电商库存最危险的状态，不是仓库里完全没有货，而是畅销品频繁断货、长尾品持续积压，账面上还有库存，客服却告诉客户“暂时无法发货”。我在做库存诊断时，最常见的误判是把所有问题都归结为“补货不及时”：运营要求多买一些，采购提前下单，仓库因此更满，现金流却没有变好。真正需要优化的，通常不是补货动作本身，而是补货之前的判断依据。本文将从库存问题分类、补货误区、数据口径、计算方法和执行取舍几个方面，说明电商企业如何重新设计补货计划。
库存问题至少可以分成缺货型、积压型、结构型和数据型四类。缺货型问题的表现是核心商品无法满足订单；积压型问题的表现是库存覆盖天数过长、库龄不断增加；结构型问题是总库存看起来不高，但真正有销量的商品缺货；数据型问题则是系统库存、仓库实物、平台可售库存和采购在途库存彼此对不上。
这四类问题的处理方法完全不同。缺货型问题可能需要缩短供应周期或提高安全库存，积压型问题可能需要停止采购、调价或清理库存，结构型问题需要重新分配采购预算，数据型问题则必须先修正库存口径。如果没有完成问题分类，直接给出“增加补货频率”或“降低库存”的建议，往往只是把错误决策执行得更快。
| 库存问题类型 | 典型表现 | 优先检查指标 | 第一处理动作 |
|---|---|---|---|
| 缺货型 | 订单无法履约、预计缺货日期提前 | 缺货率、失销订单量、补货提前期 | 确认需求、交期与安全库存 |
| 积压型 | 库龄增加、库存金额上升、促销后仍卖不动 | 库存周转天数、库龄、动销率 | 暂停采购并制定去库存方案 |
| 结构型 | 爆款断货，长尾SKU占用仓储空间 | SKU贡献、毛利、覆盖天数 | 按商品分组制定差异化规则 |
| 数据型 | 账面有货但无法发货，库存经常人工修正 | 盘点差异率、库存调整次数、在途准确率 | 统一库存定义与更新流程 |
我建议企业不要先问“这个SKU该补多少”，而要先问三个问题：当前可售库存是多少？未来交期内需要多少？已有采购在途是否真的能够按期变成可售库存？这三个问题的答案，决定了补货计划应该前移、后移、缩量，还是暂时停止。
很多团队把库存越少看成越优秀，也有团队把“绝不断货”作为唯一目标。这两种极端都不适合大多数电商业务。库存过低会带来缺货、广告浪费、排名下降和客户流失；库存过高则会占用采购资金、增加仓储成本，并把未来的降价风险提前锁定。
更稳妥的目标是：在核心商品上保持可接受的供货服务水平，在低贡献和高风险商品上控制库存暴露。换句话说，企业要管理的不是一个全店库存数字，而是不同商品、不同渠道、不同仓库的库存风险。
我曾经见过一种很典型的补货流程：运营在活动期间看到某SKU连续三天销量翻倍，活动结束后仍用活动期间的日均销量制定未来一个月的采购计划。采购单发出后，广告预算下降、价格恢复、自然流量回落，商品销量迅速回到日常水平，仓库却在几周后迎来一批按峰值计算的货。
这个问题并不一定是预测模型太差，而是数据没有被分成不同场景。活动销量、直播销量、低价券销量和日常自然销量，背后的需求条件不同。如果把它们简单平均，平均值可能既高于日常真实需求，又低于下一次活动的备货需求，最终两头都不准确。
补货表至少应当记录销量发生时的价格、渠道、广告状态、活动标签和是否存在异常订单。没有这些上下文，所谓“历史销量”只是一个脱离业务条件的数字。
多平台经营时，一个仓库的商品可能同时被自营店、分销店、直播间和线下渠道占用。某平台显示还有200件可售，不代表这200件都可以用于当前订单。已经被其他渠道锁定、等待质检、准备调拨或处于退货复核阶段的库存，都不应直接计入可售库存。
我在诊断库存数据时，会把库存至少拆成账面库存、已锁定库存、可售库存、残次库存、质检库存、在途库存和已下单未发货库存。补货计算真正需要的是“可在目标时间内履约的库存”，而不是系统里所有带有数量的库存。
