库存系统跳出“库存不足”时，最容易犯的错不是没看见提醒，而是把提醒直接当成采购指令：看到低于阈值就下单，结果货还在路上，仓库又收到一批；或者把阈值调得很低，等到商品真的断货才发现预警来晚了。补货预警不是一个神奇数字，而是一套由库存口径、需求变化、供应商交期和处理流程共同决定的判断机制。
我看补货规则时，第一件事不是问“阈值设多少”，而是先问：预警出现后，谁要核对什么，再由谁决定是否下单？如果系统一亮红灯就直接生成采购单，库存字段或在途单据只要有一处不准确，错误就会从提示放大成真实采购。
补货预警的职责是提示某个 SKU 接近需要处理的区间。它可以进一步生成补货建议，也可能在条件满足时触发自动采购；但这三种能力不是一回事。新手至少要分清“提醒”“建议”“执行”三个环节，不要把软件按钮上的“补货”两个字理解成统一口径。
我采用的基本判断是：预警负责把问题摆到台面上，业务人员负责确认数据和约束，采购动作再按审批规则执行。在库存准确率、交期记录和需求数据还没有稳定之前，先用“提示＋人工复核”通常比直接自动下单更稳妥。
系统里的“库存”可能指仓库实物数、账面数、可销售数，也可能是扣除了预留订单后的可用数。待检、冻结、损耗、调拨、客户预留和采购在途，都可能让两个页面上的库存数字看起来不同。配置预警前，应先确认系统究竟拿哪个字段参与计算。
可以先用下面这组口径帮助团队对齐，但最终应以企业系统字段定义和实际流程为准：
一种常见的盘点方式是先定义“库存位置”：以可用实物库存为基础，加上确认有效的在途量，再扣除尚未满足的已承诺需求。关键不是照抄某个公式，而是避免一笔预留在库存字段和需求字段里被扣两次，或完全没有被扣。
对持续监控、库存一变化就能触发提醒的场景，常用的基础思路是：补货点约等于补货等待期间的预计需求，加上为波动预留的缓冲量。如果系统不是持续监控，而是每周或每月固定检查一次，计算时还要考虑两次检查之间可能消耗的库存。两个场景的规则不能混为一谈。
这不是适用于所有商品的万能公式。交期是否稳定、需求是否有促销峰值、供应商是否要求整箱订货、商品是否容易过期，都可能改变实际下单判断。阈值是启动复核的边界，不是“达到这个数就一定买”的承诺。
门店发现某商品只剩十几件，系统开始提醒。此时可能是正常消耗加上供应商交期较长，应该尽快复核；也可能是采购单已发出、只是还没收货；还可能是实物已被盘点，但系统入库单没有过账；甚至可能是促销刚结束，历史销量把未来需求估得过高。
这几种情况显示出来的提醒可能很像，处理动作却完全不同。第一种要评估是否补货，第二种要追踪到货，第三种要修正数据流程，第四种则要调整需求判断。如果团队只统计“预警数量”，不记录最终原因，就很难知道问题出在规则还是执行。
一家有多个销售点的企业，可能全公司库存看起来足够，但货都集中在一个仓库；另一个门店已经接近缺货。反过来，单个门店库存偏低，区域仓却有充足现货，只要调拨时间短、调拨流程可靠，就未必需要新增采购。
所以，补货预警要先明确计算对象：是按单个 SKU、单个仓库、单个门店，还是区域合并计算？如果系统用总库存作判断，团队却需要解决门店级缺货，预警就可能“账面正确、行动失焦”。调拨、采购和门店补货应视为不同的补充路径，比较总成本和到货时间后再选。
历史销量不是天然等于真实需求。促销期间的高销量可能只持续几天；断货期间销量下降，也不一定代表顾客不需要商品，因为没有库存时，销售记录本来就记不到未成交需求。新品、季节性商品和临近下架商品，也不适合机械沿用普通月份的平均值。
我建议先给异常日期打标，再决定是否把它们纳入常规需求参考。比如促销订单单独识别，断货时段注明可售状态，退货和取消订单采用一致口径。数据量不足时，与其假装预测很精确，不如采用保守的人工复核，并记录判断依据。
很多团队看到预警不准，就急着改算法或买更多功能。但如果采购单收货后没有及时入库、门店调拨单长期挂起，或销售数据把取消订单也当成有效需求，再复杂的模型也只是在不稳定的输入上做计算。
