仓库明明按公式备足了安全库存，缺货却仍然发生：促销临时提前、销售把客户意向当成订单、采购拿到供应商交期后没有同步仓库，最后每个部门都“按自己的数据”做了正确决定，合在一起却造成了错误库存。想做好仓库安全库存管理，关键不只是算出一个数量，而是看懂需求波动从哪里来、如何在团队之间传递，以及谁在什么时间对变化负责。
我判断安全库存方案是否可靠，通常先不看公式，而是追问三个问题：需求信号由谁确认？信号变化后多久能传到采购和仓库？哪些变化属于真实需求，哪些只是预测、意向或临时噪声？这三个问题答不清，计算结果再精细，也可能只是把协同问题包装成小数点。
安全库存的作用，是吸收计划期内无法完全消除的不确定性；它不该成为团队延迟沟通、口径不一或供应商交期失控的长期补丁。当需求、交期和在途信息不能同步，企业往往会用更多库存掩盖管理上的盲区，库存金额上去了，缺货原因却没有减少。
实操中，我会把安全库存管理拆成三层：第一层是需求信号，包括历史销量、已确认订单、促销计划和预测；第二层是供应信号，包括采购提前期、在途数量、到货可靠性和检验时间；第三层是行动机制，包括预警、补货审批、调拨和缺货升级。缺一层，库存规则就很难持续有效。
因此，安全库存并非“库存越多越安心”。对于需求稳定、补货及时的物料，过高的缓冲会占用资金；对于需求跳变、交期长且缺货损失大的物料，过低的缓冲则会把风险转移给客户和一线团队。合理水平必须和服务目标、供应能力、资金约束共同决定。
季节性、已排期促销、客户年度检修等变化，只要提前出现且能够被确认，通常应进入需求计划，而不是全部塞进安全库存。真正需要缓冲的，是预测误差、临时订单、供应交期偏差等难以提前确定的部分。把已知变化当成未知风险，会造成“安全库存越来越高、缺货仍没消失”。
仓库团队不一定负责预测，但应当是异常信号的重要观察者。拣货频率突然升高、某一批次连续被拆零、重点客户临时追加，都可能比月度报表更早暴露需求结构变化。让现场信息进入计划，而不是只在盘点时汇总，是协同的起点。
常见场景是销售先获得渠道活动机会，业务团队为了争取资源先报一个预计销量，营销部门随后才确定活动时间、折扣和覆盖门店。仓库看到的可能只是一个“预测数字”，采购看到的则是另一版需求计划。活动临近时，真实订单突然集中释放，前几周看似充足的库存一下变成短缺。
这里的问题并不一定是销售预测不准，而是预测的确定性没有被标记。客户询价、口头意向、正式订单和已发货需求，风险水平完全不同。如果系统或表格把它们合成一个总数，采购就无法判断哪些需求需要提前锁定供应，哪些还应保留弹性。
一线仓库往往先看到拣货量异常、订单拆分增加、库位库存和系统库存不一致等现象。但如果这些信息只在班组交接时口头传递，计划人员看到的仍然是日或周汇总数据。等到库存跌破补货线，供应端可能已经来不及响应。
我建议把仓库的现场异常分成可记录的事件，而不是笼统写“需求增加”。至少记录物料、时间、业务来源、数量变化、是否已确认以及后续处置。记录不必一开始就复杂，但必须让其他部门能回答：这次变化和上次是不是同一个原因？能否提前识别？谁负责确认？
安全库存不仅受需求波动影响，也受补货周期影响。假设每天平均需求稳定，但供应商交期从8天变成14天，企业在交期内暴露于需求变化的时间变长，补货点和缓冲量都可能需要重新评估。反过来，如果交期缩短且波动收敛，过去设置的高库存也可能不再合理。
需要特别留意“承诺交期”和“实际可用交期”的区别。货物到达门口，不等于可供订单使用；还可能经过卸货、质检、上架、批次确认等环节。对仓库来说，只有系统中可分配的库存才是真正的供给。若计划只拿供应商发货日期计算，便容易高估近期可用量。
