2023 年第二季度，我陪跑过一家做家居收纳的跨境卖家。当时它账面库存约 1,780 万元，库龄超过 180 天的部分占了 31%，可就在同一个季度里，7 个主力 ASIN 累计断货 11 天，其中一个爆款链接的排名回撤，直接让之后两个月的广告 ACOS 从 22% 涨到 34%。财务拿着库存报表说库存太高，运营拿着断货记录说库存不够，两边都有数据，谁也说服不了谁。
我把这家公司的库存表从头翻到尾，发现问题根本不在“预测准不准”，而在于它只有库存记录，没有库存计划。记录告诉你现在有多少货，计划告诉你什么时候该做什么动作。前者是报表，后者是模板加节奏，两者之间差着一整套标准化管理。
这篇文章要讲的，就是怎么围绕库存计划搭一套真能跑起来的标准化模板，不是那种做得很漂亮但没人打开的 Excel，而是每周一早上打开就知道今天该补什么、砍什么、清什么的作业系统。我会给出核心结论、真实场景、常见误区、判断逻辑、数据观察，以及不同阶段该怎么做、怎么做取舍。
先把结论摆在前面，后面所有内容都是围绕这四条展开的。如果你只读一段，读这一段就够了。
大多数卖家的库存管理停留在“总量级”：这个月库存 1,200 万，比上个月多了 150 万，所以要注意了。这句话没有任何决策价值。因为在这 1,200 万里，可能有 300 万是三个月没动过的死货，同时有 8 个正在起量的 SKU 已经低于安全库存。
总量级管理最危险的地方在于，它会把“该补的”和“该清的”平均掉，让两边的问题同时被掩盖。只有当管理颗粒度下探到 SKU × 站点 × 仓库 这一层，缺货和滞销才会分别暴露出来。这是我做了七年跨境运营、踩了无数次坑之后最确定的一条经验。
我见过太多公司做库存模板时陷入一种执念：要把所有字段都塞进去。于是表格有 60 多列，从采购单价到物流商联系人一应俱全，结果没人愿意填，三周后彻底荒废。
真正有效的模板，第一要求是节奏固定：每周一上午出补货建议，每周三下午确认采购单，每周五更新在途与到仓状态，每月 3 号出库龄与滞销报告。字段可以少，但时间点必须固定。因为库存管理的本质是“在正确的时间做正确的动作”，动作晚三天，补货成本可能多 15%，断货概率可能翻倍。
只盯“货”的库存管理一定会失衡。完整的库存计划要同时维护三个账户：货的账户（可售、在途、在产、待检、退货可再售）、钱的账户（采购占用、头程占用、仓储费、滞销减值）、时间的账户（头程时效、清关时效、上架时效、平台结算周期）。
这三个账户互相牵制。想降低断货风险就要加深备货，加深备货就占用更多现金，占用更多现金就要求更快的周转，更快的周转又要求更短的补货周期。库存计划模板的作用，就是把这个循环里的每一个环节量化出来，让取舍变成算得清的选择题，而不是拍脑袋的立场之争。
很多运营对“标准化”有误解，以为是把所有情况都写进规则里，遇到任何场景都能自动处理。这在跨境业务里不可能实现，平台政策会变，物流会延误，竞品会突然降价。
标准化的真正作用是：让 80% 的常规决策变成例行动作，把 20% 的例外留给人的判断。当例外发生时，系统能明确告诉你“这个 SKU 偏离了正常区间”，而不是让你在 1,200 个 SKU 里靠直觉去找。这才是模板存在的意义。
国内电商的补货闭环通常是：发现缺货、下单、三天到仓、上架。跨境把这个链条拉长了 5 到 10 倍，而且中间每一段都有独立的不可控因素。
把四个延迟叠加起来，从“决定补货”到“货能卖”，最快也要 30 天，慢的话 70 天以上。这就是为什么用月度节奏管跨境库存几乎必然出问题，一个月只有一个决策点，而补货周期本身就超过一个月。
说个具体场景。2022 年我做宠物用品类目时，团队每周一早上要花将近三个小时做库存盘点，流程大致是这样：
