电商旺季前最危险的库存误判，不是“仓库里没有货”，而是系统里显示还有几千件，按照活动后的真实销量却只能再卖五天，而采购、运输、入仓和上架至少需要十二天。也就是说，商品尚未显示缺货时，断货风险可能已经确定。本文给出一套我在库存复盘中反复使用的方法：先统一可售库存口径，再用旺季日销量计算覆盖天数，最后把缺货预警结果转化为补货、调拨、控投放或替换主推商品的动作。
很多团队在大促前做库存检查，第一步是按SKU导出当前库存，第二步是按照库存数量排序，第三步给库存较少的商品补货。这种做法看似合理，但它只回答了“现在有多少件”，没有回答“这些库存还能卖多久”。
对于一个日均销量为20件的商品，库存300件可以支撑15天；对于一个日均销量为100件的商品，同样的300件只能支撑3天。库存数量完全相同，风险却相差五倍。因此，我判断旺季准备质量时，第一关注指标永远是库存覆盖天数，而不是库存绝对值。
基础公式是：
库存覆盖天数 = 有效可售库存 ÷ 预计日销量
这里的“预计日销量”不能机械使用近30天平均值。旺季期间，促销、广告、价格变化、站内资源位和自然流量都会改变销售速度。平销期每天卖50件，活动期可能卖100件，按照平销速度计算出来的库存覆盖天数，会把真实风险延后整整一倍。
更适合旺季检查的判断公式是：
可支撑天数 − 完整补货周期 − 安全库存天数
如果结果小于0，说明按照当前预测，库存会在新货完成入仓前耗尽；如果结果接近0，说明商品处于临界状态；只有结果明显大于0，才可以说库存准备相对稳妥。
| 判断项目 | 只看库存数量的做法 | 适合旺季的做法 | 我的判断 |
|---|---|---|---|
| 库存基础 | 仓库总库存 | 可售库存减去预留、异常和不可售部分 | 后者更接近真实履约能力 |
| 销量口径 | 近30天平均销量 | 近期趋势、活动预测、广告计划综合修正 | 活动商品必须单独预测 |
| 补货时间 | 只看供应商生产天数 | 生产、运输、清关、入仓、上架全链路 | 任何一个节点延迟都会改变结论 |
| 预警方式 | 缺货后再提醒 | 按库存覆盖天数分级预警 | 预警必须早于断货发生 |
一个只有红色、黄色、绿色三种颜色的库存报表，并不自动等于库存管理。真正有用的预警系统，必须回答三个问题：哪个SKU有风险、风险会在什么时候发生、现在应该由谁采取什么动作。
例如，某SKU预计八天后售罄，而正常补货需要十五天。系统如果只在“库存为0”时报警，运营团队已经失去了大部分选择空间。此时还能做的，可能只有暂停广告、降低促销力度、换主推商品或接受订单流失。相反，如果在覆盖天数降到二十天时就触发关注，采购还有机会改用更快的运输方式，运营也能提前调整投放节奏。
因此，我通常把预警定义为一个经营动作触发器，而不是一个库存状态标签。预警颜色本身没有价值，价值在于它是否能让采购、运营、仓配和财务在断货前看到同一个问题，并按照优先级分配资源。
我不会只用“高风险SKU占比”评价备货质量。一个店铺可能库存覆盖天数不错，但核心商品都在远端仓；也可能货已经在途，却赶不上活动开始时间。更完整的评价应包括以下四项：
如果四项中只有第一项达标，我最多会把它判断为“库存数量准备完成”，不会判断为“旺季准备充分”。旺季真正消耗的是可履约库存，而不是报表里的数字。
在我参与库存复盘时，最常见的争议不是公式不会算，而是团队拿了不同口径的数据。采购看的是已下单数量，仓库看的是物理库存，运营看的是平台可售库存，财务看的是已付款但尚未完成发货的订单。四个人都认为自己的数字正确，结论却完全不同。
一份旺季库存检查表至少要把以下状态拆开：
| 库存状态 | 是否直接计入可售库存 | 需要注意的问题 |
|---|---|---|
| 可售库存 | 可以 | 必须确认商品状态正常，且能够被订单正常占用 |
| 预留库存 | 通常不应重复计入 | 可能已被订单、促销或其他渠道锁定 |
| 在途库存 | 谨慎计入 | 要看预计到货、入仓和上架时间，而不是只看发货状态 |
| 不可售库存 | 不可以 | 包括破损、质检、退货待处理或平台限制销售的库存 |