同一个“需求增加20%”，销售可能理解为客户有意向，计划可能当成未来四周的预测，采购可能认为需要立刻追加，仓库则可能把它看成当日出库压力。协同不是所有人看同一张报表，而是对字段含义、更新时间、确认状态和动作责任达成一致。
我会先建立最小共享口径：需求量按什么单位统计、时间粒度是日还是周、订单状态如何分类、退货是否冲减需求、在途货物按下单还是预计到货计入。很多“预测误差”并非业务判断错，而是统计口径不同造成的假差异。
平均销量可以描述过去的中心水平，却不能单独说明波动风险。两个物料的月均销量都是100件，一个每天稳定出库3至4件，另一个大部分时间不动、月底集中出库100件。它们的补货节奏、缺货后果和预测难度显然不同，用同一个比例加库存并不合理。
更重要的是，历史销量可能混入缺货造成的“受限需求”。某商品断货一周，账面销售量会下降，但客户真实需求未必下降。如果把受限销量直接用于预测，系统会误判需求走弱，补货反而更少，形成越缺越少的循环。应把缺货日、订单取消和延迟交付单独标识。
“所有商品多备15%”简单易执行，却忽略了物料价值、需求可预测性、补货周期和缺货损失。高价值、低频次、可快速采购的备件，与低价值、高频次、交期长的耗材，适合的库存策略可能完全相反。统一比例常常让低风险品占用过多资金，高风险品仍然不足。
分类不是为了做一张漂亮矩阵，而是为了让团队把有限的注意力投到值得管理的物料上。可结合年度消耗金额、需求变异、交期和业务关键性分层。对关键客户专用件，即使金额不高，也应考虑停线或合同处罚等后果，而不能只按金额排序。
采购订单上的交期通常是一个承诺日期，不一定等于长期稳定表现。只看最近一次承诺，容易漏掉供应商过去的延期频率、批次拆分、质量复检和节假日影响。一个交期“平均10天”的供应商，若经常出现5天或20天两种结果，对库存的影响与稳定10天并不相同。
建议把交期拆成下单至发货、运输、收货检验、上架可用等环节，并记录计划日期与实际可用日期。这样才能定位问题是供应商生产、物流运输，还是内部收货处理。责任分清后，才知道该调整安全库存、谈交付机制，还是改善内部流程。
发生缺货后立即加库存，短期可能降低再次缺货的概率，却也可能让组织习惯用库存掩盖预测和协同问题。如果缺货源于促销未同步，加库存只是把额外库存长期留在仓库；如果缺货源于供应商临时停产，加库存也未必足以解决结构性断供。
每次重大缺货至少要做一次简短复盘：需求是意外还是已知未同步？预警是否触发？库存账实是否一致？补货单是否按时下达？在途信息是否准确？只有复盘能把事件归入具体原因，后续调整才有针对性。
预测准确率能反映预测与实际的差异，却不能独立衡量经营结果。通过刻意把预测做高，缺货可能减少，但库存资金和滞销风险增加；把预测压低，账面库存可能变轻，客户等待和紧急采购成本却会上升。指标若只奖励某一个方向，团队就可能优化数字而不是优化供应表现。
我更倾向于同时观察服务水平、缺货时长、库存周转、呆滞库存、紧急采购比例和预测偏差，并按物料分组判断。不同指标互相制衡，才能看出库存增加究竟买来了更好的服务，还是只增加了仓库里的沉淀。
| 常见做法 | 表面上的好处 | 容易遗漏的风险 | 更稳妥的调整 |
|---|---|---|---|
| 统一加库存比例 | 容易执行，计算成本低 | 忽略物料差异，资金错配 | 按价值、波动、交期和缺货后果分层 |
| 只看月均销量 | 数据容易取得 | 掩盖断货、促销和间歇性需求 | 标记需求状态，结合滚动误差分析 |
