仓库里最常见的安全库存争议，往往不是“库存到底该设多少”，而是同一个商品上周还在缺货，这周却躺着一批快过期的货。需求波动会把预测误差、补货周期和执行延迟同时放大；如果只用一个固定天数或固定数量管理安全库存，仓库日常就会在催货、改计划、挪库位和处理积压之间反复切换。
安全库存通常被理解为“额外多备一点货”，但这只描述了结果，没有解释它要抵御什么风险。它要覆盖的是补货周期内实际需求高于预期的部分，以及供应到货时间比计划更长的部分。平均销量决定日常消耗基线，需求和交期的波动决定缓冲需要多大。
举例来说，某商品日均需求都是 20 件，甲商品每天大致卖 18，22 件，乙商品则常在 5 件和 40 件之间跳动。仅看日均值，两者似乎应该备得差不多；实际管理中，乙商品更容易在促销、团购或断货恢复时突然被拉高，风险通常更大。
因此，安全库存不能只按销量大小分层，还要按波动程度、补货时间稳定性、缺货后果和商品生命周期共同判断。当这些条件改变，库存参数也应该随之改变。
需求变化并不会只影响采购量。它通常先改变库存消耗速度，再影响补货触发时点，最后传导到仓库收货、上架、拣选、调拨和缺货处理。波动越大，仓库收到的临时指令越多，原本稳定的作业节奏越容易被打断。
仓库的痛点通常不是“总库存不够”，而是库存结构没有跟上需求结构变化。总量指标会掩盖某些商品过多、另一些商品短缺的事实。
安全库存不是越高越好。库存提高通常能降低缺货概率，却会增加资金占用、仓储空间、过期损耗和滞销风险。反过来，库存压得过低虽然释放现金，却可能带来加急运输、订单流失和生产停线等更高代价。
我更建议把目标写成一个经营问题：在可接受的缺货风险、资金占用和作业能力范围内，为不同商品设定不同的缓冲策略。这个表述比“把库存周转率提升多少”更完整，因为它同时承认服务水平、现金和仓库产能之间存在取舍。
仓库接到的需求变化，常常来自多个因素叠加。平台促销可能让某些商品在数天内集中出库；天气变化会影响季节品；渠道临时加单可能改变原有分仓计划；新品上市和老品退市则会让历史销量失去代表性。
如果管理者把所有波动都当成“销量自然起伏”，就容易错过可识别的原因。促销波动通常有计划窗口，季节波动可能每年重复，偶发的大客户订单则可能没有持续性。它们需要不同的库存应对方式，不能全部用同一个系数放大预测。
补货周期不仅是供应商承诺的交期，还包括订单审批、采购下单、生产排期、运输、到货验收和上架等环节。采购系统里显示“已到货”，不代表仓库中的商品已经可拣。安全库存如果只用供应商运输时间计算，可能漏掉内部流程和收货高峰造成的等待。
当需求波动和交期波动同时出现，风险会叠加：需求突然升高时，供应又延迟，仓库就可能从短缺迅速进入紧急调拨状态。反之，如果需求回落而采购订单仍按高峰期补入，库存会在峰值过后积压。
我会把库存至少拆成四种状态：可拣库存、已分配库存、在途库存和质量冻结库存。只看账面结存，容易把已经被订单占用、尚未验收入库或正在处理质量问题的数量，当作能够满足新需求的库存。
例如账面有 500 件，已经有 180 件分配给订单，60 件待质检，另有 100 件在途。对于当天的拣货任务，真正可用的可能远低于 500 件。安全库存计算若用错库存口径，参数看起来合理，执行时仍会缺货。
仓库的处理能力具有时间上的边界。即使某周总出库量没有超出平均水平，如果订单集中在两天内涌入，拣选、复核、包装和发运也可能超负荷。反过来，均匀分布的高销量未必比短时尖峰更难处理。
所以，安全库存方案不应只回答“备多少”，还要回答“何时到、一次到多少、由谁验收、库位是否够、峰值期间是否有作业能力”。库存决策和仓库运营需要共享同一套节奏信息。
“所有商品备 15 天库存”便于执行，却把差异巨大的商品压成一个口径。销量稳定、供应可靠的标准件，可能因此占用过多资金；需求跳跃、供应周期长的关键件，15 天又可能远远不够。
