仓库里最容易被误判的，不是库存太少，而是“账面上有货，客户要的货却不可用”：货在质检区、被订单预留、存放在错误库位，或者补货已经延迟。安全库存如果只按历史销量乘一个固定天数，可能一边制造积压，一边仍然缺货。更有效的做法，是把安全库存管理改造成一套围绕缺货风险运行的机制：识别哪些商品、在哪段供应链、因什么原因可能断供，再决定需要多少缓冲、何时补货，以及何时主动接受风险。
我判断一套安全库存方案是否有效，不会先看仓库库存总额有没有下降，而会先看“该缺的缺没缺、该压的压没压”。库存增加当然可能降低缺货概率，但也会带来资金占用、仓储成本、过期与跌价风险。真正需要优化的是服务水平与库存成本之间的组合，而不是单独追求低库存或高现货率。
因此，安全库存应被定义为用于吸收需求波动和补货不确定性的额外库存，不包括正常销售周期内的周转库存，也不应把质检冻结、订单预留、残次品等不可用数量算进去。只看总库存，容易把“有货”错当成“能履约”。
这三个量必须分开，否则补货信号会失真。例如，系统显示可用库存 100 件，但其中 35 件已经分配给未发货订单，真正可供新订单使用的只有 65 件。若补货模型仍把 100 件作为库存位置，就会低估缺货风险。
不同商品承担的经营后果不同。缺货会导致生产停线、合同违约、核心客户流失的商品，应投入更多数据治理和监控；替代性强、需求低频、过期损失高的商品，则不一定适合维持高缓冲。库存策略应该围绕缺货后果分层，而不是围绕商品名称或采购部门分层。
管理上可以先用“缺货概率、缺货影响、补货恢复时间”三项确定优先级。缺货概率高但影响低的商品，适合用替代品或调拨降低风险；缺货概率不高、但一旦缺货会让整条产线停摆的关键料，则需要更强的供应保障和异常升级。
我在梳理库存问题时，通常先让仓库、采购、销售共同回答一个问题：同一 SKU 的可用库存，三方是否指向同一个数？仓库可能看实物在库，销售看 ERP 可售数，采购看在途数，财务看库存金额。口径不同，安全库存再精细，也可能只是把错误输入算得更精确。
比较常见的差异包括：订单预留晚于销售承诺、退货尚未检验却回到可售库存、跨仓调拨途中仍记在发出仓、在途采购重复计入库存位置，以及盘点差异迟迟未过账。它们会让补货模型在纸面上“库存充足”，而业务现场已经开始找货。
某个 SKU 的补货风险不只由销量决定。假设日均需求稳定，但供应商交期从 10 天变成 25 天，原本足够覆盖 12 天的安全库存会快速失效。反过来，即使交期稳定，促销、项目集中上线、天气或客户批量下单也可能令需求在短期内跳升。
因此，分析时要把需求序列和实际到货时间放在同一时间轴上。只看“采购周期是 14 天”这种主数据字段不够，还要看过去订单从下单到可用入库的实际分布，尤其是延期尾部。平均交期相同的两个供应商，交付稳定性可能完全不同。
缺货的成本包括订单取消、拆单发货、加急运输、产线等待、替代采购溢价、客服处理，以及客户对后续合作的影响。部分成本能在财务系统中直接找到，部分需要用运营代理指标估算，例如延期订单数、加急采购次数和订单履约率变化。
我建议先区分“已发生损失”和“风险暴露”。前者用于复盘，后者用于预警。不要把一次缺货造成的全部损失简单外推为每个 SKU 的固定缺货成本；客户等级、可替代程度、违约条款和业务时点都会改变损失大小。
统一按 7 天、15 天或 30 天备货，便于执行，却容易忽略商品之间的需求频率、价值、生命周期与补货难度差异。日销 100 件的常规品和月销 2 件的专用件，即使都设 15 天库存，背后的单位数、资金占用和断供影响都完全不同。
统一天数可以作为数据薄弱阶段的临时底线，但不应被误认为精确模型。若企业暂时没有足够历史数据，至少应先按品类、供应来源、价值等级和需求稳定性分组，再给不同组设置可解释的规则，并约定复核日期。
平均销量乘平均交期得到的是期望需求，不是对波动的保护。若平均日需求为 20 件、平均交期为 10 天，200 件只是覆盖平均交期需求的估算值；它没有回答“需求高于平均值时怎么办”，也没有回答“实际交期比平均值长时怎么办”。
