仓库里最容易被忽视的库存上限，往往不是“多压了几箱货”，而是一个看似合理的补货参数同时覆盖了不同销量、不同交期、不同保质期的商品。结果可能是畅销品仍然缺货，慢销品却堆满货架。《仓库安全库存管理避坑指南：库存上限环节的中小商家要注意什么》，核心不是教商家把库存统一调低，而是说明：库存上限必须由需求、补货周期、供应约束和资金承受能力共同决定，并且要能随着经营变化而调整。
安全库存回答的是“需求或交期波动时，额外留多少缓冲”；库存上限回答的是“在当前经营条件下，库存最多控制到什么水平”。前者偏向防缺货，后者还要考虑资金、仓容、保质期、最低起订量和供应商交付方式。
把两者混为一谈，是很多中小商家设定参数时的第一处误区。安全库存可以是上限的一部分，但不能简单把“安全库存”当成“最高库存”。如果某个商品的安全库存是 20 件，不代表库存达到 20 件就应停止采购；也不代表为了留出安全库存，就应该把采购目标设为 20 件。
我判断库存上限是否合理，通常先看一个更完整的库存位置，而不是只看货架上有多少件。库存位置可按“可销售现货＋已下单未到货－欠交需求”理解。若只看现货，补货时就可能忽视已经在途的货；若把质检冻结、破损、过期商品也当成可用库存，又可能误以为库存充足。
对采用定期复核补货的商家，可以先用一个简化框架理解上限：目标上限约等于“补货复核周期内的预计需求＋供应提前期内的预计需求＋需求与交期波动缓冲”。这只是建立判断的起点，不是可以不经校准直接套用的公式。
如果供应商每周固定送货，商家每周一盘点，那么目标库存需要覆盖从本次盘点到下一次收货期间的预计销售。若供应商交期不稳定、促销需求集中或跨境运输波动明显，就需要另外评估缓冲。与此同时，上限还要受到可售期限、仓容和资金预算的限制。
更准确的说法是：上限不是一个单纯的库存数字，而是一组前提条件的结果。当销量、交期、起订量或活动计划变化时，原来的上限可能就不再合理。
库存问题至少有两种相反表现：一种是高销量商品频繁断货，另一种是低销量商品长期积压。只盯着总库存金额，容易把两种问题混成一个问题，再用“全店统一降库存”处理，最后往往是畅销品服务水平下降，慢销品却没有真正清掉。
我更倾向于先区分库存结构：哪些商品承担稳定销售，哪些商品受季节和活动驱动，哪些商品已接近生命周期末端；再分别设定上限。对于中小商家，控制少数高金额、长交期、低周转商品的参数，通常比给所有商品一起减少一个比例更有操作价值。
实际经营中，销量可能在电商后台，采购记录在表格或聊天记录，供应商交期由采购人员凭经验掌握，仓库的冻结库存又在另一张表里。每个数据源单独看都似乎说得通，合在一起却可能出现重复下单、遗漏在途货、把不可售库存计入可用量等问题。
这类问题并不一定是员工不认真，而是计算口径没有统一。比如销售表统计的是付款订单，仓库表统计的是已出库订单，采购表记录的是下单数量，而供应商实际分批发货。若没有明确“销量、库存、在途、欠货”的定义，库存上限再精细也会被错误输入拖偏。
许多商家使用近 30 天平均销量设上限，但近 30 天可能同时包含促销活动、平台流量波动、缺货日或上新爬坡期。若商品缺货了 8 天，按出库数量计算的平均销量会低估真实需求；若刚参加大型促销，直接用活动销量外推，则可能高估常态需求。
对季节品，去年同期销量有参考价值，但不能原样照搬。渠道规模、售价、竞争格局、内容投放和供货条件都可能发生变化。历史数据应当是预测输入，而不是“去年卖了多少，今年就备多少”的答案。
假设某商品每周只卖 12 件，供应商却要求每次至少采购 100 件。即使需求预测非常准确，采购后库存也会明显抬高。此时仅降低安全库存不能解决根因，因为真正推高库存的是起订量、整箱规格或供应商的发货政策。
因此，我会把库存上限拆成两类约束：一类是经营目标，即希望库存处于什么水平；另一类是供应限制，即实际采购能否按这个水平执行。两者差距较大时，应优先谈起订量、分批交付、混批采购或供应商寄售，而不是持续修改预测参数。
