加入最终决策

一个数学上合理的补货量，如果无法满足包装、起订量或资金约束，就不是可执行方案。建议补货量应经过以下检查：是否达到最小起订量，是否符合包装倍数，是否超过仓库容量，是否会让库存周转显著恶化，是否会与即将到货的其他批次重复。

五、具体案例：用九数云把补货判断从一张表变成可追踪的决策链

1. 先说明案例边界和数据来源

下面的案例使用的是情景模拟数据，目的是展示补货计划如何设计，不代表任何企业的真实经营结果。数据结构参考电商团队常见的销售、库存、采购和仓库记录，具体字段和功能应以实际系统版本、数据接口和企业流程为准。

以九数云作为数据分析和可视化示例时，我更关注它在补货方案中的数据组织价值，而不是把它当成自动决策工具。官网公开信息可作为产品了解入口：https://www.jiushuyun.com/。实际落地时，需要确认企业现有订单、库存、采购和仓库系统是否能够提供稳定的数据源。

补货分析的关键不是做一张漂亮的看板，而是让每一个建议采购量都能回溯到订单、库存状态、供应商交期和计算参数。看板只负责提高发现问题的速度，最终的采购动作仍需要业务审核。

2. 建立补货分析所需的数据模型

这个案例可以准备四张基础数据表。第一张是销售明细表，包含日期、SKU、仓库、订单数量、取消数量、退货数量、活动标记和销售渠道。第二张是库存快照表，包含物理库存、已分配、锁定、不可售和盘点差异。

第三张是采购在途表，包含采购单号、SKU、供应商、采购数量、下单日、预计到货日、预计可售日和实际到货日。第四张是 SKU 主数据表，包含供应商、包装倍数、最小起订量、平均交期、安全库存参数、商品状态和补货负责人。

在九数云这类数据分析平台中，可以将这些数据按 SKU、仓库、供应商和日期进行关联，形成“销售趋势，库存状态，在途到货，补货建议”的分析链。这里最容易被忽略的是字段关联关系：如果销售表和库存表使用的 SKU 编码不一致，任何图表都可能建立在错误的匹配上。

3. 用一个 SKU 完整计算补货量

案例 SKU 的参数如下。近 7 天销售 780 件，近 30 天销售 2700 件；供应商平均可售交期 7 天，最长可售交期 10 天；安全库存暂按 3 天计算；当前物理库存 800 件，已分配库存 60 件，不可售库存 40 件；有效在途库存为 300 件，预计 4 天后可售；活动预计增加需求 200 件；采购包装倍数为 24 件，最小起订量为 240 件。

先计算基础目标库存。交期需求为 102.8 件乘以 7 天，约为 720 件；安全库存为 102.8 件乘以 3 天，约为 308 件；基础目标库存约为 1028 件。加入活动额外需求 200 件后，活动目标库存约为 1228 件。

当前可用现货为 700 件，有效在途为 300 件，补货计算库存合计为 1000 件。因此，未考虑采购约束前的建议补货量为 1228 减去 1000，约为 228 件。

由于包装倍数为 24 件，228 件向上取整后为 240 件；240 件同时满足最小起订量，因此本案例的建议采购量为 240 件。这个结果不是“模型自动给出的真理”，而是经过库存口径、到货时间、活动需求和采购约束共同修正后的可执行建议。

近7天日均销量 = 780 ÷ 7 = 111.4件
近30天日均销量 = 2700 ÷ 30 = 90件

基础日需求

= 111.4 × 0.6 + 90 × 0.4

= 102.8件

交期需求 = 102.8 × 7 = 719.6件

安全库存 = 102.8 × 3 = 308.4件

基础目标库存 = 719.6 + 308.4 = 1028件

活动目标库存 = 1028 + 200 = 1228件

补货计算库存 = 700 + 300 = 1000件

原始建议补货量 = 1228 – 1000 = 228件

包装倍数取整后：

建议采购量 = 240件

4. 用仪表盘观察“建议量是否值得执行”

如果只把最终的 240 件显示在看板上，采购人员仍然无法判断建议是否可信。建议至少同时展示基础日需求、库存覆盖天数、预计可售日、供应商交期偏差、建议补货量和活动标记。

