多店经营中最容易被误判的库存问题，不是“有没有安全库存”，而是把安全库存当成每家店都要单独备一份的固定数量。这样做看起来能防断货，实际可能让畅销店缺货、慢销店积压，仓库总库存却越滚越大。我的判断是：安全库存应保护补货周期内的需求波动，库存上限则要约束资金、库容和滞销风险；两者结合，才能支持多店之间的调拨、补货和采购决策。
安全库存的作用，是覆盖需求和补货时间的不确定性。它不是“销量乘一个安全系数”，更不是所有商品统一放 7 天或 15 天。一个日均销量稳定、供应商交期可靠的商品，可能只需要较低缓冲；一个销量波动大、交期经常延迟的商品，即便日均销量不高，也可能需要更多保护。
因此，我会先问三个问题：需求波动有多大、从下单到可售需要多久、缺货的经营损失有多高。只有把这三项放在一起，安全库存才有业务含义。若只看近 30 天平均销量，促销峰值、断货导致的销量截断和节假日影响都可能被平均值掩盖。
库存上限回答的是“在当前条件下，库存最多允许到哪里”。它通常受仓储容量、资金预算、保质期、商品生命周期和预计销售速度影响。安全库存可以被理解为补货策略中的缓冲部分，库存上限则是约束库存总量的管理规则，两者可以同时存在，但不能相互替代。
例如，某商品日均销量 10 件，采购提前期 5 天，安全库存 20 件，那么补货点可以暂定为 70 件；但如果库存上限是 100 件，且在途库存有 40 件，就不能因为仓内现货低于补货点而直接再买 70 件。正确做法是先核对现货、已分配量、在途量和预期到货，再算净库存位置。
多店经营时，单店库存只是一个局部视图。门店 A 缺货，并不自动代表企业需要新增采购；仓库、门店 B 和在途订单中可能已有可以调拨的库存。真正用于判断的口径，应至少包含可用现货、已承诺需求、在途数量和调拨时间，而不是只看某一个仓库的账面库存。
我的核心建议是先算库存位置，再决定补货或调拨。如果库存位置仍高于补货点，优先考虑跨店调拨或等待在途；如果低于补货点，再依据供应提前期和库存上限确定补货量。这个顺序能减少“看见一家店缺货就追加采购”的重复备货。
| 管理量 | 回答的问题 | 常见输入 | 容易出现的误用 |
|---|---|---|---|
| 安全库存 | 为不确定性留多少缓冲 | 需求波动、交期波动、目标服务水平 | 所有商品统一设定固定天数 |
| 补货点 | 库存降到哪里应启动补货 | 提前期需求、安全库存 | 只看仓内现货，不看在途和已分配 |
| 库存上限 | 当前条件下最多允许持有多少 | 预算、库容、保质期、销售速度 | 把上限当成必须补到的目标库存 |
多店经营者常见的第一类场景，是门店的客群、商圈、营业时间和促销节奏并不相同。校园店在开学季的需求可能集中爆发，社区店的日销量相对平稳，旅游商圈门店则更容易受节假日和天气影响。把所有门店的销售平均后再分配库存，会把高峰门店的需求压低，也把低峰门店的需求抬高。
我通常会先按“商品，门店，日期”整理销量，而不是先做全网汇总。至少要能分辨正常销售、促销销售、缺货日和闭店日。若某店连续两天缺货，销售记录为零并不表示需求为零；这个零值反映的是供给中断，不能直接当作正常需求输入预测。
总部仓库到门店的配送频率，和供应商到总部仓库的采购提前期，是两段不同的时间。门店每周配送两次，但供应商需要 20 天交货，门店层面的补货频率不等于企业的采购提前期。若把两段链路混成一个“补货天数”，既可能重复加缓冲，也可能漏掉实际等待时间。
我会把供应链拆成节点：供应商到中心仓、中心仓到区域仓、区域仓到门店。每一段记录下单时间、发货时间、签收时间和可售时间。签收不一定等于可售，入库、质检、贴标或上架都可能增加时间。管理口径应采用“库存何时真正可供销售”，而不只是物流单上的到货日期。
某些企业全网库存看起来充足，但库存集中在错误的位置：需求上涨的门店拿不到货，低需求门店却放着多周库存。这里的关键指标不是全网库存总量，而是库存分布是否匹配需求、调拨是否赶得上销售窗口，以及在途货物能否按承诺时间到店。