| 待调拨库存 | 不能直接计入目标仓可售库存 | 调拨时间和途中损耗可能改变实际到货量 |
平台对“可售”“预留”“不可售”和“在途”的定义可能不同，不能把一个平台的字段解释直接复制到另一个平台。实际操作中，我会先让各团队确认字段定义，再建立统一的库存口径，否则后续所有预警都可能建立在错误数据上。
在途库存是最容易被高估的一类库存。采购人员看到货物已经发出，往往会把它加到现有库存中；但从订单履约角度看，货物还要经历运输、清关、目的地转运、仓库收货、质检、上架和系统同步。只要其中一个环节没有完成，运营团队就未必能用它承接订单。
我建议把在途库存拆成两个判断：第一是“能否在活动开始前到达目标仓”，第二是“到达后能否在活动期间转为可售”。如果预计到货日距离活动开始只有两天，而仓库上架通常需要三至五天，这批货在计划层面就不能算作活动库存。
在途库存还需要设置兑现系数。比如，运输稳定且节点透明的普通补货，可以按较高比例计入；跨境链路长、清关波动大或入仓预约不确定的货物，则应采用更保守的可用比例。这不是行业统一标准，而是为了避免把不确定库存当成确定库存。
近30天日均销量适合描述相对稳定的商品，但不一定适合大促商品。活动期间的销售速度受到折扣、广告预算、站内资源位和竞争对手行为影响。如果运营计划在活动期间提高广告预算，却仍然使用平销期销量预测，库存预警很可能晚于实际销售增长。
我通常会把日销量拆成三个层次：基础销量、活动增量和投放增量。基础销量可以参考近14天或30天数据；活动增量来自历史同期或相近活动；投放增量则需要结合广告预算、点击量、转化率和库存限制估算。三者相加后，再根据不确定性加上安全系数，得到旺季预计日销量。
如果没有历史活动数据，不要为了制造精确感而写一个看似准确的增长比例。更稳妥的办法是建立保守、中性和激进三个场景，分别计算售罄日期，并用中性场景做经营计划、保守场景做风险预警。
库存检查表不应该只记录SKU、库存和销量。为了让预警结果可以直接指导行动，我建议至少加入以下字段：
| 字段 | 计算或填写方式 | 对应决策 |
|---|---|---|
| SKU与商品层级 | 记录SKU、款式、规格、组合关系 | 避免把不同规格的库存混在一起 |
| 当前可售库存 | 以平台或仓库确认的可销售数量为准 | 作为覆盖天数计算基础 |
| 预留与锁定库存 | 单独列示，不与自由库存相加 | 判断是否存在库存虚高 |
| 近7天日均销量 | 近7天销量除以有效销售天数 | 观察近期加速或下滑 |
| 近14天日均销量 | 近14天销量除以有效销售天数 | 平衡短期波动与长期趋势 |
| 旺季预计日销量 | 基础销量加活动和投放增量 | 计算活动期库存寿命 |
| 完整补货周期 | 生产、运输、清关、入仓和上架合计 | 判断正常补货是否来得及 |
| 安全库存天数 | 根据需求波动和供应稳定性设定 | 覆盖不可预测的延迟和销量波动 |
| 预计售罄日 | 当前日期加库存覆盖天数 | 与活动节点和到货日比较 |
| 预警等级 | 根据覆盖天数与补货周期比较 | 分配处理优先级 |
| 建议动作与负责人 | 补货、调拨、控投放或替换商品 | 避免预警停留在报表上 |
有效可售库存并不一定等于仓库里所有状态正常的商品。对于旺季检查，我会从总库存中扣除已锁定订单、质检异常、不可售退货、破损库存和无法及时调入目标仓的库存，再将符合时间条件的在途库存单独列示。
可以采用一个简化口径：
有效可售库存 = 当前可售库存 − 已锁定但未释放库存 − 预计活动前无法使用的库存
如果需要把在途库存纳入预测，建议分成“确定可用在途”和“风险在途”。确定可用在途必须有明确运输节点、预计到仓时间和上架时间；风险在途则只作为备选，不应直接用来支撑广告和促销承诺。
第一，库存数量突然增加，但可售数量没有同步增加。这通常意味着货物仍在收货、质检或上架流程中，不能直接当作新增销售库存。
第二，库存覆盖天数突然变得很高，但销售额没有明显下降。可能是销量字段没有及时同步，也可能是系统把在途或预留库存重复计入。
