电商库存最容易出现的错觉，是仓库里明明有货，订单却仍然缺货；或者采购单不断下，账面销售增长了，现金却全部压在慢销品上。我在多次库存复盘中发现，真正决定库存健康度的不是“库存数量”，而是补货计划能否同时回答四个问题：什么时候补、补多少、这批货能不能按时到、补完之后现金会不会被锁死。

电商库存怎么管？以补货计划为核心的实操教程方案

一、先说核心结论：库存管理的中心不是仓库，而是补货计划

1. 补货计划要同时管理时间、数量和现金

很多团队把库存管理理解成盘点、采购和发货，实际上这三件事只是动作。库存管理的核心，是把销售预测、交付周期、库存位置、采购批量和资金预算，转换成一张可以执行的补货计划。

一张合格的补货计划，至少要包含 SKU、当前可用库存、已分配库存、在途数量、预计到货日期、日均需求、需求波动、供应周期、安全库存、建议采购量、采购金额和风险等级。缺少其中任意一项，采购人员都可能在关键节点做出错误判断。

我的判断是：补货不是“低于多少就买”，而是“在下一次可补货窗口之前，库存是否足以覆盖需求和不确定性”。这也是为什么简单的库存下限规则，经常在促销、供应商延迟或平台流量变化时失效。

2. 先建立一套统一的库存口径

同一个 SKU，在电商系统、仓库系统、采购表和财务表里，可能有四个不同数字。仓库说有 100 件，运营说还能卖 80 件，采购说还有 200 件在途，财务则认为其中 50 件已经属于滞销库存。如果没有统一口径，后续所有补货计算都会失真。

我通常把库存拆成以下几个概念：

• 实物库存：仓库现场能够被盘点到的数量。
• 可用库存：实物库存减去已锁定、已分配、质检冻结和不可销售库存。
• 在途库存：已经下单且供应商确认，但尚未完成入库的数量。
• 库存位置：可用库存加确认在途，减去已承诺但尚未发出的订单。
• 安全库存：用来吸收需求波动和供应延迟的缓冲库存。
• 呆滞库存：在设定周期内没有达到最低销售速度，且继续采购会扩大资金占用的库存。

在补货模型中，我更倾向于使用“库存位置”，而不是直接看仓库实物数量。因为一批已经确认、预计五天后到仓的货，和一批还没有下单的货，不能被当成同一种库存。

3. 用三张表替代一张“采购建议表”

真正适合执行的库存计划，最好拆成三张表，而不是把所有字段堆在一张采购表里。

这三张表的价值在于，把“事实”“承诺”和“决策”分开。库存事实表回答现在，供应履约表回答未来已经确定的部分，补货决策表回答下一步动作。混在一起时，团队往往会把“供应商说会发货”误认为“库存已经存在”。

二、先看真实场景：为什么“仓库有货”仍然会缺货

1. 爆款缺货通常是时间错配，不是绝对库存不足

我曾经复盘过一个配件类店铺的爆款 SKU。仓库当时有 420 件，采购单上还有 300 件在途，采购负责人据此判断库存充足。但这个 SKU 平均每天卖 48 件，直播活动后需求短暂升到每天 86 件，供应商原本 12 天的交期又延长了 5 天。

如果只看账面库存，420 件加上 300 件在途，似乎有 720 件；但如果只看可立即发货库存，420 件只能覆盖不到 9 天的促销需求。更严重的是，在途货物的预计到货日已经超过活动高峰，最终导致活动第三天开始缺货。

这类问题的根源不是“库存太少”，而是把不同时间点的库存混在一起了。库存只有在需求发生前按时到达，才有实际价值。晚到的库存，不能用来挽救已经流失的订单。

2. 慢销库存会以很慢的速度吞噬现金

另一个常见场景是，团队把所有 SKU 都按照相同的库存覆盖天数管理。例如所有商品都要求保持 30 天库存。对日销 100 件的爆款来说，30 天意味着足够的供应缓冲；对日销 2 件的长尾商品来说，30 天只是 60 件，但如果采购起订量是 300 件，实际库存可能会直接变成 150 天甚至更长。

