旺季前把安全库存统一上调 30%，看起来像是在防断货，实际可能只是把现金、库容和呆滞风险一起推高。仓库安全库存管理的关键，不是给所有商品加同一个“保险垫”，而是区分需求波动、补货提前期、供应不确定性和库存上限之间的关系：哪些库存必须加，哪些应设封顶，哪些即使销量上升也不该提前囤。下面我用一套可复核的判断方法，说明怎样在旺季准备中同时控制缺货风险与库存占用；文中的案例数据均为情景模拟，不代表某企业的实际经营结果。
我在梳理库存方案时，首先会把安全库存、订货点和库存上限拆开。安全库存是用来吸收需求或供应波动的缓冲；订货点决定何时触发补货；库存上限则约束补货后最多允许持有多少。三者相互影响，却不能互相替代。
如果团队把安全库存直接当成“旺季多备的货”，常见结果是：采购在预测销量上再叠一层经验加成，仓库按库位容量再加一层上限，销售还会因为担心缺货要求留货。看似每个环节都有理由，合并后却可能形成重复缓冲。
我的判断原则是：安全库存回答“波动要缓冲多少”，上限回答“最多承担多少库存风险”，补货批量回答“每次买多少”。旺季方案必须同时设置这三个参数，并明确谁有权限调整。
管理目标不是把缺货率压到零。要做到绝对不断货，通常意味着极高的资金占用、仓储成本和过季损失。更现实的目标是让服务水平与库存成本相匹配：高毛利、关键客户、替代性弱的商品可以接受更高的保障；低毛利、易过时、可快速补货的商品，未必值得用大量库存换取很低的缺货概率。
旺季准备也不是一次性预测后锁定整个季度。订单、促销、供应商交期和物流状况会变，合理做法是设定滚动复核节奏和参数变更条件。例如每周复核重点商品，只有当需求变化、交期变化或供应风险达到设定阈值时，才调整安全库存，而不是每天凭感觉改数。
库存评审会上，我会要求采购、销售、仓库和财务至少对齐以下口径：现有可用库存、已分配未出库数量、在途数量、欠交数量、预测覆盖期间、供应商承诺交期、最小起订量，以及库存上限。若部门间对“库存”所指不同，任何安全库存计算都会出现争论。
对多数补货决策，可先定义库存位置：库存位置＝可用现货＋确认在途－未交订单或欠交量。如果企业的系统口径不同，应在方案中把定义写清楚，不能一边把已分配货算作现货，一边又忽略欠交需求。
| 参数 | 管理问题 | 旺季使用方式 |
|---|---|---|
| 安全库存 | 波动期间需要多少缓冲 | 按需求和交期不确定性分层计算 |
| 订货点 | 何时需要触发补货 | 覆盖补货提前期内的预计需求和缓冲 |
| 库存上限 | 最多允许承担多少库存 | 结合库容、资金、保质期和需求窗口设定 |
| 订货批量 | 每次实际买多少 | 受最小起订量、包装倍数和运输经济性约束 |
旺季期间，需求端可能出现促销拉动、客户集中下单、订单结构变化和预测偏差扩大；供应端可能出现原料紧张、生产排期变长、供应商拆单或运输延误；仓库端则可能面临到货集中、收货排队、拣货拥堵和库位被临时占用。
因此，“平均日销量乘以交期”只能给出一个基础覆盖量，不能完整代表风险。如果供应商平时交期 10 天，旺季时可能变为 18 天；若企业仍然使用平时参数，安全库存看起来没有变化，实际可覆盖天数却已明显下降。
我会把旺季风险拆成三类：需求风险、供应风险、执行风险。前两类影响需要准备多少货，执行风险则决定库存能否及时变成可销售、可出库的货。仓库里有货但仍然不能按时发出，不能算作真正的库存保障。
账面库存可能包含质检冻结、待上架、破损、批次受限、客户专属库存或尚未完成系统过账的商品。旺季前如果只看总库存，可能高估保障能力。建议至少将库存拆成可用、待检、冻结、在途、已分配几类，并规定每类状态如何进入补货判断。