我会把分析页面拆成三层。第一层是管理层概览，显示缺货风险金额、待审核采购量、库存周转和高风险供应商；第二层是采购执行页，按 SKU 展示建议量、起订量、包装倍数和预计到货日；第三层是异常追踪页，专门显示在途延期、库存状态异常、活动预测偏差和参数过期。

这样设计的好处是把“看结果”和“找原因”分开。管理者不需要浏览几千行明细，但采购人员必须能够从建议量追溯到销量、库存和供应商数据。

5. 案例中最值得注意的三个判断

第一个判断是，近 7 天销量高于近 30 天销量，说明需求可能正在上升，但不能直接把 111.4 件作为未来所有日期的固定销量。它需要结合活动、广告和价格变化继续验证。

第二个判断是，300 件在途库存只有在预计 4 天后能够完成入库并变成可售库存时，才可以纳入当前补货计算。如果预计到货日被推迟到活动高峰之后，这 300 件就不能继续按有效在途处理。

第三个判断是，240 件只是当前参数下的建议采购量。如果供应商的最小起订量突然提高到 500 件，团队必须比较额外 260 件库存的资金成本和缺货风险，而不是机械接受 500 件。

六、不同情况下的行动建议：同一个公式不能处理所有 SKU

1. 常规畅销 SKU：优先降低缺货概率

常规畅销 SKU 的特点是需求相对稳定、订单贡献高、缺货后损失明显。补货计划应重点关注近 7 天趋势、真实可用库存、供应商交期和活动安排。

这类 SKU 可以设置较高的服务水平，但不代表无限增加安全库存。更好的方式是建立滚动预测，每日或每两日更新基础需求，每周更新供应商实际交期，发现销量和交期同时恶化时，再提高补货优先级。

• 每日检查可用库存和有效在途库存。
• 每周更新近 7 天、近 30 天和活动修正后的需求。
• 当库存覆盖低于交期加安全库存时，进入待审核补货清单。
• 当供应商延期连续发生时，评估替代供应商或跨仓调拨。

2. 大促 SKU：把需求拆成时间窗口

大促 SKU 不应只使用平时的补货点。至少要把活动前、活动高峰和活动后的需求分别计算，并把预计到货日与活动高峰日进行对齐。

活动预测最好拆成三种情景：保守情景、基准情景和激进情景。保守情景用于控制资金，基准情景用于常规采购，激进情景用于判断如果流量超预期，企业是否有临时采购、调拨或限制投放的备用方案。

活动前最重要的不是把库存一次性买满，而是让采购、物流、仓库和运营对“最后一次可以补货的日期”达成一致。超过这个日期后，即使继续下单，也可能无法赶上活动。

3. 新品：先买信息，再买库存

新品没有稳定历史销量，直接套用同类商品的日均销量通常会造成过度自信。新品前期最重要的不是把库存备到理想目标，而是用小批量采购获取真实的点击、转化、退货和复购数据。

我会把新品补货分成三个阶段。首批用于验证供应链和基础需求，第二批根据首周或首两周销售调整，第三批才考虑是否进入常规库存管理。每个阶段都应设置停止条件，例如转化率低于预期、退货率过高或供应商质量不稳定时，暂停继续放量。

• 首批采购量优先考虑最小可行数量，而不是追求单位成本最低。
• 将广告流量、自然流量和活动流量分开记录。
• 把退货原因和差评原因作为需求质量的一部分。
• 建立首周、第二周和首月三个预测修正节点。

4. 慢销 SKU：补货前先判断是否应该继续销售

慢销 SKU 的问题经常不是补货不足，而是库存生命周期已经失去合理性。此时继续按标准补货点采购，只会把库存问题扩大。

判断慢销品时，我会同时看近 30 天销量、近 90 天销量、库存金额、最后销售日期、商品毛利和清仓渠道。如果库存覆盖已经超过预计销售生命周期，系统应将其标记为暂停补货，而不是继续生成采购建议。

对于可以组合销售、跨渠道销售或替换包装的商品，可以先通过促销、搭配和渠道迁移消化现有库存。只有确认需求仍然存在但当前库存不足时，才重新进入补货流程。

5. 供应商延期：先重算可售日期，再决定是否采购

供应商延期发生后，最常见的错误是直接增加采购数量。实际上，延期首先改变的是库存可用时间，而不一定是总需求。

正确的处理顺序是：更新预计可售日，重算延期窗口内的需求缺口，再检查是否存在跨仓调拨、替代供应商、临时限购或减少广告投放的方案。只有在这些动作仍然无法覆盖缺口时，才考虑紧急采购。

