旺季缺货，往往不是因为仓库少备了几箱，而是因为企业把“安全库存”当成固定数字：去年多留了 20%，今年也照着加。可需求峰值、供应周期和补货节奏只要有一项变化，旧数字就可能同时制造两种损失，畅销品断货，慢销品积压。我的判断是，安全库存不该由一个统一的加成比例决定，而要由需求波动、补货周期、目标服务水平和库存风险共同推算，再随着旺季信号滚动调整。
仓库里常被笼统称为“库存”的数量，实际上至少包含三种不同用途：覆盖日常消耗的周期库存、应对需求或交期偏差的安全库存，以及为确定的促销、项目或季节性需求准备的专项库存。把三者混成一个数，盘点时看不出多出的库存究竟是合理缓冲，还是采购过量。
我建议先用下面这条逻辑定义补货目标：补货目标库存＝补货周期内的预计需求＋安全库存＋已确认的专项需求－可用库存－在途可用量。公式里的每一项都应注明口径，例如“可用库存”是否扣除了质检冻结、已分配订单和不可售残次品。
如果只保留一个安全库存数值，实际管理会失去解释能力。旺季临近时，团队可能看到库存偏低就加单，却说不清是销量加速、供应商交期延长，还是账面库存中有一部分无法发货。把需求覆盖量、安全缓冲和专项备货分开，才能对变化分别采取行动。
销售额适合观察经营结果，却不适合直接决定备货数量。相同销售额可能来自少量高价商品，也可能来自大量低价商品；前者的数量需求未必大，后者可能每天都在消耗大量库存。安全库存需要使用具体 SKU 的需求量和补货周期，并明确按日、周还是订单批次统计。
需求相对稳定、补货周期也稳定时，可以用“需求波动”估算缓冲；需求与交期都在波动时，两类不确定性都要纳入；如果商品面临新品上市、促销爆发、断货后补买等结构变化，历史均值本身可能已经失真，不能只靠公式推算。
高服务水平通常需要更多缓冲，但服务水平每提高一点，所需库存可能增加得很快。对停产损失大、替代品少、缺货会影响整套交付的关键物料，企业可以接受较高的库存资金占用；对易过期、迭代快、售价下滑快的商品，盲目追求接近 100% 的现货满足率，可能让滞销和报废成本超过缺货损失。
我把安全库存看成一项风险预算，而不是仓库里的“保险箱”。管理者要先讲清楚愿意为多高的供货可靠性承担多少资金、仓储和过期风险，再反推各类商品的安全库存，而不是先定一个统一服务目标。
拿过去 90 天平均销量乘以备货天数，是常见但危险的简化。假设某商品在平销期日均销量为 20 件，旺季首周可能上升到 35 件，活动当天达到 70 件。用 20 件作为整段旺季的日需求，不仅低估备货量，也会把缺货时间判断得过晚。
反过来，把促销峰值 70 件直接当成整个旺季的日均需求，同样会制造积压。正确做法不是在“平均值”和“峰值”之间猜一个数，而是把季节阶段拆开，分别观察基线需求、活动增量、活动结束后的回落速度，以及促销订单是否提前透支了后续需求。
我通常会把时间至少切成四段：活动前预热期、活动高峰期、活动后回落期和旺季尾段。对每段分别估算需求，并标记数据来源。若销售增长来自临时折扣，就不能把它直接外推到正常售价；若增长来自新渠道新增客群，则要判断渠道是否会在活动后持续贡献销量。
某 SKU 连续几天售罄，系统中的销售记录可能显示“销量下降”，但这并不意味着消费者不再需要它。缺货期间流失的订单、转买替代品的客户和延后购买的客户，都会让实际需求与成交数据分离。若用成交量作为唯一需求输入，预测会因为历史断货而越算越低。
分析时要尽量补上缺货时段的需求信号：商品页面访问量、缺货前的日均销售、未完成订单、客户询单和同类商品的替代购买情况。并非所有企业都能拿到这些数据，但至少要在报表里标记断货日期，避免把零销量误当成零需求。
很多备货计划只给销量做季节性上调，却默认供应商交期不变。实际上，旺季可能伴随原材料紧张、工厂排产拥堵、干线运力不足、口岸或承运环节延迟。需求上升时，补货周期也可能变长；如果仍按平销期交期计算，安全库存就会系统性偏低。