这套流程最大的问题不是慢，而是每周的口径都在变。A 表的库存快照时间不固定，B 表的在途定义有时含清关中、有时不含，C 表的生产进度靠工厂微信口头同步。三个数据源时间点不一致，拼出来的结论自然不可靠。更麻烦的是，这个结论没有人能复核，因为它只存在于那个做表的运营脑子里。
我后来总结出一个转折信号：当“谁能做库存表”变成一种稀缺能力时，就说明这家公司的库存管理还停留在经验驱动阶段。那个运营请假，全组的补货就要停一周。
从经验驱动切换到节奏驱动，标志不是上线了某个工具，而是三件事同时发生：数据口径固定、决策时间点固定、责任归属固定。做到这三件事，哪怕还在用 Excel，也已经算跑通了标准化；做不到，上再贵的系统也只是把混乱自动化。
下面这八条，有些是我自己踩的，有些是我在陪跑其他卖家时反复看到的。我把它们按出现频率从高到低排列。
“我们库存周转 90 天，行业平均也是 90 天，所以没问题。”这句话我听过太多次。但平均值是最会骗人的指标。一个 200 SKU 的店铺，可能 20 个 SKU 贡献了 75% 的销售额，剩下 180 个贡献 25%，其中还有 60 个三个月没出过单。这 180 个 SKU 拖慢了整体周转，而那 20 个主力 SKU 里如果有 5 个断货，GMV 会直接掉下来。
总量健康度和单品健康度是可以同时反向的。只看总库存，你会得出“库存偏高要压”的结论，然后压到的恰好是主力 SKU 的备货，反而加重了缺货。
月度预测的用途是排产和预算，不是补货。但很多团队把它当补货依据，结果就是：月初拍一个数字，月中发现偏差 40%，却因为“计划已经定了”而不愿意调整。
我的做法是拆成两层：月度预测管产能和资金，周度滚动预测管补货动作。周度预测只看未来 4 周的销量，用最近 4 周的加权平均（越近的周权重越高），每周一更新一次。两层预测可以不一致，但它们服务的目标不同，不冲突。
“这个品卖得好，多备两周吧。”这是我听过最常见的补货逻辑，也是最容易亏钱的逻辑。安全库存的本质是应对需求波动 + 供给波动，它应该由标准差和提前期决定，而不是由销量大小决定。
一个日销 50 件、波动很小（标准差 5）的 SKU，和一个日销 50 件、波动巨大（标准差 30）的 SKU，需要的安全库存能差好几倍。只看销量大小来拍安全库存，等于放弃了波动这个最重要的变量。
这一条造成的坑最直接。很多运营算补货点用的是“头程 20 天”，因为货代报的是快船 18 到 25 天，取个好听的数。但实际到仓上架，旺季经常是 35 到 45 天。差出来的 15 到 25 天，就是断货的窗口期。
我的建议是：提前期用过去 6 个月实际到仓时间的 80 分位数，而不是平均值，更不是最快值。平均值意味着一半的情况会延迟，而在缺货这件事上，你承受不起一半的概率。
售罄率是运营最爱的指标，因为它好看。但售罄率 85% 可能是两种完全不同的状态：一种是健康周转，另一种是把库存压得太薄、频繁断货换来的高售罄率。区分这两者，必须看库龄结构。
我现在固定看四个库龄桶：0 到 30 天、31 到 90 天、91 到 180 天、181 天以上。健康的跨境店铺，91 天以上的库存占比通常应该控制在 12% 以内；如果超过 20%，说明采购决策和销售节奏已经脱节了，不管售罄率多漂亮。
大多数团队处理滞销的方式是“等运营有空了搞一波促销”。这意味着清库存永远是优先级最低的事，永远排在冲刺新品和盯广告之后。结果是滞销库存越滚越大，仓储费一年吃掉好几万。
正确的做法是把清库存写进计划：SKU 进入 91 天库龄桶时自动进入观察名单，进入 181 天桶时自动触发清理动作，包括降价、捆绑、站外清仓、捐赠或销毁。触发条件是时间，不是人的意愿。