比如，某商品账面有 800 件，里面 120 件待检、80 件已分配，真正可自由分配的现货只有 600 件。若订货点按 700 件设置，简单看总库存会认为不需要补货；但按可用库存与库存位置口径复核，实际可能已经触发补货。
旺季开始前，我还会确认商品的替代关系。两个型号如果可以互相替代，需求波动不一定要由每个 SKU 各自承担；但如果替代需要客户确认、重新认证或改包装，就不能把理论替代量当成即时可用库存。
如果销量稳定但交期忽长忽短，优先排查供应商履约与运输路径；如果交期稳定但销量忽高忽低，优先检查促销、客户集中度、预测模型和订单批次。两种风险的补救动作不同：前者可能需要替代供应源、提前下单或确认供应商产能；后者更适合缩短预测周期、设置分层库存和监控异常订单。
把两种波动合并成一个统一的“安全系数”，会掩盖原因。数字虽然简单，管理动作却无法对应，下一次发生缺货时也很难知道究竟该改预测、改采购周期还是改供应商策略。
旺季前常见做法是全品类统一增加 20% 或 30%。它容易执行，却忽略了商品的销量、毛利、波动、交期、保质期和替代性。高销量稳定品可能被加得过多，低销量长尾品可能仍然保障不足；易过季商品增加库存，甚至会把旺季风险转成季后清仓风险。
更稳妥的方式是先分层。至少将商品按需求价值、需求波动、供应风险和生命周期分组，再决定参数。例如高销售额且供应不稳定的商品可以重点保障；需求低且容易替代的商品，则采用较低库存上限或按单采购。
预测是决策输入，不是客户订单。销售预测如果含有未确认的促销、渠道压货或重复申报，直接进入采购量，就会放大误差。旺季前应把预测拆成已确认订单、基准需求、促销增量和机会需求，并分别标记置信程度。
我建议把“已确认订单”和“预测需求”分开展示。前者用于履约保障，后者用于计划准备；促销或大客户项目应记录负责人、确认日期和失效条件。若活动延期、预算缩减或客户尚未签约，相关预测不应继续以同等权重推高库存上限。
平均交期无法说明尾部风险。假设供应商通常 8 天到货，但每十次有一次需要 17 天，那么只按 8 天设置库存会低估长交期发生时的缺货概率。旺季评估至少要查看中位数、较高分位交期和延误频次，并分供应商、运输方式、商品类别观察。
数据量不足时，不要把少量样本算出的精确数字伪装成可靠参数。可以先用历史记录建立初版，再由采购和供应商核实异常原因，并标注“暂行值”。数据积累后再逐步校准。
库房放得下，不代表企业负担得起。库存上限还受到现金流、保质期、价格波动、季节结束时间、仓储周转效率和退货条件影响。反过来，资金充足也不代表可以忽视仓库吞吐能力：集中到货可能让收货区堵塞，增加错发、漏检和临时堆放风险。
我会把库存上限视为一个综合风险边界，而非纯仓储参数。对有保质期商品，按剩余可售时间设上限；对高单价商品，按资金预算设上限；对库容紧张商品，按体积和补货频率设上限；对供应极不稳定商品，则将额外库存与供应风险证据绑定。
缺货率下降，未必代表方案更优。如果为此多持有的库存很快过季、需要降价销售或占用关键库位，整体收益可能下降。评估旺季方案时，我至少会同时看服务水平、库存金额、周转天数、过季库存比例、紧急运输成本和仓内作业压力。
服务指标也要定义清楚。订单满足率、行项目满足率、按时交付率和缺货率不是同一个指标。某些大订单按金额统计满足率很好看，但大量小订单仍频繁缺货；只看单一指标，容易得到错误结论。
我会先检查需求序列是否完整，是否混入退货、一次性大单、促销异常、停销日或缺货导致的“销量被截断”。如果商品曾经断货，观察到的销量不是完整需求，直接用它计算波动会低估真实需求。
其次核对交期定义：从采购下单到供应商发货，还是从下单到仓库可用？安全库存应覆盖企业真正无法补货的时间。对于进口商品或需要质检的商品，若只记录物流到仓日，却忽略清关与检验时间，补货模型就会系统性偏乐观。