判断库存是否“可用”，需要考虑库存状态。待质检、冻结、退货待处理、已被订单占用的商品，都不能和正常可售库存等同。若数据报表只汇总实物数量，不区分状态，管理者可能误以为库存足够，实际可售量却低于补货点。
要做出可执行的库存上限判断，不必一开始就建设复杂预测模型，但基础字段必须统一。门店编码、商品编码、日期、销售数量、现货数量、已分配数量、在途数量、补货提前期和采购批量等字段，需要有稳定定义。字段定义不一致，计算结果看似精确，业务却无法复核。
“每个 SKU 备 14 天”容易执行，却没有解释为什么是 14 天。对高波动、长交期商品，这个天数可能仍然不够；对稳定、短交期商品，它又可能过多。固定天数可以作为缺乏数据时的临时规则，但应明确它是过渡基准，而不是已经验证的最优方案。
更重要的是，天数口径常常被误解。若销量取最近 7 天均值，刚好处于促销期，备货量会被抬高；若用最近 90 天均值，已经换季的商品又可能被高估。需要根据商品特性和业务节奏选取观察窗口，并将促销期、断货期和异常订单单独标记。
日均销量只能描述中心水平，不能描述波动。两个商品日均销量都是 10 件，一个每天卖 9 至 11 件，另一个在 0 至 30 件间大幅波动，所需缓冲显然不同。若仅按“日均销量乘提前期”设置库存，两者会得到同一个结果，风险差异被掩盖。
在数据量足够时，我更愿意看日需求标准差、需求分位数和缺货频次；数据较少时，可先用滚动窗口估计波动，并由采购与门店共同复核。不要因为计算公式里出现小数点，就误以为输入数据已经可靠。
供应商报价单上的交期通常是承诺值，不一定等于真实可售提前期。实际过程可能包含审批、排产、出库、运输、清关、到仓验收和系统上架。若历史数据表明承诺 10 天、实际可售平均 15 天，计划仍按 10 天计算，缺货风险就会以“意外延迟”的形式反复出现。
交期不只看平均值，也要看波动范围和延迟频率。平均 12 天、偶尔拖到 30 天的供应商，和稳定在 12 至 14 天的供应商，即便均值相同，库存策略也不应相同。若供应商历史记录不足，建议先采用偏保守的交期假设并标注置信度，随着到货数据积累再调整。
库存上限是停止线，不是补货目标。若门店上限设为 200 件，不代表每次补货都应该补到 200 件。慢销商品补到上限会占用资金并增加过期风险；对有最低起订量的商品，实际订货也可能超过需求，但这时应记录超限原因，而不是让系统把超出的部分隐藏起来。
上限要能解释“为什么是这个数”。我会把它拆成覆盖天数、仓容上限、资金上限和商品生命周期约束，再取实际可执行的最小值。这样当上限触发时，团队能判断是销量变化、交期延长，还是库容或预算变化导致，而不是只看到一个不可追溯的数值。
新品没有稳定历史销量，促销商品的历史销量又可能被活动机制改变。直接把促销峰值复制到常态补货中，会造成活动结束后积压；把新品按同类商品均值补货，也可能忽视价格、陈列位置和客群差异。此类商品应采用独立策略，给出试销量、补货触发条件和退出条件。
活动备货最好拆成基础需求和活动增量。活动增量需要对应明确的活动时间、渠道、门店和销售假设，并在活动后复盘实际售罄率和剩余库存。否则促销预测就会变成“为上次高库存找理由”的循环。
我建议把库存位置定义为可售现货加可确认在途，再减去已承诺需求。若企业还有调拨中库存、待检库存或退货回仓，应分别规定是否计入以及何时计入。不同系统口径不必完全相同，但必须稳定、可解释，并能让采购、仓库和门店使用同一套数字。
例如，仓内有 80 件可售，供应商在途 60 件，已承诺订单 25 件，门店间调拨中有 10 件且预计两天后到达，那么库存位置可能是 125 件，也可能因调拨货物尚未确认而暂不计入。无论采用哪种口径，都要明确运输风险和到货时间，不能把所有“在途”都按确定库存处理。
最基础的补货点可以表示为：补货点等于补货提前期内的预计需求，加上安全库存。若日均需求为 μ、平均提前期为 L 天，在需求稳定且提前期波动可忽略时，提前期需求可近似为 μ×L。这个方法适合作为起点，不适合不加校验地用于高波动商品。