6. 多仓和仓内补货：先解决区域和库位问题

多仓场景不能只看企业总库存。一个 SKU 在全国有 2000 件，并不代表华南仓的订单可以使用这些库存。补货计划至少要按照仓库和 SKU 组合计算，再根据运输时效判断是否值得调拨。

仓内拣货位补货则应关注拣货位容量、日均拣货量、波次作业和补货路径。它的目标不是增加企业总库存，而是把库存放到订单即将使用的位置。采购补货和仓内补货可以共享销售需求数据，但预警值和执行动作不能混为一谈。

七、不同情况下的取舍：补货方案没有绝对最优，只有约束下的最优

1. 服务水平与资金占用之间的取舍

如果企业把所有 SKU 都按照极高服务水平备货，缺货率可能下降，但库存周转和资金压力会快速恶化。相反，如果一味压低库存，资金看起来轻松，却可能损失订单、广告投入和客户信任。

我会先把 SKU 按缺货损失分层，再决定安全库存。核心爆款、不可替代品和长交期商品可以接受更高库存；有替代品、低毛利或高退货风险的商品，则应控制库存上限。

2. 安全库存与滞销风险之间的取舍

安全库存的意义是覆盖不确定性，不是弥补糟糕的预测。若一个 SKU 的销量预测长期偏低，增加安全库存只能把错误隐藏在库存里；若供应商交期长期不稳定，单纯增加安全库存也可能不如更换供应商有效。

我建议每月检查安全库存的实际贡献：有多少次它成功避免了缺货，有多少次它只是增加了期末库存，有多少次需求下降导致安全库存转化为滞销。这个复盘可以帮助企业判断参数是否真的有效。

3. 采购批量与单位成本之间的取舍

供应商常用更大的采购量换取更低的单位价格，但单位成本下降不代表总成本下降。如果额外库存占用资金、增加仓储、产生损耗或需要清仓，账面上的采购折扣可能被后续成本抵消。

比较采购方案时，至少要把采购价差、资金占用、仓储成本、过季或报废概率和紧急采购成本放在同一张表里。对于不确定性高的新品或活动品，通常应优先购买柔性，而不是优先购买最低单价。

4. 自动化效率与人工判断之间的取舍

自动化适合处理重复、规则清晰、数据稳定的 SKU；人工审核适合处理大促、供应商延期、新品、清仓和异常订单。真正成熟的方案不是“全部自动”，而是明确哪些场景自动执行，哪些场景必须进入人工审核。

5. 分析颗粒度与维护成本之间的取舍

把每个 SKU、每个仓库、每个渠道、每个店铺、每天甚至每小时都拆开，确实能够得到更细的数据，但维护成本也会快速上升。如果主数据更新不及时，细粒度只会制造更多看似精确的错误。

中小团队通常可以先使用“SKU加仓库加日期”的粒度，解决核心补货问题后，再增加渠道和店铺维度。只有当不同渠道的需求、价格或库存规则明显不同，才值得进一步拆分。

八、落地执行：用一张补货计划表跑通最小可行流程

1. 补货计划表至少要有六组字段

补货表不是把所有字段堆在一起，而是要让数据输入、计算结果、审核动作和复盘结果彼此对应。我建议将字段分为基础信息、需求、库存、供应、决策和复盘六组。

2. Excel 可以先跑通，但必须保留过程字段

当 SKU 数量不大、采购频率不高、仓库结构简单时，Excel 足以作为第一阶段工具。关键不是公式有多复杂，而是不要只保留一个最终采购量。

建议保留原始销量、异常标记、库存状态、在途预计可售日、计算参数、原始建议量、取整后建议量和人工调整原因。这样即使采购人员修改了最终数量，也能够知道修改是因为预算、仓容、供应商沟通还是活动判断。