| 按承诺交期补货 | 补货点清晰 | 未覆盖交期偏差及入库处理时间 | 使用实际可用交期及其波动复核 |
| 缺货就提高安全库存 | 短期可能恢复供货 | 可能掩盖信息延迟或供应根因 | 先做原因分类，再决定库存或流程动作 |
常见的补货点结构是：补货点 = 预计提前期需求 + 安全库存。预计提前期需求反映正常补货周期内预期会发生的消耗；安全库存则用于覆盖预测误差和供应不确定性。若两部分混在一起，团队很容易把平均需求重复加进缓冲，或者把安全库存误当成额外销售计划。
在需求稳定、提前期相对固定的简化场景下，可用需求标准差乘以提前期平方根，再乘以服务水平对应的系数，估算安全库存：安全库存约等于 z × 日需求标准差 × √提前期天数。z值代表选择的服务目标，不是越高越好；它应结合缺货代价、资金成本和供应恢复能力选择。
如果需求和提前期都存在波动，且两者可以近似看作相互独立，需求期间的方差可用“平均提前期 × 日需求方差 + 日均需求平方 × 提前期方差”近似表达，再结合目标服务水平估算缓冲。这个模型比固定交期公式更接近现实，但独立假设不一定成立；例如旺季需求上升时供应商同时变慢，就存在相关性，需要更谨慎地分析。
这些公式适合帮助团队建立共同语言，不是自动给出“正确库存”的机器。若需求间歇、促销跳变、生命周期短或库存记录质量差，直接套用正态分布假设可能不可靠。此时应先做分层、清洗和情景评估，再决定用统计模型、经验参数还是订单驱动策略。
原始销量的波动包含趋势、季节性和促销变化，安全库存更关心的是计划无法解释的偏差。举例来说，若销量每年都在固定月份上升，经过季节性预测后，剩下的误差可能并不大。直接用全年销量标准差计算缓冲，可能把可预测的季节性也当成风险重复储备。
建议按固定周期保存预测版本，并计算预测值与实际需求的差异。对于交期为数周的物料，应重点观察覆盖相近时间窗口的误差，而不是只看单日误差。若滚动预测每周更新，需确保团队能回溯“当时看到的预测是什么”，否则事后只剩实际数字，无法判断失误发生在哪个节点。
高服务目标意味着更高的库存缓冲，但不是所有物料都应该追求同一水平。缺货会导致生产线停摆、违约或关键客户流失的物料，可能值得投入更高缓冲；容易替代、可快速补货、缺货影响较轻的商品，则可接受更低的现货满足率。
我会让业务、供应链和财务共同回答：一次缺货会损失什么？缺货能否通过替代品、跨仓调拨或延期交付处理？额外库存的资金与仓储成本是多少？当这些问题有了答案，服务目标才有经营含义。单纯由仓库设定一个统一百分比，往往无法解释成本取舍。
可以先用两个维度做初筛：需求价值和需求波动。再叠加交期稳定性、可替代性、缺货后果、保质期等因素。价值高且波动大、交期长的物料要重点复核；价值低但缺货会造成停产的关键辅料，也不能因为金额小就忽略。
库存参数应有复核节奏。日常可监控触发阈值、缺货风险和在途变化；每月分析预测误差、交期表现和库存结构；遇到重大促销、供应中断、产品换代或客户结构变化时，再触发专项复核。频率并非越高越好，过度调整会造成参数震荡，让采购订单反复变更。
对于波动较大的物料，可设置“参数变更门槛”：例如连续若干个复核周期显示误差结构变化，或实际交期持续偏离计划，再调整安全库存。门槛的作用是区分偶发噪声和持续变化。具体周期应依据业务节奏设定，不能把示例值当成通用标准。
下面的案例是为了说明判断过程而构造的情景模拟，不是某家企业的实测结果，也不应被当作行业平均值。假设一家经营消费品的企业有120个重点SKU，业务每周更新活动预测，采购根据预测下单，仓库按可用库存和在途货物安排发货。团队发现活动周频繁缺货，同时活动结束后有部分库存滞留。