第三，某SKU库存很低，却长期没有触发缺货预警。此时需要检查预警公式是否使用了错误的销量字段，或者系统是否把组合商品、变体商品和主SKU拆分错误。
这些异常信号比单纯查看“红黄绿”更有价值，因为它们能帮助团队先检查数据质量，再决定是否采取补货行动。
在SKU较多、渠道较多的团队中，人工从平台后台、ERP、采购表和物流表复制数据，很容易出现日期错位、SKU命名不一致和库存重复计算。我会优先使用能够连接多来源数据、统一字段并进行滚动计算的数据分析工具，例如九数云这类可视化分析平台。
具体用法不是简单做一张库存看板，而是建立四层数据关系：商品主数据、销售流水、库存状态和补货节点。商品主数据负责统一SKU与规格；销售流水负责计算不同周期的销量；库存状态负责区分可售、预留和不可售；补货节点负责判断在途库存何时真正可用。
九数云的价值主要体现在数据连接、字段加工、可视化筛选和预警看板组合上。实际配置时，我更关注“点击某个高风险SKU后，能否追溯到它的销量趋势、库存状态、采购单和到货节点”，而不是看板是否设计得复杂。
需要明确的是，任何工具都不能自动知道某个活动会卖多少，也不能替代采购人员判断供应商是否可靠。工具负责提高数据整理和发现异常的速度，经营人员负责定义口径、设定阈值并采取行动。
最简单的覆盖天数公式是：
基础覆盖天数 = 有效可售库存 ÷ 预计日销量
例如，某商品当前有效可售库存为1200件，近14天日均销量为80件，预计活动期间日销量为120件。如果使用平销数据，覆盖天数是15天；如果使用活动预测，覆盖天数只有10天。两种算法相差5天，这5天可能决定补货是否来得及。
在实际复盘中，我会同时保留三个覆盖天数：近7天覆盖天数、近14天覆盖天数和活动预测覆盖天数。近7天适合发现突然加速，近14天适合观察短期趋势，活动预测则用于具体节点判断。三个数字差异越大，说明销量波动越强，安全库存就不能设置得过低。
补货周期不能只填写“供应商交期”。完整补货周期通常包括以下环节：
如果供应商生产需要7天，运输需要8天，清关和末端运输需要4天，入仓上架需要3天，那么完整补货周期不是7天，而是22天。再考虑旺季延迟，就不能把22天当成绝对确定的最短时间，而应设置一个计划周期和一个风险周期。
我通常会同时记录“最短补货周期、正常补货周期、风险补货周期”。最短周期用于判断最快应急方案，正常周期用于日常采购，风险周期用于安全库存和活动承诺。这样比只填一个平均值更能反映供应链的不确定性。
安全库存不是“越多越好”，也不是所有SKU都采用同一个天数。高毛利、不可替代且补货周期长的商品，缺货损失可能明显高于库存占用成本；低毛利、季节性强且过季后难以销售的商品，则不能为了追求不断货而无限增加备货。
安全库存可以从三个因素判断：
在没有足够历史数据时，可以先设定一个“建议基准”，再根据实际偏差调整，而不要把建议基准包装成行业标准。比如，稳定日用品可以先按照较短安全余量测试；长补货周期或活动主推商品，则采用更保守的风险周期进行预警。
预警等级应同时参考库存覆盖天数和补货完成时间。一个可操作的示例是：
| 等级 | 判断条件 | 经营含义 | 建议负责人 |
|---|---|---|---|
| 正常 | 覆盖天数明显高于正常补货周期与安全库存之和 | 短期内没有明显断货压力 | 运营与采购按计划监控 |
| 关注 | 覆盖天数接近正常补货周期 | 补货节点或销量趋势出现不确定性 | 采购核对订单，运营复核预测 |
| 高风险 | 覆盖天数低于补货周期加安全库存 | 按当前预测可能在新货可售前售罄 | 负责人在短期内给出方案 |
| 紧急 | 覆盖天数短于应急补货时间，或已经影响履约 | 正常补货无法解决，需要改变销售计划 | 经营负责人协调调拨、控投放或替换SKU |
这里的“接近”和“明显高于”需要由企业结合业务确定，不应照搬固定天数。补货稳定、销量平滑的商品可以使用更紧凑的阈值；跨境链路复杂、活动波动大的商品，则要保留更大的安全边界。