实际业务里最危险的做法，是把期望需求称作安全库存，再在此基础上重复加一个人工缓冲天数。这样既可能漏掉波动，也可能把重复缓冲叠加到高库存商品上，最终没人说得清库存由什么假设构成。
缺货期间的销售记录通常会低于真实需求，因为商品不可售时，客户可能取消、延期、转买竞品，系统销量不会自动记录“本来想买但没买到”的数量。若直接用缺货期间的实际销量训练预测模型，模型可能把缺货误读成需求下降，随后进一步压低补货量。
识别这类截断需求，可结合缺货天数、未交订单、取消原因、搜索或询价记录、替代品销量，以及门店或仓库的可售状态。数据不完整时，至少应把明显缺货区间标记出来，不要未经处理就当作正常销售样本。
在途数量不是同质的承诺。已发运、已报关、供应商已排产、采购订单刚创建，这些状态的到货确定性差别很大。若模型把所有在途都全额计入，风险可能被低估；若一概不计，又会造成重复采购。
更稳妥的做法是按状态和历史兑现率设置供给可信度，或者直接按预计可用日期进入时间分桶。对关键物料，还应区分“承诺到货日”和“实际可用日”，把质检、上架、调拨所需时间纳入交付链路。
库存金额能帮助控制资金，却无法说明哪些 SKU 正处于断供边缘。某个高金额、低周转商品可能长期占用资金，但缺货风险很低；某个金额不大、交期长的零件，缺一件就可能阻断整套产品交付。金额视角应与风险视角并行，而不是互相替代。
库存位置通常不是单看现货，而是按业务规则计算可用现货、可信在途和未交需求。一个常见表达是：库存位置＝可用现货＋可信在途－未交需求。其中可信在途必须考虑到货时间和状态，不能把已逾期、待确认或取消风险高的采购承诺无差别计入。
还要确认企业是连续监控还是定期检查。如果每天都能触发补货，风险覆盖窗口接近交期；如果每周才审核一次，模型还要覆盖检查间隔。忽略检查周期，会把“下次发现库存不足之前”的需求漏算。
当需求相对平稳、交期稳定、数据较完整时，可用需求标准差和目标服务水平估算安全库存。若交期固定，可写作：安全库存＝服务水平系数 × 日需求标准差 × √交期天数。补货点则为交期需求均值加安全库存。
若需求与交期都波动，且两者可近似独立，可用扩展表达：安全库存≈服务水平系数 × √（平均交期 × 日需求方差＋日需求均值² × 交期方差）。这个模型的价值不在公式复杂，而在于提醒团队：需求波动和交期波动都要进入缓冲估算。
公式有明确边界：数据需要相对稳定，需求分布不能严重偏斜，交期记录要可信，需求与交期相关性不能被忽视。对于间歇性需求、新品、季节品、一次性项目物料，硬套正态假设往往会制造虚假的精确感。
服务水平不是“越高越好”的统一数字。常见的周期服务水平关注一个补货周期内不缺货的概率；满足率关注需求量中能够即时满足的比例。两者含义不同，同一个库存策略可能表现为较高的周期不缺货概率，却仍因单次缺货量较大而有较低满足率。
为商品设定目标前，我会先问：缺货会损失多少毛利或造成多少停线成本？是否有替代品？客户能否接受延期？供应商能否加急？若这些问题没有答案，直接给所有商品设 95% 或 98% 服务水平，通常只是把管理责任隐藏在一个百分数里。
低频需求的销量序列常常是一串零，偶尔出现一次较大的订单。普通移动平均会被大量零值压低，标准差模型也可能因样本窗口和极端订单变得不稳定。此时应结合需求发生间隔、单次需求量、订单类型与可替代性，考虑周期性复核、按单采购、供应商寄售或关键客户专属缓冲。
若业务确实需要库存保障，可以用滚动情景模拟检验不同补货规则在历史需求序列上的缺货次数和平均库存，而不是先选一个公式再强行解释结果。模拟必须保留缺货影响和实际交期，否则回测结果会过于乐观。
不是每个 SKU 都值得每天重新估算。可先用 ABC 识别价值贡献，用 XYZ 或类似方法识别需求稳定性，再叠加缺货影响、交期长短和替代难度。分层不是为了贴标签，而是为了决定复核频率、审批权限、预警阈值和分析投入。
| 风险特征 | 建议管理方式 | 复核频率 | 重点观察 |