表格做得再精细，如果每一个字段都没写清楚“谁填、什么时候填、填错了谁负责”，它就会在两周内变成僵尸表。我见过最典型的情况是：库存表有 12 个协作人，但没有任何一列标注责任人，出错时所有人都说“我以为是他填的”。
模板设计的第一性原则是每个单元格都要有一个明确的、唯一的负责人，并且这个负责人知道自己在什么时间点必须完成。宁可字段少一半，也要保证责任清晰。
这是我最想强调的一条。工具解决的是“数据获取和计算效率”，它解决不了“你有没有明确的分类规则”“你的补货点公式是否合理”“你的团队愿不愿意每周一按时决策”。
我见过上了系统之后库存反而更乱的团队，原因就是他们把原来靠人兜底的模糊地带，直接暴露成了系统里的混乱数据。所以顺序应该是：先定规则，再定节奏，最后上工具。反过来做，大概率会返工。
讲了这么多问题，现在讲解法。我把库存计划模板拆成四层，从下到上分别是数据层、计划层、执行层、复盘层。这四层缺一层，整套模板都跑不起来。
数据层要解决的是“我有什么、在哪里、能不能卖”。这一层最容易出错的地方是口径不统一。我建议至少固定四个口径，并且写进模板说明文档里：
还有一个关键动作：每天固定时间点抓一次库存快照。不要用实时数据做计划，因为实时数据在一天之内会波动，而计划需要的是稳定的时间切片。我通常选北京时间早上 9 点，正好覆盖美国站点的日终。
计划层是整套模板的大脑。它做四件事：把 SKU 分类、生成需求预测、计算补货点、计算安全库存。
只按销售额做 ABC 分类是不够的，因为销量稳定的 A 类和销量忽高忽低的 A 类，备货策略完全不同。我用 ABC-XYZ 双维度：
组合之后策略就清楚了：AX 类是现金牛，必须保证不缺货，安全库存可以给足；AZ 类是风险区，需求不稳定又贡献大，要用更短的补货周期和更频繁的小批量补货；CZ 类是重灾区，要么砍掉，要么改为预售或按需采购。
这两个公式是整个模板里最硬的部分。很多人觉得复杂，其实只要写清楚就很容易复用。我用一段伪代码说明：
# 输入：SKU 维度的历史销量、提前期、服务水平
日均销量 = 过去28天销量 / 28
需求标准差 = 过去28天日销量的标准差
提前期 = 过去6个月实际到仓天数的80分位数 # 不用平均值
服务水平系数 = 1.65 # 对应95%不缺货概率
安全库存 = 服务水平系数 × 需求标准差 × (提前期 ** 0.5)
补货点 = 日均销量 × 提前期 + 安全库存
建议补货量 = 补货点 + 目标覆盖天数 × 日均销量 – 可售库存 – 在途库存 – 在产库存
建议补货量 = max(建议补货量, 最小起订量) # 向下取整到箱规
这段代码里有三个关键判断，值得单独说明。第一，提前期用 80 分位数而不是平均值，是为了让补货决策覆盖大多数不利情况；第二，安全库存开根号乘以提前期，是因为波动在时间上不是线性累加的；第三，最后一步用 max 保证不低于最小起订量，避免算出“补 3 件”这种无法执行的建议。
执行层最容易失控的地方是状态不同步。采购说已经下单了，工厂说还没排产；货代说已经开船了，仓库说没收到预约。每个环节的人都在用自己的口径汇报，中间的时间差就成了黑箱。
我的做法是给每个补货单设五个状态节点，每个节点必须有人确认：
五个节点之间的时间差，就是模板里最有价值的诊断数据。如果“已生产”到“已发运”经常花 10 天以上，说明工厂和货代的衔接有问题；如果“已到港”到“已上架”经常超过 14 天，说明入仓预约要提前规划。这些结论靠感觉是得不出来的。
复盘层不需要复杂，但必须固定。我在模板里放八个指标，每周更新、每月复盘：