慢销库存最危险的地方，不是它每天产生很高的损失，而是它会让采购人员产生“反正库存还在”的错觉。等到商品改款、平台规则变化或竞争对手降价时，库存价值才会快速下降。

因此，补货计划必须同时设置两个方向的规则：一个规则防止库存不足，另一个规则防止库存继续增加。只设置安全库存，没有设置停止采购条件，库存管理只完成了一半。

3. 退货和换货会改变真实需求

如果商品退货率较高，直接拿支付订单作为销量预测，会高估未来需求。尤其是服饰、鞋类、家居安装类商品，支付订单、发货订单、签收订单和最终留存订单可能存在明显差异。

我在处理这类数据时，会把需求拆成“下单需求”和“净消耗需求”。下单需求用于判断仓库拣配压力，净消耗需求用于判断商品真正被市场吸收了多少。补货决策应优先使用后者，否则退回仓库的货会被重复计算。

三、先拆掉五个最常见的补货误区

1. 误区一：用月均销量直接决定采购量

月均销量适合做基础判断，不适合直接生成采购量。一个 SKU 过去 30 天卖了 3,000 件，可能是每天稳定卖 100 件，也可能是前 20 天每天卖 40 件，最后 10 天因为活动每天卖 220 件。两种商品的未来需求风险完全不同。

我会至少同时看 7 天、14 天、30 天和 90 天四个窗口。7 天反映最近变化，14 天可以观察活动余波，30 天用于常规计划，90 天用于识别季节性和结构性趋势。四个窗口差异过大时，不应该简单平均，而要进入人工复核。

2. 误区二：安全库存统一设置成 7 天或 15 天

安全库存不是一个适合所有 SKU 的固定天数。需求波动大、供应周期长、缺货损失高的商品，需要更高的安全库存；需求稳定、供应灵活、毛利低的商品，则不应无限提高安全库存。

固定天数规则的最大问题，是它忽略了波动。一个日销 100 件、标准差 50 件的商品，和一个日销 100 件、标准差 5 件的商品，日均销量相同，但安全库存需求并不相同。

3. 误区三：采购单已下，就等于库存已经增加

采购单只是一个承诺，不是库存。供应商可能延迟发货，物流可能中转，质检可能拒收，入库可能出现短装。对高风险 SKU，我会把“下单”“供应商确认”“已发货”“到仓”“质检通过”拆成五个节点。

补货计划中，只有达到企业定义的“可确认节点”的在途货，才能进入库存位置。比如供应商没有回传发货凭证的采购单，只能记录为开放采购，不应该完整计入可用供应保障。

4. 误区四：所有 SKU 都追求同一个库存周转天数

库存周转天数是结果指标，不是所有商品都应该追求同一个目标。高毛利且容易缺货的爆款，可以接受较高库存；低毛利、易过时或退货成本高的商品，应该优先控制库存深度。

我会把 SKU 至少分成四类：高销量低波动、高销量高波动、低销量低波动、低销量高波动。四类商品的采购频率、最低库存、审核权限和清库存策略都不应该相同。

5. 误区五：只看销售，不看供应商履约

同样的日均销量，如果供应商 A 平均 7 天到货、延期率 5%，供应商 B 平均 14 天到货、延期率 35%，两者需要的安全库存完全不同。把供应商履约当成采购部门自己的经验，而不纳入补货模型，是许多库存计划长期不准的原因。