|---|---|---|---|
| 高价值、需求稳定、交期短 | 基于库存位置自动补货，控制资金占用 | 每周或按系统触发 | 库存金额、周转天数、预测偏差 |
| 高影响、交期长、替代困难 | 关键件清单、供应商协同、异常升级 | 每日或每个订单节点 | 交期尾部、在途兑现、停线风险 |
| 低频、需求不稳定、可替代 | 按单采购、替代品联动或低库存策略 | 每月或需求触发 | 需求间隔、替代可用量、过期风险 |
| 季节性或促销型商品 | 活动前情景规划，活动中滚动修正 | 活动前每周，活动期每日 | 预售、渠道订单、活动节奏、退货率 |
下面用一个虚构的消费品仓配场景演示分析方法，不代表任何企业的真实经营结果，也不代表特定软件用户的效果。案例企业有 1,200 个在售 SKU、两个仓库，历史 12 个月订单、采购订单、收货记录和库存快照可导出；其中 80 个 SKU 在旺季承担较高销售贡献。
我会把九数云放在数据分析层来说明：将订单、库存快照、采购与收货记录整理到统一分析口径，再观察库存位置、缺货天数、交期偏差和风险商品清单。实际可接入的数据源、字段能力和权限方式应以企业现有系统与产品服务配置为准，不能假设任何系统天然拥有完整、正确的库存数据。
在这个示意场景中，月末库存总额没有明显变化，但缺货订单集中发生在 46 个 SKU。进一步拆分后，约三分之一与供应商延迟有关，约四分之一与促销需求突增有关，其余主要来自库存冻结、预留口径不一致和补货审核滞后。这里的比例是为说明分析路径而设的情景数据，不是行业统计结论。
如果只看库存总额，管理者可能要求采购整体增加 10% 库存；但这类动作会把资金投到未必缺货的商品上。把缺货订单映射回 SKU、仓库、需求日期、库存状态和供应订单后，才看得出哪些属于供给不足，哪些属于信息延迟，哪些属于需求事件没有提前进入预测。
具体落地时，我会先建立几个最小分析对象：SKU 主数据、日级销售需求、日级可用库存快照、采购订单行、实际收货行、缺货或未交订单记录。键值至少要能把 SKU、仓库和日期对齐；若不同系统编码不一致，先做映射表，不要在图表层用手工筛选掩盖编码问题。
在可视化上，九数云可作为观察和汇总经营数据的分析工具之一，具体字段连接、计算逻辑及刷新周期需要结合实际部署确认。我的重点不是先做一张漂亮的大屏，而是让采购、仓库和销售对同一条异常能够追溯到同一份订单、库存状态和到货记录。
假设示意 SKU-A 的日均需求为 20 件，日需求标准差为 6 件，平均交期为 10 天，交期标准差为 3 天。若暂时假定需求与交期近似独立，且业务选择的服务水平系数为 1.65，则扩展模型的方差项约为：10×36＋20²×9＝3,960，安全库存约为 1.65×√3,960，即约 104 件。
这不是建议所有企业直接用 104 件。它只是演示需求波动与交期波动如何共同影响缓冲量。若该 SKU 有明显促销峰值、供应商延迟与旺季需求相关，或 12 个月样本不足以代表当前状态，就要拆分季节、调整样本或采用情景模拟；模型参数必须经过业务确认。
若平均交期需求约为 200 件，则这一假设下的补货点约为 304 件。采购实际执行时，还要把可用现货、可信在途、未交订单、最小订购量、包装倍数和供应商排产限制纳入判断。公式给出风险提示，不会自动替代采购决策。
分析看板应至少显示库存位置、补货点、预计缺货日期、在途状态、需求预测偏差、实际交期偏差和风险责任人。若只展示红黄绿状态，用户仍不知道该联系供应商、调整订单、从其他仓调拨，还是更新促销预测。
我建议风险清单按异常原因分流：可用库存低于补货点，进入采购评审；关键供应订单超过承诺日期，进入供应商升级；库存被冻结或账实差异过大，进入仓库核查；需求超出预测且与活动相关，进入销售和计划共同评审。每个告警都要有负责人、处理时限和关闭条件。
对需求稳定、交期短且供应商履约可靠的常规商品，可采用较低缓冲和较高自动化程度。重点不是反复人工审批每一笔，而是定期监控预测误差、交期偏差和缺货率，一旦关键假设变化，再触发人工复核。