供应商承诺7天交货，不代表企业每次都能在第7天拿到可销售的商品。中间还可能发生排产延迟、物流延迟、入库等待、质检不合格、包装返工和分仓调拨。若补货计划只填写一个固定交期，就会系统性低估断货风险。
建议同时记录承诺交期、实际到仓时间、质检完成时间和最终可售时间。对于交期波动明显的供应商，补货点应使用历史实际交期，而不是采购合同中的理想交期。
销售额高的商品不一定值得无限备货。某个商品可能销售额很高，但毛利低、退货率高、包装损耗大；另一个商品销售额较小，却有稳定毛利和较短供应周期。若只按照销售额排序，采购资金可能被低毛利爆款占用，真正能贡献利润的商品反而因为预算不足而断货。
库存诊断应同时观察销售贡献、毛利贡献、需求波动、库存金额、退货率和供应风险。对于高销售、高毛利且供应不稳定的商品，应优先保障；对于高销售、低毛利且供应稳定的商品，则需要精细控制采购批量，不能仅因为销量高就无条件放大库存。
历史销量可以告诉我们过去卖了什么，却不能直接告诉我们未来为什么会卖。价格变化、流量来源、广告投入、竞品断货、节假日和活动机制，都会改变销量的解释方式。
我的做法是先把销量拆成基础需求和事件需求。基础需求是商品在正常价格、正常流量下的销售量；事件需求则来自活动、直播、达人推荐或临时流量。补货计划可以参考事件需求，但不能把事件峰值全部复制到未来。
对于新品或新渠道，历史数据不足时，可以使用相近商品、相似价格带和相同流量来源的样本做初始估计，但必须把它标记为假设，而不是当作已验证事实。上线后再用实际销量快速修正。
库存下降只是一个现象，不是补货信号。日销5件的商品从100件降到80件，仍可能覆盖16天；日销100件的商品从500件降到400件，却可能只剩4天。相同的库存变化，放在不同销售速度下，意义完全不同。
我会先计算库存覆盖天数：
库存覆盖天数 = 可售库存 ÷ 预测日均销量
再把它与实际可售交期比较。如果覆盖天数大于交期加安全缓冲，通常不需要因为库存下降而立即下单；如果覆盖天数已经接近或低于实际可售交期，就需要进入补货审核。
在途库存是一个状态，不是一个确定结果。货物可能已经离开供应商，也可能还未完成质检、入库或分仓。尤其是跨区域运输和多仓配送场景，预计到货日与最终可售日之间可能相差数天。
建议把在途库存按可信程度分层。已完成生产、已出库且有稳定物流轨迹的货物，可以较高比例计入计划；尚未排产或只有采购订单、没有明确发货时间的货物，不宜等同于可用库存。
| 在途状态 | 是否可计入补货计划 | 建议处理方式 |
|---|---|---|
| 已入仓待质检 | 部分计入 | 扣除预计不合格量和质检时间 |
| 运输中且物流稳定 | 谨慎计入 | 按照预计到货可信度折算 |
| 供应商已发货但无稳定轨迹 | 低比例计入 | 保留额外安全库存 |
| 已下单未排产 | 不建议直接计入 | 仍按待采购状态处理 |
大批量采购确实可能降低单位采购价，但采购价下降不等于总成本下降。额外库存会产生仓储费、资金机会成本、损耗、调拨费和后续降价成本。对于有保质期、强季节性或更新速度快的商品，大批量备货尤其危险。
我通常会把采购决策拆成两部分：一部分是满足确定性需求的基础采购，另一部分是应对波动的弹性采购。基础采购可以按正常需求覆盖周期下单，弹性采购则根据活动预售、实时转化和供应商追加能力决定，不要在活动前一次性把全部不确定性都买回来。
爆款、稳定款、季节款、新品和长尾款不可能共享同一套参数。爆款需要高频监控和快速补货，稳定款可以按固定周期补货，季节款必须围绕销售窗口倒推采购，新品更适合小批量测试，长尾款则应控制最低采购量。
商品分组不能只靠销售额。我的建议是同时加入毛利、需求波动、供应风险和生命周期四个维度。一个销量高但交期稳定的商品，和一个销量高但供应商经常延期的商品，安全库存设置应当不同。