对需求相对平稳、交期较稳定的商品，可以使用简化方法：订货点约等于补货提前期内平均需求加安全库存。若每日需求标准差为 σd，平均补货提前期为 L 天，在交期固定这一简化假设下，安全库存可估为服务系数 z × σd × √L。这里的服务系数取值应结合目标服务水平和缺货代价确定，而不是所有商品共用一个数。
若需求与交期都存在明显波动，可采用更完整的近似模型：安全库存约为 z × √（平均交期 × 需求方差＋平均日需求² × 交期方差）。该公式依赖需求与交期分布、独立性等假设；如果促销、批量订单或供应中断造成非正态长尾，公式只是起点，必须配合情景模拟和人工复核。
服务目标应由缺货后果决定。缺货会导致产线停工、关键客户流失或高额违约的商品，通常需要更高保障；可替代、可延期、低毛利或生命周期短的商品，可以接受较低保障或采用订单驱动补货。
分类时不要只按销售额。一个低销售额备件可能关系到高价值设备维修；一个销量大的促销商品，活动结束后可能几乎没有需求。建议综合考虑销售贡献、缺货损失、替代性、供应风险和过季风险，并定期调整分组。
| 商品特征 | 建议保障思路 | 库存上限重点 |
|---|---|---|
| 高需求、供应不稳定、缺货代价高 | 较高服务目标，滚动监控交期和需求 | 设置审批式上限，额外库存需有供应证据 |
| 高需求、补货快且稳定 | 缩短复核周期，按实际补货节奏补充 | 避免过大的订货批量形成积压 |
| 低需求、价值高、可替代性弱 | 按关键性和故障影响确定保障数量 | 用单件或少量保障，不宜简单套销量模型 |
| 季节性强、易过期或易过时 | 分阶段设目标，临近季末降低采购暴露 | 以可售窗口和剩余生命周期为硬约束 |
库存上限可以由多个边界共同决定：需求覆盖上限、资金上限、仓容上限、保质期或生命周期上限。实际允许量取其中更严格的边界，再根据业务规则做审批。这样可以避免“模型建议买很多，但企业没有库容或商品即将过季”的情况。
一个便于沟通的表达是：目标上限＝安全库存＋补货周期内的预计需求＋必要的批量缓冲；可执行上限＝目标上限与资金、库容、生命周期等约束中的最小值。若最小起订量高于可执行上限，不应自动放宽上限，而应触发替代供应、协商分批交付、联合采购或例外审批。
上限必须包含触发条件。比如，预测连续两周高于基准 15%、供应商交期超过预警值、活动订单完成签约，才允许上调；若销量连续下降、促销取消、剩余季节窗口不足以售完，则自动下调。具体阈值应由企业根据数据校准，不能把示例值当行业通用标准。
供应风险不一定只能靠多买货解决。可以与供应商确认产能、预留产能但延后发货、缩短订单确认周期、增加第二供应源、调整运输方式，或与客户协商分批交付。若这些措施能降低交期不确定性，安全库存可能无需同步增加。
反过来，如果风险来自需求突增，供应商产能再稳定也无法立刻弥补预测误差。此时更有效的措施可能是分批备货、活动前锁定订单、促销销量实时监控，或者设置临时库存池。库存是缓冲手段之一，不是所有风险的通用解法。
下面是一个虚构的旺季商品案例，用来展示计算步骤，不代表九数云客户数据或任何公开企业经营数据。假设某商品日均需求 20 件，日需求标准差 6 件，正常补货提前期 7 天；旺季评估发现，交期平均上升至 10 天，交期标准差为 2 天。企业希望针对重点客户采用约 95% 的周期服务目标，教学演示中取 z≈1.65。
由于旺季需求和交期都波动，我采用上文的近似公式示范。方差项约为：10×6²＋20²×2²＝1960；平方根约为 44.3 件；安全库存约为 1.65×44.3，即约 73 件。这里的小数和公式结果只是模型估算，实际执行还要考虑包装倍数、批量订货、缺货成本和需求分布是否偏态。