四、我的补货判断逻辑：先算库存位置，再算覆盖风险

1. 先做库存位置计算

我在实际计划中会先计算库存位置，而不是直接计算采购量。一个可执行的简化公式是：

库存位置 = 可用库存 + 已确认在途库存 − 已承诺未发货库存

这里的“可用库存”必须排除冻结、质检不合格、已分配和不可销售库存。“已确认在途库存”也不能把所有采购单全部纳入，而应当根据供应商确认、发货状态或物流节点设置纳入条件。

举例来说，仓库实物库存 680 件，其中已锁定 120 件，供应商确认在途 300 件，尚未发出的订单 80 件，那么库存位置为 780 件，而不是 980 件。

库存位置算清之后，再计算未来供应周期内的需求：

供应周期需求 = 预测日均需求 × 预计交付天数

如果日均需求为 55 件，预计交付周期为 10 天，供应周期需求就是 550 件。此时还要加上安全库存，再与库存位置比较，才能决定是否补货。

2. 用需求波动和交期波动估算安全库存

在数据比较完整的情况下，我会使用服务水平模型估算安全库存。常见的简化表达是：

安全库存 ≈ 服务水平系数 × 供应周期内需求标准差

如果同时考虑需求和交期的波动，可以使用更完整的近似模型：

安全库存 ≈ Z × √（平均交期 × 需求方差 + 平均日需求² × 交期方差）

其中，Z 是服务水平对应的系数。90% 服务水平、95% 服务水平和 98% 服务水平并不是“越高越好”，服务水平每提高一个阶段，通常都需要更多资金和仓储空间。对于缺货损失较低的商品，盲目追求 98% 可能并不划算。

如果历史数据不足，我不会假装模型很精确，而会先使用“交期天数 × 日均销量 × 风险系数”的过渡方法。风险系数可以按供应商延期率、商品生命周期和缺货损失分层，等积累了足够订单数据后再逐步替换。

3. 用再订货点和目标库存量生成采购建议

再订货点适合回答“什么时候要启动采购”，目标库存量则适合回答“补到什么水平”。

再订货点 = 供应周期需求 + 安全库存

建议采购量 = 目标库存量 − 库存位置

如果建议采购量小于零，说明当前不需要采购；如果采购量大于零，还需要经过起订量、包装规格、供应商产能、预算和仓储容量的约束。

例如某 SKU 的目标库存为 1,200 件，当前库存位置为 760 件，建议采购量是 440 件。如果供应商最小起订量为 500 件，最终采购建议不能机械地填 440 件，而应显示为“建议采购 500 件，超出模型需求 60 件，预计增加库存覆盖 1.2 天”，让采购人员能够做出有依据的取舍。

4. 用 ABC 和 XYZ 分层，而不是只按销售额排序

ABC 主要看价值贡献，XYZ 主要看需求稳定程度。只做 ABC 分类，会把高销量但高度波动的商品和高销量稳定商品混在一起；只做 XYZ 分类，又无法体现商品利润和缺货价值。

5. 把缺货成本和库存成本放在同一张决策表里

补货决策不是单纯追求低库存，而是在两种损失之间取舍：库存过少会损失订单、排名和客户体验，库存过多会占用资金、产生仓储费和清仓折价。

五、用九数云搭建补货分析层：重点不是做漂亮看板

1. 先明确它在库存体系中的位置

在我搭建电商库存分析时，会把九数云放在“数据分析和决策呈现层”，而不是把它当成仓库执行系统或采购交易系统。仓库系统负责记录库存变化，订单系统负责记录交易，采购系统负责管理供应商和采购单，分析层负责把这些数据合并后形成风险判断。

如果企业希望了解其公开的报表和数据可视化能力，可以访问九数云官网。实际选型时，我建议重点验证数据连接方式、字段更新频率、权限控制、计算能力、异常提醒和导出能力，而不是只看首页上的图表样式。

一个好看的库存看板，不等于一个能驱动补货的系统。判断它是否有用，应该看采购人员能否在几分钟内回答：哪个 SKU 今天要处理、建议买多少、为什么是这个数量、如果不买会在什么时候缺货。