| 指标 | 计算口径 | 健康区间（参考） | 异常时的动作 |
|---|---|---|---|
| 缺货率 | 缺货 SKU 天数 / 应售 SKU 天数 | < 5% | 检查补货点是否偏低、提前期是否低估 |
| 库存周转天数 | 平均库存金额 / 日均销货成本 | 45-75 天 | 拆到 SKU 级定位拖慢周转的单品 |
| 库龄超 180 天占比 | 181 天以上库存金额 / 总库存金额 | < 8% | 触发清理动作，进入降价或捆绑流程 |
| 预测偏差率 | |预测 – 实际| / 实际 | < 25% | 检查是否受促销或竞品降价影响 |
| 订单满足率 | 按时完整发货订单 / 总订单 | > 96% | 排查多仓库存分配规则 |
| 补货周期 | 从触发补货点到上架可售的天数 | < 与提前期设定一致 | 定位五节点中耗时最长的一段 |
| 资金占用金额 | 采购 + 头程 + 仓储的库存相关支出 | 按现金流承受能力设定 | 结合周转天数评估是否需要压缩备货 |
| 滞销清理完成率 | 已清理滞销 SKU / 触发清理的 SKU | > 80% | 清理动作通常卡在渠道和定价，需专项推进 |
这八个指标里，我最看重的是库龄超 180 天占比和补货周期。前者反映历史决策质量，后者反映当前执行效率。缺货率虽然重要，但它经常受平台流量波动影响，单独看容易误判。
规则定完之后，就要解决工具问题。数据获取和计算的效率，决定了这套模板能不能坚持超过一个月。这一段我以数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）为例，讲一下实际跑起来的感受和变化。
在上工具之前，那家家居收纳卖家的状态是这样的：
这种状态下，库存计划的更新频率实际上是“一周一次且经常延迟”，很多时候周一没做完，拖到周三，再拖到下周。而跨境补货周期动辄 40 天以上，决策延迟一周，等于把提前期又拉长了 7 天。
第一件是多平台库存的自动汇总。三个渠道的可售库存、在途、在产数据集中到一个看板，口径统一，每天固定时间刷新。这一件看起来最基础，但它省掉的是每周 3 小时的人工合并，更重要的是消除了口径不一致带来的错误决策。
第二件是销量与库存的联动分析。它把 SKU 的销量走势和库存水位放在同一张视图里，能直接看出某个 SKU 的库存曲线什么时候会触底。这比看静态的库存数字有用得多，因为库存是会消耗的，静态数字只反映当下，曲线才反映趋势。
第三件是库存预警和补货建议。系统会按设定的补货点和安全库存逻辑，把需要关注的 SKU 挑出来，形成待处理清单。运营不需要在几百个 SKU 里逐个核对，只需要在清单上做确认或调整。这一步把每周的决策时间从 3 小时压缩到 40 分钟左右。
这个项目从第 1 周到第 12 周，几个关键指标的变化是：缺货率从 11.2% 降到 4.1%，库存周转天数从 89 天降到 61 天，180 天以上库龄占比从 24% 降到 6.2%，库存相关资金占用从 1,180 万降到 940 万。
需要说明的是，这些变化不完全是工具的功劳。工具贡献的是效率和口径一致性，真正带来改善的是周节奏本身。如果每周一不开这个会、不确认这份清单，数据再准也不会变成动作。我见过太多团队把系统接好了，然后继续用月度节奏拍脑袋，结果自然没有变化。
这一点很重要，也是我不太喜欢“全自动库存管理”这个说法的原因。有三类判断我坚持留给人：
系统的价值是把这三类例外清晰地标出来，让人的注意力集中在这里，而不是消耗在几百个常规 SKU 的核对上。
库存计划没有万能模板，不同规模的团队应该做不同的事。下面按销售额分三档给建议，最后单独讲团队配置。