仓库系统里的库存可能包含待质检、待上架、拣货占用、退货待判定和跨仓调拨中的商品。若将这些数量统统视作可用库存，补货系统会认为无需采购；销售端则可能继续承诺发货，最后出现账面有货、实际缺货。
设上限之前，至少要分清现货、可销售库存、冻结库存、在途库存、已分配库存和已欠交数量。商品数量没有必要一开始就拆得极复杂，但“什么库存可以被补货逻辑使用”必须写清楚。
“每个商品备 30 天”容易执行，却会掩盖商品之间的差异。销量稳定、供应及时的商品可能被过量备货；交期长、需求波动大的商品可能仍然不足。覆盖天数只是库存与需求的比值，不是对风险的完整描述。
同样是 30 天库存，商品甲每天稳定卖 10 件，商品乙平时每天卖 2 件、活动日卖 40 件，两者需要的风险缓冲并不相同。用一个天数统一管理，最多适合初期粗分层，不适合作为长期不变的补货规则。
缺货日的销量是被供给限制后的销量，不能直接代表消费者需求。活动日的销量则可能包含短期折扣和流量放大，也不能直接当成日常水平。若不标记这些日期，移动平均值会把异常当成常态。
可以先做一个简单校正：把缺货天数单独标记，观察缺货前后销售、搜索或加购变化；把促销日分组，分别计算常态销量和活动增量；对新品则单独看上新周期，不要直接和成熟商品套用同一套历史窗口。
如果库存达到上限，但现有库存中包含大量即将过期、质量冻结或无法调拨的商品，就不应简单停采。另一方面，如果库存只是在途却尚未确认发货，或供应商交付时间高度不确定，也不能把计划到货全部当成确定库存。
上限应触发复核，不是自动替代判断。系统提示达到上限后，至少要核对库存状态、在途确认度、未来需求、促销计划和商品可售期限。越接近大促、季节切换或供应异常，人工复核的价值越高。
在预测不准时，常见做法是“多加 20%”或“每个品都多备一箱”。这种方法容易暂时降低缺货，却会把需求误差和交期误差混成一团。若真正问题是采购记录未扣在途，增加安全系数只会让库存更高。
安全系数应当有明确依据，例如服务目标、需求波动程度、供应提前期波动和缺货损失。若没有数据支持，可以先用情景区间做小范围试运行，并跟踪缺货率、积压金额和报废风险，而不是把一个主观比例永久写进规则。
库存金额高不一定意味着风险高：一部分可能是高周转的核心商品；库存金额不高也不一定安全：几件高单价、长保质期短或即将停产的商品，仍可能造成明显损失。金额、数量、库龄和周转速度应一起看。
对保质期商品，库存上限还要受“预计售完时间”约束。若当前库存加上拟采购量，在合理销售速度下无法于可售期内消化，就算单位采购价格有折扣，也不应只凭折扣决定下单。
对单个商品，我建议先定义一个适用于补货判断的库存位置：可销售现货＋符合条件的已确认在途－已分配订单－欠交需求。具体系统字段可能不同，但原则是每个数量只能算一次，而且不能把冻结库存当成可售库存。
在途库存是否计入，要看可靠性。已由供应商确认发货、运输节点可追踪、预计到货时间在补货周期内的货物，可以按规则计入；仅有采购申请、未确认交期的订单，则不宜与确定在途等量看待。必要时可把在途拆成“已发出”和“未发出”两类。
稳定销售品可以用近期日均或周均需求作为基线，并观察趋势变化；促销品要把常态需求和活动增量分开；季节品要结合季节阶段和同期表现；新品则需使用相似商品、渠道流量和实际转化逐步更新预测。
对销量很低的商品，平均值容易被单笔订单拉动。此时可以看更长窗口、采用分位数或按采购周期计算需求，同时设置停售、清仓或按需采购条件。不能因为计算公式输出了一个小数，就假设它具有同样精度。
商品缺货风险通常来自两类不确定性：需求高于预期，或货物晚于预期到达。若只把两种波动揉成一个“安全天数”，就无法判断应该改善预测、增加缓冲，还是推动供应商稳定交期。
数据量足够时，可以按需求和交期的历史波动估算缓冲；数据量不足时，不必急着上复杂模型。先记录每次下单日期、承诺到货日、实际到货日和收货数量，经过数个采购周期后再比较承诺交期与实际交期的偏差。
初步目标上限应经过至少四项校验：仓库是否放得下，资金是否能承受，商品是否能在可售期限内消化，供应商的最小采购单位是否会导致超采。任何一项不通过，都不能只靠调整公式“修正”过去。