因此，旺季准备表不能只有“预测销量”一列，还应记录供应商承诺交期、历史实际交期、交期波动范围、最晚可下单日期和替代采购渠道。承诺日期适合追踪计划，实际到货记录更适合估算风险，两者不能混为一谈。
仓库账面库存可能包含待检品、已拣货未出库、已分配订单、退货待判定、库位错误和在途货物。若这些数量没有按可用状态区分，系统会高估可售库存，补货信号自然滞后。旺季订单密集时，库存状态更新不及时还会放大超卖风险。
我会先统一三个口径：实物库存是盘点能找到的数量，可售库存是能立即分配给新订单的数量，库存位置与状态则解释为什么实物不能马上销售。安全库存的触发计算应使用一致的可用库存口径，而不是直接读取未经清理的账面总数。
给所有商品统一增加 20% 库存，看似简单，实际把低风险品和高风险品混在一起。需求稳定、交期短、替代性强的商品可能因此积压；需求波动大、交期长、缺货损失高的商品却可能仍然不够。比例相同，不代表风险相同。
至少应按需求波动、供应周期、缺货影响和保质或淘汰风险分层。分类不必一开始就复杂，先把高销售贡献、长交期、容易缺货、不可替代和易过期的 SKU 单独标记，通常比给全仓套同一比例更有效。
“服务水平达到 95%”可能指周期内不缺货的概率，也可能指订单行满足率、按时足量交付率或发货及时率。几种指标不是一回事。即使目标都写着 95%，对应的库存策略也可能完全不同。
安全库存公式中的服务水平通常需要对应特定的缺货概率假设。若企业用的是订单满足率，就要将计算结果与真实履约指标做回测，不能把公式里的服务系数直接宣称为“95% 订单都能满足”。指标定义不清，容易出现系统看似达标、客户仍频繁遇到缺货的情况。
供应商平均交期为 10 天，不代表每次都在 10 天到货。一批货 7 天到、另一批 13 天到，平均也可能是 10 天，但对低库存 SKU 来说，后一次延迟就足以造成缺货。比较供应商时，我更关注中位数、较高分位数、超期频率和旺季样本，而不是只看平均值。
样本量也要一起看。只有两三次到货记录的“稳定交期”，并不能证明供应可靠。数据不足时，应在计划中标明置信不足，采用保守但可复核的临时缓冲，并持续更新实际到货记录。
预测经常偏高或偏低，未必应该靠加大安全库存解决。如果某类商品的预测持续高估，问题可能在促销重复计入、退货未扣除、渠道重复归因或产品组合变化；若持续低估，也可能是断货压低销量、数据延迟或新品爬坡假设不足。
安全库存能吸收合理的不确定性，不能替代数据治理和预测偏差纠正。否则库存会变成“给错误预测买单”的资金池，表面上缺货少了，实质上资金占用和呆滞库存一起增加。
补货点计算最怕重复计算。比如采购在途 500 件已经计入预计可用量，但采购订单延期后仍被系统按原日期扣减需求；或已分配给客户的库存还出现在可售数里。前者会导致过早补货或缺货，后者会导致超卖和履约失败。
每次下单前应核对在途数量、预计到货日期、采购单状态和已分配数量。若到货日期不可信，在途库存就不能简单按“数量全额可用”处理，可以按到货可靠性拆成确定到货和风险到货，分别用于计划与预警。
计算前先确认需求是按订单量、出库量还是实际消耗量统计。零售场景通常更关心有效销售需求；生产场景可能关注领料消耗；售后备件则要区分常规替换与突发维修。退货、取消订单、赠品、内部领用和促销组合包的处理方式，也应在口径说明中写清。
补货周期应从“订单真正可以下达”开始，直到商品进入可用状态结束，而不是只采用供应商口头承诺的生产天数。采购审批、排产、生产、运输、到货、质检和上架都可能占用时间。若企业只计算运输时间，安全库存会漏掉内部流程和质检等待。
需求和交期较稳定时，可以用简化公式：安全库存＝日需求标准差 × √补货周期 × 服务系数。这适用于需求波动可近似稳定、补货周期相对固定、观察窗口有代表性的情形。服务系数对应目标缺货风险，例如在正态近似下，常见单侧服务水平 90%、95%、97.5%、99% 对应的 Z 值约为 1.282、1.645、1.96、2.326。