这个阶段最大的风险不是缺货，而是 SKU 太多、精力太散。我的建议是先做一次彻底的 SKU 清理：把过去 90 天零销量的 SKU 全部下架或清仓，把 SKU 数量压到 100 个以内。
然后用最朴素的方法管库存：一张表，每周一更新，只跟踪可售库存、在途库存和日均销量三列。补货点用“日均销量 × 提前期 × 1.3”这个简化公式就够了，不需要上系统。
这个阶段唯一不能省的是“每周一固定更新”这个节奏。哪怕只有 30 个 SKU，也要固定时间做，因为习惯比工具重要。
这一档是最需要标准化的阶段。SKU 数量通常在 150 到 600 之间，靠 Excel 已经很难维持一致性，靠人脑更不可能。建议做四件事：
这个阶段引入像数跨境这样的工具是比较合适的时机，因为规则已经清楚，工具能直接承接计算和汇总的工作。如果规则还没定就上工具，大概率会陷入反复调整字段的泥潭。
到这个规模，库存计划已经不只是一套模板，而是一个独立岗位的职责。这个岗位的核心工作不是做表，而是：
这个岗位的考核指标我建议只用三个：缺货率、库存周转天数、库龄超 180 天占比。三个指标互相制衡，单独优化任何一个都会出问题。
不同规模下，库存相关角色的配置差别很大，我整理成一张表供参考：
| 销售规模 | 角色配置 | 每周投入时间 | 核心职责 |
|---|---|---|---|
| 月销 50 万以下 | 运营兼任 | 2-3 小时 | 更新库存表、按简化公式决定补货 |
| 月销 50-150 万 | 运营主管 + 采购 | 4-6 小时 | 维护分类规则、确认补货建议、跟踪执行节点 |
| 月销 150-300 万 | 专职计划 1 人 + 采购 1 人 | 8-12 小时 | 参数维护、周度补货决策、月度库龄分析 |
| 月销 300 万以上 | 计划岗 2 人 + 采购 2 人 + 数据 1 人 | 15 小时以上 | 分渠道计划、大促专项测算、供应链风险跟踪 |
讲完怎么做，还要讲怎么选。库存计划的每一个决策都是取舍，理解取舍比记住方法更重要。
追求更高的预测准确率，通常意味着更复杂的模型、更多的历史数据和更长的计算周期。但在跨境场景里，响应速度的价值往往高于准确率。
一个偏差 25% 但每周更新的预测，实际效果远好于一个偏差 15% 但每月更新一次的预测。因为前者能在偏差出现时快速纠正，后者只能在下个月才发现问题，而那时候补货窗口已经错过了。
这是最经典的矛盾。备货深，缺货风险低但资金占用高、滞销风险大；备货浅，资金周转快但断货概率高、广告成本上升。
我的判断逻辑是按 SKU 分类区别对待，而不是全店统一策略。AX 类 SKU 可以备到 60 天甚至 75 天覆盖，因为它们的缺货代价最高；AY 类备 45 天；AZ 类和 C 类只备 20 到 30 天，宁可有小概率缺货，也不要压资金。全店统一备 45 天，是把最该多备的和最该少备的拉到同一个水平，两头都不划算。
标准化程度高，决策一致性就好，但遇到新情况容易僵化；灵活性高，能应对突发，但依赖个人能力，难以复制。
我的取舍标准是：把“参数”标准化，把“例外”留给一线。补货点公式、安全库存系数、分类规则这些参数必须统一，不允许每个运营自己改；但当一个 SKU 出现系统没有覆盖的情况，比如竞品突然清仓、平台政策变化，一线可以申请临时调整，只要写清楚原因并记录。
这笔账要算清楚。假设一个运营每周花 3 小时做库存数据整理和补货计算，一年约 150 小时。如果工具能把这个时间压缩到 0.8 小时，一年省下约 110 小时，相当于半个月的人力。当团队规模达到 3 人以上都涉及库存工作时，工具投入的回收周期通常在 3 到 6 个月。