固定天数可以作为初次盘点的粗略规则，但不适合作为长期参数。至少应区分需求波动、供应周期、商品价值和缺货影响，并定期校准。不分层，管理者最终只能靠临时催单弥补规则缺陷。
滚动平均能平滑短期噪声，却会滞后于趋势转折。新品刚进入增长期时，历史均值容易低估；促销结束后，短期高销量又可能把预测抬得过高。若采用的窗口期不匹配商品特征，平均值会制造一种“数据很稳定”的错觉。
对季节品，比较去年同期、最近趋势和活动计划往往比只取近 30 天更有参考价值。对生命周期短的商品，历史数据窗口过长则会把已经过时的销售状态带进今天的补货决策。
缺货发生后，常见做法是追问“谁没有及时补货”。但如果需求计划没有传递促销信息，采购没有看到供应商交期变化，仓库又没有及时反馈冻结库存，单独问责某个岗位不能解决系统性的输入缺失。
我更关心误差从哪里进入流程：预测版本是否更新、订单是否按时审批、采购交期是否准确、收货差异是否回写、库存状态是否及时同步。把这些节点串起来，才有机会找到可改进的责任边界。
一次缺货可能由促销临时加单、供应商停产、库存账实不符或质量冻结造成。如果原因是库存数据错误，简单提高安全库存只会让账面数字更大，无法修复差异；如果原因是一次性事件，把参数永久抬高也容易形成滞销。
发生缺货时，应先还原当时的需求、库存、在途和交期，再决定修改预测、补货点、供应商备援，还是仓库流程。安全库存是应对随机波动的缓冲，不是所有管理问题的补丁。
库存准确率高，不等于库存策略好。一个仓库可以做到账实一致，却长期把错误数量放在错误商品上。单看库存准确率或库存周转率，都无法证明安全库存发挥了作用。
我建议至少把缺货率、满足率、库存金额、过期或呆滞金额、加急运输次数、库存参数命中情况放在同一张管理视图中。指标之间出现冲突时，才看得见策略的真实代价。
参数计算之前，先确认需求数据是按订单日期、发货日期还是实际出库日期统计；退货、取消单、内部领用和促销订单是否包含；缺货期间的潜在需求是否被记录。若缺货时客户下单失败，这部分真实需求可能不会进入出库记录，历史销量就会低估需求。
库存口径也要明确：计算可用库存时，已分配数量是否扣除，在途数量何时计入，待质检和冻结库存如何处理。交期则要区分计划时间与实际时间，并尽可能记录每一批次的实际到货和可用时间。
同一商品只要口径前后不一致，参数变化就可能只是数据定义变化，而不是风险真的变化。这是很多库存看板看上去“波动很大”的隐性原因。
在需求和交期相对独立、数据近似稳定的条件下，可以用一个简化思路理解安全库存：需求波动的影响与供应周期有关，交期波动则会让需求覆盖时间本身变得不确定。常见的统计表达式会将需求标准差、平均交期、平均需求和交期标准差组合起来，再乘以目标服务水平对应的系数。
这个表达式适合解释变量之间的关系，不应被误认为适用于所有企业的万能公式。需求可能有趋势、间歇性或促销尖峰，供应延迟也可能存在长尾；这些情况下，正态分布假设会失真。小样本商品更不宜因为算出了小数点后两位，就把结果当作精准答案。
更稳妥的做法是：先用历史数据构造需求与交期情景，再回测不同参数在过去的表现，观察缺货、积压和加急成本。公式用来提供起点，业务验证用来决定是否采纳。
缺货后果差别很大。生产关键物料断供可能停线，低价替代品缺货则可能只影响局部订单；高价值商品的积压成本更高，易腐商品的库存缓冲还受到保质期限制。
我通常建议从几个维度划分策略，而不是单独按销售金额排序：
例如，稳定且易补货的低风险商品，可以采用较轻的缓冲和较高频的复核；长交期、缺货影响大的关键商品，则可能需要更高的保护水平，同时建立供应商预警和替代方案。易腐品则必须把保质期、批次和先进先出纳入约束。
补货点回答“什么时候启动补货”，安全库存回答“在不确定性下多留多少缓冲”，补货批量回答“一次订多少”。这三个参数相互作用，但不能混为一谈。
如果补货点设置得太晚，即使安全库存不低，也可能来不及下单；如果补货批量过大，补货后会产生长期积压；如果供应商有最小订购量，计划就需要在资金、交期和批量之间做权衡。