旺季平均交期 10 天，平均日需求 20 件，交期内平均需求约 200 件。按该演示模型，订货点约为 200＋73＝273 件。也就是说，当库存位置接近 273 件时，应触发补货评估，而不是等可用现货跌到 73 件才下单。
在实际系统中，若库存位置为 280 件、其中 100 件是已确认在途、已分配需求 30 件，而可用现货 210 件，那么应按一致的口径判断。不能单看 210 件就认定低于订货点，也不能把已分配货重复算进可用库存。最终判断依赖企业对库存位置的定义和数据状态准确性。
假设该商品补货周期为 7 天，企业考虑批量到货后的覆盖目标为 14 天需求，再加 73 件安全库存，则演示目标上限约为 73＋20×14＝353 件。若供应商最小起订量为 400 件，直接下单可能让库存越过目标上限。
此时不应简单地把上限改成 473 件来迁就最小起订量。采购可以先谈分批交货、寄售或提前锁定产能；销售确认需求是否有订单支撑；财务核算资金占用；仓库核实到货窗口和库位。如果这些办法都不可行，再由有权限的人审批例外，并记录承担的资金、滞销和库容风险。
| 模拟参数 | 计算或判断 | 管理含义 |
|---|---|---|
| 旺季平均日需求 | 20件 | 用于估算补货提前期内的基础需求 |
| 日需求标准差 | 6件 | 反映需求日常波动，需确认没有缺货截断 |
| 旺季平均交期 | 10天 | 应使用到货可用口径，而非仅供应商发货时间 |
| 交期标准差 | 2天 | 说明交期本身也有不确定性 |
| 估算安全库存 | 约73件 | 基于特定模型假设和约95%演示服务目标 |
| 估算订货点 | 约273件 | 旺季平均需求约200件加安全库存 |
| 演示目标上限 | 约353件 | 安全库存加14天覆盖需求，尚未纳入其他资源约束 |
假设通过供应商协商，将平均交期从 10 天降至 7 天，且交期波动从 2 天降至 1 天，其他条件不变。模型中的交期风险项会下降，建议安全库存也随之降低。此时企业得到的不只是少压一部分库存，还可能减少临时催货和加急运输。
若平均交期无法缩短，但促销确认使需求标准差下降，安全库存同样可能减少。这个敏感性分析能帮助团队识别值得投入的改善方向：是花钱提升预测质量，还是花精力改善供应交期，还是接受更高库存作为保障。它比在会议上反复争论“应该多备多少”更有决策价值。
以九数云为例，企业可以把库存、销售、采购和仓储数据放到统一分析视图中，按商品、供应商、仓库和时间周期观察销量、库存金额、交期和缺货等变化。具体数据连接方式、功能范围及当前产品能力，应以其官网说明和实际演示为准；我不建议在没有核实接口和字段口径前，先承诺自动补货或实时预警一定可用。
实际落地时，我会先用一张商品级明细表打通分析逻辑：商品编码、日期、销量、可用库存、已分配量、在途量、下单日期、收货日期、供应商、促销标记和库存上限。随后在分析视图中按周比较预测与实际、计划交期与实际交期、库存位置与订货点，并筛选超过上限或低于订货点的商品。
分析工具的价值不在于把表格变成图，而在于让同一组口径能够持续复核。比如按商品查看近 13 周销量波动、按供应商查看交期分布、按仓库查看待检库存和出库延迟，再将异常清单交给采购或仓库确认。是否能直接连接现有系统、刷新频率如何、权限如何配置，都需要在上线前验证。
关于产品信息，可从 九数云官网了解当前介绍，并在评估时用自有样例数据做验证。建议特别确认商品主数据映射、在途与分配字段口径、历史数据保留、刷新延迟和导出能力；如果关键字段无法对齐，再漂亮的看板也无法支持可靠补货。
此阶段不宜先批量调高安全库存。先清理商品编码、供应商、包装倍数、最小起订量、实际交期、保质期、可替代关系和库存状态。对历史断货、促销异常、退货集中或供应商变更的商品，做好标记，避免模型把异常误当成常态。
