去年 8 月，一个做家居收纳的卖家在群里发了张截图：亚马逊美国站一款月销 3000 件的收纳箱，库存可用天数显示 0，Listing 变成 “Currently unavailable”。断货持续了 11 天。等货补上，排名从类目 47 掉到 300 开外，广告 ACOS 从 22% 飙到 61%，团队花了六周才把自然排名拉回来。事后复盘，问题不在工厂，也不在物流，他们在 7 月 12 日就下过补货单，只是没人发现那批货走的是海运慢线，而当时的销量已经比计划高出了 40%。
这类故事在中小跨境电商团队里几乎每周都在发生。大部分人把它归因为”运气”或者”旺季太猛”，但真正的原因往往很朴素：他们选工具、选平台的时候，看的都是订单管理、刊登、广告、财务这些显性模块，唯独把库存计划当成了一个”顺带有就行”的附属功能。等到断货或者压货真的发生，才发现这一块的差距，是几个月的利润。
这篇文章我想认真聊一件事：中小商家在评估一个跨境电商运营平台时，应该怎么用”库存计划”这个维度去打分。我会先给出可以直接拿去用的判断结论，再拆掉几个我见过太多次的误区，然后用我自己踩过的坑和一个具体工具的实测来说明，最后按不同规模给出行动建议和取舍方案。
如果你没耐心看完全文，这一段就是全部结论。我评估过十几个跨境电商运营系统和独立库存工具，也给不下三十个中小团队做过选型建议，最后沉淀下来的是”三硬两软”，三条不达标就直接淘汰的硬线，两条用来排序的软线。
很多平台的库存模块只到 SKU 级别。你问它”美国西仓还有多少可卖”，它给你一个全球总数，里面混着在途、混着 FBA 已发货未上架、混着海外仓待检。这种数据在 SKU 少于 100 的时候还能靠脑补，超过 200 就一定会出错。
真正的库存计划必须能拆到三层：SKU 层（哪个商品）、仓库层（在哪个物理位置）、批次层（哪一批货、什么时候到、成本多少）。缺任何一层，”可售库存”这四个字就是假的。
这是最容易被忽略、也最容易出人命的一条。头程在途、FBA 在途、海外仓调拨在途，这三种”在途”的到货时间方差完全不同。海运慢线方差可能要 ±12 天，空运 ±2 天，海外仓调拨 ±1 天。如果平台把它们混成一个”在途数量”，你算出来的补货点一定是错的。
我的判断标准很粗暴：如果一个平台不能告诉你”这批在途货最晚什么时候能上架”，它就不具备做库存计划的资格，只能做库存记录。
系统给你一个补货建议，说”建议补 840 件”。你要能点开看到：它用了多长的历史窗口、算出来的日均销量是多少、安全库存设了多少天、扣掉了哪些在途、考虑了哪个时效。看不到，这个建议你就只能盲信或者盲弃。
能解释的建议，即使错了也能复盘、能调参。不能解释的建议，错了你连改哪里都不知道。对中小团队来说，可解释性比准确率更重要，因为你的数据本来就少，模型再准也是在小样本上准，反倒是你能调参数这件事，决定了半年后它到底好不好用。
中小团队通常没有专职计划员，做计划的是运营，同时还要盯广告、盯客服、盯listing。如果一个库存计划模块需要三天培训才能用起来，大概率两周后就被弃用了。我的经验值是：核心操作路径（看可售、看建议、改建议、生成补货单）不超过四次点击，才算合格。
包括历史数据能不能导入、和现有 ERP 能不能对接、多平台订单能不能自动同步。很多团队选型时只看功能，上线三个月后发现光是把数据录进去就要花一个人半天/天，然后整个项目就烂尾了。
把这三硬两软放在一起，就是一张可以直接打分的评估表：
| 评估项 | 类型 | 合格线 | 优秀线 | 不达标的后果 |
|---|---|---|---|---|
| 库存颗粒度 | 硬线 | SKU × 仓库 × 批次可拆 | 支持库龄分层、批次成本 | 可售库存失真，补货必然偏 |
| 在途口径 | 硬线 | 三类在途分开，带预计到货 | 到货时间带方差区间 | 安全库存算不准，旺季断货 |
| 建议可解释性 | 硬线 | 能展开计算公式和参数 | 参数可调、假设可覆盖 | 建议不可信，最终靠 Excel |
| 上手成本 | 软线 | 核心路径 ≤ 4 次点击 | 有默认模板和行业预置 | 上线两周后被弃用 |
| 迁移成本 | 软线 | 支持批量导入 + API 对接 | 多平台订单自动同步 | 数据录入拖垮项目 |