复盘后发现，活动预测在确认前就被计入正式计划；销售在活动前一周才同步覆盖门店的变化；采购表格中的“在途”包含尚未发货的订单；仓库系统则要等到收货检验完成后才把货物计入可用量。每个部门的数据都能解释自身操作，但它们描述的并不是同一个时间点。
为避免把问题简单归结为库存不足，团队先将活动需求拆成已确认、待确认和普通基线三类；再把在途拆为已发货、供应商确认未发货和待确认订单；最后用实际可用日期重新计算补货窗口。这个动作没有立刻增加库存，却让“短缺风险来自哪里”变得可讨论。
假设某SKU平日平均需求为20件/日，日需求标准差为5件，补货提前期为10天，暂时假定交期固定。若团队选择约95%的单侧服务目标，正态近似的z值约为1.65，则简化估算的安全库存约为1.65 × 5 × √10，结果约26件。提前期平均需求约200件，因此补货点约为226件。
这个数字只在模型假设成立时才有参考意义。若最近10天包含已知促销，不能把全部促销增量都归到安全库存；若供应商实际交期常在10天上下波动，固定提前期公式会低估风险；若需求是间歇性的，正态近似也可能不合适。计算结果应该被视为讨论起点，而不是自动下达采购单的唯一依据。
团队随后发现，需求高于预测的部分主要来自已确认活动，但活动信息平均晚了6天进入计划。若把活动确认前置，预测误差会减少；若供应商交期波动仍存在，则需要单独评估交期风险。先减少可避免的不确定性，再为不可避免的不确定性配置库存，是这类案例最重要的判断顺序。
要把上述推演落到日常管理，企业需要让销售、采购、仓库和计划围绕相同的业务口径查看数据。以九数云为例，可以从数据分析与可视化的使用场景出发，评估它是否适合承接企业的库存、订单、采购和销售数据，形成跨部门可共同查看的分析视图。具体数据源、连接方式、权限和刷新能力，应以企业自身环境及平台当前公开说明为准，选型前需要实际验证。
我建议先做一个小范围验证，而不是一开始就追求全仓大屏。选20至30个高风险SKU，准备销售订单、预测版本、库存流水、采购订单、供应商确认日期、实际收货及质检完成日期。用同一套物料编码和时间口径连接后，至少检查三件事：库存是否能对上账；在途是否按状态拆分；实际可用日期是否可以回溯。
看板不应只展示“当前库存”和“安全库存”两条线。更有决策价值的视图，是同时显示未来需求、可用库存、已发货在途、未发货确认量、预计收货时间、活动状态和缺货风险。点击某个异常SKU后，负责人应该能追溯到变化来源，而不是只看到一个红色预警。
对于九数云或任何数据分析平台，我会先验证数据一致性和业务适配，再讨论展示效果。若原始订单状态混乱、物料主数据重复，图表不会自动修复这些问题；若企业尚未明确谁更新活动计划、谁确认在途状态，平台也不能替代责任机制。工具能缩短信息整理和发现异常的时间，流程和数据口径仍需要团队共同治理。
| 验证项目 | 需要准备的数据 | 通过标准 |
|---|---|---|
| 库存可用量 | 账面库存、冻结库存、质检库存、分配库存 | 能够解释账面库存与可承诺库存的差异 |
| 需求变更 | 预测版本、订单状态、活动计划、变更时间 | 能追溯需求何时变化、由谁确认、变化多少 |
| 在途可靠性 | 采购下单、供应商确认、发货、到货及可用日期 | 能区分订单状态，并分析计划交期与实际可用交期 |
| 风险处置 | 预警时间、责任人、处理动作、结果 | 异常有负责人、有时限、有关闭记录 |