库存管理系统可以帮助企业集中订单、采购、仓储和库存数据，也可以设置预警、追踪在途和生成报表，但系统不能自动判断一次异常促销是否会持续，也不能替代仓库盘点和业务复核。
我见过最常见的系统误用，是把错误库存口径自动化。系统每天都在更新数据，报表看起来很及时，但残次品仍被算作可售库存，采购订单状态仍未更新，平台退货仍没有回库。结果不是“数据驱动决策”，而是“错误数据更快地驱动错误决策”。
因此，企业应该先定义库存字段和责任人，再考虑自动化工具。对于小团队，可以从统一表格和固定更新时间开始；对于多平台、多仓库企业，则可以评估库存管理平台，包括九数云这类用于数据整合、分析和可视化的工具，重点考察其是否能够支持订单、库存、采购和销售数据的关联分析，而不是只看报表数量。
补货公式最容易被忽视的前提，是库存数字必须具有一致口径。若A平台把已锁定订单算进可售库存，B平台把质检库存算进可售库存，仓库又按实物数量统计，任何跨平台比较都会失真。
我建议企业在补货表或分析平台中明确以下字段：
其中，补货计划最应该使用“可售库存”和“合格在途库存”，而不是简单使用账面库存。对于不确定性较高的在途货物，还应设置可信度等级，避免把不确定的供应承诺当成确定库存。
库存覆盖天数是一个简单但非常有效的诊断指标。它能把“还有多少件库存”转换成“还能卖几天”，便于不同SKU之间比较。
库存覆盖天数 = 可售库存 ÷ 预测日均销量
预测日均销量 = 近阶段基础销量 × 趋势修正系数 × 活动修正系数
这里的修正系数不能随意填写。趋势修正可以参考近几周销量变化，活动修正则应建立在活动机制、流量预算和历史活动数据之上。若活动条件与历史不同，就不应直接套用过去的增长倍数。
覆盖天数没有统一的“合格线”。日销稳定、供应商每天可补货的商品，覆盖周期可以较短；生产周期长、跨境运输或供应波动大的商品，需要更长缓冲。判断关键不是一个固定数字，而是覆盖天数是否能够覆盖实际可售交期和需求波动。
基础补货点可以使用以下公式：
补货点 = 交期内预计需求 + 安全库存
交期内预计需求 = 预测日均销量 × 实际可售交期
安全库存 = 用于应对需求波动和交期延迟的缓冲数量
假设某商品预测日均销量为50件，实际可售交期为8天，安全库存为150件，则补货点为550件。当前可售库存低于550件时，说明商品已经进入补货审核区间，但这不意味着必须立刻采购550件。还要继续计算目标库存、在途库存和采购批量。
一个更适合日常执行的简化公式是：
建议补货量 = 目标库存 − 可售库存 − 合格在途库存 + 预期促销增量
目标库存可以理解为企业希望覆盖的未来需求总量。它通常由计划覆盖周期、日均需求和安全库存组成。公式中的合格在途库存必须经过到货时间和质量状态核验，不能把所有采购订单直接减掉。
如果计算结果为负数，不代表企业必须退掉所有在途订单，而是说明新增采购暂时没有必要。采购团队还要结合最小起订量、供应商取消政策、价格阶梯和未来活动安排做最终决策。
补货计划不是一次性计算，而是一个持续校正的循环。每周至少需要复盘预测销量与实际销量的偏差、预计到货日与实际可售日的偏差，以及补货建议被人工修改的原因。
如果预测一直偏高，问题可能在于活动峰值被重复使用；如果预测一直偏低，可能是新品增长、广告放量或渠道结构变化没有纳入模型。如果供应商交期经常延迟，就不能只批评采购下单晚，而要重新设置供应商参数和安全库存。
我会把“人工修改补货建议”也作为一个重要信号。人工修改次数多，通常说明公式没有覆盖业务条件，或者基础数据没有及时更新。与其要求员工一直手工修正，不如统计修改原因，把高频原因沉淀到补货规则中。