这里的“正态近似”是计算假设，不是自然规律。销量有大量零值、极端促销峰值、间歇性需求或明显趋势时，标准差和正态系数可能产生误导。尤其是低频备件，一个月大部分时间零需求、偶尔一次大额领用，不能简单用正态分布解释。
当需求和交期都在波动时，可以使用下面的近似表达式：安全库存＝Z × √（平均交期 × 日需求标准差²＋平均日需求² × 交期标准差²）。它把需求变化和交期变化都纳入估计，适合用于识别两种波动叠加的风险。若两者高度相关或存在明显促销冲击，仍需用历史回测或情景模拟验证。
对需求分布偏斜、样本少、断续发生的商品，分位数方法通常比“均值加标准差”更直观。可以取过去若干个旺季或滚动窗口内，补货周期需求的 95 分位数，再与平均补货周期需求比较，以差额作为候选缓冲。
但分位数也不是万能答案。若历史窗口包含缺货，需求会被截断；若供应商或产品已经变更，旧样本不再具有代表性；若促销机制已改变，历史高峰也未必会重复。每一个统计值都需要附带观察窗口、样本量和适用条件。
不是每个 SKU 都值得达到相同服务水平。评估缺货成本时，可以考虑失去的毛利、客户流失、停线或缺件造成的连带影响、紧急空运、罚款和替代方案成本；评估过量成本时，则考虑资金利息、仓储、过期、跌价、折价清仓和报废。
当商品可替代、需求容易延期、供应快速时，较低缓冲可能更经济；当缺货会让整套产品无法交付、没有替代品、采购周期很长时，较高缓冲可能合理。决策依据应是“多持有一件库存的成本”和“少一件库存可能带来的损失”，而不是部门之间谁更担心缺货。
| 商品特征 | 优先关注 | 建议决策方向 | 需要警惕 |
|---|---|---|---|
| 需求稳定、交期短、可替代 | 周转与补货效率 | 采用较低缓冲，增加补货频率 | 小批量补货是否带来过高运输成本 |
| 需求波动大、交期长 | 需求预测误差与供应风险 | 按旺季分段预测，设置滚动复核点 | 把一次性促销峰值外推到全季 |
| 缺货损失高、不可替代 | 可用库存与实际到货可靠性 | 提高保障优先级，必要时准备替代来源 | 用更高库存掩盖供应商长期不稳定 |
| 易过期、易降价、迭代快 | 剩余保质期、清货窗口与资金占用 | 限制备货上限，优先采用小批次滚动补货 | 为了极高现货率产生过期或跌价损失 |
安全库存不是唯一触发条件。更常用的补货触发逻辑是：再订货点＝补货周期内的预计需求＋安全库存。当库存位置下降到再订货点时，启动采购或生产补充。库存位置一般需要把可用库存和可信在途量纳入，同时扣除已分配需求；具体定义必须与企业系统保持一致。
旺季应在固定复核日之外增加事件触发：预测误差连续超阈值、供应商交期超出历史高分位、活动销量明显高于计划、关键原料出现限制、可用库存跌破保障天数时，都应触发人工复核。异常触发负责“及时看见变化”，并不意味着每次异常都自动加单。
下面是一个明确标注为情景模拟的案例，不代表九数云客户数据或公开经营数据。设想一家经营服饰配件的企业有 120 个活跃 SKU，其中 18 个商品贡献了旺季销售额的大部分。平销期一个核心 SKU 日均销量 20 件，日需求标准差 8 件；预计旺季日均需求上升到 28 件，供应商平均交期 12 天，旺季实际交期标准差为 3 天。
如果只使用平销期的均值和标准差，企业会低估旺季需求。如果交期仍按 12 天固定计算，安全库存只反映需求变化，不反映交期波动。将旺季平均需求、需求标准差和交期波动分别纳入后，才可以看到库存缓冲的来源，也可以解释为何同一 SKU 在旺季需要比平销期更高的保障量。
在简化情景里，假设该 SKU 的旺季日需求标准差仍为 8 件，目标服务水平取 95%，Z 值采用 1.645。将平均交期 12 天和交期标准差 3 天代入需求与交期双波动的近似公式：安全库存约为 1.645 × √（12 × 8²＋28² × 3²），约为 153 件。这个数不是采购指令，而是提醒团队：交期波动对日均需求较高的商品影响可能非常显著。