大卖家的库存计划问题，本质是”优化问题”，他们已经有流程、有人、有数据，需要的是把周转率从 4 提到 5，把缺货率从 6% 压到 3%。中小商家的问题不是优化，是有没有：有没有一个可信的可售库存数字，有没有一个能说服自己的补货节奏，有没有一个在老板问”为什么压了这么多货”时能拿出来的解释。
（1）SKU 数在 50 到 800 之间。这个区间很尴尬：少到不需要专业计划软件，多到 Excel 一定会崩。我见过最夸张的一个团队，一个 40MB 的 Excel 里塞了 370 个 SKU、4 个平台、6 个仓库的数据，打开要 90 秒，公式一改就转圈。
（2）团队 1 到 8 人，没有专职计划岗。运营身兼数职，做补货计划通常排在”每周五下午”这种边角时间。这意味着计划频率天然低，对系统的要求是”打开就是结论”，而不是”打开给你一堆维度自己筛”。
（3）资金不宽裕，一次压货就能伤筋动骨。大卖压 300 万库存，可能只是周转慢一点；中小商家压 30 万，可能就是现金流断裂。所以他们对”少压多少”的敏感度，远高于对”多卖多少”的敏感度。
回到开头那个收纳箱的案例。我把时间线拉出来看了一遍：
这里面有几个非常典型的中小商家特征：补货决策用的是均值而不是区间、异常发现依赖人肉观察而不是系统告警、已下单的货没有”改单/加急”的备选路径。三个问题里，前两个是工具能解决的，第三个是流程问题，但工具可以给出改单的可行性测算。
这是我反复跟团队强调的一句话。进销存记录的是”过去发生了什么”：进了多少、出了多少、还剩多少。库存计划算的是”未来应该发生什么”：什么时候该下单、下多少、走哪条线、到哪个仓。两者的数据基础重叠，但目标完全不同。
很多中小商家买了一套带进销存的系统，就觉得库存问题解决了。实际上他们得到的是一个更漂亮的”事后报表”，而决策依然是靠拍脑袋。判断方法很简单：打开系统，它有没有主动告诉你”这个 SKU 在 14 天后会缺货”，而不是等你去查。
这一节我想讲得具体一点，因为这五个误区我都亲眼见过，有的还亲自踩过。
库存看板回答的是”现在有多少”。库存计划回答的是”什么时候补多少”。很多平台在宣传页上放一张花里胡哨的库存仪表盘，各种环形图、趋势线，看起来非常专业。但你点进去，全都是历史数据的可视化，没有一个字段在预测未来。
我当时的判断方法很土：在试用账号里找一个明确会断货的 SKU，看系统有没有在任何位置主动提示它。如果没有，这个模块就只能算报表。
这是最普遍也最致命的错误。假设一个 SKU 过去 30 天卖了 2400 件，日均 80 件。但如果这 30 天里，前 15 天日均 40 件、后 15 天日均 120 件，那”80 件”这个数字对未来 30 天的预测意义，几乎等于零。
更麻烦的是方差。日均 80、标准差 15 的 SKU，和日均 80、标准差 55 的 SKU，需要的安全库存完全不是一个量级。前者安全库存可能 3 天就够，后者可能要 12 天。只看均值不看方差，是所有补货失误的母体。
我现在评估任何库存计划工具，第一个问题就是：你算安全库存的时候，方差是怎么进来的？是固定倍数，还是按服务水平动态算的？如果答案是”我们默认 7 天安全库存”，那这个工具只能当摆设。
大多数人算在途时间用的是”平均时效”。海运慢线平均 32 天，那就按 32 天算。但真实的海运时效分布是有长尾的：60% 的时间 30-35 天能到，25% 要 36-42 天，还有 15% 会超过 45 天。一个只在平均值上做计划的团队，每 6 到 7 批货就会遇到一次”货没到、库存空了”。
正确的做法是把头程时效当作一个分布，而不是一个数字。安全库存要覆盖的不是平均时效，而是时效分布的高分位。具体补多少，取决于你能接受多大的断货概率。
有个卖家跟我说他库存周转率 5.8，非常健康。我让他把断货 SKU 的占比拉出来一看，31%。意思是他在用一部分 SKU 的滞销，去拉平另一部分 SKU 的缺货，整体数字好看，实际两头都在亏钱。
健康的结构应该是：整体周转率达标，同时缺货率控制在品类可接受范围内，两者要一起看。只看单边指标，很容易自欺欺人。
这里要说清楚，ERP 的库存模块本身没有错，它的设计目标是记账和成本核算，不是做补货决策。它的强项是准确、可追溯、和财务打通；弱项是预测、参数调优、多场景模拟。
我见过太多团队买了一个重型 ERP，结果库存计划还在 Excel 里跑，因为 ERP 里那个模块需要配置几十个参数，而没人知道该填什么。记账和计划是两件事，不要指望一套系统同时把两件事做到最好，关键是看它有没有把两者打通。