但前提是规则已经跑通。规则没跑通就上工具，省下的时间会被返工吃掉，投入回收周期会无限拉长。
最后给一个可执行的时间表。这套路径我自己跑过，也在两个团队复制过，30 天能形成基本习惯。
这一周不需要任何工具，Excel 就够。关键产出是一页参数文档，它是后面所有计算的依据。
这一周的重点是暴露问题，不是追求完美。第一次跑一定会发现数据缺失、口径冲突、责任人不清，这些都是正常现象，记下来逐个解决。
30 天之后，这套模板能否持续，取决于一件事：周一的决策会是否雷打不动。我见过太多团队把流程建好，然后因为一次大促、一次人员变动就断掉了，之后就再也没恢复。库存计划最大的敌人从来不是方法论，而是节奏中断。
回到开头那个案例。那家公司最后的改善，不是靠更准的预测模型，而是靠把决策周期从一个月压到一周，把管理颗粒度从总量级下探到 SKU 级，把责任从“某个人”落到“每个字段”。库存计划模板的核心价值，是把不确定的业务变成可重复的节奏。
如果你现在只能做一件事，我建议从明天开始：把过去 12 个月的 SKU 销量拉出来，做一次 ABC-XYZ 分类，看清楚你的库存结构到底是哪几类 SKU 在占用资金、哪几类在贡献利润。这一步不需要工具，不需要预算，一个下午就能完成，但它会让你对库存的理解发生实质性变化。
第二步，把每周一上午的两小时固定下来，作为库存决策时间，雷打不动地执行一个月。如果这两步都能坚持，再考虑引入像数跨境这类工具去承接数据汇总和计算工作，路径会顺很多。
库存管理最反直觉的一点是：它奖励的是纪律，而不是聪明。公式谁都会算，难的是每周都算，每次都用同一套规则算，并且算完之后真的去执行。
我们团队六个人，做亚马逊美国站加一个独立站，之前库存全靠一张 Excel 手工记，谁改了什么都不知道，月底对账经常差几百件。老板现在让我做一套标准化模板，我怕字段列一大堆结果没人填，也怕漏了关键项到时候又要返工。
我的做法是把模板拆成六块：SKU 主数据、库存台账、销量与预测、在途与采购、补货计算、预警看板，其他都是这六块的衍生。SKU 主数据只留 6 个字段：内部 SKU 编码、平台站点、MSKU/FNSKU 映射、采购价、包装后的单件体积重、供应商与账期；
库存台账必须把库存拆成四态，工厂在产、在途、平台可售、平台占用（含 FBA 预留和待处理），只写一个总数后面一定算不平。销量与预测按周颗粒度存近 8 周实际销量加未来 4 周预测，补货计算用公式自动跑，不要人肉填。字段总量我建议控制在 20 个以内，超过 20 个的模板团队基本撑不过两个月。
判断依据很直接：让运营实测填一条 SKU 要多久，超过 90 秒就说明该砍字段或者该拆表了，主数据这种一个月才动一次的，和每天要动的库存台账不要放在同一张表里。
我第一次设补货点的时候，直接拿去年全年日均销量乘海运天数，结果旺季前一波断货断了三周，Listing 排名掉下去两个月没爬回来。后来又矫枉过正，把安全库存设得特别高，结果一批货压了五个月，仓储费加长期仓储附加费比断货还肉疼。
别用全年平均，用最近 8 周的加权日均，越近的周权重越高（比如最近一周权重 4、往前递减），这样旺季爬坡和淡季下滑都能跟上。
安全库存按 安全库存 = Z × 日销标准差 × √补货周期天数 来算，服务水平取 95% 时 Z 取 1.65，取 98% 时取 2.05，日常款用 1.65 够了，爆款和断货代价极高的用 2.05。补货点 = 加权日均销量 × (生产天数 + 头程天数 + 清关和入仓上架天数) + 安全库存。
举个例子：加权日均 40 件，日销标准差 12，工厂备货 15 天、海运 30 天、清关入仓 7 天，补货周期 52 天，安全库存 ≈ 1.65 × 12 × 7.2 ≈ 143 件，补货点 ≈ 40 × 52 + 143 ≈ 2223 件，库存掉到这个数就必须下采购单。