当需求波动和交期波动都需要考虑时，可在假设需求日波动与交期相互独立的条件下，用下式估计安全库存：目标服务水平对应的 z 值乘以提前期需求标准差。若日需求标准差为 σd，平均提前期为 L，平均日需求为 μ，提前期标准差为 σL，则提前期需求标准差可近似写为平方根内的 L×σd² 加 μ²×σL²。
提前期需求均值 = 日均需求 × 平均提前期
提前期需求标准差 ≈ √(平均提前期 × 日需求标准差²
+ 日均需求² × 提前期标准差²)
安全库存 = 服务水平系数 z × 提前期需求标准差
补货点 = 提前期需求均值 + 安全库存
公式中的独立性假设很重要。如果促销期间需求上涨，同时供应商也因旺季延迟，需求波动和交期波动并不独立，简单公式可能低估风险。此时应使用历史逐日模拟或按场景设置不同提前期，而不是机械套用一个 z 值。
服务水平不是越高越好。把所有商品都设成 99%，通常意味着更高库存、更高资金占用和更大的滞销暴露。对缺货后可由替代品承接、补货较快的商品，服务水平可适度降低；对核心商品、连带销售影响大或缺货会造成客户流失的商品，则可能值得更高保护。
实际管理时，我会把服务水平分层，而不是逐个 SKU 争论一个小数点。分层依据可以包括毛利贡献、销售频率、替代性、缺货影响和供应不确定性。每层采用不同服务目标，再抽样检查库存成本和缺货变化，若结果不符合经营预期，就调整分类或目标，而不是把模型参数当成不可质疑的规则。
一个可操作的上限，可从“目标覆盖需求量”和“硬约束”两端计算。目标覆盖需求量可以由目标覆盖天数乘以预测日需求得出；硬约束则包括库位容量、资金预算、保质期可售窗口和采购批量。最终上限取经营上可接受的限制值，并明确是否含安全库存、在途和已分配库存。
如果库存上限只限制仓内现货，而不把已下订单纳入，采购可能不断重复下单，导致总库存超标。因此，我更倾向于把上限用于净库存位置：现货、在途和已承诺需求按统一规则合并，补货后的净库存位置不得超过上限，除非有经过批准的活动备货或供应风险例外。
基础订货建议量可以写成“目标库存减去库存位置”，再按最小起订量、整箱数和采购倍数修正。但修正后不能忘记重新检查上限。若最小起订量会导致超上限，决策者需要比较分批发货、改换供应方案、跨店共享库存或接受短期超限的成本，而不是悄悄把公式结果向上取整。
当目标库存低于起订量时，系统应给出例外提示。对低频、低毛利、短保质期商品，停采或合并采购可能更合理；对关键零件、核心畅销品，接受一次性超限也可能更经济。重要的不是“所有超限都禁止”，而是超限原因、责任人和退出时间可追踪。
| 判断对象 | 推荐计算或检查 | 管理含义 |
|---|---|---|
| 补货点 | 提前期需求加安全库存 | 用于识别何时触发补货动作 |
| 库存位置 | 可售现货加可确认在途减已承诺需求 | 用于避免忽略在途或重复采购 |
| 库存上限 | 目标覆盖量与仓容、预算、效期限制共同确定 | 用于控制补货后的总库存暴露 |
| 建议订货量 | 目标库存减库存位置，再校验起订量及上限 | 用于形成可执行订单，而非仅给出理论值 |
下面的案例是用于演示计算逻辑的情景推演，不是某企业真实经营结果。设有一个中心仓和三家门店，管理一种常温日用品。门店甲日均销售 10 件，门店乙日均销售 6 件，门店丙日均销售 4 件；供应商到中心仓平均提前期 5 天，中心仓到门店配送需要 1 天。
三家店的需求波动并不一样：甲店周边客流变化较大，日销量标准差取 4 件；乙店日销量标准差取 2 件；丙店日销量标准差取 1 件。为了简化演示，先假设供应提前期稳定、商品没有促销、没有缺货截断，目标服务水平暂取约 95%，对应 z 值约 1.65。实际应用时，参数应由历史数据和企业风险偏好校准。