日常看板最好能够同时显示库存位置、补货点、建议补货量、在途订单、预计到货和未满足需求。这样，采购和仓库看到的是同一条库存逻辑，而不是各自维护一份互相矛盾的数字。
回测的核心问题很实际：如果在过去某段时间采用新参数，多少订单会缺货？平均库存会增加多少？加急运输是否减少？高峰日的仓库作业量是否超过能力？通过历史数据按日模拟库存变化，可以把“我觉得这个参数合适”转成可讨论的结果。
回测时要避免信息穿越。例如，不能使用当时尚不知道的实际促销结果去预测当时的采购决策，也不能把后续补录的交期数据假装成当时已知信息。回测应尽可能还原当时的决策条件。
对于促销、季节性和异常事件，建议单独标注。把这些事件混在普通日需求里，可能让参数对日常过度保守；完全删除它们，又会低估企业真实面对的尖峰风险。关键是明确它们属于计划内的峰值，还是需要缓冲应对的意外波动。
下面用一个情景推演展示决策过程，不将其表述为真实企业业绩。假设某仓库有三类商品：A 为日常消耗稳定的包装材料，B 为促销驱动的畅销品，C 为供应周期长、缺货影响较大的关键配件。三类商品平均日需求分别为 20 件、20 件和 8 件。
A 商品平均补货周期 5 日，需求相对稳定；B 商品平均补货周期 7 日，但活动期间日需求会明显上升；C 商品平均补货周期 18 日，供应商交期也存在较大差异。若给三者统一设置 10 天库存，计算结果看上去简单，却没有反映它们的真实风险。
| 商品 | 日均需求 | 补货周期 | 主要不确定性 | 优先关注点 |
|---|---|---|---|---|
| A 包装材料 | 20 件 | 5 日 | 需求和交期较稳定 | 避免过度备货，关注补货频率与批量 |
| B 促销畅销品 | 20 件 | 7 日 | 活动期间需求尖峰 | 区分日常需求与已知促销需求 |
| C 关键配件 | 8 件 | 18 日 | 供应周期长且变化明显 | 同步评估停线影响、替代来源和在途可靠性 |
这组设定里，A 和 B 的平均需求相同，但不能因此采用相同缓冲。B 的活动如果已提前排期，应把活动计划直接纳入需求计划，而不是等销量上升后再靠安全库存应急。C 的平均销量不高，但较长交期和高影响缺货意味着它不适合只按销量排名决定管理优先级。
对 A 商品，可以考虑通过较频繁的补货来减少一次性库存，并观察供应商是否能稳定响应。若供应周期短且稳定，增加安全库存带来的边际收益可能有限。
对 B 商品，建议将活动前的计划备货和日常安全库存分开。活动备货有明确的时间窗口和预计增量，活动结束后要安排去化方案；安全库存只负责普通需求中的不确定性，避免把一次活动造成的高峰永久写入参数。
对 C 商品，库存策略需要和供应管理一起设计。若缺货会造成生产停线，除了缓冲库存，还要确认供应商交期是否准确、是否存在替代件、是否能锁定产能、到货后是否需要质量检验。只把库存提高，无法解决供应源单点依赖。
以九数云这类数据分析平台为例，价值不应被简化为“做一张库存看板”。更有用的做法，是将订单、出库、库存状态、采购订单、实际到货和商品主数据按统一口径关联起来，让管理者能从库存异常一路追到需求和供应过程。
具体实施时，可以先围绕一个范围较小的商品组建立分析视图：例如展示日需求趋势、预测与实际差异、当前可用库存、在途数量、补货周期分布、缺货次数和滞销金额。若业务系统能够提供这些字段，再按商品编码、仓库、日期和订单关联；字段缺失时，先补齐业务记录，不要用图表掩盖数据空白。
我会优先验证三个问题：第一，业务人员能否快速看出某个商品为什么触发补货；第二，库存状态和在途口径是否能与实际作业对上；第三，参数调整后是否能回看缺货和资金占用的变化。若只展示库存总量、周转天数和销售额，平台再易用也难以支撑安全库存决策。
上线时建议从“看得到”逐步走向“用得上”：先做数据核对，再做异常诊断，然后做参数建议和回测。是否自动下单，应在数据质量、权限控制、例外处理和责任机制稳定之后再讨论。分析平台的作用是提高判断质量和复盘速度，不是替业务承担风险决策。