同时由销售确认旺季活动、关键客户订单和预计时间窗口；采购确认供应商产能和停产安排；仓库确认可用库位、收货能力和出库班次；财务确认资金额度与价格风险。每项输入都标注数据责任人和更新时间，减少“表里有数、没人敢负责”的情况。
将商品分成重点保障、常规补货、谨慎备货和按单采购几类。重点保障商品逐个核实缺货影响、交期风险和替代方案；常规商品按稳定参数运行；谨慎备货商品需要需求确认或销售承诺；按单采购商品则明确客户交期和供应商响应边界。
对高风险商品，不一定一次买足整个旺季。可以拆成首批保障量和后续可追加量：首批解决明确需求及必要缓冲，后续根据销量、订单确认和供应商产能滚动追加。前提是后续补货时间确实来得及，不能把“分批”当作心理安慰，却忽略供应周期已经超过剩余销售窗口。
日常管理可以关注低于订货点、预计超上限、交期超过预警、预测偏差异常、库存状态异常和活动需求未兑现等例外。对没有变化的商品，不必每天重新计算和审批；对异常商品，则要求给出原因、动作、责任人和复核日期。
我会把参数调整分成临时调整和永久调整。临时调整用于活动或供应异常，设置到期日；永久调整则需要足够历史数据和业务确认。临时参数若没有到期机制，很容易在旺季结束后继续留在系统中，变成下一轮积压的起点。
旺季结束不是销量突然归零。应结合订单取消风险、促销剩余时间、供应商未发货量、退货周期和清仓能力，设置逐步降库存机制。若在途货无法取消，可先评估转仓、跨区域调拨、延迟交付或供应商回购；若只是系统订货点未更新，应及时关闭季节性参数。
旺季复盘不要只看“有没有缺货”，还要看为了避免缺货付出了什么代价。建议对比预算库存、实际库存、缺货损失、加急费用、季后库存和预测误差，并对重点异常追溯到输入、审批和执行环节。
当商品关系关键客户履约、替代困难、补货周期长，并且需求有可靠订单或活动依据时，适度增加库存具有合理性。但多备货必须有风险说明：预计覆盖多久、需求证据是什么、活动结束后如何处理、资金占用由谁批准。
如果需求高度不确定、商品易过时、供应商可以快速补货，多备货通常不是第一选择。企业应优先评估提高补货频率、建立产能预留或改善订单确认速度，避免用库存替代本来可以解决的流程问题。
新品、短生命周期商品、易腐商品和促销专供商品，适合设置更严格的上限。若供应商响应足够快，可以采用较小首批量并根据实际销售追加；如果追加周期太长，则需要在首批量和活动规模之间做明确取舍，不能既承诺大规模销售又不准备库存保障。
少备货也不等于忽略风险。需要提前约定缺货时的替代、延期、分批发货或客户沟通方案。对于利润很薄的商品，明确哪些订单不值得用高价加急运输挽救，可能比事后反复审批更有效。
分批方案的价值，是用更晚的信息决定后续库存，而不是单纯把大单拆成多个小单。它成立的条件包括：供应商能按约分批交货、剩余补货时间足够、价格和产能不会因此显著恶化，并且仓库有能力接收多批次货物。
如果供应商要求一次性生产、分批交货会增加运费，或旺季运力紧张导致后续批次无法准时到达，分批的优势会减弱。此时可以谈预留产能和延迟发货，或比较一次性到货的库存成本与分批失败的缺货损失。
上限不是不可突破的禁令。大客户订单、供应商停产预警、政策变化或物流中断都可能需要临时越限。关键是例外必须记录触发证据、批准人、预计退出日期、货物处置方案和实际结果。
没有记录的例外会成为新的默认值。有记录的例外才能进入复盘：如果某类供应商风险反复出现，企业应调整供应策略；如果某类销售预测频繁落空，应修正预测机制，而不是每次都以“特殊情况”为由扩大库存。
| 决策选项 | 主要收益 | 主要代价 | 适用条件 |
|---|---|---|---|