2. 先设计数据模型，再设计页面

我建议先准备五类基础数据，字段名称尽量保持稳定，不要每周更换口径。

数据模型中的关键不是字段越多越好，而是每个字段都能够说明来源和口径。比如“销量”必须明确是支付量、发货量、签收量还是净消耗量；“在途”必须明确什么状态才可以纳入计算。

3. 我会把看板拆成四个页面

第一个页面是经营总览，展示库存金额、库存周转天数、缺货 SKU 数量、库存覆盖天数和呆滞库存金额。这个页面给管理者看，重点是变化趋势和异常规模。

第二个页面是补货工作台，按“今天必须处理、三天内要处理、需要人工确认、暂不采购”四个状态分组。采购人员不应该从上百个 SKU 中自己找重点，系统应当先把动作排序。

第三个页面是供应商履约页，展示平均交期、交期标准差、延期率、短装率和按时足量交付率。采购量和供应商表现必须放在同一视图中，否则团队只会不断加库存，而不会解决供应端的问题。

第四个页面是库存健康页，展示库存年龄、近 30 天销量、库存覆盖天数、折价风险和清仓建议。这个页面负责阻止新的采购建议继续推高慢销库存。

4. 一个匿名样本的结果观察

在一个 60 个 SKU 的模拟样本中，原先的采购方式主要依靠周度销量和采购人员经验。调整为“库存位置加安全库存”的计划后，连续 8 周观察到以下变化：缺货 SKU 数量下降，库存覆盖天数从 49 天降到 37 天，超过 90 天未动销库存比例下降，采购人员制作周报的时间也明显减少。

这里需要特别说明，这组数据是基于匿名业务结构的样本推演，不代表九数云或任何平台的总体客户效果。它的价值不在于承诺某个固定提升比例，而在于展示一套可以被企业自己复核的验证方法：先记录基线，再上线规则，最后比较同口径结果。

六、从数据到动作：一套可执行的补货计划流程

1. 第一步：清理 SKU 和仓库主数据

不要一开始就做预测。库存分析最容易失败的原因，往往是同一商品在不同系统中有多个编码，或者同一个 SKU 的单位不一致。采购按箱下单，仓库按件入库，销售按套出货，如果不做单位换算，补货量会直接放大或缩小。

我会先检查以下问题：

• 同一 SKU 是否存在多个名称或多个编码。
• 商品单位、包装单位和采购单位是否一致。
• 仓库库存是否包含残次品、冻结品和调拨中的货。
• 退货入库是否会重复计入可用库存。
• 采购在途是否有预计到货日期和当前状态。
• 销售订单是否排除了取消、退款和测试订单。

如果基础数据准确率低于 95%，我通常不会直接使用自动采购建议，而会先把系统定位为异常发现工具。宁可先提示“数据需要校验”，也不要让错误数据自动生成采购单。

2. 第二步：建立日均需求和波动指标

日均需求不应只取一个平均值。我会同时计算近 7 天、14 天、30 天和 90 天的日均销量，并增加需求变异系数。需求变异系数等于需求标准差除以平均需求，它可以帮助我们区分“销量高”和“销量稳定”这两个不同维度。

还要对异常订单进行标记。例如某一天因为直播产生了平时 5 倍的销量，这一天不能简单地删除，也不能原样用于常规预测。更好的做法是增加活动标签，分别计算常规需求和活动需求，在活动日历确定后再把活动倍率加入未来计划。

3. 第三步：建立供应商交期基线

供应商交期应该用实际数据计算，而不是只用合同承诺日期。可以记录下单日、供应商确认日、发货日、到仓日和质检完成日，然后分别计算确认周期、生产周期、运输周期和入库周期。

如果一个供应商平均交期 10 天，但实际交期分布在 7 至 21 天之间，那么模型应该使用交期的波动，而不是只填写 10 天。对于有明显长尾的供应商，可以使用过去 80% 或 90% 订单的交期作为计划基准，避免少数极端延迟被完全忽略。