基础日需求
= 近7天日均销量 * 近期权重

+ 近30天日均销量 * 长期权重

可用现货

= 物理库存 – 已分配库存 – 锁定库存 – 不可售库存

补货点

= 基础日需求 * 预计可售交期

+ 安全库存

原始建议量

= 目标库存 – 可用现货 – 有效在途库存

最终采购量

= MAX（最小起订量，

向上取整（原始建议量，包装倍数））

如果使用表格公式，建议增加“人工调整原因”列，并将原因标准化为预算限制、供应商最小起订量、仓容限制、活动取消、商品停产、替代库存和数据异常等选项。

3. 什么时候适合接入数据分析平台

当团队开始遇到多平台订单汇总困难、多仓库存难以核对、采购在途更新滞后或每周需要大量人工合并表格时，可以考虑将销售、库存和采购数据接入数据分析平台。

以九数云为例，落地时可以把重点放在三类页面：补货总览页、SKU 明细页和异常追踪页。补货总览页看待审核采购量、缺货风险和库存金额；SKU 明细页看每个建议量的计算依据；异常追踪页看在途延期、主数据缺失和参数过期。

数据分析平台的价值在于缩短“发现问题到定位原因”的时间，而不是替代采购人员做所有判断。企业仍应明确数据刷新时间、异常处理人、审批权限和数据回溯规则。

4. 什么时候需要企业资源计划系统或仓储管理系统

如果企业需要采购订单、入库、库存扣减、批次、库位、拣货和调拨之间形成实时闭环，单纯的数据分析工具就不够了。企业资源计划系统更适合管理采购、订单和库存账务，仓储管理系统更适合管理库位、波次、拣货、移库和仓内补货。

数据分析平台可以作为决策层，负责汇总和分析多系统数据；企业资源计划系统和仓储管理系统则负责业务执行。三者并不是互相替代关系，最重要的是明确哪个系统是某个字段的唯一来源。

5. 建立“系统建议加人工审核”的执行流程

1. 每日刷新销售、库存和采购在途数据。
2. 检查 SKU 编码、仓库、供应商和预计可售日是否完整。
3. 计算基础需求、补货点、目标库存和建议补货量。
4. 按照缺货风险、毛利、交期和资金占用排序。
5. 采购人员审核活动品、新品、慢销品和异常供应商。
6. 将审核量转为采购单、调拨单或仓内补货任务。
7. 记录预计到货日、实际到货日和人工调整原因。
8. 在补货周期结束后复盘预测偏差和库存结果。

九、如何复盘补货结果：不要只看有没有缺货

1. 结果指标必须同时覆盖服务、库存和预测

补货方案的效果不能只用缺货率评价。缺货率下降了，但库存金额翻倍，未必是好方案；库存周转提高了，但订单满足率明显下降，也不能称为优化。

我建议至少建立三组指标。第一组是服务指标，包括订单满足率、缺货率、缺货天数和因缺货取消的订单量。第二组是库存指标，包括库存周转天数、超储金额、滞销占比和库存准确率。第三组是预测与供应指标，包括预测偏差、交期偏差、按时到货率和紧急采购次数。

2. 用缺货原因而不是缺货结果指导改进

同样是缺货，原因可能完全不同。需求预测偏低，需要修正销量模型；库存账实不符，需要改进盘点和库存状态；供应商延期，需要调整交期参数或供应商结构；仓内拣货位缺货，需要优化移库规则；采购审批慢，则要缩短执行链路。

每次缺货复盘都建议增加原因分类，并记录责任环节和可执行动作。不要把所有缺货都归因于“采购不及时”，否则真正的问题会被掩盖。

• 需求高于预测：检查活动、广告、价格、竞品缺货和渠道变化。
• 库存账面存在但无法发货：检查分配、锁定、质检、盘点和库位状态。
• 采购已下单但未及时到货：检查生产、运输、入库和供应商承诺。
• 货物已到仓但订单仍延迟：检查质检、上架、拣货位和作业能力。
• 补货过量后滞销：检查活动结束、生命周期和目标库存参数。

3. 设定不同的复盘频率

不是所有参数都需要每天调整。日需求和库存状态适合每日更新，供应商交期适合每周或每两周更新，安全库存和服务水平可以每月复盘，SKU 分类和商品生命周期则应在活动、换季或经营计划变化时调整。

如果每天修改安全库存，团队会失去参数稳定性；如果三个月不更新交期，系统建议又会逐渐偏离现实。参数维护频率应与业务变化速度匹配。

4. 通过偏差反推参数，而不是凭感觉调高库存

如果预测偏差长期为正，说明实际需求经常高于模型，可以检查是否漏掉活动、渠道增长或缺货修正。如果交期偏差长期为正，说明供应商交期参数偏乐观，应更新平均交期、最长交期和供应商风险等级。