实际排查时，我会先抽取少量反复触发预警的 SKU，逐笔核对系统记录与业务单据：库存有没有及时变更，在途订单是否真的会到，预留数量有没有重复计算，销售记录是否混入异常日期。先把口径和流程修好，再判断是否值得提高预测复杂度。
同一家公司里的商品，销量、采购周期、供应稳定性和存储风险都可能不同。高频消耗品缺货会直接影响日常销售；低频零件可能几个月才卖一件；易过期商品补多了又会产生报损。统一阈值容易让一类商品总是缺，另一类商品越补越多。
不需要一开始就把每个 SKU 都做成独立预测模型。可以先按业务特征分层，例如高频与低频、稳定与波动、长交期与短交期、易过期与耐储存。先为每一层设置可解释的规则，再把确实表现不同的 SKU 单独拿出来调整。
只看仓库里剩多少，可能会在采购单已经发出时重复下单。只把所有“采购中”数量都算作在途，又可能因为供应商未确认、订单已延期或部分到货而高估未来供应。库存位置应尽量反映真实、可兑现的供需状态，而不是单纯把系统里的数字相加减。
核对在途时至少要看订单状态、承诺到货日、已收数量和剩余数量。对延期严重或供应商确认不稳定的订单，可按企业风险承受能力设置例外处理，而不是让一笔不确定的在途长期压低补货提醒。
供应商说“七天到”，不代表每一单都七天到。采购申请、审批、排产、运输、入库检验都可能占用时间。若阈值只使用合同中的运输天数，却漏掉内部审批和收货流程，预警会比真实需求来得晚。
如果能取得历史采购记录，建议把“下单到可销售”的完整时间拆开看，而不只是看下单到送达。样本少时，先用人工记录累积实际交期；样本多时，可观察中位数、常见范围和延误尾部。极端慢单是否用于日常安全余量，应结合缺货成本和供应商管理办法决定。
简单均值容易被异常值牵着走。一个短促销周可能显著抬高平均销量；一次断货又可能把销售记录压低。均值本身没有错，错的是不判断数据产生的业务背景，就把它直接当成未来需求。
对新手来说，先把促销、断货、上新、清仓等时段标记出来，分别观察正常销售和特殊活动，比立刻使用复杂的预测术语更实用。对于活动商品，还要考虑活动后回落、备货到货时间和剩余库存去化，不宜只凭活动中的峰值决定长期补货线。
预警过密会产生“提醒疲劳”：业务人员习惯性忽略通知，真正重要的异常也被淹没。预警过少则可能让缺货风险没有及时暴露。追求一个看起来很低的预警数量，没有意义；关键是提醒能否让责任人采取正确动作。
建议区分需要立即处理的高风险提醒、需要在固定周期复核的普通提醒，以及由数据问题造成的异常提醒。每种提醒都要有清楚的负责人、处理期限和关闭理由。没有处理记录的提醒，很难用于后续改进。
安全库存是用来吸收需求或供给不确定性的缓冲，不是越多越好。缓冲太少，供应延误时容易缺货；缓冲太多，则可能带来资金占用、仓储压力、过期或跌价风险。合适的余量取决于商品缺货后果、需求波动、交期波动和补货能力。
对稳定、易补的商品，企业可能愿意承担较低缓冲；对断货损失高、交期长且替代困难的商品，则可能愿意多留一层保护。不要只盯着一个安全库存数字，而要记录它保护的风险是什么、由谁定期复核。
系统生成的建议依赖输入数据、字段定义和规则配置。它可以提高计算一致性，却不能替企业确认供应商是否真的能按时交货，也不能自动识别每次促销背后的特殊原因，除非这些数据和规则被纳入系统并经过验证。
试运行时不要只看建议数量是否“像个合理数字”。要检查建议生成的依据能否解释、数据能否追溯、异常能否覆盖、人工修改能否留下记录。解释不了的建议，即使界面整齐，也不适合直接进入自动采购环节。
先确认规则按什么粒度生效：SKU、规格、仓库、门店，还是区域。一个商品若有不同包装、不同条码或不同采购单位，要先处理单位换算。系统里的“箱”与销售里的“件”如果换算关系错了，后续的销量、阈值、起订量都会一起失真。