4. 第四步：生成采购建议并增加人工审核层

系统生成的建议量，必须同时显示计算依据。至少要展示：库存位置、目标库存、日均需求、预计交期、安全库存、起订量、包装倍数和预计到货后的库存覆盖天数。

采购人员审核时，可以按照以下顺序处理：

1. 先处理已经低于再订货点且缺货损失高的 SKU。
2. 再处理活动开始前无法覆盖需求的 SKU。
3. 检查供应商是否有延期、短装或最低起订量变化。
4. 检查建议量是否会造成超过 90 天的库存覆盖。
5. 最后确认预算、仓储容量和采购审批权限。

我不建议一开始就完全自动下单。比较稳妥的方式是先自动计算、人工审批，再逐步把稳定的 AX 类 SKU 交给规则自动处理，把高波动和高金额 SKU 保留人工决策。

5. 第五步：建立异常闭环，而不是只发提醒

库存预警如果只是弹出一个红色数字，通常不会带来结果。每一条异常都应该有责任人、截止时间、处理动作和关闭条件。

七、不同经营场景下的行动建议

1. 稳定常青款：追求规则稳定，不要频繁改参数

对于销量稳定、供应商交期稳定、退货率低的常青款，可以采用固定复盘周期和规则化补货。建议每天更新库存和订单，每周生成采购建议，每月重新评估安全库存参数。

这类商品不需要采购人员每天手工改数量。更重要的是设置异常触发条件，例如日均需求连续 7 天偏离基准 30%、交期连续两次超过承诺、活动倍率发生变化时，再触发人工复核。

2. 新品：不要用成熟商品的销量模型套用

新品没有完整历史数据，最容易出现两种错误：一开始因为乐观预测而压货，或者因为没有历史数据而完全不备货。我的做法是先采用小批量试销，把采购量拆成首批验证量和补充采购量。

新品计划应重点观察点击、加购、支付、发货、签收和退货等转化节点。支付增长但退货率很高，不能直接说明需要增加采购。只有净消耗和复购信号逐步稳定后，才适合提高补货量。

3. 大促或直播：按活动周期做分段预测

活动库存不应只用一个活动总销量除以天数。至少要拆成预热期、爆发期和回落期。爆发期的需求集中度越高，越需要把仓库处理能力、供应商发货能力和物流时效一起纳入计划。

活动前，我会做三种情景：保守情景、基准情景和冲刺情景。采购量不一定按照冲刺情景全部备齐，而是可以把一部分需求交给快速补货、区域调拨或替代 SKU 承担。

4. 长交期商品：优先管理信息质量和供应商可靠性

长交期 SKU 不是简单地把安全库存加大。采购周期过长时，预测误差会在等待期间不断累积。更好的方式是缩短信息反馈周期，例如每周更新订单、库存和活动变化，每次供应商交期变化都重新计算缺货日期。

如果供应商支持分批交付，可以把一次大采购拆成多个到货节点。即使总采购量不变，分批到货也能降低库存一次性集中到仓的风险。

5. 现金紧张：先保高贡献 SKU，再处理低效库存

资金有限时，不应该简单地按销售额排序采购。更合理的是计算每个 SKU 的单位库存资金带来的毛利贡献，并优先保障高毛利、高周转、难替代的商品。

对于低毛利、低周转或容易过时的商品，可以采取延迟采购、拆单采购、供应商寄售、组合销售或限时清仓。库存资金紧张时，停止新增库存本身就是一种补货决策。

6. 多仓和多渠道：避免总库存掩盖局部缺货

多个仓库合计库存充足，并不意味着每个渠道都能及时发货。如果某个仓库有 500 件，另一个仓库缺货，而调拨需要 7 天，渠道端仍然会产生缺货。

多仓计划需要增加仓间调拨时间、区域需求、渠道承诺和最低库存。对于同一 SKU，建议同时看全国库存位置和区域库存位置，不能只看总量。

八、补货方案的取舍：没有一种策略能同时做到最低库存和零缺货

1. 高服务水平与低资金占用之间的取舍

如果企业希望所有 SKU 都保持极高服务水平，就必须接受更高的安全库存、更多在途货和更高的资金占用。反过来，如果企业把库存压得很低，就必须接受部分缺货，或者投入更多精力做快速采购和跨仓调拨。