实际操作中要防止“长期表现稳定”被误认为“永远稳定”。至少按月检查滚动需求偏差，按季度复核供应商交付分布；若出现促销、价格变化、渠道扩张或产品替代，应及时退出原有稳定假设。
长交期商品即使销量不大，也可能需要提前锁定产能或分批交付。对这类商品，单纯增加仓库现货往往不是唯一选择。可与供应商约定滚动预测、产能预留、分批交货、寄售或紧急补货机制，并持续验证承诺到货日与实际可用入库日的差异。
若供应商交期尾部特别长，应同时准备替代供应、跨仓调拨和订单优先级规则。安全库存只能吸收有限的延误，不能替代供应商管理；当最长延迟已超过库存可覆盖时间，问题应升级为供应风险，而不是继续调高缓冲掩盖。
促销品和季节商品适合按活动阶段更新预测。活动前，使用预售、历史同期、渠道备货和活动资源估算需求区间；活动中，根据实际转化和渠道消耗调整补货；活动后及时处理剩余库存和退货风险。
若补货周期短且供应灵活，企业可以用更高频的滚动补货降低峰值库存。若交期长、活动不可延期，则要在活动决策节点确定承诺量，并清楚标注预测误差和剩余库存责任，不能等活动结束后才追问为什么备多了。
低频商品若可由兼容件替代，维持大量专用库存可能不划算。应比较专用库存持有成本、客户等待成本、替代切换成本和兼容认证风险。若替代需要工程验证或客户批准，就不能只看“仓库里还有相似商品”，必须确认替代可用性和切换时间。
对于低频而不可替代的关键件，可考虑按单采购、供应商代管、集中保管或与生产计划绑定的项目库存。每种做法都需要明确库存归属、报废责任、紧急调用权限和账务处理规则。
新品没有足够历史销量时，模型的主要输入来自类比商品、上市计划、客户订单和供应商承诺。此时可以给出保守、基准、乐观三种需求情景，并明确每种情景对应的采购量、缺货暴露和可能的余货，而不是把一个未经验证的预测值包装成精确安全库存。
上市后应缩短复核周期，随着真实订单积累逐步降低类比假设权重。对于产品生命周期短、过期或淘汰损失高的新品，先设定退出与降价规则，再决定缓冲量；否则销售增长被看见了，库存退出路径却没有设计。
一仓缺货、另一仓积压时，优先评估调拨往返时间、运输成本、拣货能力和客户交期。若调拨能在客户承诺日期前完成，调拨可能比紧急采购更经济；如果跨仓流程慢、库存状态不透明，账面上的富余并不能构成实际保护。
跨仓库存池化可降低局部波动带来的重复缓冲，但需要统一 SKU、批次、质量状态和调拨优先级。对有区域服务时效要求的商品，还要保留必要的区域库存，不能仅因全国总库存充足就取消本地保障。
提高目标服务水平通常会增加安全库存，但增加的幅度并非线性。服务目标已经较高时，再向上提升一点，可能需要显著增加缓冲，尤其当需求分布长尾或交期波动较大。决策时应看新增库存减少了多少预期缺货损失，而不是只看服务率提高了几个百分点。
一个可执行的比较方法，是把不同策略放到同一历史区间做回测：计算平均库存金额、缺货订单数、缺货单位数、加急费用和超期交付。回测不是未来保证，但能帮助团队识别“多压库存却没明显降低缺货”的低效商品组。
企业可以用自有库存吸收不确定性，也可以通过供应商备货、产能预留、快速补货、替代料或共享库存降低风险。前者增加资金和仓储成本，后者可能增加采购单价、管理复杂度或供应商依赖。比较时要用总成本，而不是只比较采购单价与库存金额。
若供应商协同能够把交期波动明显压缩，重新估算安全库存后再决定是否降库存；不要在协同机制尚未稳定之前，先把库存降下来。相反，如果供应商交付无法验证，纸面承诺不足以替代实际缓冲。
集中库存可以减少多个仓库各自备货造成的重复缓冲，但会增加末端运输时间和单点故障影响。区域库存有利于及时履约，却可能让局部需求波动放大库存总量。仓网调整要同时观察客户地理分布、运输时效、调拨能力、仓库处理容量和异常天气等因素。
建议先对比“集中后平均运输时间、缺货订单比例、调拨频率、库存总额”几个指标，再选取一组商品试点。不要只凭库存金额下降就判断网络优化成功；若缺货和加急运输同步上升，节省可能只是转移到了物流和客户服务端。