九数云官网公开定位偏向数据分析与可视化。以库存管理场景来看，我更关注它是否能把订单、商品、仓库、采购、供应商和退货等数据放到同一个分析框架中，而不是单纯展示一张库存大屏。
库存诊断真正需要回答的是：哪些SKU正在缺货？缺货是因为需求突然增长，还是采购交期延长？哪些库存金额正在沉淀？沉淀来自哪个仓库、哪个渠道和哪个供应商？如果工具只能告诉我们“库存金额上升了”，却不能继续下钻到SKU、订单和到货批次，就无法支撑补货决策。
因此，使用九数云或其他数据分析工具时，建议先做数据字段清单和业务关系设计，再搭建看板。工具的价值在于缩短从现象到原因的路径，而不是替代库存管理制度。
第一层是经营总览，查看库存金额、可售库存、库存覆盖天数、缺货SKU数和高库龄库存金额。它适合管理者快速判断本周库存风险是否扩大。
第二层是SKU诊断，按照商品、规格、仓库和平台下钻，查看日均销量、可售库存、在途数量、补货点和建议补货量。它适合运营和采购定位具体商品。
第三层是供应商分析，比较承诺交期、实际可售交期、延迟次数、到货合格率和采购价格变化。它可以帮助企业识别“表面价格低、实际交付成本高”的供应商。
第四层是预测复盘，比较预测销量、实际销量、预测偏差和人工调整记录。它适合持续修正补货规则，而不是每次出现问题后凭印象争论。
| 分析视图 | 核心用户 | 重点字段 | 主要决策 |
|---|---|---|---|
| 经营总览 | 负责人、财务 | 库存金额、周转天数、缺货率 | 是否需要控制整体库存暴露 |
| SKU诊断 | 运营、采购 | 日销、覆盖天数、补货点、在途 | 具体商品补不补、补多少 |
| 供应商分析 | 采购、供应链 | 交期偏差、合格率、延迟次数 | 是否调整供应商和安全库存 |
| 预测复盘 | 运营、数据人员 | 预测值、实际值、偏差、调整原因 | 是否修改预测参数 |
在实际推进时，我不会一开始就要求团队接入所有数据。更有效的方式是先选择一个商品类别或一个仓库，完成小范围验证。
数据分析工具上线前，最容易被低估的是主数据治理。商品名称不统一、同一SKU存在多个编码、采购订单状态没有关闭，都会导致看板出现重复或遗漏。如果基础数据没有统一，任何可视化结果都只能作为参考，不能直接作为自动采购依据。
如果企业只有几十个SKU、单仓库经营、供应商交期稳定，统一补货表可能已经能够满足基础需求。此时直接上复杂系统，可能增加维护成本，员工却没有时间持续更新数据。
如果企业拥有多个平台、多个仓库、数百个以上SKU，或者经常遇到库存口径不一致、采购在途无法追踪和报表重复制作，数据分析平台的价值会更明显。它可以减少人工汇总时间，也能让运营、采购和财务围绕同一组数字讨论。
但无论企业规模大小，工具都不应被当作“自动补货按钮”。对于高价值、高波动或强季节性商品，系统建议必须经过人工审核；对于稳定销售、供应规律的标准品，才更适合逐步自动化。
下面使用一个假设案例演示计算过程，数据用于说明方法，不代表某家企业的真实经营结果。某款家居用品日均基础销量为50件，供应商承诺交期7天，但过去几次从下单到最终可售的实际周期在8至10天之间。企业暂时按8天作为计划交期，并设置150件安全库存。
| 项目 | 数值 | 口径说明 |
|---|---|---|
| 预测日均销量 | 50件 | 已剔除一次性异常订单 |
| 计划实际可售交期 | 8天 | 包含运输、入库和基础处理时间 |
| 安全库存 | 150件 | 用于应对需求和交期波动的示意值 |
| 当前可售库存 | 500件 | 已扣除锁定、残次和质检库存 |
| 合格在途库存 | 100件 | 预计可在计划周期内完成入库 |
| 目标覆盖周期 | 20天 | 按下一次采购周期设定的示意值 |