说了这么多坑，接下来给一套我实际在用的评估框架。它分五层，从数据进来，到决策出去，再到反馈回来。选型的时候可以按这个顺序逐个验证，任何一层过不去，后面都是空中楼阁。
（1）多平台。亚马逊、Shopee、TikTok Shop、独立站，订单和库存能不能自动同步，还是要手工导。
（2）多店铺。同平台多店铺的库存是不是汇总视图和独立视图都有，因为调拨决策需要汇总，发货决策需要独立。
（3）多币种。补货成本用人民币算，销售用美元算，汇率是实时还是手动设，直接影响到补货点的准确性。
（4）历史数据导入。这是最容易被忽略的一条。一个新系统上线，如果只有从今天开始的数据，那前 90 天你几乎没法做有效的补货建议，因为大部分算法都需要至少 2-3 个销售周期。能不能批量导入历史订单，决定了你的系统上线之后多久能真正产生价值。
这是核心中的核心。我一般会问三个问题：
第三点特别实在。很多系统算出一个”建议补 847 件”，但工厂 MOQ 是 500 件/款，装箱是 24 件/箱。847 件既不是 500 的倍数，也不是 24 的倍数，你最终还是要手动改。能自动按约束取整的系统，能省掉运营每次补货的十分钟。
不同生命周期的商品，补货逻辑完全不同。系统如果只有一套算法，就一定有一半场景是错的。
| 商品场景 | 数据特征 | 合理的补货逻辑 | 系统应提供的支持 |
|---|---|---|---|
| 新品期（0-60 天） | 历史数据少、波动大 | 按目标销量反推，小批量多批 | 支持手动设目标销量、设首单上限 |
| 成长期 | 趋势上升、方差扩大 | 按趋势外推 + 高分位安全库存 | 支持趋势系数、多档服务水平 |
| 成熟期 | 稳定、方差小 | 经济订货批量 + 固定补货周期 | 支持 EOQ 计算、周期自动触发 |
| 衰退期 | 趋势下降、库龄上升 | 只清不补，或极小批量 | 库龄预警、自动标记停止补货 |
| 季节性商品 | 周期性明显 | 按去年同期 + 本年因子 | 支持同比系数、旺季提前期 |
可解释前面讲过了，这里重点说可覆盖。系统给建议，运营一定会有不认同的时候，比如他知道下周有个站外推广，系统不知道。这时候系统要允许他手工覆盖建议，并记录覆盖原因。
更重要的是，覆盖记录本身会变成复盘素材。三个月后回头看，如果运营覆盖后的结果比系统建议好，说明模型该调；如果系统建议更好，说明运营的判断需要修正。没有覆盖记录，这个过程永远说不清。
这是区分普通工具和优秀工具的分水岭。计划偏差发生了，系统能不能告诉你偏差来自哪里：是销量预测错了，还是在途延迟了，还是仓库数据不对？
我见过做得好的做法，是把偏差拆成三个可量化的部分：预测偏差（实际销量 vs 预测销量）、时效偏差（实际到货 vs 预计到货）、数据偏差（账面库存 vs 实际盘点）。三者相加应该等于总的缺货或压货损失。能拆成这三块的系统，你才有办法逐月改善。
讲完框架，需要一个具体的参照物。我拿 数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）来拆一下。它是一个面向跨境电商卖家的数据分析与库存计划平台，更偏向”计划”而不是”记账”。我之所以用它做例子，是因为它的产品形态刚好能对应上面五层框架里的每一层，讲起来比较清楚。
我第一次试用的时候，最先验证的就是在途口径。因为我前面说了，这是最容易出事的硬线。它把在途分成了几类，每一类带独立的预计到货时间，而不是笼统给一个”在途数量”。这个设计看起来简单，但它直接决定了可售天数的计算是否可信。
举个我实际算过的例子。一个 SKU 在 FBA 有 620 件可售，在美国海外仓有 300 件待调拨，另有一批 1800 件在海上，预计 26 天后到港、35 天后上架。如果系统只给一个”总库存 2720 件”，日均销量 80 件，算出来可用 34 天，看起来还很安全。但实际情况是：可售只有 620 件，7.75 天就断，而真正能救命的货要 35 天后才上架，中间有超过 27 天的空窗期。
这个例子我用过很多次，因为它能在 30 秒内暴露出一个库存系统是不是真的懂计划。
评估任何工具，我都会盯着它算安全库存的方式。数跨境这边走的是按历史销量波动和交付周期来推的思路，而不是简单给一个固定天数。这一点对中小商家特别重要，因为中小商家的 SKU 波动性远比大卖大，今天 40 件、明天 150 件是常态，固定 7 天安全库存在这种波动下几乎没有意义。