若为了简化，忽略交期波动，只计算 12 天固定交期下的需求波动缓冲，结果约为 46 件。两种计算差异很大，说明交期标准差可能成为主要风险来源。管理者不应立刻把库存从 46 件加到 153 件，而应先检查交期样本是否可靠、日需求标准差是否被促销污染、服务目标是否适合该 SKU，以及是否可以通过提前下单、供应商锁产能或备用来源降低交期风险。
以九数云这类数据分析平台为例，备货分析的价值不在于“做出一张库存大屏”，而在于把销售、库存、采购和供应商交期等数据放到同一决策口径下。实际落地时，应先确认可连接的数据源、字段权限、更新频率和数据质量；具体功能与接入方式以平台当前官方信息及企业实际配置为准。
我会先建立一张 SKU 日级事实表，至少包含日期、SKU、实际销量、缺货标记、可用库存、已分配数量、在途数量、采购下单日期、承诺到货日期、实际可用日期、促销标记和采购成本。若仓库有多仓，还应包含仓库、库位或履约区域，避免把某个仓的缺货被另一个仓的库存掩盖。
第二步是统一计算字段：滚动日均需求、需求标准差、实际补货周期、补货周期标准差、可售库存、库存位置、预测误差、预计可覆盖天数和候选安全库存。对于缺货日、促销日、退货、组合销售和新品首发，要保留标记，不要在汇总前直接删除。
第三步是做三类视图。管理层看高风险 SKU 数量、预计缺货金额和资金占用；采购看待下单清单、最晚下单日、在途延迟和供应商差异；运营看促销计划、预测偏差与活动后库存回落。一个指标如果不能对应到具体动作，只是装饰性展示。
在九数云中搭建类似分析时，我会把数据模型、看板和提醒规则分开治理：数据模型负责口径一致，图表负责定位差异，提醒负责触发复核。看板上的“建议补货量”应标为计算建议并呈现计算依据，保留人工确认环节，尤其是新品、供应短缺和大额采购场景。
每周复核安全库存时，不能只问“库存有没有断”，还要检查当时的预测、当时的库存状态、当时可知的交期，以及后来真实发生了什么。建议保存每次计算的参数版本，避免事后用更新后的数据覆盖原判断，导致团队无法判断策略当时是否合理。
核心评估可包括缺货天数、订单行满足率、库存周转、超龄库存、预测偏差、紧急运输费用和安全库存资金占用。旺季结束后，应按 SKU 分组分析：哪些商品通过额外库存降低了缺货，哪些商品增加了库存却没有带来明显服务改善，哪些问题本质上来自供应商延迟或数据口径。
| 观察维度 | 建议看法 | 决策用途 |
|---|---|---|
| 缺货情况 | 缺货天数、缺货 SKU 数、缺货订单行 | 判断保障目标是否达到，区分偶发缺货与持续短缺 |
| 库存效率 | 周转天数、超龄库存、旺季结束剩余量 | 识别缓冲是否过量，是否需要下调参数或改小批次补货 |
| 预测质量 | 预测偏差、偏差方向、活动前后误差 | 分辨库存问题来自预测、供应还是执行 |
| 供应可靠性 | 实际交期中位数、高分位交期、超期率 | 决定提高库存、提前下单、协商产能或启用替代供应商 |
| 资金与成本 | 库存金额、紧急运输费用、清仓折价和报废额 | 比较持有缓冲与缺货损失，修订不同 SKU 的目标水平 |
若 SKU 需求波动小、供应商交期稳定、补货频率高，重点应放在缩短补货响应和减少重复下单，而不是持有大量安全库存。可以按固定周期复核库存位置，设定清晰的再订货点，同时关注订货批量是否受起订量、运费或仓储成本影响。
这类商品适合用较短观察窗口滚动更新，避免把长期平均值延迟应用到当前需求。若多个仓之间可以调拨，调拨时效和成本也应作为供货方案的一部分，而不是把每个仓都当作独立库存池。
这类 SKU 不宜只通过抬高安全库存解决问题。采购应与供应商确认旺季产能、原料锁定、订单截止时间和分批到货安排；销售和运营则要提供活动日历、渠道计划和促销力度变化。若需求信号不共享，供应商无法及时排产，库存团队就只能用更贵的现货和紧急运输补救。