我更推荐“分层服务水平”，而不是全店统一目标。例如 AX 类 SKU 目标服务水平可以设为 97%，AY 类设为 95%，AZ 类设为 90%，CZ 类则重点控制库存增加。这样做的结果通常比全店统一设为 95%更符合经营逻辑。

2. 大批量低采购成本与小批量高灵活性之间的取舍

大批量采购往往可以降低单价和运输成本，但会增加库存深度、过时风险和现金占用。小批量采购灵活，却可能面临更高单价、频繁运输和供应商不愿配合的问题。

判断采购批量时，不能只看采购单价。应该把仓储成本、资金成本、清仓折价、缺货损失和加急运输费都纳入比较。如果大批量便宜 5%，但有 30% 概率产生 90 天以上库存，表面上的单价优势可能并不真实。

3. 自动化与人工判断之间的取舍

自动化适合处理稳定、重复、规则明确的商品；人工判断适合处理新品、活动、供应异常和生命周期变化。最稳妥的方式不是二选一，而是让系统自动计算，让人负责解释例外。

我通常会设置三道权限：低金额、低风险 SKU 可以自动生成采购建议；中风险 SKU 需要采购人员审核；高金额、高波动或长交期 SKU 需要经营负责人审批。这样既能降低人工重复劳动，也能避免模型在异常场景下失控。

4. 看懂几个关键取舍指标

九、30 天落地方案：不要先做大系统，先跑通一个闭环

1. 第 1 周：确定口径和试点范围

第一周不做复杂预测，只做数据盘点。选择一个仓库、一个渠道和 30 至 100 个有代表性的 SKU 作为试点，覆盖爆款、稳定款、长尾款、新品和活动款。

这一周要完成商品编码、库存单位、销售口径、退货口径、在途状态和仓库范围的确认。所有指标都要写出计算公式，并让运营、仓库、采购和财务共同确认。

2. 第 2 周：搭建库存事实和供应履约看板

第二周先不输出采购量，而是把库存事实和供应商履约展示清楚。重点看可用库存是否可信、在途是否真实、承诺日期是否缺失、延期是否被记录。

如果看板展示出来的数据与仓库现场明显不一致，应当先修数据，不要急着调整模型。库存计划建立在错误事实之上，算法越复杂，错误采购越精确。

3. 第 3 周：加入补货公式和人工审核

第三周加入日均需求、需求波动、交期、安全库存、再订货点和建议采购量。建议采用“系统计算、人工确认、结果回写”的方式，保留每次人工调整的原因。

人工调整原因可以分为活动临时加量、供应商延期、预算不足、仓储容量不足、替代 SKU、清库存和数据异常。一个月后复盘这些原因，就能判断哪些规则应该被系统化，哪些场景仍然需要人工。

4. 第 4 周：建立复盘和责任闭环

第四周重点不是继续增加图表，而是建立固定节奏。每日处理紧急缺货和供应异常，每周复盘采购建议准确度，每月重新估算需求和交期参数。

建议至少追踪以下指标：

• 缺货率：有需求但无法及时满足的订单或 SKU 比例。
• 库存周转天数：库存金额相对于日均销售成本的覆盖时间。
• 补货建议采纳率：系统建议被采购接受或调整后执行的比例。
• 采购建议偏差：建议量与实际消耗量之间的偏差。
• 供应商按时足量交付率：不仅看是否到货，还看是否按承诺数量到货。
• 老库存占比：超过设定库存年龄的库存金额或数量占比。