若先只看门店到货链路，门店补货提前期按 1 天处理，甲店的提前期需求均值为 10 件，需求标准差约为 4 件，安全库存约为 1.65×4，即 6.6 件，补货点约为 17 件。乙店补货点约为 6 加 3.3，即 9.3 件；丙店约为 4 加 1.65，即 5.7 件。
这些数值展示了一个容易忽略的事实：甲店的平均需求较高、波动也更大，补货点理应高于乙店和丙店。但如果三家店都各自持有完整的安全库存，企业会承担重复缓冲。若中心仓能快速响应，门店安全库存可以更低，更多缓冲集中在中心仓；若配送不稳定或门店偏远，门店层面又需要保留更多库存。
三店日均需求合计为 20 件。若三店需求波动相互独立，中心仓的需求标准差近似为各店标准差平方和开根号，即约为 4.6 件，而不是简单相加得到 7 件。需求风险在一定条件下可以通过集中库存共享，这就是中心仓相较于每店各备一份缓冲的潜在价值。
但“相互独立”并非总成立。若三家店同时受天气、节日或全网促销影响，需求会一起上涨，集中缓冲的分散效果会变弱。我的做法是先按周、门店和活动类型查看需求同步性，再决定安全库存集中在哪一层。集中管理不是天然更省库存，前提是仓库能够及时分拨，且门店需求数据足够及时。
假设某日甲店可售 12 件，乙店可售 25 件，丙店可售 18 件，中心仓可售 60 件，供应商在途 80 件。甲店低于其示例补货点约 17 件，但乙店、丙店和中心仓都有库存。若甲店距离中心仓可在次日送达，先从中心仓补 10 件可能比新增采购更快、更不容易造成总库存超限。
不过，调拨并非无成本。要检查调拨运输费、门店拣货负担、其他门店未来数日的预计需求，以及供应商在途是否可靠。如果把乙店 25 件全部调走，可能只是把甲店的缺货风险搬到乙店。更稳妥的方式是对各门店滚动计算未来补货周期需求，调出库存应来自“高于本店保护需求的可调拨余量”。
在实际操作里，库存分析经常散落在销售报表、仓库台账、采购订单和门店补货表中。团队可以先将这些数据按商品、门店和日期统一，再制作库存位置、补货点、库存上限、预计覆盖天数和异常原因的分析视图。九数云官网所介绍的产品定位涉及数据分析与商业智能场景；在这类工作中，可将它作为整理经营数据、构建分析看板和跟踪指标的工具选项之一。
我不会把工具本身当作库存决策模型。能否得出可靠建议，取决于数据口径、业务规则和复核机制。比如在看板中同时展示“可售库存、在途库存、已分配库存、补货点、上限和建议动作”，比只做一个库存总量排名更有决策价值。对于库存状态或供应时间字段缺失的企业，应先补数据治理，不宜先追求复杂预测图表。
若使用分析平台，建议用一个实际商品做小范围试跑：核对它在门店、仓库和采购单中的编码是否一致；抽查三个月库存流水与实物是否对得上；再对照人工决策，找出系统建议与现场判断的差异。九数云是否适合具体团队，应根据数据接入能力、权限管理、维护成本、现有系统环境和使用者习惯评估，不应仅凭演示界面作决定。
| 对象 | 日均需求 | 日需求标准差 | 示例门店补货点 | 建议优先动作 |
|---|---|---|---|---|
| 门店甲 | 10件 | 4件 | 约17件 | 低于补货点时先看中心仓可调拨量，并检查未来数日活动需求 |
| 门店乙 | 6件 | 2件 | 约9件 | 库存超过本店保护需求时，可评估有限调出，不宜只按现货总量判断 |
| 门店丙 | 4件 | 1件 | 约6件 | 需求相对稳定，可采用较小缓冲，但仍需核对配送异常和整箱约束 |
如果销售、库存和采购数据不能按统一商品编码对齐，先不要急着计算每个 SKU 的安全库存。第一步是确定可售库存定义、库存状态、在途认定规则和补货提前期起止点。随后抽样核对系统数据与现场实物，记录差异原因，而不是简单把账面数字当作事实。
在数据积累初期，可以用分类规则给出临时库存天数，但必须标明适用范围和复核日期。例如，长交期商品与短交期商品分开，稳定需求与间歇需求分开，活动商品单独标记。临时规则需要定期复核，否则它很容易变成没有人记得来源的永久参数。