假设分层后缺货订单减少，但平均库存金额提高 8%。这并不能直接说明策略成功或失败。还要看缺货是否集中在关键商品、库存增加是否落在高风险商品、加急运输是否减少、促销后是否留下更多积压，以及仓库峰值处理量是否超出能力。
如果库存金额上升，却没有带来缺货改善，可能说明参数放错了商品、需求预测没有纳入促销，或补货流程仍然过慢。如果缺货改善但滞销同步上升，则要检查是否把短期事件当作长期需求。复盘的目的不是证明某个模型正确，而是找出下一轮应该修正的假设。
这类商品适合以简洁、低维护成本的规则管理。可以按补货周期和目标服务水平设定补货点，持续监控实际交期和需求偏差。若销量和交期都长期稳定，频繁人工修改安全库存反而可能引入噪声。
已知促销、节庆或集中交付带来的需求，优先纳入需求计划，明确活动时间、预计增量、备货截止点和活动结束后的去化方式。安全库存不能替代活动计划，也不应将每次活动峰值都永久固化到日常参数。
活动计划变更时，要及时同步采购、仓库和渠道履约团队。临近活动时还要检查入库能力和库位容量：商品即便按时采购到仓，如果卸货、质检、上架无法及时完成，账面到货也不能变成可用库存。
这一类通常需要更审慎的保护策略，但“多备库存”不是唯一选择。可以同步评估分批交付、供应商寄售、替代料、区域共享库存、加急运输能力和供应商产能锁定。哪一种方案更合适，取决于库存资金成本与缺货损失的比较。
如果业务无法准确估计缺货后果，就先记录缺货造成的订单损失、停工时长、加急费用和替代成本。没有损失口径时，安全库存讨论容易变成各岗位凭经验争论。
这类商品应把趋势变化、保质期、折价清货和季末残值纳入决策。历史高峰不等于下一季仍会重现，尤其是产品更新快、渠道偏好变化明显的品类。采购承诺越早，越要对需求假设的不确定性留出审慎空间。
实际操作中可以设置阶段性参数：旺季前使用经批准的备货计划，销售高峰期间缩短复核周期，旺季结束后及时收紧补货。阶段切换要有明确日期和责任人，避免旺季参数一直留到淡季。
这类商品暂时不适合直接依赖精细模型。先把基础数据修好：统一商品编码、补录实际到货日期、区分冻结与可用库存、记录缺货期间的未满足需求，并建立异常盘点机制。
短期可以使用保守但透明的规则，同时标记参数可信度和人工复核要求。不要把缺失数据用平均值填满后，就把结果包装成精准预测。数据质量不足时，明确不确定性比制造精确感更专业。
提高目标服务水平通常需要增加缓冲，但边际收益不会始终相同。对缺货后果严重的商品，多一部分库存可能显著降低停线或违约风险；对可替代商品，多备同样数量可能只换来额外仓储和资金成本。
决策时最好把“服务水平”拆成具体业务结果：订单满足率、准时交付率、关键客户缺货次数，或者因缺货造成的生产停线时长。抽象的服务目标越多，参数争论越容易偏离业务后果。
如果交期长是缺货的重要原因，缩短交期可能比增加库存更有价值。供应商改善、运输方式调整、订单审批提速或收货流程优化，都可能减少补货周期中的不确定性。
但缩短交期也有成本：可能需要支付更高运费、承担供应商加急费用，或增加采购频率和收货作业负担。应该把这些费用与库存资金、仓储成本和缺货损失放在一起比较，而不是只盯着某一项指标。
集中库存更容易形成规模缓冲，减少各仓重复备货，但可能增加跨区配送时间和调拨依赖。分仓库存能提高本地响应速度，却会把安全库存分散到多个地点，增加总库存和区域间不平衡风险。
分仓决策要考虑需求相关性。如果各区域的峰值常同时出现，集中库存不一定能有效互相抵消风险；如果需求峰值错开，集中或共享库存可能提高缓冲利用率。还要评估调拨时间是否足以支撑承诺的服务水平。
自动规则适合数据稳定、异常边界清晰、商品数量较多的日常场景；人工判断适合新品、促销、供应中断和重大质量事件等需要额外信息的情况。两者并非非此即彼，合理做法通常是自动处理常规商品，将例外推给有权限的人员。
如果全部依赖人工，团队会被重复判断和临时催货消耗；如果全部自动化，错误数据和异常需求可能快速放大。自动补货上线前，应先设置最大建议量、异常波动提醒、审批阈值和回滚机制。