对于资金紧张的商家，上限可以增加预算约束；对于仓储空间有限的商家，应优先给高周转商品留位置；对于保质期短的商品，销售窗口是硬约束；对于供应批量不灵活的商品，则需要谈分批交付、混合装箱或更频繁补货。
商品分级不一定要从复杂的 ABC、XYZ 模型开始。可以先按“库存金额影响、需求波动、供应交期、可替代性、保质期”五个因素分层。高金额、长交期、需求不稳定、难替代的商品，应更频繁复核；低金额、易补货、销量稳定的商品，可以采用简单规则。
为了避免把演示数据误当成行业实测，我用一家线上家居小商家的情景模拟说明流程。假设其有 180 个活跃 SKU，主营收纳用品；日常销量、促销日销量和供应商交期都能从订单、采购及收货记录中整理。以下数字用于演示判断方法，不代表任何企业的真实经营结果。
其中一款收纳箱近 8 周常态周销量约 70 件，活动周销量曾达到 150 件；供应商承诺交期为 14 天，过去几次实际到货分别为 13 天、17 天、22 天和 15 天；最低起订量为 100 件。当前可销售库存 115 件，确认在途 80 件，已有订单待发 25 件。
若商家只看现货 115 件，可能觉得很快需要补货；若把确认在途和订单都考虑进去，库存位置约为 115＋80－25＝170 件。该数字仍需结合预计需求周期、在途到货时间和活动计划判断，不能简单得出“无需采购”的结论。
模拟案例中，第一步不是直接下单，而是核实 80 件在途货是否已发出，预计到货日期是否可靠；再确认 25 件待发订单是否已从可销售库存中扣除；然后检查销量数据是否包含活动周。只有三项信息对齐，库存位置 170 件才有决策意义。
如果在途的 80 件尚未发货，供应商又没有确认交期，商家可以对它采用折扣计入或暂不计入的情景分析，而不是把它当成确定到货。若活动已经确认，则应单独估算活动增量，而不是把活动周销量直接当作平时需求。
假设商家计划评估未来 4 周的销售需求，常态需求约为 70 件/周，粗略基线为 280 件。这个 280 件不是建议采购量，而是需求覆盖的一个起点。实际采购缺口还要扣除可用库存和符合条件的在途货，再加上适当缓冲，并检查已有订单与促销计划。
如果活动增量预计为 40 件、缓冲暂按 30 件情景测试，需求覆盖估算为 350 件；扣除库存位置 170 件后，初步缺口为 180 件。但供应商起订量是 100 件时，采购可能按 200 件下单，最终库存位置将比原计划多出约 20 件。这里的 20 件是该模拟假设下的批量取整差额，不应误解为通用安全库存。
在真实业务中，我会给采购建议同时展示“基础方案、偏高需求方案、交期延迟方案”，而不是只给一个看似精确的采购数。管理者能看到预测假设，才能决定是否为促销多备、是否承担超采，或者是否与供应商谈分批交付。
如果活动后没有断货，不等于上限设置正确。商家还应检查实际售罄量、活动结束后的剩余库存、库存龄、资金占用和退货情况。一次活动可能因为流量低而没有卖完，也可能因为缺货导致实际销量被压低；两种情况都会影响下一轮参数。
对模拟案例，可以在收货后每周更新一次：记录常态销售、活动销售、实际交期、库存位置和预计售罄天数。若实际交期经常超过承诺，就优先推动供应稳定；若活动结束后剩余库存明显超过常态需求，则应减少活动增量预测或改为分批到货。
以九数云这类数据分析平台为例，商家可以围绕订单、库存、采购和收货数据建立一张统一的 SKU 视图：商品编码作为关联键，统一日期、仓库和单位；再计算近几周销量、现货、在途、待发订单、实际交期和库龄。具体连接方式、字段能力和权限应以平台当前版本及企业数据结构为准。
我更看重这张视图能不能回答几个经营问题：哪些商品上限已经被突破，突破是因为销量增长还是采购批量；哪些商品在途很多但交期确认不足；哪些商品的库存龄持续上升；哪些商品连续缺货而现货库存并不低。能追溯原因的看板，比只显示红黄绿状态的看板更有价值。