仅看覆盖天数仍然不够，因为活动、价格切换、广告上线和仓库截单都是具体日期。可以将预计售罄日与以下节点放在同一条时间线上：
如果预计售罄日早于正常可售日，SKU至少应进入高风险；如果预计售罄日早于活动开始日，活动计划就不能继续按原方案执行。这个判断比“当前库存还剩多少件”更贴近经营结果。
下面的案例是基于库存复盘场景设计的情景模拟，数字用于演示方法，不代表某家企业的真实经营数据。某店铺准备参加为期10天的活动，主推商品A当前系统库存为3000件，其中可售库存2400件，预留库存300件，不可售库存200件，活动前预计无法上架的在途库存100件。
因此，活动开始前真正可以用于销售的库存不是3000件，而是2400件。该商品近30天日均销量为70件，近14天日均销量为82件，近7天日均销量已经达到105件。运营团队同时计划将广告预算提高30%，并设置活动折扣。
如果直接使用近30天销量，库存覆盖天数为34.3天；使用近14天销量，覆盖天数为29.3天；使用近7天销量，覆盖天数只有22.9天。这个差异足以改变补货决策。
假设活动期间预计日销量为160件，完整补货周期为18天，安全库存设为5天，那么活动预测下的有效库存覆盖天数只有15天，已经小于“补货周期加安全库存”的23天要求。商品当前没有缺货，但已经属于高风险SKU。
如果使用九数云进行库存分析，我建议不要从“做一张漂亮看板”开始，而是先设计数据关系。这个顺序很重要，因为看板只是在展示结果，数据模型才决定结果是否可信。
第一张是商品主数据表，至少包含SKU、商品名称、规格、品类、供应商、主推等级、毛利等级和替代性。第二张是销售明细表，记录日期、SKU、渠道、订单量、取消量、退款量和净销量。第三张是库存状态表，记录仓库、可售、预留、不可售、在途和预计上架日期。第四张是补货节点表，记录采购下单、预计出货、运输、清关、到仓和上架时间。
在九数云中完成字段关联后，可以建立以下计算字段：
其中，“活动前可用在途库存”不能简单等于所有在途数量。建议增加一个时间判断：只有预计上架日不晚于活动开始日的在途库存，才计入活动库存；预计上架日晚于活动开始日的货物单独列示，作为后续补充库存。
库存看板最少要支持以下五种筛选：按预警等级筛选、按活动主推等级筛选、按预计售罄日期排序、按补货完成日期比较、按仓库或区域查看库存分布。
我会把首页做成风险分布，而不是只显示库存总额。顶部展示高风险SKU数量、紧急SKU数量、预计活动期间缺货的销售额和无法按时补货的采购金额；中间展示SKU级明细；底部展示每个风险SKU对应的建议动作和负责人。
点击某个SKU后，页面应能继续追溯三个方向：销量趋势是否持续上升，库存状态是否真实可售，补货节点是否存在延迟。只有能追溯到原因，预警才不会变成一张没人处理的红色清单。
按照近30天销量，商品A似乎还有34天库存，采购团队可能选择常规海运补货；按照活动预测，商品A只能支撑15天，而正常补货需要18天，结论就变成“必须在活动前改变计划”。
此时有四种选择。第一，采用更快的运输方式，牺牲一部分物流成本换取不断货；第二，从其他仓库或渠道调拨库存，优先保障活动目标区域；第三，降低广告增量和促销力度，主动控制销售速度；第四，更换活动主推SKU，把流量导向库存覆盖能力更强的商品。
哪种方案最优，不能只看物流费用。还要比较每种方案的毛利损失、排名影响、活动机会成本和库存积压风险。例如，商品A毛利高且活动资源位难得，采用快运可能合理；如果商品A毛利很低、替代品多，控投放可能比高价补货更划算。
高销量商品通常最先进入团队视野，但也最容易被“当前库存很多”误导。对于这类商品，我会重点计算日均消耗量、活动期间预计消耗量和断货后每日销售损失。
高销量商品的补货优先级不应只按库存数量排序，而应按“预计缺货损失”排序。一个库存剩余500件、每天销售200件的商品，通常比库存剩余100件、每天销售10件的商品更需要立即处理。
高增长商品常见于新品、短视频带动商品或突然获得资源位的商品。它们的问题是历史平均值滞后于当前趋势，近30天销量可能只有近7天销量的一半。