同一 SKU 在不同地点的需求和补货路径也可能不同。门店由区域仓调拨，区域仓向供应商采购时，两个环节的等待时间不同，应分别设定判断逻辑。不要把“供应商交期”直接套到每个门店的补货动作上，也不要用全网库存掩盖局部缺货。
与系统实施或运营同事逐项确认：可用库存是否已经扣除预留、在途数量是否只包括已确认采购、待检品是否参与可用量、已发货未签收如何处理、退货入库何时恢复可用。把口径写进操作说明，避免不同岗位用同一个词表达不同数字。
随后抽查几笔真实单据：从仓库实物到系统库存，从采购下单到在途状态，再到收货入库。若数字无法对应，先修流程或数据，不要靠提高阈值来遮住库存记录问题。
需求历史至少要能区分商品、时间和销售地点。进一步检查退货、取消订单、促销活动、断货区间、上新和停售等情况。业务团队不一定一开始就要建立复杂预测，但需要知道某个平均值由哪些日子构成，以及哪些日子可能不代表常态。
对销量很低的商品，单日波动特别大时，短期均值可能不稳定。对快速增长的商品，过长历史窗口又可能把旧水平混进来。选择统计周期时，要让它能反映业务变化，同时保留足够数据用于判断。没有充足数据时，标记为“人工复核”比输出虚假的精确值更负责任。
建议把补货周期拆成企业能管理的几段：内部申请与审批、供应商确认与备货、运输、收货检验和上架。对每个环节明确起止时间的定义，否则不同人员统计出来的“交期”无法比较。
可从历史订单中先看平均值与中位数，再看常见范围和延迟订单。均值容易受少数极慢订单影响，中位数能反映典型情况，但也可能忽略尾部风险。交期波动越大、缺货后果越严重，越需要单独审视延迟情况，而不是只拿一个中心值做全部判断。
对持续检查的简单场景，可以用“补货等待期间的预计消耗＋缓冲量”作为补货点的起始逻辑。若每隔一段时间才检查一次，还要把两次检查间可能消耗的数量纳入判断。公式只提供结构，参数需要由企业数据和服务要求校准。
触发补货后，采购多少是另一个问题。需要同时考虑目标库存、在途数量、最小起订量、整箱单位、仓储能力、现金预算、保质期和促销安排。仅仅把库存补到预警线以上，不一定是最经济的方案；为了满足起订量而多买，也应先确认剩余库存能否在有效期内消化。
每条预警至少应能回答：谁负责、何时处理、处理结果是什么、为何调整建议或关闭提醒。常见关闭原因可以包括已下单、已调拨、库存记录错误、需求异常、商品停售、供应商延期等。原因分类不必一开始复杂，但要让团队日后能看出重复发生的问题。
复盘不要只数提醒总量。可以同时观察被确认需要补货的提醒占比、因库存数据错误而关闭的提醒、未及时处理的提醒、提醒后仍发生缺货的 SKU，以及补货后形成长时间滞留的商品。每项指标都要定义统计周期和分母，避免“比例变好”其实只是统计口径变了。
下面用一个虚构的“常规销售商品 A”演示，不代表某个企业的真实经营数据，也不是行业标准。假设该商品正常时期日均消耗约 12 件，供应商从下单到可销售通常需要 6 天，团队另外设定 24 件的缓冲量。为了让流程容易核对，先把补货点暂定为：12 件/天 × 6 天＋24 件＝96 件。
这一步只建立了一个初始复核线。它假设日均需求和交期都能代表未来，并且当前数字使用同一种库存单位。真实运营中还要检查促销、断货、在途和门店位置，不能把 96 件直接写成所有商品都适用的采购规则。
假设仓库可用库存为 82 件，已确认的采购在途为 30 件，尚未满足的已承诺订单为 8 件。若企业定义的库存位置是“可用库存＋确认在途－未满足承诺”，那么库存位置为 104 件，高于 96 件的初始复核线。
这不代表可以无条件忽略提醒。还要确认这 30 件预计何时到、订单状态是否可靠，以及未来六天的消耗是否大致符合假设。如果供应商已通知延期，或其中一部分在途已经取消，库存位置就要重新计算。正确做法是更新状态并安排追踪，不是再下一张相同采购单。