压低库存可以让短期周转指标变好，但如果供应来源单一、交期波动大，系统可能更脆弱。库存不是唯一的韧性来源，供应商备援、替代料、产能锁定、库存共享和数据透明度同样重要。
当企业面对供应中断风险时，不能只用正常时期的平均值决定缓冲。应按中断情景进行压力测试：关键供应商延迟一周或两周，会影响哪些商品、订单和生产节点；哪些商品必须备，哪些商品可以替代，哪些可以通过调整承诺来降低损失。
建议台账至少包含商品编码、所属仓库、需求类型、平均需求、需求波动、平均交期、交期波动、安全库存、补货点、目标服务水平、参数来源、最近复核日期和负责人。参数来源应标明是历史统计、业务计划还是人工例外批准。
有了参数台账，团队才可以回答“为什么这件商品设成这个值”“最近什么时候调整过”“调整后是否达到预期”。没有变更记录，安全库存会变成一组无人负责的静态数字。
复核不一定要求所有商品每周重算。稳定商品可以按月或按季度检查；促销品和季节品在计划变更、旺季临近、交期恶化或连续缺货时触发复核；关键件则可以按风险等级设更短的观察周期。
触发条件要能被业务执行，例如实际交期连续多批高于计划、需求偏差超过设定阈值、库存低于补货点但订单未生成、冻结库存增加或促销计划改变。条件过多会造成告警疲劳，条件过少则无法及时发现风险。
闭环的关键不是一次性建立复杂模型，而是确保每次例外都能留下可分析的记录。没有缺货原因、人工改量原因和实际到货时间，之后再先进的计算也只能建立在猜测上。
我建议把指标分成结果、成本和执行三组。结果包括订单满足率、缺货次数和准时交付；成本包括平均库存金额、呆滞与损耗、加急费用；执行包括预测偏差、交期偏差、补货建议采纳率和收货及时率。
看指标时要按商品组和时间窗口切分。全仓平均值可能掩盖关键商品变差，也可能把旺季和淡季混在一起。一个实用的复盘问题是：改善是否发生在原本最重要的风险上，还是只是把问题从缺货转成了积压？
不建议一开始就全仓改参数。可以挑选一组数据相对完整、业务影响可衡量、商品特征有代表性的商品进行试点，同时保留对照组或旧规则的回测结果。试点周期至少要覆盖有代表性的补货周期和需求变化，不能只看上线后一两周的短期波动。
试点开始前就写清楚成功标准，例如缺货订单占比下降、库存金额增幅不超过约定范围、加急次数减少且仓库作业未超负荷。具体阈值由企业经营目标决定，不应直接套用别人的数字。
不要从全仓所有商品同时开始。优先挑选近期反复缺货、库存金额高、交期长、促销频繁、易过期或影响生产的商品。数量可以控制在一个团队能够逐项核实的范围，先把问题链条走通。
对每个试点商品，抽取最近几次缺货、紧急补货或明显积压事件，重建当时的需求、可用库存、在途、交期、审批和仓库处理情况。重点不只是计算平均值，而是找出触发结果的具体节点。
如果缺货期间的需求没有记录，交期只有计划值没有实际值，库存还混合了冻结和已分配数量，第一步应补齐数据定义与采集责任。待数据口径稳定后，再用统计计算、情景推演和回测确定参数范围。
每次修改都应说明调整原因、适用商品、预期影响、观察期限和回滚条件。若实际库存增长远超预期、缺货没有改善，或需求结构发生变化，就及时重新评估，而不是让参数因为“已经上线”而长期保留。
我的核心判断是：安全库存管理的成熟度，不取决于公式有多复杂，而取决于企业能否看清需求与供应的不确定性、把缓冲放在真正重要的风险上，并持续验证它换来了什么。下一步可以从最近三次缺货和三次积压事件入手，逐项还原需求、库存状态与交期，再选一组商品做参数回测。先把决策过程变得可解释，库存水平才有机会变得可控。
我发现月度销量看起来差不多，仓库却还是会时不时缺货或积压。是不是只要把月均需求算准，安全库存就能定下来？
月均需求只能说明平均卖多少，不能说明需求在平均值周围跳动得有多厉害。假设两个商品日均需求都是40件、补货提前期都是5天：一个日需求标准差为5件，另一个为18件。