对于高增长商品，我建议同时看销量斜率、流量增长率和转化率。如果流量增长而转化率稳定，库存消耗可能继续加速；如果流量增长但转化率下降，不能简单把流量增长等同于销量增长。
补货周期长的商品，库存覆盖天数必须提前到达预警线。一个日均销量只有30件、库存覆盖40天的商品，看起来不紧急；但如果完整补货周期为45天，它其实已经无法通过正常采购维持连续销售。
这类商品应设置采购触发点，而不是等到库存接近0才补货。采购触发点至少要覆盖正常补货周期、风险延迟和安全库存。
活动主推商品不能与普通SKU共用同一套销量预测。活动价格、广告预算、站内曝光和组合销售都会改变需求结构。尤其是主推商品可能带动关联商品一起销售，不能只计算主推SKU本身的库存。
我会为活动主推商品建立单独库存池，并按活动前、活动中和活动后三个阶段计算需求。活动后仍要保留一定库存，避免活动结束后的自然流量继续销售，导致库存突然断档。
有些商品销量不是最高，但毛利高、复购强或消费者很难找到替代品。断货后可能损失利润、客户关系、广告学习数据和自然排名。对于此类商品，补货优先级需要加入利润和替代性权重。
可以建立一个简单的优先级评分：
补货优先级 = 销售损失权重 + 毛利权重 + 活动权重 + 供应风险权重 + 替代性风险权重
这个评分不是为了制造复杂模型，而是帮助团队在补货预算有限时解释为什么先保障某个销量中等但高毛利的商品。
库存准备质量不只是“有没有货”，还包括“货在哪里”。如果目标客户主要集中在某个区域，而库存集中在距离较远的仓库，配送时效、跨区运输成本和订单承接能力都会受到影响。
这也是为什么库存布局和履约效率需要一起看。区域化库存可能缩短商品与客户的距离，但它不是一个自动成立的结论。库存分散过度会增加调拨复杂度和仓储成本，库存过度集中又可能导致某些区域配送时效不稳定。
我会在旺季检查中增加三个字段：仓库所在区域、该区域近30天订单占比、该仓库可覆盖的预计订单量。对于核心区域库存不足的SKU，即使全国库存总量充足，也应标记为区域履约风险。
这三种错配经常被总库存报表掩盖。要识别它们，必须把仓库、订单区域、库存状态和时间节点放到同一张分析表中。
官方物流服务通常会强调库存布局、配送网络和履约效率的价值，这些方向可以作为规划参考，但不能直接当成所有卖家都适用的结果。不同平台、仓库和物流方式的库存规则、费用、入仓处理能力和配送承诺可能不同。
我的做法是把官方服务描述作为能力边界的参考，再用自己的订单区域、库存位置和实际履约记录验证。重点观察承诺时效、实际妥投时效、区域订单覆盖率、调拨成本和旺季延迟，而不是只看宣传中的最快时效。
区域库存覆盖率可以理解为：某区域可直接承接的有效库存，能够覆盖该区域预计订单需求的程度。它不需要一开始就做得非常复杂，但至少要能回答：活动期间哪个区域最可能先出现可履约库存不足。
如果某区域订单占比为40%，但该区域只配置了20%的有效库存，那么全国库存充足并不能消除区域缺货风险。对于配送时效要求高的商品，区域库存覆盖率应作为旺季库存检查的独立指标。
正常等级的商品不代表永远安全，只代表在当前销量、补货周期和安全库存假设下风险较低。对于稳定商品，可以每周复盘一次；对于活动主推商品，建议在活动前30天、14天和7天分别重新计算。
正常等级还应关注需求是否加速。如果近7天销量连续高于近30天销量，覆盖天数会快速下降，即使当前仍处于绿色区间，也需要提前调整预计日销量。
进入关注等级后，第一动作不是马上下大单，而是确认数据准确。需要核对可售库存、预留库存、在途库存、订单取消和退货状态，排除系统同步造成的虚假风险或虚假的安全感。
第二动作是确认补货节点。采购单是否已经确认，供应商是否开始生产，物流是否已经订舱，预计到仓日期是否包含入仓和上架时间。只有这些节点都清楚，覆盖天数才有可执行意义。
高风险SKU不能只让采购补货。采购端可以询问加急生产、拆分发货、替代供应商或更快运输方式；运营端则要重新评估广告预算、优惠力度、站内资源位和活动节奏。
如果需求端保持不变，供应端又无法提前，那么单纯追加采购订单并不能解决活动前缺货。此时更理性的做法是把销售速度降到库存能够承受的范围，或者把流量切换到库存和补货条件更好的替代商品。