试点开始前，应先固定观察周期和口径。例如选定一批SKU，记录缺货天数、库存金额、紧急采购次数、需求预测偏差、收货至可用耗时和预警处理时长。之后比较试点前后变化时，必须同时记录促销强度、供应商变化和季节因素，避免把外部变化误认为工具或流程的效果。
若缺货减少但库存金额明显上升，说明改善可能主要来自多备货，而不一定来自协同。若预测偏差变化不大，但异常发现时间缩短、紧急采购下降，说明团队可能更快地响应了风险。指标要组合解读，不能只挑对项目最有利的一项。
对于已知活动，重点不是提高基础安全库存，而是建立活动需求的确认节点。销售提交预计数量时，应标注客户、渠道、覆盖范围、活动日期和确认状态；计划团队根据确定性设置不同权重或分层处理；活动结束后，再比较预测与实际，更新下一次同类活动的判断。
若销售机会变化频繁，不适合每次都立即转为采购承诺，可通过情景方案评估“活动如期发生、推迟、取消”三种情况下的库存暴露。对于可取消或可延后供应的订单，可以优先争取供应弹性，而不是用成品库存承担全部不确定性。
这类物料先处理供应信息，不要只调整库存参数。分别统计下单至发货、运输、检验和上架耗时，识别哪个环节贡献了主要波动。对于供应商端，可讨论滚动预测、分批交付、预留产能和交期承诺规则；对于内部端，则检查采购审批和收货检验是否造成可避免延迟。
若供应风险无法短期消除，应结合替代供应商、替代规格、跨仓调拨和客户优先级制定预案。单一来源的关键件可能需要更高缓冲，但需把资金占用和过期风险纳入决策，并明确触发采购、升级审批和资源调配的条件。
低频需求不能因为历史平均销量低，就简单判断“无需库存”。如果某备件一旦缺货会导致设备停机，平均销量对风险的解释力有限。此时可分析需求间隔、故障模式、设备保有量、替代件可用性、修复时限和供应提前期，决定备件是仓储储备、供应商寄售，还是建立紧急采购协议。
这类物料还要警惕过期、版本淘汰和新旧设备兼容性。库存策略不只是算数量，还应规定定期验证型号、批次和适配范围。若业务已有有效替代方案，安全库存可以下降；若替代件未经验证，则不能把“理论可替代”当成实际保障。
如果物料编码、单位换算、批次状态和库存位置都不可靠，不要先建设复杂预测模型。第一步应找出影响最大的字段，明确数据责任人和更正流程。比如同一商品多个编码、采购单位与仓库单位不一致、冻结库存仍被当成可用库存，都会让补货建议偏离实际。
建议选高价值或高缺货影响物料做周期性账实核对，并追踪差异原因。若系统库存和实物持续不符，安全库存模型只会把错误库存当成真实缓冲。数据准确性是库存决策的输入条件，不能指望图表把源头差异“可视化”之后就自动解决。
对于尚未形成跨部门机制的团队，先用简单、固定、可追溯的周例会和异常清单，不必一开始铺设复杂审批。会议只讨论明确的异常：需求变化、库存覆盖不足、在途延期、预测偏差和呆滞风险。每个异常都要有责任人、下一步动作和完成时间。
会议不是为了让所有人逐行读报表，而是为了让异常从“看见”走到“决定”。如果一个问题连续几周都在清单里，却没有责任人或决策期限，说明流程设计还没有形成闭环。
提升服务目标会增加库存缓冲，尤其当需求波动大、交期长时，库存增量可能明显。业务需要判断，多出来的库存是否真正降低了缺货损失；如果主要风险来自促销信息晚、在途信息不准，单纯堆高库存可能成本很高，改善却有限。
对关键客户可以采用差异化服务承诺，而不是要求所有SKU和客户都达到同一水平。明确哪些订单优先、哪些商品有替代、哪些需求可以延期，能够让有限库存服务于更高价值的场景。优先规则应透明并经过业务确认，避免临时争抢库存。