数据平台不会自动替商家定义“可用库存”，也不会自动判断活动销量能不能外推。实际落地时，应先让采购、仓库和运营确认字段口径，再做规则计算；随后用人工复核结果校正参数。平台的价值主要在于减少重复汇总、暴露异常和支持复盘，不能替代业务判断。
积压商品的第一步通常不是继续追求“算出精确上限”，而是暂停不必要的自动补货，核对采购订单是否可取消或拆批，确认库存是否能跨渠道、跨门店调拨。之后再看清仓、组合销售、替代推荐或退供的成本。
处理时要区分“有库存但可以卖”和“账面存在但不能卖”。若其中包含质量问题、包装破损、版本过期或即将过季商品，应单独标记。否则系统可能把问题库存当作足量库存，既不补合适的替代品，也不推动异常库存处理。
频繁缺货时，不要第一反应就是把上限整体调高。先看缺货发生在预测低估、采购审批延迟、供应商迟交、收货质检慢、库存分配错误还是仓间调拨不及时。不同原因对应的动作不一样。
若需求预测偏低，可以修正活动和趋势数据；若采购流程耗时过长，可以缩短审批周期或设置例外授权；若供应商延误频繁，应谈交付承诺或准备替代供应；若货在其他仓库，则要评估调拨时效。单纯增加库存可能遮住流程问题，却让现金占用长期上升。
旺季上调上限后，应明确何时恢复常态参数。可以将活动开始前、活动期间、活动结束后分成三个阶段：活动前按预热和供应提前期准备；活动中根据实际销售和在途动态复核；活动后停止沿用旺季销量预测，及时处理剩余库存。
临时参数最好有责任人和到期日期。否则一次活动上调的库存上限，可能在活动结束后被长期保留，下一轮采购继续按照已经失效的需求预期补货。
数据不完整时，可以从高金额或高风险的 20 至 50 个 SKU 开始，每周手动记录销量、现货、在途、待发订单、下单日期和实际到货日期。目标不是先建复杂模型，而是建立“采购前看什么、收货后记什么、异常如何复盘”的基本纪律。
等记录连续覆盖数个补货周期后，再决定是否扩大范围、自动化计算和增加预测维度。若数据字段经常漏填，过早自动化只会更快地产生错误建议。
每天或每周的库存例会不必逐个商品念报表。可以只看突破上限、接近缺货、长期无动销、在途逾期和临近效期几类异常，并要求每条异常都说明原因、行动、负责人和复核时间。
对缺货损失高、客户替代选择少的核心商品，商家可能愿意承担更高库存以保护履约；对可替代、低频、订单可等待的商品，则可以接受较低备货和更长交付时间。关键不是追求所有商品都零缺货，而是明确哪些缺货会真正伤害利润和客户关系。
若管理目标只写“不能缺货”，采购部门很容易不断抬高库存；若只写“降低库存”，运营和销售则可能承担不可接受的断货损失。应把服务目标按商品分层，例如核心商品优先保证、长尾商品控制资金占用，并定期验证分层是否仍符合销售策略。
小批量、高频采购通常降低平均库存和积压风险，但会增加采购、运输、收货、对账和供应商沟通成本，也可能提高单位运费。大批量采购可能取得价格折扣或降低运输成本，却提高资金占用、仓储需求和滞销风险。
比较时不能只看采购单价。应把折扣收益与额外持有成本、仓储成本、过期或滞销损失、资金机会成本、收货作业成本放在一起看。若供应商允许分批交付、按批结算，商家可能同时降低库存峰值和运输频率；如果做不到，就要把批量造成的超额库存明确纳入采购审批。
销量记录短、商品生命周期变化快时，复杂预测模型不一定稳定。对新品、短期热点和不确定活动，分批采购、先小单试销、保留追加空间，往往比一开始大量备货更稳妥。前提是供应商能够响应追加，且追加交期不会错过销售窗口。
如果补货交期长到无法追加，试销策略可能会牺牲活动期间的服务水平。此时应明确这是一次有意识的取舍：选择少压资金但接受部分缺货，还是提高备货承担需求预测风险。把取舍写清楚，比用“安全库存”掩盖决策更专业。
自动化适合需求稳定、库存口径可靠、供应条件明确的商品。对活动突增、季节切换、供应商交期异常、保质期临近或库存金额特别高的商品，人工复核仍有必要。自动化的目的应是处理重复规则并标出例外，而不是让所有商品自动执行同一种采购逻辑。