| 提高安全库存 | 降低短期波动造成的缺货概率 | 资金占用和滞销风险增加 | 缺货损失高，补货不确定且需求证据较强 |
| 压低库存上限 | 控制现金、仓容与过季暴露 | 可能需要更频繁补货或接受缺货 | 商品易过时、可替代或供应响应快 |
| 分批交货 | 保留观察需求后调整数量的空间 | 依赖供应商配合，可能增加运输与协调成本 | 产能可预留，后续交付可靠且销售窗口足够 |
| 改善供应能力 | 从源头降低交期风险与库存需求 | 谈判、认证或多源开发需要时间 | 供应风险长期反复，改善收益可持续 |
如果数据基础尚不完整，不必等待所有系统改造完成才启动。先用统一商品编码整理日销量、库存状态、采购订单、下单与到货日期、供应商、促销标记和订单欠交情况。对缺失字段明确标记，避免用空值冒充零值。
数据表要有责任人和更新时间。采购负责供应商承诺及交期解释，销售负责活动与客户需求确认，仓库负责库存状态与作业异常，财务负责资金和库存金额口径。分析负责人维护公式、版本和变更日志，不应由单一部门独自承担全部输入责任。
第一层看服务：缺货率、订单满足率、按时交付率。第二层看库存代价：库存金额、周转天数、超上限数量、季后残余库存。第三层看过程质量：实际交期偏差、预测误差、参数变更次数、临时加急频次和待检滞留时间。
指标必须说明统计范围和时间窗口。例如，按订单行统计的满足率与按订单金额统计的满足率可能得出不同结论；库存金额按成本价还是含税价也会影响对比。旺季前先固定口径，旺季后再比较，才能避免为了指标好看临时改变算法。
每次调整安全库存或库存上限，建议记录调整前后数值、调整原因、证据来源、批准人和到期日。若是因活动增加需求，应在活动结束后触发复核；若是因交期恶化增加缓冲，应在供应表现恢复后重新评估；若是一次性客户订单，应确认货物是否能转售或必须专供。
库存管理常见的失败，不是公式不够复杂，而是临时规则没有退出条件。一个旺季参数如果未经复核地沿用到淡季，模型就会把历史决策变成新的库存惯性。到期日、复核责任人和实际销售窗口，应与参数一同维护。
我建议不要一开始就把所有商品纳入复杂模型。先选 20 至 50 个有代表性的 SKU，覆盖稳定快补、波动快补、长交期、高价值、季节性和易过时商品。用最近一段可用历史数据回测订货点与库存上限，比较方案对缺货、库存金额和过季风险的影响。
回测之后，由采购、销售、仓库和财务共同评审参数，再选一个仓库或一个品类试运行。试运行期间记录模型建议、人工调整和实际结果。若偏差来自数据口径，先修数据；若来自供应商交期，先改供应策略；若来自需求突变，再决定是否调整服务目标或增加缓冲。
我的最终判断是：旺季安全库存管理的成熟度，不取决于企业把库存算得多精，而取决于它能否说清每一件额外库存为什么存在、谁为它负责、什么时候需要退出。先统一库存位置口径，再识别需求与交期风险，最后以资金、库容和生命周期设上限。下一步可以从一类重点商品开始，完成一次可回测的参数校准，再把有效规则逐步推广，而不是用统一比例替代判断。
我把安全库存理解成需求和交期波动的缓冲，而不是旺季多备一点货就算完成。不同 SKU 的波动差异很大，我该用什么数据计算，才能避免既缺货又压货？
先区分三个量：补货提前期内的预测需求、需求与交期波动造成的缓冲、以及补货触发点。若日需求和提前期相互独立，可用安全库存公式：服务水平系数 × √（提前期 × 日需求标准差² + 日均需求² × 提前期标准差²）。
举例：旺季日均需求 55 件，日需求标准差 15 件，平均交期 10 天，交期标准差 3 天；若目标服务水平约为 95%，系数取 1.65，则安全库存约为 1.65 × √（10×15² + 55²×3²）≈ 284 件。提前期需求约 550 件，补货触发点约为 834 件。