在提前期固定、需求近似稳定且目标服务水平为95%的简化条件下，安全库存约为 Z×日需求标准差×√提前期，取 Z=1.65 后，两者分别约为18件和66件。这意味着两种商品的平均提前期需求都是200件，补货点却可能分别接近218件和266件。若仅按月均销量设置同一套缓冲，波动更大的商品更容易断货；
反过来，把高波动商品的库存规则套到稳定商品上，又会占用不必要的仓储资金。日常管理的重点不是追着每一次销量变化改库存，而是识别波动是否持续改变了补货风险。
我想给常用物料设一个可执行的安全库存数，但不同资料里的公式不太一样。我应该先看需求、供应提前期，还是先定一个服务水平？
先明确目标，再检查数据：服务水平代表在补货周期内不缺货的目标概率；需求波动和供应提前期波动则决定需要多少缓冲。若提前期基本固定，可用安全库存≈Z×日需求标准差×√提前期；若提前期也不稳定，可进一步估算安全库存≈Z×√（提前期×日需求标准差²＋日均需求²×提前期标准差²）。
公式适用于数据口径一致、波动特征相对稳定的估算，不应代替业务核验。例如，某物料日均需求40件、日需求标准差12件、补货提前期5天，提前期稳定，服务水平取95%时 Z 约为1.65，安全库存约44件，补货点约为40×5＋44，即244件。这个数是示例测算，不是通用答案；
如果物料停供会导致整条产线停摆，服务目标可能要高于普通耗材，但应同时核对加急采购能力和库存成本。落地时建议按商品或物料分别维护日需求、缺货记录、实际到货提前期和服务目标，并注明统计周期。若促销、停产或新品导入造成数据结构变化，直接把异常月份并入长期均值，可能会把临时峰值误当成常态。
我遇到过某个商品几天内销量明显变高，担心不加库存会缺货，但又怕只是短期波峰。我该看哪些信号，才能决定是否调整？
不要把一次销量尖峰直接转成永久安全库存。先确认变化来自真实需求，还是订单集中录入、促销备货、缺货后补购等因素；再对照在手库存、未交订单、供应商实际提前期和未来活动计划。销量上升但供应商交期稳定，与销量和交期同时恶化，是两种不同的补货风险。
可设一个简单的复核规则：当近14天日均需求较过去60天基线高出20%以上，且连续两个复核周期都成立时，才启动需求预测和补货点重算；若只是单日超阈值，先核查订单与活动信息。20%和14天只是便于讨论的示例阈值，实际应结合商品销量规模、补货频率和数据噪声校准。
如果确认是限时活动，可以设临时库存上限和失效日期，到期后自动恢复常规规则，并记录追加量、实际销量及剩余库存。这样既能应对已知峰值，也能避免临时决策悄悄变成长期积压。
我看到历史数据里有几次特别大的出库量，不确定要不要把它们纳入计算。我担心删掉异常数据会漏掉风险，全部保留又会把库存推得太高。应该怎么判断？
先不要只凭“看起来太大”就删除数据。把异常日期与促销、客户集中下单、盘点调整、缺货恢复出库及供应商延误逐一对照，并记录原因。若无法确认成因，保留原始记录，同时做一份剔除异常值后的对照测算；两种结果差距很大，本身就是需要复核的信号。
现象优先检查库存处理 活动期间销量短暂升高活动排期与历史活动销量设置有期限的临时备货 多个周期持续高于基线订单、预测偏差与客户结构重估需求基线和补货点 需求稳定但缺货增多供应商实际交期与到货波动优先核查供应端缓冲 复核时要同时看缺货率、库存周转和预测偏差，而不是只追求缺货为零。
若安全库存增加后服务水平没有改善，可能真正的问题在于交期记录不准、订单未及时纳入在途，或补货审核节奏太慢；继续加库存只会掩盖流程问题。
读者评论
把需求均值和波动分开看很有必要。我们有些商品月均销量差不多，但促销时起伏完全不同，统一备货天数确实容易一边缺货、一边积压。
库存状态拆分这点比较实用，账面数量不等于当天可拣数量。若已分配、待质检和在途库存没有分开，补货参数算得再细也可能不准。
文中的缺货原因比例注明是情景模拟，这个边界交代得清楚。实际复盘时最好用本企业的缺货记录分类，否则容易把示例比例误当成通用基准。