再假设可用库存为 55 件、有效在途为 10 件、未满足承诺为 8 件，则库存位置为 57 件，低于 96 件。系统提醒值得优先处理，但采购人员仍要看最近需求和供应路径：区域仓是否有可调拨库存？近期是否刚启动促销？供应商当前交期是否变长？该商品有没有包装起订量？
如果区域仓有货且调拨两天可到，调拨可能比新增采购更快；如果供应商交期较长且区域仓也紧张，才需要评估采购。若日均消耗估计因促销异常而偏高，则要用活动结束后的需求判断实际采购量。预警回答的是“需要调查”，这些问题回答的才是“做什么”。
假设按当前库存位置，业务需要补充 39 件才能回到暂定目标，但供应商只接受每箱 24 件起订。下单 48 件会超过理论缺口 9 件。若商品保质期长、销售稳定且仓储空间充足，额外数量可能可以接受；若商品易过期、销量近期走弱，超出的数量可能造成临期和资金占用。
此时可以比较分批下单、与供应商协商混箱、区域调拨或调整采购节奏等选项。不要把“满足最小起订量”直接等同于“最优采购量”。如果企业最后选择多买，应记录接受额外库存的原因，并在下一轮复盘实际消耗。
对已经在使用数据分析工具的团队，可以把商品、仓库、每日销售、库存快照、采购单状态和实际收货日期放到统一的分析视图里。以九数云为例，可将它作为观察和整理经营数据的工具选项之一；具体能否连接所需系统、字段能否取得、刷新频率和计算方式，应先按企业现有版本与实际数据源核实，不要仅凭产品名称假设功能。
我更看重的不是仪表盘颜色，而是能否从某个预警 SKU 继续追到输入依据：最近一段时间卖了多少、库存在哪个地点、在途单是哪一张、预计哪天到、预警规则使用了什么口径。若团队目前只能导出表格，也可以先用同样的字段建立复核表。工具的价值是减少核对成本和口径分歧，不会自动替代业务判断。
试运行时，建议先选一组重点 SKU，连续记录预警日期、当时库存位置、处理动作、实际到货和后续缺货情况。不要一次性给全库套入模拟案例中的 12 件日耗、6 天交期或 24 件缓冲量；这些数值只属于本段虚构场景。
这类商品适合先从简单、可解释的规则开始。观察一段时间的正常消耗和实际补货周期，设置初始复核线，按固定节奏检查误报、漏报和采购后的剩余库存。重点是保持数据口径稳定，不必为了显得先进而过早增加复杂预测。
如果连续复盘发现商品消耗和交期都比较稳定，且库存记录准确，可以逐步提高自动化程度，例如自动生成建议、由人员批量审批。是否进一步自动下单，要看供应商接口、审批权限、异常拦截和责任追踪是否已经成熟。
先将日常销售与活动计划分开看。对于已知促销，可依据活动日期、预计流量和活动结束后的回落安排复核；对于季节性商品，应按相近季节和商品生命周期对照，而不是把淡季与旺季简单平均。
如果活动计划变化频繁、历史样本少或新品缺乏可比数据，建议提高人工复核权重，并把判断理由记录下来。活动备货结束后，还要安排清货、退货或调拨策略，不能只关注活动开始前是否备足。
先积累从下单到可销售的实际周期记录，并把供应商确认、运输和收货环节拆开看。必要时为关键商品设置交期异常提醒，例如承诺到货日被延后、采购单长期未确认等。对于供应风险高且缺货影响大的商品，可以评估替代供应商、提前采购或调整服务承诺。
缓冲库存不是处理供应商问题的唯一办法。长期把风险全部转化为多备货，会增加占用和积压；如果供应商服务持续不稳定，应同步谈交付承诺、备选供应和订单分批机制。
这类商品的判断不应只围绕缺货展开。要同时看剩余保质期、预计销售速度、采购批量、仓储容量和资金占用。宁可把采购频次提高一些，也可能比一次买大量更适合，但频次增加会带来采购与运输成本，需要比较总成本。
对临期风险明显的库存，补货提醒还应与批次、效期和先进先出流程配合。若系统无法区分批次或效期字段，团队应先确认现有工具是否能支撑实际管理，再决定自动化边界。
先把库存按位置展示，再比较调拨和新增采购的到货时间、运输成本、门店缺货风险及区域仓安全量。调拨不是“有货就搬”：若把区域仓的缓冲全部拨走，可能只是把一个门店的缺货转移到另一个地点。