缩短补货周期、提高供应商响应能力、增加跨仓调拨和采用可替代规格，都可能让企业在较低库存下保持服务水平。但这些方案有条件：供应商必须有稳定产能，调拨要有可用库存，替代品要通过质量或业务验证。只在报表上把库存目标调低，并不会自动生成这些能力。
当供应稳定、需求可预测、替代渠道成熟时，降低安全库存通常更容易；当物料单一来源、供应周期长、缺货损失高时，先降低库存可能把风险转移到客户端。取舍之前应写清假设及失效后的应急办法。
自动化适合处理规则清晰、数据可靠、需求相对稳定的物料。对于促销、新品、重大项目、供应中断或生命周期末期商品，人工复核仍然必要。合理的做法不是“全自动”或“全人工”二选一，而是让系统处理常规补货，将异常和高风险决策交给明确的责任人。
例外机制也不能变成随意修改。人工覆盖系统建议时，应记录覆盖原因、预期有效期和复核时间。若大量物料长期依赖人工调整，说明基础参数、数据质量或计划机制需要改进，而不是继续增加审批环节。
集中储备可能降低重复安全库存，提高总量可见性，但会增加配送距离和调拨时间。分仓备货能靠近客户，却可能把同一需求风险复制到多个地点。选择哪种方式，需要结合客户分布、运输时效、仓储成本、需求相关性和调拨能力判断。
如果各区域需求峰值不同时，适度集中可能通过需求互补降低总缓冲；如果客户要求极短交付且运输受限，分散库存可能更有价值。不能只比较库存总额，也要比较从库存决策到客户可得的总响应时间。
第一周，选出20至30个高风险SKU，统一物料、单位、订单状态、可用库存和在途定义。不要急着改参数，先检查账实差异和时间戳是否完整。若基础数据不能复现，就先修复关键字段。
第二周，把预测版本、实际需求和变化原因放到同一条时间线上，区分正常需求、已确认活动、未确认机会和缺货受限需求。第三周，加入供应商承诺与实际可用交期，定位延期来自哪个环节。第四周，复盘缺货、紧急采购、库存金额和异常处理时长，再决定哪些物料需要调整安全库存、哪些应先改协同流程。
调整安全库存时，建议记录原参数、变更后参数、适用物料、数据窗口、服务目标、变化原因和复核日期。若需求增加是因为一次性活动，参数应有失效时间；若交期持续变长，则要说明是供应风险还是内部收货延迟。这样下一次复核时，团队才能知道库存为何增加，而不是只看到一个被反复覆盖的数字。
仓库安全库存管理的难点，不在于公式是否复杂，而在于组织能否把不确定性讲清楚：哪些需求已确认，哪些只是机会；哪些在途真的会到，哪些只是系统里的承诺；哪些波动需要库存吸收，哪些本可以通过更早协同消除。
下一步，可以从一批高风险SKU开始，建立需求、供应、库存和责任人的共同视图；先追溯一次缺货，再调整一次参数，并在复核周期内观察服务和资金变化。当团队能够解释每一份安全库存是为了吸收哪一种风险，库存才从“凭经验多备一些”变成可讨论、可验证、可持续改进的经营决策。
我在算安全库存时，发现只看过去几个月的平均销量，碰到促销或补货延迟就容易缺货。需求和交期都在变的情况下，应该怎么估算，哪些数据又值得先收集？
先把“需求波动”和“交期波动”分开看。一个便于落地的估算方式是：安全库存＝服务水平系数 × √（平均交期 × 日需求标准差²＋平均日需求² × 交期标准差²）。它适用于需求与交期大致独立的情况；若促销会同时造成销量激增和供应延迟，不能机械套用。举例：某商品日均需求为20件，日需求标准差为6件；