紧急等级意味着正常补货已经来不及。此时要快速比较四种方案：加急补货、跨仓调拨、限制销售速度、停止活动并替换商品。判断依据包括缺货持续时间、单件毛利、加急成本、活动损失和消费者替代可能性。
如果加急运输每件增加成本3元，但可以避免每天损失500件、每件毛利20元的断货，那么加急可能合理。如果商品毛利只有2元、替代商品很多，而加急成本远超潜在利润，强行补货就可能把销售问题变成现金流问题。
紧急状态下还要明确沟通机制。采购、运营、客服和财务必须使用同一份SKU清单，明确预计售罄时间、剩余库存、可选动作、决策截止时间和最终负责人。
这类商品通常适合采用加急运输、拆分发货或提高安全库存。因为它们的单位利润较高，断货造成的损失可能超过加急成本。
但仍要确认活动结束后的需求。如果活动只是短期峰值，过度补货可能带来活动后的库存积压。最佳方案通常不是把全部缺口都用最快方式补齐，而是先补足活动峰值所需，再用正常方式补充后续库存。
如果商品利润很低、库存价值高、供应周期不长，强行使用高成本物流可能不划算。可以通过降低广告预算、减少优惠力度、调整资源位或将流量导向替代商品，降低库存消耗速度。
这并不意味着放弃销售，而是把有限的供应资源留给更值得保护的SKU。库存管理本质上是资源分配问题，不能让所有商品都按照同样的紧急程度处理。
如果商品已经占据活动主推位置，临时断货可能影响消费者体验、广告投放效率和后续自然流量。此时即便加急成本较高，也要把品牌和履约影响纳入评估。
如果无法完全避免断货，应提前停止继续放大流量，调整预计发货时间和客服话术，并准备替代商品。最差的做法是在库存已经不足时继续加大广告，等订单大量进入后再处理履约问题。
季节性商品的库存决策必须同时考虑销售窗口和清库存时间。为了避免活动期间短暂缺货而大量补货，可能导致活动结束后库存失去价值。
这类商品可以采用情景模拟：保守需求、中性需求和高需求分别计算。只有在高需求场景下仍能合理消化的库存，才适合大规模补充；其余缺口可以通过控制促销节奏、分批投放和分批入仓降低风险。
活动前30天的重点不是逐个处理所有SKU，而是完成风险分层。此时要确认主推商品、长补货周期商品、高增长商品和高毛利商品，并计算它们的活动预测覆盖天数。
如果某SKU的正常补货周期已经超过活动剩余时间，就不能再按普通采购节奏管理。此时应提前决定是否加急、调拨或更换主推商品，避免把决策拖到活动前一周。
活动前14天，重点从需求预测转向执行核对。采购订单是否已确认，货物是否完成备货，物流是否按计划发运，清关资料是否齐全，预计到仓时间是否包含上架和同步。
同时要重新计算近7天和近14天销量。如果实际销量持续高于活动预测，说明此前预测偏保守，需要立即更新库存覆盖天数。
活动前7天，很多正常补货已经无法改变结果。此时应该把清单压缩到高风险和紧急SKU，逐个确认最终动作：是否控广告、是否降低促销力度、是否切换资源位、是否调拨、是否准备替代商品。
不要在这一阶段继续讨论没有明确负责人和截止时间的方案。每个SKU都应有一个明确结论，并记录预计售罄时间和下一次复核时间。
活动期间建议每天更新核心SKU的有效可售库存和实时日销量。对于销量波动很大的商品，可以按照早、中、晚三个时间段观察消耗速度，及时调整广告和促销。
如果某商品实际日销量是预测值的1.5倍，库存覆盖天数就会明显缩短。此时即使上午还处于正常等级，晚上也可能进入高风险。旺季管理要允许预警等级快速变化，而不是坚持每周更新一次。
“低于500件就预警”是最常见也最不可靠的规则。不同SKU的销量速度、毛利和补货周期差异很大，统一件数阈值无法反映真实风险。
数量阈值可以作为仓库作业提醒，但不适合单独作为旺季缺货预警。旺季预警应以覆盖天数和售罄日期为主，数量阈值作为补充。
在途库存只有在明确能按时完成上架时，才具备一定的销售价值。将所有在途库存直接相加，会让覆盖天数被人为拉高，导致团队错误地减少采购或继续放大投放。
建议将“已确认可售的在途库存”和“存在时效风险的在途库存”分开显示，并在看板上直接标注预计上架日期。