可以为调拨设置优先级和最小保留量，并记录调拨申请、发出、签收和上架时间。若门店补货时间比供应商采购时间短，且区域库存可靠，调拨往往值得优先评估；反之，调拨链路慢或状态不透明时，账面上的区域库存可能不应当被视为即时可用。
这时先别批量自动下单。可以选少量商品进行人工盘点、单据抽查和小范围试运行，找出收货、退货、调拨、报损和订单预留过程中最常见的断点。规则先求可解释、可核对，不急着追求自动化比例。
如果一条提醒总因库存错误而关闭，应优先修正数据流程；如果提醒正确但无人处理，则要补责任人和时限；如果提醒被处理后依然反复缺货，才进一步分析需求、交期和缓冲是否不匹配。
自动化应当建立在数据可追溯、异常可识别、审批边界清楚的基础上。至少要确认：库存状态准确，采购在途更新及时，规则能按商品或场景管理，超常需求与交期异常有拦截办法，自动生成的动作可以追溯和撤回。
可以按“只提醒，生成建议，人工批量确认，限定范围自动执行”的顺序逐步推进。每一步都要观察错报、漏报、人工改动和实际到货结果。若自动执行后业务人员无法解释为什么下单，自动化程度就超过了团队当前的控制能力。
不要只看功能清单上是否写了“补货预警”。可以拿一个真实或脱敏 SKU，请对方从库存字段、历史需求、交期、在途数量一路演示到提醒结果，并解释哪些字段参与计算、哪些异常不会自动处理。
还要确认系统能否按仓库或商品区分规则，能否查看提醒生成依据，是否区分提示、建议和自动采购，人工修改是否留痕，数据多久刷新一次。若演示只能展示一个结果数字，无法追到组成数字的来源，业务团队后续就难以排错。
可以从一小批重点 SKU 开始，覆盖稳定商品、促销商品、长交期商品和易过期商品。试运行阶段既观察规则是否合适，也观察数据能否按时更新、负责人是否真的处理提醒。样本选择应能覆盖不同业务风险，而不是只挑数据最漂亮的商品。
试运行期间保留每次提醒的时间、当时库存口径、建议动作、人工处理结果、实际到货时间和后续缺货或积压情况。经过一段适合业务周期的观察后，再讨论扩大范围；不能只因为系统可以批量配置，就跳过验证。
建议至少分开看以下几类记录：
任何单一指标都可能误导。例如，提醒有效率上升，可能是团队把难以判断的提醒直接关闭；缺货次数下降，也可能伴随库存大幅增加。复盘要把服务水平、库存占用、报损和人工处理成本放在一起看，并保持前后口径一致。
当预警表现不好时，我建议按“数据，规则，流程，供应”顺序排查。数据层看库存和销售记录；规则层看需求窗口、交期与缓冲；流程层看提醒是否有人负责；供应层看订单履约与实际到货。先定位层级，再改对应措施，避免一出现缺货就盲目加库存。
若一个商品经常因库存字段错误触发提醒，调阈值没有意义；若数据正确但交期持续拖延，单纯提高缓冲可能只能暂时掩盖供应问题；若规则合理而提醒无人处理，则应先调整工作流。每次修改最好记录原因与生效日期，才能看出改动是否真正产生效果。
库存决策不是把缺货风险压到零。降低库存通常能释放资金和仓储空间，但可能提高缺货概率、紧急采购和运输成本；增加缓冲可以应对需求或交期波动，却会增加占用、过期和跌价风险。不同商品、不同销售承诺下，企业对两种风险的容忍度不一样。
在缺货会造成高额损失、供应周期长且替代困难时，适当接受较高缓冲可能合理；在商品容易过期、需求快速变化或资金紧张时，频繁复核、小批补货或调拨可能更适合。任何“降低库存”或“提高可得率”的目标，都要同时说明牺牲了什么、用什么指标验证。
规则越简单，越容易解释和维护，但对促销、季节性、长交期等差异的刻画可能不足；规则越细，越能贴近具体 SKU，却需要更多数据、管理时间和系统维护能力。新手团队可以从商品分层开始，而不是一上来给每个 SKU 设置一套复杂参数。
当某一类商品持续表现出不同风险，再增加专属规则；如果差异只是偶发事件，可以通过人工例外处理，不一定值得永久增加复杂度。判断标准不是规则数量，而是规则能否被团队理解、执行和复核。