先计算交期内预计需求：50件乘以8天，得到400件。补货点等于400件加150件安全库存，即550件。当前可售库存为500件，低于补货点，因此该SKU已经进入补货审核区间。
但如果看到“低于补货点”就立即下单，仍然不够严谨。因为已有100件合格在途库存。如果这100件能够按期到达，企业的可用库存将达到600件，短期内可能只需要补充部分数量；如果在途货物近期存在延迟，则需要保留额外采购或寻找替代供应。
目标覆盖周期为20天，因此目标库存可以先按50件乘以20天，再加150件安全库存计算，结果为1150件。使用简化公式：
建议补货量 = 目标库存 − 当前可售库存 − 合格在途库存
建议补货量 = 1150 − 500 − 100 = 550件
从公式看，建议采购量为550件。但采购人员还要检查最小起订量、箱规、仓容和活动计划。如果供应商最小起订量为1000件，一次采购550件无法执行，就要比较两种方案：采购1000件造成更高库存，或者先采购500件并安排更短周期的追加订单。
如果未来10天后有大型促销，还需要增加促销增量。假设活动预计额外销售300件，但这个数字只来自活动报名量，并非已确认订单，那么不建议将300件全部计入确定需求。可以采用分批采购，或等活动预热阶段的点击、加购和支付数据更加明确后再追加。
情景一是销量稳定、供应商按期交货。此时100件在途库存可信，新增采购可以按550件或接近的可执行批量安排，并继续监控活动变化。
情景二是供应商近期平均延迟3天。此时实际可售交期应从8天上调，安全库存也需要重新评估。企业可以先采购一小批保障交期，再与供应商确认排产和物流，而不是完全依赖原有在途库存。
情景三是销量下降，近两周日均销量只有35件。此时继续按50件计算会夸大目标库存。企业应先验证销量下降是暂时流量波动，还是价格、评价或竞品变化导致的趋势转弱，再决定是否缩小采购量。
| 情景 | 关键变化 | 建议动作 | 主要风险 |
|---|---|---|---|
| 需求稳定、交期稳定 | 在途可信 | 按净需求采购，维持常规监控 | 活动带来的额外需求未计入 |
| 交期延迟 | 实际可售交期拉长 | 提前采购或寻找替代供应 | 库存不足导致断货 |
| 需求下降 | 日均销量低于原预测 | 缩量采购，复核下降原因 | 误把短期波动当成长期下滑 |
| 活动即将开始 | 需求不确定性提高 | 分批采购，结合预热数据追加 | 活动不及预期造成积压 |
核心爆款的断货损失通常包括直接销售损失、广告转化下降、搜索排名波动和客户转向竞品。因此，这类商品可以设置更高的服务目标和更频繁的库存监控。
但爆款也不是无限备货。需要同时检查生命周期、竞品变化、价格弹性和供应商追加能力。若商品处于短期流量红利期，建议把采购拆成基础量和弹性量，避免把一次性流量误判为长期需求。
稳定款的销量波动较小，供应商交付也相对规律，适合使用每周或每两周一次的周期补货。此类商品不需要每天人工干预，否则管理成本可能超过库存优化收益。
周期补货并不等于固定采购相同数量。每次复盘仍要检查近阶段销量、库存覆盖天数和实际交期。只是在数据稳定的前提下，可以降低日常决策频率。
季节款不能简单使用全年平均销量，因为平均值会掩盖销售窗口。正确做法是先估计销售开始时间、峰值时间和结束时间，再根据供应商交期倒推最后采购日。
活动款则要把确定需求和不确定需求分开。预售订单、已支付订单和历史稳定转化可以作为较高可信度输入；活动报名、曝光预估和未经验证的流量目标，只能作为情景变量。
新品没有足够历史数据，任何精确到个位数的销量预测都可能制造虚假的确定性。更合理的方法是用小批量采购测试真实转化，再根据加购率、支付率、退货率、评价反馈和复购情况调整下一轮订单。