平均值适合描述过去，不一定适合预测即将发生的活动。近7天销量持续增长时，近30天平均值会把增长趋势稀释掉。
解决方法不是完全放弃平均值，而是同时展示多个窗口，并比较它们之间的差异。如果近7天销量明显高于近30天，系统应自动提高风险等级或要求人工确认。
如果看板只显示“高风险SKU 36个”，却没有负责人、处理动作和截止时间，那么它只是信息展示，不是管理机制。
每条预警至少要绑定一个动作，例如“采购确认加急运输”“运营降低广告预算”“仓配确认上架日期”，并设置下一次复核时间。没有动作闭环的预警，最终都会变成报表噪声。
库存预算、物流资源和运营资源总是有限。若团队要求所有SKU同时保持高安全库存，往往会导致现金被低效库存占用，真正的主推商品反而没有足够资源。
应按照销量、毛利、活动权重、补货周期和替代性进行分层。库存检查不是追求所有商品都零风险，而是在可接受的成本范围内保护最重要的销售和履约结果。
先不要急着调整采购量。第一步是把总库存拆成可售、预留、不可售、在途和待调拨五类，并确认每一类在企业内部的定义。这个动作通常能发现大量重复计算和库存虚高。
同时统一SKU名称、规格、仓库和渠道字段。若同一商品在销售表、采购表和仓库表里使用不同编码，后续任何自动分析都可能出现漏算或重复计算。
至少保留近7天、近14天和活动预计日销量三套口径。对于稳定商品，可以以近14天和近30天为主；对于高增长商品和活动主推商品，应提高近期数据和活动计划的权重。
建议把保守、中性和激进三种需求场景同时计算出来。中性场景用于采购计划，保守场景用于缺货预警，激进场景用于评估最坏情况下的应急资源需求。
每个预警等级都要绑定动作和负责人。正常等级按周复盘，关注等级核对补货节点，高风险等级同时调整供应和需求，紧急等级由经营负责人决定调拨、快运、控投放或替换商品。
如果团队使用九数云等数据分析平台，可以把库存覆盖天数、预计售罄日、补货完成日和活动节点放在同一张看板中，并通过筛选快速定位高风险SKU。看板不应替代人的判断，但可以让判断建立在同一份、同一时点、可追溯的数据上。
旺季结束后，要记录每个SKU的预测销量、实际销量、预计补货周期、实际补货周期和最终是否断货。把预测偏差和供应偏差分别统计，才能知道问题到底出在需求判断，还是出在供应执行。
如果一个SKU连续三次预测偏低，就需要提高它的需求修正系数；如果供应商经常晚于承诺日期交货，就应提高风险补货周期，而不是继续沿用供应商口头给出的最短交期。
我对电商库存检查的最终判断是：库存报表不是用来证明“我们准备了多少货”，而是用来暴露“哪些订单可能无法被及时履约”。旺季准备质量也不是由仓库总量决定，而是由有效可售库存、真实销售速度、完整补货周期、安全余量和库存位置共同决定。下一步，先选出20个核心SKU，按本文公式计算库存覆盖天数和预计售罄日，再为每个预警结果指定一个负责人和一个截止时间。只要这20个SKU形成闭环，库存管理就从静态盘点真正进入了可执行的旺季风险控制。
我在准备旺季时看到预警商品数量持续上升，但仓库仍有不少库存，团队对“到底算不算缺货风险”意见不一。我想知道，缺货预警率应该按商品数、销量还是库存金额计算，才能真正反映备货质量？
先把“预警”与“已经缺货”分开统计。可将缺货预警率定义为：统计期内触发预警的有效在售 SKU 数 ÷ 有效在售 SKU 总数；同时记录预警后实际缺货的 SKU 数，计算预警命中率。前者看风险覆盖面，后者看预警是否准确，不能只看其中一个数。
再补上销售影响：预警期间预计缺货损失可按“预计日销量 × 缺货天数 × 单件贡献毛利”估算。这个指标比单看 SKU 数更能区分高销量主推款和低动销长尾款。示例：100 个有效 SKU 中 12 个触发预警，预警率为 12%；其中 8 个随后缺货，命中率为 66.7%。
注意先统一口径：停售、清仓、预售和已确认下架的 SKU 应排除；多仓库存要按可履约库存汇总，扣除锁定、质检和不可售数量。否则预警率变化可能只是统计口径变了，而不是旺季准备变好或变差。