建议建立“基准、偏高、压力”三种情景：基准情景使用当前预测，偏高情景模拟销量超过计划，压力情景同时假设交期延长。每种情景都要写明触发条件和可选动作，例如追加采购、替代品导流、限量销售或跨仓调拨。情景不是对未来的承诺，而是预先设计的响应路线。
对于食品、化妆品、季节服饰和快速迭代商品，单看缺货风险会偏向过量备货。除了安全库存，还应设置最大库存、最晚清货日期、剩余保质期要求和跌价风险阈值。安全库存可以是一个补货触发参考，但不能自动突破现金预算或生命周期上限。
采购前应判断库存是否能在旺季结束前消化。若一批货到仓时只剩很短销售窗口，账面上“赶上了旺季”并不等于采购成功。对生命周期短的商品，较小批次、多次补货、预售和替代款承接，可能比一次性铺货更稳妥。
新品没有足够历史销量时，可参考相似商品、目标渠道、上市节奏和预售数据，但必须标出这些假设。相似 SKU 也要比较价格、客群、季节、曝光量和供应周期；只因为外观或品类相同，就套用销量曲线，容易产生错误类比。
初期可以设置小批量试销和快速复核节点，按真实售出速度、退货率、页面转化和补货周期决定追加。供应商补货慢、产品缺货代价高时，试销量需要更保守地平衡“错过销量”和“压住现金”，并在首批下单前明确追加采购的最晚决策时间。
全公司库存总量充足，并不代表每个客户都能及时拿到货。某仓有货、另一个仓缺货，跨仓运输需要时间；平台仓、门店和自营仓的库存也可能不能自由调拨。应把库存按履约区域、渠道限制和调拨时效拆分，计算本地可用量与可调拨量。
对可跨仓调拨的商品，库存策略可以比较“每仓分别持有安全库存”和“中心仓集中保障”的总成本。如果调拨慢、旺季运输受限，集中库存可能无法及时服务客户；如果调拨快且需求在地区间错峰，共享缓冲可能降低总体库存。选择哪种方案，要用服务时效和调拨费用共同验证。
加安全库存不是唯一的风险缓解方式。可以提前锁定供应商产能、拆分交期、引入第二来源、调整促销时间、设置客户替代品、将库存前置到需求附近，或通过订单承诺管理避免过度销售。比较方案时，不能只看库存件数，还要看现金占用、执行难度、响应速度和失败后果。
如果供应商可以按约定快速补货，追加一周库存未必划算；如果生产周期很长、供应商单一且缺货会停线，提前锁产能可能比临时采购更有效。反之，如果产品生命周期很短，提前锁定大量成品也可能把需求风险全部转移到企业自己身上。
可以从缺货影响、供应风险、替代难度和过量风险四个维度为 SKU 做分类，但分类的目的是决定管理动作，不是制造一张看起来精确的排行榜。高缺货影响、高供应风险、难以替代的商品应优先人工复核；高过量风险的商品则要设置更严格的采购上限与清货节点。
评分模型要防止“一个分数掩盖冲突”。例如，某商品缺货损失高但保质期短，不能只凭总分要求高库存。更好的做法是展示各维度分值和约束条件，让采购、运营和财务能看懂为什么该 SKU 被优先处理。
对某些商品，企业应接受少量缺货来保护现金流；对另一些商品，企业应主动承担库存成本来保障生产或客户交付。关键在于这个取舍要事先被授权、写进计划，而不是旺季结束后才发现“缺货太多”或“库存压太多”。
如果预算有限，可以先保障高毛利、不可替代、交期长和高复购商品，再对低毛利、易替代、易过期 SKU 采用更精细的限量策略。不要只按销售额分配库存；销售额高但利润低、可快速补货的商品，未必比销售额较低但缺货会导致整单流失的商品更优先。
每个高风险 SKU 至少应明确责任人、最后下单日、供应商联系人、替代方案、跨仓规则和升级阈值。缺货预警出现后，团队要知道由谁判断加单、谁批准预算、谁与销售协调客户预期。没有责任人和时限的看板，只能让问题更早被看见，不会自动解决问题。
先抽取销售、库存、采购和到货数据，确认日期粒度、SKU 编码、仓库维度和状态字段一致。盘点缺货期间、冻结库存、已分配库存、退货待检和在途订单。对历史记录不完整的字段，标记缺失比例，不要为了让报表好看而默认补零。