我认为补货预警最值得坚持的一条原则是：先让每个提醒都能解释，再让它更快执行。只有库存口径、需求数据、供应周期和责任流程彼此对得上，阈值才有实际意义。下一步不必先追求一套“标准答案”，而是从少量重点 SKU 开始，把每次预警为什么出现、最后采取了什么动作、结果是否符合预期记录下来；这些本地业务证据，才是逐步校准补货规则的可靠起点。
我刚开始用库存系统，不太明白预警值是按当前库存拍一个数，还是要结合销量和供货时间计算。我担心设高了压货、设低了又会缺货，有没有能先上手、再逐步校准的方法？
先别急着给所有商品设一个固定数字。入门时可以用“补货点＝日均需求×补货提前期＋安全库存”作为检查框架：日均需求表示每天大致消耗多少，补货提前期表示从下单到可销售需要多久，安全库存则用来应对需求或交期波动。这是辅助判断，不是所有商品通用的自动下单公式。
例如，某商品日均销量为8件，供应商通常需要5天交货，暂设安全库存12件，那么补货点为52件。实际使用时还要确认系统比较的是哪种库存口径，并根据缺货记录、实际到货时间和需求变化复核参数；如果交期经常波动，单纯使用平均交期可能不够稳妥。
我遇到过系统提示要补货，但仓库里还有货，采购单也已经下了的情况。我不确定是库存字段没看懂，还是系统把不同状态的商品重复计算了，想知道下单前应该按什么顺序核对。
先核对字段定义，再看数字。实物库存、可销售库存、已预留库存、待检库存和在途采购可能是不同口径；不同系统的“可用库存”计算方式也可能不同，不能只凭字段名称判断。举例：某商品可销售现货34件，其中6件已分配给订单；另有已确认、预计按时到货的采购20件。
若34件是扣除预留前的实物数，则可用于新订单的现货是28件，库存位置可按28＋20＝48件检查；如果系统显示的34件已经扣除了预留，就不能再减6件。对照补货点52件时，前一种口径下会触发复核，差额是4件，但这不等于采购数量必须是4件，还要看起订量、包装单位和后续需求。
我发现有些商品平时卖得不多，促销时销量突然上升；还有商品曾经断货，系统里的销量看起来很低。我担心直接取近期平均值会把特殊情况当成常态，应该怎样判断这类数据能不能用于设预警？
先给异常销售数据标记原因，不要默认每一天的销量都能代表日常需求。促销销量可能高于常态，断货期间的低销量则可能只是“无货可卖”，并不代表顾客需求下降；退货、取消订单和季节因素也可能改变数据含义。实操上可以先把常规期与促销期分开查看，再检查断货日期和实际销售记录。
对于波动明显的商品，不必一开始就追求复杂预测；可以先采用适合业务的常规需求估算，并在促销前单独复核库存与到货安排。预警频繁误报时，应先检查销量口径和库存记录，再调整规则，而不是直接关闭提醒。
我正在比较几套库存系统，演示时都能看到补货提醒，但我不清楚它们究竟只是显示低库存，还是会结合在途采购、预留和供应商交期给出建议。我该让供应商演示哪些具体场景，才能避免买完后才发现功能不符合流程？
不要只看演示页面有没有红色提醒，重点是追问预警依据什么数据、采用什么库存口径，以及提示之后会发生什么。可以请供应商现场演示一个商品：有部分库存已预留、有采购在途、供应商交期发生变化时，系统如何计算库存位置、触发提醒并记录处理过程。
同时确认规则能否按商品或场景调整，是否能区分预警提示、补货建议和自动生成采购单，以及谁有权限审核。最好用一组脱敏的历史数据试跑，再核对系统结果与实际业务记录；如果系统无法解释预警来源，或无法追溯规则修改和处理结果，后续排错会比较困难。
读者评论
把预警和下单分开很实用，尤其要先核对有效在途和已承诺需求，避免同一批库存被重复计算后又下了一单。
多门店不能只看全网库存总量这一点值得注意。区域仓有货不代表门店能及时补上，调拨时间也应纳入判断。
文章提醒促销和断货会扭曲历史销量，也提到了预警责任人和处理记录；这两项比单纯追求复杂预测更适合先落地。