如果缺货率下降但库存周转明显变差，说明安全库存可能被调得过高。如果库存周转改善但紧急采购次数上升，说明库存上限压得过低，或者补货审批和供应商协同速度不足。

参数调整必须有偏差证据，不能把“最近缺货了”直接等同于“以后都要多买”。

十、下一步怎么做：用七天搭出一套可运行的补货计划

1. 第一天：统一库存口径

先确定物理库存、可用库存、已分配库存、锁定库存、不可售库存和在途库存的定义。让采购、运营、仓库和财务使用同一套口径，尤其要明确在途库存什么时候可以进入补货计算。

如果不同系统的库存数字不一致，不要急着做看板。先找到差异来源，并确定哪个系统是库存账务的主数据源。

2. 第二天：筛选核心 SKU

按销售额、订单量、缺货损失、供应周期和库存金额筛选 20 至 50 个核心 SKU。不要只按销量排序，因为低销量但高价值、长交期或活动依赖的商品同样可能需要纳入。

3. 第三天：整理销售和供应数据

准备近 7 天、近 30 天和近 90 天销售数据，标记缺货日、活动日和异常价格日。同步整理最近 10 次采购的下单日、实际可售日、到货数量和延期情况，计算真实交期而不是继续使用口头承诺。

4. 第四天：建立第一版计算表

先使用基础公式计算日需求、补货点、目标库存、有效在途和建议补货量。每个参数都要有来源和负责人，安全库存覆盖天数可以先作为临时参数，但要写明后续复盘日期。

5. 第五天：处理例外场景

把大促、新品、慢销、延期、高价值和多仓商品单独列出。对这些商品不直接沿用常规规则，而是增加人工判断、活动情景或库存上限。

6. 第六天：建立看板和审核流程

如果团队已经存在多个销售、库存和采购数据源，可以使用九数云等数据分析平台进行汇总和可视化。看板至少展示待审核补货量、风险 SKU、预计缺货日、在途延期和库存金额。

同时确定谁负责审核、谁负责下单、谁负责跟踪到货、谁负责更新主数据。没有责任人的预警，最终只会变成一张每天被忽略的列表。

7. 第七天：用真实采购动作验证

不要只在表格里验证公式。选择一批真实 SKU，执行一次采购、调拨或暂停补货，然后跟踪预计到货、实际到货、可售时间和销售结果。通过真实动作检查数据是否能够闭环。

如果第一周发现公式与业务不一致，优先修正库存口径、到货时间和主数据，而不是马上增加更多复杂算法。准确的简单模型，通常比不准确的复杂模型更适合初期使用。

8. 最后给出一份可直接执行的检查清单

• 是否区分了采购补货、仓内补货和跨仓调拨？
• 是否明确定义了可用库存和有效在途库存？
• 是否剔除了缺货日、活动日和异常销售日的错误影响？
• 是否使用真实到货数据修正供应商交期？
• 是否区分畅销品、慢销品、新品、季节品和高价值品？
• 是否把补货点和目标库存区分开？
• 是否考虑最小起订量、包装倍数、仓库容量和预算？
• 是否为活动和供应商延期设置了备用方案？
• 是否保留人工调整原因和审批记录？
• 是否同时复盘缺货率、库存周转、预测偏差和紧急采购？

电商库存方案设计的关键，不是把所有 SKU 都算得很复杂，而是建立一条能够持续运行的判断链：先确认真实可用库存，再估计未来需求，接着把供应周期和到货不确定性放进去，最后结合采购约束决定是否补、补多少以及由谁执行。

我最建议团队先做的一件事，是选出 20 至 50 个核心 SKU，建立包含销量、库存状态、有效在途、交期、补货点、目标库存和实际结果的基础表。跑通一个完整周期后，再将数据接入九数云或其他适合的数据分析平台，逐步减少人工汇总和重复核对。

真正成熟的补货计划，不是让仓库永远有货，而是在缺货损失、库存资金、供应能力和商品生命周期之间建立可解释的平衡。当每一笔补货都能回答“为什么现在补、为什么是这个数量、如果不补会发生什么、补完后如何验证”，库存管理才从经验驱动变成了可复盘的经营系统。

免费注册

咨询方案

扫码咨询方案