新品的补货决策应设置观察窗口。例如第一周重点观察流量和转化，第二周观察退款与评价，第三周再判断需求是否具有持续性。若供应周期较长，可以提前锁定产能，但不一定要立即采购全部数量。
长尾商品通常销售速度慢、库存周转差，但容易因为“偶尔还有订单”而持续补货。企业需要设置停止采购条件，例如连续多个周期低于最低动销、库存覆盖天数超过目标范围，或商品已经被新款替代。
去库存不只有打折一种方式，还可以通过组合销售、渠道转移、赠品、分销清仓和减少SKU变体实现。处理长尾库存时，要比较折价损失与继续占用资金、仓储空间和管理时间的成本。
高频小批量补货可以降低单次库存压力，适合需求不稳定、仓储成本高或供应商响应快的商品。但它会增加采购下单、物流、验收和对账次数，也可能因为起订量和运输成本导致单位成本上升。
低频大批量补货可以获得价格折扣，减少操作频率，适合需求稳定、保质期长、供应商交期长且仓储成本可控的商品。但一旦需求下降，库存积压会更严重。
| 方案 | 优势 | 短板 | 更适合的场景 |
|---|---|---|---|
| 高频小批量 | 库存暴露低，需求变化响应快 | 操作次数多，运输成本可能上升 | 新品、波动款、仓储紧张商品 |
| 低频大批量 | 采购效率高，可能获得价格折扣 | 积压和资金占用风险较高 | 稳定款、长交期、需求可预测商品 |
| 分批锁量 | 兼顾产能与库存灵活性 | 需要供应商配合和准确的追加机制 | 活动款、核心爆款和季节款 |
当企业频繁断货时，最容易想到的是提高安全库存。但这只是解决问题的一条路径。另一条路径是缩短供应商交期、改善物流、减少质检等待和优化仓间调拨。
如果交期可以稳定缩短，企业不必长期持有过高安全库存。相反，如果供应商无法改善交期，增加安全库存可能是必要的，但要明确资金成本和库存过期风险。安全库存不是越高越好，而是要与目标服务水平和供应能力匹配。
自动化适合处理规则清晰、数据稳定、数量较大的重复任务，例如生成覆盖天数清单、识别低于补货点的SKU、追踪供应商延迟和汇总库存金额。
人工审核适合处理活动、新品、供应异常、重大价格变化和高金额采购。理想流程不是完全取消人工，而是让系统筛选异常，让人把时间用在需要判断的地方。
不要一开始就做复杂预测。先随机抽取10个SKU，分别核对系统库存、仓库实物、平台可售库存、锁定订单、退货库存和采购在途。若这10个SKU都无法解释差异，说明企业当前最急迫的问题不是补货参数，而是库存数据基础。
建议至少用销量贡献、毛利、需求波动、供应风险和商品生命周期五个维度进行分组。即使暂时没有完整数据，也可以先采用高、中、低三级标记，避免所有商品使用一套补货规则。
分组完成后，为每类商品指定补货频率、补货点计算方式和人工审核要求。规则越具体，团队越容易执行；规则越抽象，最后越会回到“凭经验下单”。
每次补货都应留下原始判断，而不是只记录最终采购量。至少保留预测销量、实际销量、当时可售库存、当时在途库存、供应商承诺交期、实际可售交期、系统建议量和人工调整量。
一个月后，团队就能看出哪些参数经常被高估，哪些供应商交期经常失真，哪些活动预测总是偏高。没有这张对照表，复盘很容易变成“当时大家都觉得应该多买”的主观争论。
预警不宜过多。若每天产生几百条没有优先级的提醒，员工很快会忽略所有预警。建议先关注四类高价值异常：核心SKU预计缺货、库存覆盖天数明显高于目标、在途库存延期、库存金额高但动销持续下降。
对于使用九数云等数据分析平台的企业，可以把这些异常按负责人、仓库、平台和供应商分配，形成“发现，确认，处理，复盘”的闭环。提醒之后必须有处理状态，否则看板只是展示问题，不能推动问题解决。
电商库存管理最容易陷入两个误区：看到断货就增加采购，看到积压就全面压缩库存。前者可能让资金被更多库存锁住，后者可能让核心商品失去供货能力。真正有效的补货计划，必须把商品需求、库存状态、供应交期、仓储约束和资金成本放在同一个判断框架里。