这一周的结果不必是复杂预测，而应是一份可信的基础数据说明：什么叫需求、什么叫可用库存、什么叫补货周期、促销和缺货如何标记。没有这份说明，不同部门拿同一张看板也可能得出完全不同的结论。
按销量贡献、需求波动、交期波动、缺货影响、保质期和替代性建立简明分层。建议先识别少量必须优先管理的 SKU，而不是试图一次性为每一个商品建立精密模型。对于数据样本不足或口径有争议的商品，明确标为“待验证”，不要假装计算结果精确。
此时可以与采购、销售和财务共同确定每类商品的保障思路，例如采用较高缓冲、频繁小批补货、提前锁定产能或设定严格库存上限。策略要写成动作和边界，不能只写“重点关注”。
基准情景用于日常采购计划，偏高情景用于测试销量超过预测时的缺口，压力情景用于模拟需求上升与交期延长同时发生。每个情景应包含明确输入：需求变化、交期变化、在途可靠性和可用库存，并输出预计缺货日期、可能的追加数量和资金占用。
场景模拟的目的不是选出一个最乐观数字，而是让管理层看到不同输入如何改变行动。若压力情景下的缺口无法通过采购及时解决，就要提前考虑限量、替代销售、预售承诺或客户沟通，而不是等缺货后再临时找方案。
先对高风险 SKU 试运行两到四周，检查预警是否准确、库存状态是否更新及时、采购审批是否赶得上、负责人是否能在承诺时限内处理。系统提示过多会导致团队忽略真正异常；提示过少则容易错过窗口。应根据误报和漏报记录调整阈值。
试运行结束后，复盘的不只是“有没有缺货”，还要看预警提前了几天、采取了什么动作、动作成本多少、最后是否避免了损失。这样才能判断问题是模型参数不合适，还是供应、审批、数据或执行环节没有响应。
这五个问题看起来简单，却能拦住许多“公式没错、输入不对”的采购决策。尤其是最后一个问题，很多企业只设计了缺货应急方案，却没有设计需求回落后的退出机制。
每周要看需求预测是否偏移、实际交期是否变化、库存状态是否准确。若三者都没有显著变化，参数不必为了“有更新”而频繁调整；若任何一项出现结构性变化，就要重新估算覆盖需求和风险缓冲。
建议为每次参数变更留下记录：原值、新值、变更原因、适用期限、审批人和复核日期。旺季结束后，临时加上的缓冲应自动进入回收复核，不应悄悄变成永久库存标准。
旺季结束后，将实际销量、缺货时段、实际交期、紧急采购费用、剩余库存和清仓结果整理到 SKU 维度。不要只复盘销售团队的预测，也要复盘采购交期承诺、仓库库存准确性和内部审批速度。库存结果往往是多个环节共同造成的。
若某商品缺货，但期末库存仍高，问题可能不是库存总量不足，而是到货太晚、仓库分布不合理或库存状态不准确；若某商品没有缺货但资金占用异常上升，也不能简单判定“备货成功”。评估好坏必须同时看服务结果和成本结果。
我认为真正实用的安全库存管理，不是算出一个“正确数字”，而是建立一套能解释数字、能响应变化、也能及时收回过量库存的机制。旺季准备的下一步，可以从一组高风险 SKU 开始：统一可用库存口径，补齐实际交期记录，做基准与压力情景，再用每周复核验证安全库存是否真的降低了缺货，而不是只把风险从缺货转移成积压。
我一直分不清安全库存该按平均销量还是最高销量来算，旺季前尤其怕算少了断货、算多了压资金。有没有一个能拿真实数据复核的算法，也能说明它在哪些情况下会失准？
不要把历史最高销量直接当安全库存：它会把促销、偶发大单和常态波动混在一起。对补货周期相对稳定、日需求波动近似独立的商品，可先用“安全库存＝服务水平系数×日需求标准差×√补货天数”估算，再用补货点＝补货周期内平均需求＋安全库存。
例如，日均需求20件、日需求标准差6件、补货周期7天，若目标服务水平约95%，系数取1.65，则安全库存约为1.65×6×√7≈26件，补货点约为20×7＋26＝166件。这个结果是起始值，不是永久参数；如果供应商交期也常变化，应把交期波动纳入需求覆盖期的误差，不能只套用稳定交期公式。