商家可以从低风险 SKU 开始自动生成建议单，不立即自动下单；观察建议准确度、人工改动原因和缺货结果后，再扩大授权范围。每一次人工覆盖建议都应记录原因，否则无法判断是算法不合适、输入数据不全，还是业务人员临时判断有误。
| 经营情形 | 优先控制的风险 | 建议取舍 | 复核重点 |
|---|---|---|---|
| 核心畅销品、交期长 | 断货损失与交期波动 | 适度提高缓冲，同时推动供应商缩短或稳定交期 | 在途确认、实际交期分布、促销计划 |
| 慢销品、最低起订量高 | 资金占用与库龄增长 | 优先谈分批交付、混批或按需采购，不宜只靠加大促销消化 | 起订量造成的超额、库存龄、可取消订单 |
| 季节品、活动峰值明显 | 旺季缺货与淡季积压 | 采用有起止日期的临时上限，并分阶段补货 | 活动结束日期、实际售罄速度、剩余库存 |
| 新品、历史数据很少 | 预测误差与首批超采 | 小批量验证、保留追加方案，避免以单次爆发外推 | 转化趋势、追加交期、首批售罄速度 |
| 保质期短或版本迭代快 | 报废、过季和折价损失 | 宁可接受部分缺货，也要把可售期限纳入上限硬约束 | 批次效期、预计售完时间、退供条件 |
每个参与补货的人都应知道销量、现货、在途、冻结、已分配和欠交分别从哪里来，由谁维护，多久更新一次。商品编码、计量单位、仓库范围和订单状态也要统一。相同商品在不同表格中编码不一致，会让分析结果看起来完整，实际上漏掉一部分业务。
最小字段集可以包括：商品编码、日期、仓库、销量、可销售库存、冻结库存、已分配数量、采购下单日、承诺交期、实际收货日、采购数量、最低起订量、保质期或停产日期。中小商家不必一次采集所有信息，但必须先确保影响判断的字段可用。
试点时可以选择不同类型的商品：稳定畅销品、慢销品、长交期商品、季节品和保质期商品。试点期间不要只看“系统建议了多少”，还要记录采购人员为什么接受或修改建议，以及最终发生了什么。
连续观察数个补货周期后，再决定是否调整规则。若建议频繁被人工改动，先分析改动原因：可能是模型不合适，也可能是订单、活动、冻结库存或交期字段没有录入。没搞清原因前，扩大自动化只会扩大错误范围。
评估库存上限至少要同时观察服务和效率。服务侧可以看缺货频次、缺货持续时间、订单满足率；效率侧可以看库存周转、库龄结构、超上限金额、报废与折价损失、库存现金占用。单项指标变好，并不意味着整体经营更健康。
例如降低上限后，库存金额下降了，但核心商品缺货频次显著增加，可能是降得过快或没有区分商品等级；库存周转提高了，但报废损失上升，也可能只是大量折价清仓造成。指标必须结合业务背景解释。
稳定商品可以按月或按季度复核，季节品和活动品则应在活动前后复核，供应异常商品应在每次交期偏差后更新判断。新参数应记录生效日期、原因和预期结果，方便后续确认它是否真的改善了经营。
不要因为某一周销量突增，就永久提高上限；也不要因为某一批货延迟，就把所有商品的安全缓冲一起调高。参数变更最好能够追溯到具体证据，例如连续几次交期偏差、常态销量趋势或促销计划变化。
库存上限背后隐含着对需求、交期、服务目标、采购批量和资金能力的判断。只要其中任何一项改变，上限就需要重新评估。把某个数字写进系统，并不等于问题已经解决；能解释这个数字为什么存在，才算建立了管理规则。
我的判断是，库存上限管理真正的分水岭，不在于有没有复杂公式，而在于企业是否能区分“为了服务水平主动保留的缓冲”和“因为起订量、数据错误或流程拖延被动堆积的库存”。下一步，先选出一批最容易造成缺货或积压的商品，把销量、库存状态、在途和实际交期放到同一张表里；核对口径后再调整参数。这样得到的上限，才既能解释，也能执行，还能在经营变化时及时修正。
我总觉得库存上限设高一点更保险，但旺季过后经常剩下一批货，占着现金和库位。我该按销量、补货周期还是供应商交期来算，才能让上限既有安全余量又不至于失控？
先区分“安全库存”和“库存上限”：安全库存是用来应对需求或交期波动的缓冲，上限则是补货策略允许库存达到的最高水平。只看月销量设上限，容易漏掉补货周期和在途货物，结果是货还没到、系统又下了一单。