我的核心判断是：库存不是一个数量问题，而是一个时间、状态和风险问题。500件库存能不能支撑业务，不取决于500这个数字本身，而取决于每天卖多少、什么时候能补到货、现有库存是否真的可售，以及未来需求是否正在变化。
下一步可以从一个仓库或一个商品类别开始，先统一库存口径，再计算覆盖天数和补货点。若数据分散在多个平台和表格中，可以使用九数云等数据分析工具搭建基础诊断视图，但必须先完成SKU、仓库、订单状态和采购状态的统一。工具负责把问题更快地找出来，业务团队负责解释问题并做取舍。
当企业能够持续回答“为什么补、补多少、哪些在途可信、这次预测错在哪里”，补货计划才真正从经验驱动变成可复盘、可调整、可执行的经营机制。
我店里曾出现过一种很矛盾的情况：仓库系统显示库存还有 800 件，运营却说爆款已经卖断货，同时另一批商品又堆了几个月。我不确定这到底是补货计划出了问题，还是库存数据本身就不可信，应该先查哪些指标？
不要一看到库存不足就下单补货。补货前的第一步，是先判断问题属于缺货型、积压型、结构型，还是数据型。我建议先把库存拆成五个口径：账面库存、可售库存、已锁定库存、残次或待检库存、合格在途库存。真正能够用于补货判断的，通常不是仓库里“看起来有多少”，而是可售库存加上预计能够按时到货的在途库存。
问题类型典型表现优先检查指标第一动作 缺货型爆款频繁断货缺货率、预计缺货日期、供应商交期重新计算补货点 积压型库存金额高、销量持续下降库龄、动销率、库存覆盖天数暂停或缩减采购 结构型总库存不少，但核心 SKU 缺货SKU 分层库存、毛利和销量贡献调整库存分配 数据型系统库存与实物不一致盘点差异率、退货和锁定库存先统一库存口径 有一次复盘中，某商品账面库存为 500 件，其中已锁定订单 120 件，待质检 80 件，残次品 30 件，真正可售库存只有 270 件。
若仍按 500 件计算覆盖天数，补货计划必然会被推迟。实操上，可以先做一个简单检查：可售库存 ÷ 近 14 天剔除异常订单后的日均销量。如果结果低于供应商平均交期，说明不是“库存还有多少”的问题，而是现有库存无法覆盖补货等待期。
我以前习惯看到库存从 1000 件降到 700 件就直接补货，结果有的商品越补越多，有的商品还是会在到货前断货。补货点到底应该只看当前库存，还是要把销量、交期、安全库存和在途货一起算进去？
库存下降不是补货触发条件，无法覆盖供应商交期内需求，才是更有意义的判断条件。可以先使用这个基础公式：补货点 = 交期内预计销量 + 安全库存。交期内预计销量不是月均销量，而是从下单到商品完成入库并可售期间，预计会消耗的数量。
例如，某商品近 14 天修正后的日均销量为 50 件，供应商平均交期为 8 天，安全库存设置为 150 件，那么补货点就是 50 × 8 + 150 = 550 件。如果当前可售库存只有 500 件，即使仓库里看起来还有货，也已经进入补货审核区间。
项目数值判断 日均销量50 件建议剔除异常大单和缺货日 平均交期8 天应使用实际到货数据，而非供应商口头承诺 安全库存150 件用于吸收销量波动和交期延迟 补货点550 件当前可售库存低于此值时触发审核 这里最容易踩的坑，是把缺货期间的销量当成正常日均销量。
某商品连续 3 天断货，系统可能显示日均销量下降，但这不是需求下降，而是没有库存可卖。用这个数字计算补货点，会造成“越缺货，预测越低”的错误循环。另一个需要注意的地方是安全库存不能所有 SKU 都设置成固定 7 天或固定 100 件。销量稳定、交期稳定的商品可以设低一些；
促销波动大、供应商经常延迟的商品，则需要更高的缓冲。