我以前给所有商品设置同一个安全库存天数，结果快销品仍然频繁缺货，慢销品却积压不少。我不确定是阈值设错了，还是补货周期和销量波动没有算进去，旺季前应该怎么定？
不建议所有 SKU 共用一个固定天数。更实用的起点是比较“库存可售天数”和“补货总周期”：可售天数＝可售库存 ÷ 近阶段日均销量；补货总周期包括供应商生产、运输、入仓质检和系统上架。可售天数低于补货总周期时，才是需要优先处理的风险信号。在此基础上加安全缓冲。
一个可操作的简化公式是：预警库存＝补货周期内预计销量＋安全库存；安全库存可结合销量波动和交期波动逐步校准。供应不稳定、活动销量波动大的商品，缓冲应更高；交期稳定且可快速补货的商品，缓冲可以较低。例如，某商品日均销量 20 件，补货及上架需要 10 天，团队另设 4 天缓冲，则预警点约为 280 件。
这个数字不是通用答案：若大促前销量预计翻倍，应使用活动预测销量重算，而不能继续沿用平日均值。阈值每周复核一次，旺季临近时提高复核频率。
我担心每天检查会让团队被大量提醒淹没，但一周只看一次又可能错过供应商延迟。我想知道检查频率怎么和商品重要程度、补货周期及促销节点匹配，而不是简单规定所有人每天看报表。
检查频率应由“风险变化速度”决定，而不只是由旺季日历决定。一个实用分层是：主推、高销量或交期长的 SKU 每日检查；普通在售 SKU 每周检查两至三次；低动销且供货稳定的 SKU 每周检查。若促销活动将在数日内开始，重点 SKU 应提高到每日两次，并确认订单、在途和仓库可售数。
检查时按固定顺序核对：先看可售库存和锁定量，再看近 7 至 14 天销量趋势，接着核验在途订单的承诺到货日，最后对照活动排期与预计销量。只盯库存余额容易漏掉“货在路上但赶不上活动”的情况，也容易把不可售库存误当作可履约库存。
示例复盘数据如下，数值仅用于说明判断方法： 商品可售天数补货周期检查方式优先动作 主推款 A6 天12 天每日确认加急补货或限量投放 常规款 B24 天10 天每周 2 至 3 次跟踪销量趋势 长尾款 C70 天8 天每周检查积压，不盲目补货 如果预警提醒连续几天都没有变化，通常不需要重复通知；
应升级的是风险等级、预计缺货日期或责任人动作发生变化的记录。
我看到预警数量下降时，团队就认为旺季准备已经到位，但我担心这是因为预警阈值调宽了，或者部分商品被错误排除。我想找一套能区分真实改善和报表变好看的检查方法，并据此决定是否追加备货。
不要把“预警变少”直接等同于“准备充分”。至少同时看四项：重点 SKU 的覆盖天数是否高于补货周期、预计到货是否能赶上活动、历史预警中有多少最终导致缺货、预警后是否按时完成补货或限售动作。还要对比阈值、纳入 SKU 范围和销量预测是否变化，避免口径调整制造假改善。可以用一次小型复盘判断信号是否可信。
示例：上周 20 个 SKU 触发预警，本周降到 12 个；但若本周销量预测下调 30%，而活动需求并未变化，预警减少未必代表库存更安全。相反，若预警 SKU 减少的同时，重点商品覆盖天数提升、到货准时率提高、未处理预警按期清零，改善才更有说服力。
追加备货前先按缺货损失与积压风险分组：高销量且补货周期长的商品优先确认产能或加急；销量不确定的商品考虑分批到货、设置活动限量；低动销商品则先查替代品或调拨库存。决策记录应写明预测销量、现有可售量、在途数量、到货日期和追加依据，活动后再用实际销量校正模型。
一个可执行的放行标准是：所有重点 SKU 都有明确责任人和补货动作；高风险 SKU 的到货日期早于预计触底日期；无法按时补齐的商品已设置限购、替代推荐或下架方案。达不到这些条件时，预警数字再好看，也不能视为旺季准备完成。
读者评论
把在途库存拆到入仓、质检和上架这几步很实用。只看物流显示已发货，确实容易误以为活动前能卖，建议表里同时记录预计可售日期。
库存覆盖天数要先统一可售口径，这点比预警颜色更关键。预留订单和不可售库存如果没扣掉，后面的补货判断再精细也会偏。
活动销量不确定时分保守、中性和激进场景，比直接套近30天均值更稳妥。尤其投放预算会调整的商品，最好每天滚动更新销量预测和预警。