平均交期为5天，交期标准差为2天。按约95%的服务水平取系数1.65，安全库存约为1.65×√（5×36＋20²×4）≈74件；再订货点约为20×5＋74＝174件。这里的数字是演算示例，不是通用建议。计算前先统一数据口径：销量是否包含缺货日、退货如何处理、交期从下单还是供应商确认开始计时。
缺货期间的销量往往低估真实需求，可以用未满足订单、门店要货或同类商品销量补充判断。数据不可靠时，先修正口径，比把公式算得更复杂更重要。
我遇到过采购说供应商交期没变，销售却反馈客户突然集中下单，仓库最后只能临时调货。团队各自都有信息，但总是晚一步对齐；有没有一种不需要天天开会的协同办法？
把协同重点放在“会改变补货决策的信息”，而不是要求所有人频繁汇报。销售或运营标注促销、项目订单和客户预测；采购更新供应商承诺交期及异常；仓库反馈可用库存、待检量和在途货；计划人员据此判断需求变化是否持续，以及是否要调整补货点。
可以按异常触发沟通：例如预测需求较基准上升20%以上、供应商交期延长2天以上，或可用库存低于再订货点时，相关岗位在同一条记录中注明“变化、依据、影响、负责人、复核日期”。阈值要结合商品价值和缺货后果设定，不能直接照搬示例。每周固定复核高风险商品即可，不必所有SKU都参加长会。
关键是保留变更原因和生效期限：临时促销结束后，应重新评估库存参数，避免一次性需求冲击变成长期高库存。
我不确定促销期间的销量增长该不该直接加进安全库存。之前按短期高销量抬高库存，活动结束后压了很久；但不加又担心活动中断货，应该怎么区分这些需求？
不要把所有峰值都当成安全库存。安全库存主要缓冲不确定性；已知促销、节庆或确认的大额订单，更适合进入需求预测或单独的活动备货计划。若将可预见的增量长期写入安全库存，活动结束后参数不回调，就容易留下持续性积压。操作上可把需求拆成基准销量、已知增量和不可预测误差。
例如日常预测为20件，活动预计额外增加每天15件、持续4天，就先把60件作为活动需求单独评估，再针对预测误差和交期风险设置缓冲。这个拆分是计划方法，不代表活动需求一定会全部实现。活动后对照预测与实际销量，记录偏差来自折扣力度、渠道覆盖、供应约束还是客户集中下单。
若季节性每年重复，应按相同季节窗口比较，而非简单用全年平均值；若是一次性大单，则确认取消风险和交付节点，再决定是否采购。
我见过库存明明不少，关键商品还是缺货；也见过为了防缺货不断加库存，周转却越来越慢。我该看哪些指标来判断参数是否合理，又该多久调整一次？
不要只看库存总量。按SKU检查缺货次数、订单满足率、库存覆盖天数、呆滞库存和加急采购频次，并把缺货原因区分为预测偏差、供应延迟、库存记录错误或分配不均。同样的缺货率，原因不同，解决办法也不同。例如，连续两次缺货都发生在供应商交期拉长时，应先核实实际交期分布并与采购确认改善计划；
若仓库有货但订单仍缺货，应先查库存准确率、质检冻结和分配规则，单纯提高安全库存可能只是把问题藏起来。可按风险分层复核：高销量或停供影响大的商品每周查看异常，稳定商品按月或按季度复核；促销、换供应商、交期明显变化时触发临时复核。
每次只因有证据的变化调整参数，并记录生效日期和回看结果，避免团队因短期噪声反复改数。
读者评论
把已确认订单、客户意向和促销预测分开标记，这点很实用。以前我们把几类需求合在一起看，采购经常不知道该不该提前加单。
文章提醒区分承诺交期和实际可用交期很关键。到货后还要检验、上架，若只按发货日期算库存，补货点确实容易偏乐观。
公式适合做初步估算，但间歇性需求用均值和标准差可能不够。最好再结合缺货记录、需求间隔和物料关键性判断，避免算出看似精确的库存数。