选择试点 SKU 时，不要只挑销量最大的商品。可以优先选择缺货损失较高、供应周期较长、门店间需求差异明显，且历史数据相对完整的一组商品。小范围试点有助于发现库存状态、交期字段和起订量规则中的问题，也能降低模型建议错误造成的经营影响。
试点期间至少跟踪缺货率、超上限天数、库存周转、临时调拨次数、紧急采购比例和人工覆盖比例。某项指标变好，不代表整体策略成功：缺货率下降可能来自大量增加库存；库存下降也可能是服务水平恶化。应把结果指标放在同一张复盘表中观察，并记录促销、断供等外部因素。
旺季的风险来自需求上升和供应变慢可能同时发生。若只提高日均销量，却仍使用平季交期，补货建议可能过于乐观。建议至少设置正常、偏旺和供应延迟三种情景，分别计算需求覆盖、上限压力和资金占用，并提前设定采购冻结点或活动结束后的降库存动作。
活动结束后，不要只看总销量。还要看活动期间缺货发生在哪些门店、哪些门店产生剩余、调拨是否及时，以及实际售罄曲线与预测差距。下一次活动的参数应基于这些细节调整，而不是简单把上一场活动的备货数量按比例放大。
新品没有充分历史数据，通常需要“首批小量、快速复核、达到条件再追加”的策略。首批数量可结合相似品、门店数量、陈列计划和供应商交期估算，同时设置最大可接受库存资金和回收计划。对供应周期特别长的新品，可以考虑分批发货或把部分库存保留在中心仓。
低频商品的销量分布可能不适合用普通日均值预测。对这类商品，应该检查单次需求间隔、缺货后是否流失订单，以及客户是否接受替代品。若库存持有成本高、需求可延期或可替代，按需采购可能优于为追求表面服务水平而长期备货。
安全库存和库存上限不是设置一次就永久有效。门店增减、供应商变更、促销机制调整、运输线路改变，都可能让原来的参数失效。建议记录参数版本、生效时间、计算依据、审批人和复核日期，避免经营团队在复盘时无法判断结果对应哪一版规则。
参数调整要有反馈闭环：系统建议被人工改动时，记录修改理由；缺货发生时，记录是需求超预期、交期延迟、数据错误还是执行不到位。这样的记录能区分模型误差和流程问题。若只保存最终订货量，团队就无法知道下一次应改预测、改供应商管理，还是改调拨规则。
如果中心仓到门店配送频率高、履约可靠，门店可采用较轻的安全库存，把更多缓冲集中在中心仓。这样有机会减少门店间重复备货，并通过统一库存池应对不同门店的短期波动。前提是仓库有足够分拣能力，补货数据及时，且调拨到门店的时间短于商品可接受的缺货窗口。
如果门店配送线路不稳定，或仓库在周末和节假日不发货，集中库存可能只在账面上共享，实际响应却跟不上。此时不能只根据全网库存下降得出优化成功的结论，还要检查门店缺货小时数、紧急配送费用和顾客订单取消情况。
长交期且容易延误的商品，安全库存应更多依据提前期分布而非供应商口头承诺。若短期无法改善供应可靠性，企业可能需要提高保护水平，但应优先投向关键商品和高缺货损失商品，而不是把所有 SKU 一起加量。对供应风险低、替代性强的商品，保持较低上限更有利于控制资金。
库存保护只是风险缓解，不是供应问题的替代方案。若某供应商持续延迟，除了增加库存，还应评估双供、替代规格、提前确认产能、分批交货和安全运输路线。长期依赖加库存来掩盖供应履约问题，会让仓库承受越来越高的成本，却没有解决根因。
资金紧张时，不宜简单地把服务水平统一下调，因为这可能伤害核心商品销售。可以先依据销售贡献、替代性和缺货影响，把商品分成重点保护、常规保障和低优先级三类，再讨论库存预算分配。与此同时，检查滞销库存是否可以跨店转移、退供应商、换货或停止补货。
仓容有限时，库存上限应考虑体积、货位和操作成本，而不只是金额。体积大、周转慢的商品会挤占高周转商品的仓储空间；高拣选频率商品放在不合理位置，也会增加作业时间。必要时可以设置仓容上限与资金上限两套规则，分别解释空间和现金的约束。
短保商品和季节商品不能只根据平均日销量计算上限，还要考虑剩余可售天数。假设商品到货时剩余效期有限，计算的覆盖需求若超过可售窗口，就算库存不会立刻缺货，仍可能产生报损。生命周期即将结束的商品，则需要设置逐步降低上限、停止补货或提前清库存的时间节点。