我曾经遇到过采购表显示有 300 件货在途，于是决定暂缓下单，结果物流延迟、到货后又排队质检，商品还是断货了。我想知道在途库存应该怎样折算，什么情况下可以把它视为可用库存？
在途库存不是一个确定数字，而是一项带有到货时间和履约风险的承诺。只有确认到货日期、运输状态、质检周期和入库安排后，才适合把它纳入补货计算。建议把在途库存分为三类：已到仓待上架、运输轨迹稳定且预计按期到货、只有采购单但尚未发货。三类库存的可用程度不同，不能全部按 100% 抵扣需求。
在途状态建议计入比例原因 已到仓待上架80%，100%主要风险是质检、上架和系统同步 运输稳定、预计按期到货60%，90%仍存在运输延误和分仓问题 已下单未发货0%，50%供应商尚未实际履约 上表不是行业统一标准，而是用于建立风险意识的管理起点。
更准确的折算方式，是根据供应商过去 20 次订单的准时到货率来调整。例如准时到货率只有 70%，那么 100 件尚未到货的库存就不应被当作 100 件确定供给。补货量可以用这个简化公式重新估算：建议补货量 = 目标库存 − 可售库存 − 风险折算后的在途库存 + 促销增量。
如果目标库存为 1000 件，可售库存为 500 件，在途库存为 300 件，但根据到货风险只折算 70%，则可计入的在途库存是 210 件。此时建议补货量为 1000 − 500 − 210 = 290 件，而不是简单认为已有 800 件库存而停止采购。
我的判断是：在途库存越不稳定，越应该把“到货可信度”作为补货表的必填字段，而不是只记录采购数量。
我曾经把店内所有商品都按“覆盖 30 天库存”来补，结果爆款仍然断货，低销量商品却占用了大量现金。不同商品到底应该怎样分组，哪些商品适合小批量高频补货，哪些商品应该严格控制采购量？
统一补货规则看起来管理简单，实际上会把不同商品的需求波动、毛利和供应风险混在一起。库存策略至少要同时考虑销量贡献、需求稳定性、商品生命周期和供应商交期。
商品类型主要风险建议补货方式复盘频率 稳定畅销款断货导致持续失销较高服务水平，按补货点触发每周 促销爆发款预测偏差和活动后积压活动前单独预测，分批到货活动前后分别复盘 季节性商品销售窗口短按销售阶段逐步加仓，避免一次性满仓每周或按阶段 长尾低毛利款资金和仓储占用小批量、低库存，必要时改为按单采购每月 新品缺少历史数据小批量测试，根据真实转化逐步放量按销售周观察 商品分组不建议只使用单一的 ABC 分类。
ABC 只能说明销售贡献，不能说明供应风险。例如一个销售额很高但供应商交期长、波动大的商品，和一个销售额同样高但可以次日补货的商品，安全库存不应相同。可以采用“销售贡献 + 需求波动 + 供应风险”的三维分组。销售贡献决定优先级，需求波动决定预测难度，供应风险决定需要留多少缓冲。
假设两个商品过去 30 天日均销量都为 40 件。商品甲交期 3 天、销量波动较小；商品乙交期 15 天、促销期间销量可能翻倍。若都按 20 天覆盖量采购，甲很可能积压，乙却可能在活动前仍然不够。最后要建立“预测，实际，偏差”的复盘表。
每周记录预测销量、实际销量、预计到货日、实际到货日和人工修改原因。补货计划真正需要优化的，往往不是公式，而是那些反复被人工改动却没有留下原因的决策。
读者评论
文章对库存问题的分类比较清晰，尤其是区分可售、锁定、质检和在途库存，有助于避免把账面数量直接当成补货依据。实际落地时，数据口径统一和责任分工可能是最难推进的环节。
把促销销量与日常需求分开分析很有必要，单纯依据历史均值确实容易造成活动后积压。文中提到的基础采购与弹性采购思路较实用，但还需要结合供应商的追加能力和现金流制定参数。
文章没有简单鼓励增加安全库存，而是同时关注缺货损失、仓储成本和资金占用，这一点比较客观。库存覆盖天数公式易于理解，不过预测日均销量仍需持续根据季节、价格和渠道变化修正。