5. 用一个简单的评分表决定是否扩大范围

试点结束后，不要只看缺货率有没有下降。还要看数据质量、采购采纳率、异常关闭速度和库存资金变化。如果缺货下降但库存金额翻倍，说明模型只是用更多库存换来了更高服务水平，并不一定代表计划变好了。

十、常见问题与下一步行动

1. 电商库存管理最先应该看哪个指标？

如果只能先看一个指标，我建议看“库存位置覆盖天数”，而不是库存总量。库存总量无法说明商品还能卖几天，也无法说明在途货什么时候到。覆盖天数把需求速度和库存位置联系起来，更接近补货决策。

但覆盖天数不能脱离交期单独看。库存还有 10 天，供应商 7 天能到货，风险可能可控；库存还有 10 天，供应商平均需要 15 天，风险就已经非常高。

2. 小团队没有完整数据，还能做补货计划吗？

可以，但应该从简单规则开始。先保证 SKU、可用库存、近 30 天销量、供应周期和采购起订量这五类数据可靠，再逐步加入退货、活动和交期波动。

数据少时，最重要的不是使用复杂算法，而是明确哪些数字是事实、哪些数字是估计、哪些数字需要人工确认。一个透明的简单模型，通常比一个无法解释的复杂模型更适合小团队。

3. 补货计划应该每天做，还是每周做？

建议按 SKU 风险分层。高销量、高波动或高缺货损失的 SKU 每日更新；稳定常青款可以每周生成建议；低价值长尾商品可以双周或月度复盘。

订单和库存数据可以高频更新，但采购动作不一定每天发生。数据刷新频率和采购执行频率是两个概念，不要因为看板每天变化，就要求采购人员每天更改所有采购单。

4. 九数云适合直接替代仓库系统吗？

我不建议这样定位。库存分析平台更适合承载跨系统数据整合、指标计算、看板分析和异常识别；仓库系统仍然需要负责收货、上架、拣货、盘点、调拨和出库等执行动作。

如果企业需要选型，应当先画出数据流：订单从哪里来，库存由谁记录，采购状态在哪里更新，分析结果如何回写，最终由谁审批和执行。只看是否能做图表，无法判断是否适合实际补货流程。

5. 什么时候可以把采购建议自动化？

当一个 SKU 的需求相对稳定、供应商交期稳定、数据完整率高、采购金额可控，并且连续几周人工调整原因较少时，才适合进入半自动或自动补货。

新品、大促款、长交期高金额商品和高波动商品，不建议一开始自动下单。自动化的前提不是模型足够复杂，而是业务边界足够清楚、异常能够及时被发现。

6. 下一步应该怎么做？

我建议今天就从一个小范围开始，选出 30 个 SKU，分别包含 10 个主力款、10 个稳定款和 10 个慢销或高波动款。为每个 SKU 补齐可用库存、在途库存、日均需求、需求波动、供应周期、起订量和库存金额。

接着用一周时间记录“如果不补货，预计哪一天缺货；如果现在补货，到货后会覆盖多少天；如果不采购，是否会继续产生老库存”。这三个问题，比先搭建一套复杂系统更能帮助团队建立补货意识。

最后，将补货建议放入九数云等分析工具中，形成经营总览、补货工作台、供应履约和库存健康四个视图，并保留每次人工调整的原因。连续运行 30 天后，再根据缺货、库存资金、老库存和采购耗时的变化决定是否扩大范围。

库存管理最重要的独特视角，是不要把“有多少库存”当成问题终点，而要追问“这些库存能否在正确的时间，以正确的成本，满足正确的需求”。补货计划只有同时连接销售、供应、仓库和现金，才不再是一张采购清单，而会成为电商经营中的决策系统。

免费注册

咨询方案

扫码咨询方案