对按固定周期检查库存的商品，可先用一个简化公式估算：库存上限≈日均销量×（检查间隔天数＋补货提前期天数）＋安全库存。比如某商品日均售出8件，每7天检查一次，供应商交期10天，安全库存24件，则初步上限为8×（7＋10）＋24＝160件。这是起点，不是无需复核的标准答案。
计算时应使用库存位置，而非只看货架现货：库存位置＝可用现货＋已确认在途－已承诺未发货。若已在途50件、现货100件，库存位置已是150件，距160件上限只剩10件补货空间。退货、质检冻结和不可销售品应单独处理，别把它们误算成可用库存。
我遇到过销量不快但供应商要求整箱订货的情况，按补货公式算出来只缺几十件，实际下单却得买几百件。库存上限如果不能被订单规则满足，到底该坚持上限，还是接受多出来的库存？
不要为了满足起订量，就把系统上限直接改大。先比较超出部分的资金占用、仓储成本和过期或滞销风险，再与供应商协商拆批交付、混箱、降低起订量或改为更频繁的小批采购。采购单的数量限制不应自动变成库存策略的依据。例如库存位置为120件、测算上限为160件，实际需求空间只有40件；
若供应商整箱起订量为200件，一次采购会让库存位置升至320件，超上限160件。此时应计算这160件的预计消化时间：若日均销量只有4件，多出的部分相当于40天销量，不能仅凭“以后会卖掉”就忽略风险。如果拆批交付做不到，可设“超上限例外审批”，记录超出数量、预计售完日期、额外资金占用和责任人。
规则上还应区分“采购最小量”与“库存上限”，并设置下次采购冻结条件，避免超量订单尚未消化时再次触发补货。
我有些商品平时卖得一般，一到节日或促销就突然放量；按过去一个月的平均销量设上限，常常不是备少了就是活动结束后压货。我应该在什么时候调整上限，活动结束后又怎么及时调回来？
季节性商品不宜用单一的全年平均销量推算上限，因为平均值会把旺季尖峰和淡季低谷都抹平。更稳妥的做法是按普通期、备货期、活动期和回落期分别设定规则，并为每次临时上调写明生效时间与失效时间。例如平日销量为每天5件，活动预估每天20件、持续7天，供应商交期为10天。
不要简单把20件乘以整段补货周期后长期沿用；应先核对活动报名量、历史同期实际销量、可接受缺货率和活动后的退货情况，再确定活动期上限，并为预测偏差留出小批追加或快速补货方案。上调前至少检查可售库存、在途数量和活动开始日；活动结束后按约定日期自动恢复常规上限，并复核未售库存。
若活动销量只是预估值，分批到货通常比一次性压满上限稳妥；只有交期长、追加困难且滞销损失可控时，才有理由更早备货。
我已经在表格或系统里给商品填了上限，但月底盘点时仍发现库存超标，有时甚至是重复采购或在途货物算漏了。我该从哪些数据和操作流程开始排查，才能分清是公式不对还是执行出了问题？
库存上限不是一道自动生效的防线。超储常见原因包括：补货只看现货、不看在途；采购单重复创建；供应商分批到货但系统按整单关闭；退货和冻结库存没有单独标记；上限长期未根据销量变化复核。排查时先沿着“建议补货，采购下单，收货入库，库存调整”逐笔对账。
可先抽查最近30天超上限的商品，记录超出数量、超出天数、对应采购单和触发原因。若超标集中在采购单重复或在途漏记，优先修流程和数据；若主要来自销量下降，则需要调整上限、清理滞销品，而不是继续增加预警数量。建议每周看三项：超上限商品数、超上限库存金额、库存位置与上限的差额；
每月再看库龄和近30天销量变化。给超限设置责任人和处理期限，例如连续7天超限须说明原因、提出消化或暂停采购方案。指标不必复杂，关键是让每次超限都能对应到具体订单、数据或决策。
读者评论
把在途库存按“已发出”和“仅下单未发货”区分很实用。我们之前只要采购单建了就算在途，结果供应商延迟时系统一直不提醒补货。
文章提到起订量比预测更可能造成积压，这点很符合小商家的情况。除了调库存参数，和供应商谈分批交货或混批采购确实值得优先尝试。
用近30天销量设上限时，缺货日会把需求算低，促销日又可能把需求算高。把这两类日期单独标记，比直接套一个安全系数更容易复盘。