自动补货适合规则稳定、主数据完整、供应条件明确的商品。遇到新品、促销、供应中断、质量冻结、最小订购量变化或需求突变，系统应暂停或进入人工复核，而不是机械地根据旧参数下单。
人工审批也不是越多越安全。每笔订单都靠经验复核，会造成响应延迟和责任不清。企业应设定清晰的例外条件：什么情况自动下单、什么情况采购员确认、什么情况需要供应链负责人批准，并保留修改理由供后续复盘。
我会至少比较三类方案：低缓冲方案、基准方案、韧性优先方案。分别估计库存占用、预期缺货、加急采购、报废风险和供应中断影响。估计精度不够时，明确标注为情景推演，不要把敏感性分析中的假设结果写成已实现收益。
| 决策方案 | 更适合的条件 | 主要收益 | 主要代价 |
|---|---|---|---|
| 低缓冲、快响应 | 交期短、补货可靠、商品替代性强 | 减少资金占用和滞销风险 | 对供应商稳定性与数据刷新要求高 |
| 基准缓冲、定期复核 | 大多数常规商品，需求和交期中等稳定 | 兼顾服务与库存成本，容易规模化 | 需要定期更新参数和处理异常 |
| 韧性优先、多源保障 | 关键件、长交期、停供损失高 | 增强中断情况下的履约能力 | 增加库存、协同和供应管理成本 |
不要一开始就给全仓几千个 SKU 重算参数。先选缺货影响高、数据相对完整、业务负责人愿意配合的一组商品，覆盖稳定需求、长交期、季节性和间歇性需求几类场景。试点目的不是证明公式正确，而是验证数据口径、预警链路和业务动作是否有效。
试点前记录基线：缺货订单数、缺货天数、平均库存金额、加急采购次数、实际交期分布和预警处理时长。对比周期要尽量避开活动强弱明显不同的阶段；若无法避开，应按商品类别或需求情景分组，避免把季节变化误当成策略收益。
这些指标需要统一口径。例如，缺货率可以按 SKU、订单行、需求单位或销售额计算，结果会不同。每张报表都应标注时间范围、仓库范围、分母定义和数据更新时间，不要让同一名称对应不同算法。
高影响、长交期商品可每日观察在途和库存位置；稳定常规品按周或按月复核；低频商品按需求触发或按月检查。新品与促销品则要在关键节点复核，例如上市前、活动开始前、销售峰值阶段和活动结束后。
参数变化要保留原因：需求波动扩大、供应商交期恶化、服务目标调整、替代品上线，还是库存状态口径修正。没有变更记录，团队无法分辨库存变化是模型更新的结果，还是人为临时加单。
缺货复盘应检查需求预测是否低估、采购是否下单晚、供应商是否延期、可用库存是否算错，以及预警是否没有人处理。还要复盘没有发生缺货的风险事件：是安全库存起了作用，还是需求本来就没有发生？后者不能简单视为模型精准。
同样，要检查高库存商品是否因为目标服务水平过高、MOQ 过大、预测偏高或系统重复计入在途。复盘的最终输出应是规则变化、责任变化或数据修复，而不是只写“加强关注”。
需求不确定，可以通过预测更新、促销协同和客户订单可视化降低；供应不确定，可以通过交期承诺、多源采购和产能预留降低；数据不确定，需要修正库存状态和主数据；执行不确定，需要设定预警责任和处理时限。只有当其他手段不足以吸收风险时，才由安全库存承担剩余缓冲。
这也是我对精细化库存管理最重要的判断：安全库存不是仓库里的“保险箱”，而是供应链风险治理的最后一道可量化缓冲。把所有问题都加库存，短期可能让缺货数字好看，长期却会让资金、库容和滞销风险越来越难解释。
企业可以先选 20 至 50 个经常缺货或影响较大的 SKU，核对可用库存、未交需求、可信在途和实际交期，再回看最近一次缺货发生前是否已有预警。把缺货原因逐项分成需求、供应、库存状态和执行问题，通常比立刻重算全仓安全库存更有价值。
完成这一步后，再为不同风险组设定模型、复核频率和升级规则，并用试点数据验证服务水平与资金占用是否同步改善。最终要追求的不是一个固定的安全库存数字，而是团队能够解释：为什么这件商品要备这么多、哪些假设变化会让它失效、出现异常时谁在多长时间内采取什么动作。