复核时建议拿过去8至12周逐日销量回算：若公式频繁低于实际缺货前的库存，先检查促销标记、缺货期间被压低的销量和交期记录，而不是立刻提高所有商品的安全库存。缺货会让销量数据看起来偏低，这是仓库最容易忽略的计算陷阱。
我准备旺季库存时，发现去年有几周销量突然上升，但不确定那是节庆需求、临时促销，还是今年也会延续的趋势。如果照着峰值备货，担心旺季一过就积压；如果按平时备，又怕补货来不及。该怎样把备货节奏拆开？
先把销量按周拆开，并为每个尖峰标注促销、节假日、大客户订单、缺货和价格变化。单周冲高不应直接外推；如果相似活动连续多年出现、活动日期可确认且销量增幅稳定，才适合纳入旺季预测。缺货周尤其要谨慎，因为记录到的销量可能只是供货上限，并非真实需求。
用一组可复核的示例：旺季预测日均需求为32件，补货周期14天，预测误差的日标准差为8件，服务水平约95%。在交期稳定的假设下，覆盖期需求约为32×14＝448件，误差缓冲约为1.65×8×√14≈49件，补货点约497件。这里的32件应是旺季预测，不是全年平均；
49件才是对预测误差的缓冲，二者不应混为一个拍脑袋的加成比例。执行上，把计划倒推到供应商截单日：先确认旺季预测和可用库存，再扣除已确认在途量，最后按交期决定下单时间。旺季开始前滚动复核预测误差；如果连续两周实际销量明显偏离预测，调整后续订单，不要等到货架见底才临时加单。
我手上的备货预算有限，不能让每个商品都多备一份。有些商品卖得快但容易替代，有些销量一般却一缺货就影响整单发货。我该按销量排序，还是按缺货损失、交期和替代性一起判断？
单按销量或销售额排序，往往会把资金放在显眼但不关键的商品上。旺季优先级至少要同时看四项：缺货造成的损失、供应商补货时间、需求不确定性、是否有可接受的替代品。销量高但本地可快速补货、且替代品充足的商品，未必比销量较低但交期长、缺货会卡住整套订单的商品更急。
可先给商品分成三档：关键且难替代的商品优先保障；需求稳定、交期短的商品按常规补货；需求波动大、替代性强或旺季结束后难消化的商品采用小批量、短周期复核。分档不是永久标签，应在旺季前按近期订单结构和供应商交期重新检查。预算分配时，先估算每多备一件能降低多少缺货风险，再比较它占用的资金和过季残值。
例如，某关键配件单件金额不高，却会导致高价值组合订单无法发出，适合优先保障；一款高单价、可替代且旺季后销售慢的商品，即使历史销量突出，也可能更适合分批到货，而不是一次性压满库存。
我担心备货方案做完就没人再看，直到缺货或旺季结束才发现问题。日常应该盯哪些指标？如果销量预测突然变了、供应商交期延长，或者旺季后库存还很多，分别该怎么处理才不至于越补越多？
复核频率应跟变化速度走：旺季前一个月可每周检查一次预测、库存和在途；旺季中如果需求波动很大，可缩短到每周两次。只看库存数量不够，还要同时看预计可售天数、未交订单、供应商承诺交期和预测误差，否则容易把在途货当成已经可用的库存。可以设置明确的调整触发器，而不是靠感觉。
例如，连续两次复核的实际需求比预测高出25%以上，重新估算后续订单；供应商交期比原计划延长20%以上，重算补货点并确认替代来源；预计库存覆盖期超过旺季剩余时间加一个补货周期，则暂停或缩小未发货订单。阈值要结合商品毛利、交期和缺货代价校准，不宜全仓统一。
旺季结束后，先冻结没有明确需求依据的补货，再把库存分成可跨季销售、可调拨和需要促销处理三类。复盘时比较预测与实际需求、到货是否按期、缺货天数和季后剩余量；如果只统计销售额而不追踪季后库存，就可能把一次高峰误判成长期增长，下一季重复过量备货。
读者评论
把周期库存、安全库存和专项备货拆开讲很实用，尤其是可售库存要扣掉冻结品和已分配订单，否则补货计算再精细也会失真。
文章提醒旺季交期也可能拉长，这点容易被忽略。只看销量上调、仍沿用平销期交期，确实可能低估风险；实际应用时还得持续记录到货日期。
情景数据适合说明分析思路，但不能直接拿来定库存。希望实际复盘时也能把缺货天数、取消订单和替代购买纳入需求判断，避免成交量偏低带偏预测。