这类商品的报损成本应纳入取舍，而不是只比较库存金额。若多备一箱可以避免一次严重缺货，但过期风险也很高，经营者需要比较两种风险的期望成本。需要注意，期望成本依赖企业自身的售价、毛利、报损处理和顾客替代行为，不能套用通用行业数字。
如果缺货主因是门店没有及时下单、库存记录不准确、仓库拣货延误或商品冻结，增加安全库存可能无法解决问题。库存不足和库存不可用是不同问题。提高库存前，应先拆解缺货原因，明确缺货发生在采购、入库、仓储、调拨还是门店执行环节。
我更愿意把服务水平目标理解为一个有成本的选择，而不是管理者的口号。每次提升服务目标，都应同步观察资金占用、超上限库存和报损变化。若服务水平提升带来的销售收益低于新增库存成本，且没有明显的客户留存或连带销售价值，继续加库存未必是理性选择。
日常不必让团队每天重算所有商品参数，但应及时查看库存位置跌破补货点、预计到货延迟、超上限和异常缺货等事件。每周复核异常是否处理、是否需要调拨或催交；每月检查需求和交期变化；每季度再审视商品分层、服务目标和库存预算是否仍符合经营策略。
这种节奏的价值在于把快速处理和慢速治理分开。缺货警报需要及时响应，而服务水平和上限策略不适合随着单日波动频繁变化。过度频繁调参会让团队追逐噪声，甚至出现今天加库存、下周又降库存的摆动。
一个对经营者有用的库存看板，不应只有库存金额和周转天数。它至少要能回答：哪个门店可能缺货、缺货原因更像需求上涨还是到货延迟、全网哪里有可调拨余量、库存上限由什么约束、建议动作会带来多少资金占用。看板提供的是判断依据，最终动作仍需结合业务事实和责任分工。
如果团队考虑使用九数云这类数据分析工具，可以先定义清楚要管理的决策问题，再验证数据能否稳定接入和复核。不要为了展示更多图表而增加复杂度。一个能追踪异常、能解释参数、能对照人工决策的简洁分析视图，通常比信息密集但无人使用的大屏更有价值。
结果指标可以包括缺货率、库存周转、超上限金额、报损金额和资金占用；过程指标则包括交期数据完整率、门店补货及时率、库存状态准确率、调拨响应时间和人工覆盖比例。只看结果容易误判原因，只看过程又无法判断经营效果。两类指标应相互印证。
指标口径需要写清楚。例如缺货率按门店商品日、订单行还是销售时段统计，都会得出不同结果；库存周转按成本金额还是件数计算，也会影响解释。团队应在报表旁保留统计定义和时间范围，避免不同部门拿着同名但不同口径的数字争论。
如果现在就要开始，我建议选 20 至 50 个商品、2 至 5 家门店，覆盖稳定畅销、长交期、高波动和低频商品几种类型。这个范围不是固定标准，而是为了让试点足够小，能够逐项核对；同时又不至于只验证一种商品特征。团队规模和数据量较小时，可以从更小范围开始。
我认为最值得坚持的原则是：安全库存负责承受不确定性，库存上限负责约束不确定性带来的成本，而多店调拨负责利用库存的空间差异。三者不是三个独立数字，而是一套连续的经营判断。只要先把库存口径、补货提前期和上限原因讲清楚，团队就能从“多备一点更安心”转向“该在哪备、备多少、什么时候停止补货”。
下一步可以先挑一个经常缺货又容易积压的商品，回看最近 8 至 12 周的门店销售、可售库存、在途和真实到货时间，人工重算一次补货点与库存上限。把计算结果与当时的采购、调拨和缺货记录对照，找出最主要的误差来源，再决定是修数据、改规则还是换补货方式。这个小闭环往往比一开始追求全量自动化，更能建立可信的库存管理基础。
读者评论
把门店缺货直接转成采购单确实容易重复备货。先核对可售库存、在途和已承诺量，再看能否调拨，这个判断顺序对多店业务很实用。
文中区分签收时间和真正可售时间很关键。我们也遇到过货到了仓库却还在质检，按物流到货日算交期，结果补货点设得偏低。
库存上限不该成为每次补货的目标，这点很认同。尤其慢销和临期商品，还要把效期、起订量和剩余库存一起考虑，否则限额本身也挡不住积压。