我以前总觉得安全库存就是多备几天的货，后来发现同一仓库里，有些商品多备一周还是缺，有些商品多备两周却一直积压。想请教，除了平均销量和采购周期，还该把哪些波动算进去？
安全库存不是给所有商品统一加几天库存，而是对需求波动和供应周期波动分别计价。下面用一组示例数据演算，不代表真实客户案例：某商品日均需求20件、日需求标准差6件，平均交期5天、交期标准差1.2天，目标服务水平约95%，对应系数取1.65。
在需求与交期相互独立的简化假设下，安全库存约为1.65×√（5×6²＋20²×1.2²）≈46件；再订货点约为20×5＋46＝146件。这里的关键判断是：交期波动贡献了更大的缓冲需求，因此只按日销量标准差加库存会低估风险。这个公式适合需求相对连续的商品。
若商品季节性强、销量间歇或促销频繁，应先按周或按季节分段校准需求数据，并用实际缺货率检验结果，不要把历史促销峰值直接当成日常需求。
我管理的 SKU 数量不少，逐个盯库存基本做不到。以前按销售额排优先级，但有些销售额不高的零件一缺货就会让整单停发，我不确定该怎么把这类风险也算进去。
不要只用销售额或 ABC 分类决定安全库存优先级。更实用的做法是把缺货后果、需求波动和补货难度放在一起看：缺货会停产、导致整单无法发货，或没有替代品的商品，即使销售额不高，也应进入重点监控。可以先给 SKU 建一个简化风险表：缺货影响分为高、中、低；需求波动分为高、低；供应交期分为稳定、不稳定。
优先处理“影响高＋波动高”或“影响高＋交期不稳定”的组合，再细化安全库存参数，避免一开始就为几千个 SKU 做复杂建模。实操时，可每周复核高风险商品，每月复核常规商品；新商品和供应商切换商品单独标记。分级不是永久标签，连续两三个补货周期表现稳定后再降级，若出现停线、延迟发货或紧急采购，则及时升级。
我遇到过采购单上写着一周到货，实际有时三天、有时要两周的情况。单纯把安全库存调高又怕压货，我想知道应该改库存参数，还是先处理采购和供应商数据？
先确认波动来自哪里，再决定是否加库存。把采购下单日、供应商承诺日、实际收货日分开记录，至少统计最近10至20次到货的实际交期；同时标记缺料、运输、质检等原因，否则一个平均交期会掩盖真正的问题。
如果交期变化主要来自供应商履约不稳，短期可按实际交期波动重新估算缓冲量，但应同时设定供应商改善动作，例如确认产能、拆分批次或准备可替代来源。长期只靠加库存，会把供应问题转化成仓储成本，并可能掩盖持续延期。如果差异来自收货后质检或入库滞后，补货计算应使用“下单到可用库存”的总周期，而不是只看运输天数。
每月比较承诺交期与实际可用日期，若延期集中在某一环节，就针对该环节设负责人和改进期限。
我不想等到货架见底才发现要缺货，也担心预警设得太敏感，团队每天都在处理误报。有什么简单的预警规则，能让采购知道先处理什么，并且看出安全库存到底有没有效果？
预警应连接到可执行动作，而不是只显示库存变红。可用库存通常要扣除已分配数量，并加上确认在途量；当库存位置降到再订货点时，提醒采购核对订单、交期和需求，而不是机械地下单。把预警分成两级更容易落地：低于再订货点时进入关注清单，要求在一个工作日内确认补货方案；
预计可用库存将在补货到达前耗尽时升级为高风险，要求采购、仓库和业务共同确认替代品、调拨或订单优先级。每月至少看三项指标：缺货发生率、紧急采购次数、平均库存金额。若缺货下降但平均库存持续上升，说明缓冲可能过大；若库存下降而紧急采购增加，则可能过度削减。
参数调整应按商品分组、小步试行，并记录调整前后的指标。
读者评论
账面库存”和“可用库存”分开看很关键。我们之前把质检冻结数量也算进补货判断，结果系统显示库存够，订单还是发不出去。
文章提醒交期要看实际到货分布，而不只是主数据里的平均天数，这点很实用。供应商延期的尾部如果不纳入，安全库存确实容易算得过低。
分层管理比所有商品统一设库存天数更容易落地。不过服务水平和缺货影响需要业务、采购一起确认，单靠历史销量很难给出合理阈值。