这个结果不是无条件的备货指令。计算前应先剔除促销断货、一次性大单等异常数据，并按旺季而非全年平均估计参数；如果需求与交期明显相关，或经常出现缺货导致销量被低估，简单公式会偏乐观，应改用分位数模拟或逐 SKU 回测。
我以前把安全库存当成仓库里要保持的最低数量，旺季又把库存上限直接调高，结果有些货卖得快，有些货积压到季末。上限究竟应该看销量、补货周期，还是库容和资金？
安全库存回答的是“波动时至少留多少缓冲”，库存上限回答的是“补货后最多允许覆盖多少需求”。把两者混成一个数，常见后果是安全库存被反复加码，或者补货把库位和现金占满。
更实用的设法是先选定补货周期，再以补货提前期加复查周期内的旺季预测需求作为基础，最后加入经验证的安全库存，并受库容、保质期和资金限额约束。补货量可按“目标上限－库存位置”计算；库存位置应包含现货和已下单未到货数量，并扣除欠交需求。
例如旺季平均每天卖 55 件，交期 10 天，每 7 天复查一次，安全库存 284 件，则未考虑约束时的目标上限约为 55×（10+7）+284＝1,219 件。若仓位最多容纳 1,000 件，不能只把上限硬设成 1,000 后照常下单，还要拆分到货批次、协商交期或重新评估服务目标。
我担心备早了占用现金，备晚了又赶不上旺季；供应商给的交期有时是 10 天，有时拖到 18 天。我该按承诺交期下单，还是按历史最慢交期准备？
不要只拿供应商承诺的交期倒推下单日。先用订单、发货和实际入库日期计算交期中位数与高分位数，再用旺季需求预测覆盖“备货生产或采购时间＋运输时间＋入库检验时间”；高分位交期用于压力测试，不必机械地当作每批都要覆盖的常态。
例如旺季前置准备需要 10 天，运输和验收通常共 6 天，历史交期 P90 为 18 天，那么关键 SKU 至少应在旺季前约 34 天启动，而不是等到离旺季 10 天时才下单。若这个节点已经错过，优先考虑分批到货、替代运输方案或分配有限库存，不宜仅靠把预测需求整体上调来掩盖时间不足。
备货计划还应按风险分层：销量稳定、缺货损失高的 SKU 提前锁定较高覆盖；需求不确定且季末残值低的 SKU 先小批试水，看到实际订单后再追单。每周更新实际交期和销量，一旦交期分布或预测误差明显偏离计划，就重算到货节奏与上限。
我在旺季遇到过一种情况：现货看着不多，但在途货很多；也遇到过销售突然变慢，系统却还按旧预测继续补货。我应该盯哪些指标，才能及时改变决策？
每天看库存位置，而不是只看货架上的现货：库存位置＝可用现货＋确认在途－欠交量。将它与补货触发点、目标上限比较；低于触发点才评估补货，补货量原则上不超过目标上限与库存位置的差额，并先核对在途订单是否可信、能否按期到货。建议同时观察三类信号：需求预测误差、实际交期偏差、库存覆盖天数。
比如预测连续两周高估实际销量，覆盖天数却持续上升，就应下调预测或暂停非必要订单；若销量上升且到货延期，才考虑加急或分配库存。单日销量暴涨不宜立即改上限，先判断是不是促销、集中大单或短期渠道备货。可以设置分级动作，而不是只设一个红线：库存位置低于触发点时正常补货；预计到货晚于缺货日时启动调拨或分配；
覆盖天数高于目标且需求走弱时暂停新单；临近季末则按剩余可售天数、退货风险和清货周期逐步降上限。每周复盘这些触发是否真的减少缺货或积压，再调整参数。
读者评论
把安全库存、订货点和库存上限分开看很实用，尤其是库存位置要扣掉已分配和欠交量，否则账面有货也可能误判为无需补货。
统一上调库存看似稳妥，但文章把过季、资金和库容一起纳入上限判断，这点对季节性商品尤其重要。建议再明确上限触发后的审批人，避免参数只改不复核。
缺货不一定靠多囤货解决。把收货、质检和拣选延误单独统计，能看出问题究竟在供应还是仓内执行，后续措施也更有针对性。