判断标准是拿历史数据回测：把公式套回过去 12 个月，看会断货几次、平均库存多少，能接受的组合才定下来，别拍脑袋。
我们同时跑亚马逊美国和欧洲、一个独立站，还有 TikTok Shop，货一部分在 FBA、一部分在第三方海外仓、一部分还在国内工厂。现在每个平台一张表，运营各自维护，我每次想看全盘库存都要手动合并，光对齐 SKU 名字就要花半天。想知道这种情况到底还能不能一张表搞定。
能塞进一个模板，但前提是先把三件事统一：一是 SKU 编码规则，建议用 品类-站点-变体-批次 这种可解析结构，内部编码永远不变，平台 SKU 只作为映射字段，否则平台一改标题你就对不上账；
二是库存视图分层，物理库存、可售库存、占用库存、在途库存四层分开列，再按仓库维度拉一张透视表，看全盘就看这张透视，不要看明细；三是所有权流转记录，谁在什么时间把货从国内仓转到海外仓，要有一条流水，不然在途那部分永远对不平。
工具上我的分界线是：SKU 数量在 200 以内、参与人不超过 3 个、单站点，Excel 加一个每日定时同步脚本就够了；
一旦出现多站点多仓、日均库存变更超过 50 条、或者补货需要走审批流，就该换成某项目管理平台或者轻量 ERP，用自定义字段和自动化规则来跑，否则你 80% 的时间会花在核对数字上而不是做决策。判断依据是算一笔账：每周手工合并表格花掉的小时数乘以人力成本，超过工具年费就该换。
模板做出来大半年了，团队也在填，但我说不清它到底有没有让库存变健康。老板一问就是“库存周转怎么样”，我只能说“感觉比去年好”，特别虚。我想拿数据证明，又不知道该固定看哪几个口径。
固定盯五个指标，而且一定要先量 30 天基线再对比，否则说不清是模板的功劳还是旺季的自然波动。第一是库存周转天数，用 平均库存成本 ÷ 近 30 天日均出库成本 算，我们做之前是 78 天，跑顺之后压到 52 天左右；
第二是断货率，口径要写清楚，用 断货 SKU 数 ÷ 在售 SKU 数 按周统计，而不是按天累计，按天算会虚高好几倍；第三是滞销库存占比，通常定义成库龄超过 90 天且近 30 天零动销的库存金额占比，这个数字超过 15% 就该触发清货动作；
第四是预测偏差，用 MAPE，也就是 绝对误差 ÷ 实际销量 的平均值，能把周预测偏差稳定压在 25% 以内就算合格；第五是缺货损失销售额，用断货天数的日均销量乘以售价估算，这个数字最有说服力，因为它直接换算成了钱。
节奏上建议周会只看预警清单（低于补货点的、超过 90 天未动销的），月度复盘才看这五个指标的趋势。判断模板好不好用，还有个软指标：预警发出到有人处理的平均时长，如果超过 48 小时，说明模板设计得再漂亮也白搭，是流程和责任人的问题。
读者评论
周滚动预测这块我认同，但落地成本被低估了。我们8个人管300多个SKU，每周重新拉加权平均、再逐个核对在途，实际要占掉一个人大半天。新品没有4周历史，加权出来基本靠拍。后来只对A类做周滚动，B、C类走月度，反而更稳。
提前期取80分位数这个建议，数据量不够时很难执行。新站点只有三四个月到仓记录，旺季只经历过一次，分位数没有代表性；同渠道不同品类的清关时效差异也大，混算容易把异常值放大。我现在分渠道分品类各留一档，样本不足就退回用最保守值。
颗粒度下探到SKU×站点×仓库方向对，但1200个SKU每周全量过一遍不现实。我们试过，第三周就开始敷衍填表。后来先用ABC分三档，只对A类设补货点、做周度复核，C类按季度清一次，人力才撑得住。节奏固定没错，但密度得分层。