我给一个实际测算过的对比。同一个品类、日均销量都是 80 件的两个 SKU：
| SKU | 日均销量 | 销量标准差 | 头程时效 | 固定 7 天安全库存的结果 | 按波动推算的结果 |
|---|---|---|---|---|---|
| A（稳定款） | 80 件/天 | 12 件 | 32 天 ±3 天 | 安全库存 560 件，实际冗余 40% | 安全库存 380 件，资金少占约 1.1 万元 |
| B（波动款） | 80 件/天 | 48 件 | 32 天 ±11 天 | 安全库存 560 件，缺货概率约 22% | 安全库存 1120 件，缺货概率降到 5% 以内 |
注意这里的关键：固定安全库存对稳定款是浪费，对波动款是不足。同一个数字，在两类商品上一个让你多压 1.1 万块，一个让你每个月断两次货。这就是为什么我坚持认为”安全库存能不能按商品特性动态推”是一条硬指标。
新品和成熟品混在一起补货，是中小商家最常见的问题之一。我比较关注的是系统有没有能力做到”同一个 SKU 在不同阶段用不同参数”，而不是全局一套规则。
实际操作中，我会这样验证：新建一个 SKU，给它设置一个目标销量，看系统是否允许我在没有历史数据的情况下生成补货建议。如果不能，那这个系统对”每个月都要上新品”的团队就是半残的。能的话，再看它能不能在积累了 30 天、60 天数据后自动切换到基于历史的方式。
我实测下来比较实用的一点，是补货建议可以拆开看构成。一个”建议补 1240 件”背后，通常会拆成：覆盖销售期需求、安全库存需求、扣减现有可售、扣减在途、按 MOQ 和装箱率取整。拆开之后，运营很容易发现哪一项和自己的判断不一致，然后只调那一项，而不是整体推翻。
这一点对团队协作的价值特别大。以前运营和老板争论”该不该补这么多”，是两个人各拿一个总数在吵；现在是把总数拆成五块，逐块讨论。争论的粒度从”数字”变成了”假设”，沟通效率完全不同。
这一层是我认为最能拉开差距的。计划执行完之后，系统有没有记录下当时的建议值和实际发生值的差异，并按原因分类。如果一个平台只能给你”上个月缺货了 6 个 SKU”这样一个结论，那下个月你多半还会缺同样的品类。
我跟踪过一个小团队，做 3C 配件，SKU 约 210 个，主要在美国站和欧洲站。切换库存计划方式前后，我记录了几个相对客观的指标：
| 指标 | 切换前（Excel + 人肉） | 切换后（系统化计划） | 变化幅度 |
|---|---|---|---|
| 月度断货 SKU 数 | 平均 7.4 个 | 平均 2.1 个 | -71.6% |
| 平均库存周转天数 | 68 天 | 52 天 | -23.5% |
| 库存资金占用 | 约 186 万元 | 约 152 万元 | -18.3% |
| 每周计划耗时 | 约 11 人时 | 约 3.5 人时 | -68.2% |
| 紧急空运次数（季度） | 5 次 | 1 次 | -80% |
需要说明的是，这是样本推演性质的数据观察，来自我和这个团队持续几个月的跟进记录，不是行业统计，不同品类、不同站点、不同供应链结构下差异会很大。但方向是可以参考的：断货和压货这两个看似矛盾的问题，在计划能力提升后是能同时改善的。
这里面我觉得最值得一提的其实是最后一项，紧急空运次数。它从 5 次降到 1 次，按每次多花 3 到 5 万算，一个季度省下的就是十几万。这一项在很多人的选型评估里根本没被算进去，但它是库存计划能力最直接、最容易量化的回报。
接下来是实操部分。我不打算给一套”万能方案”，因为不同规模、不同品类的团队在库存计划上的最优解差得很远。下面按规模分三档，分别给出我自己会怎么做的建议。
（1）先手工建一张”可售库存表”，至少拆成四列：平台可售、海外仓可调、头程在途、上架预计日。这张表用 Excel 做就行，关键是养成每周更新的习惯。
（2）不要引入复杂的预测模型。这个阶段你的 SKU 少，销量波动大，任何模型在小样本上都不可靠。用”过去 14 天日均 × 1.3″做补货基数，比自己瞎猜已经有明显改善。
（3）把安全库存从固定天数改成按品类分档。比如稳定款 5 天、一般款 10 天、波动款 18 天。三个档位覆盖大部分情况，成本几乎为零。
（4）如果一定要上工具，选轻量、能快速导入数据、能直接看可售和补货建议的类型，不要一上来就上重型 ERP。像数跨境这类偏数据分析和计划的产品，在这个规模段的性价比通常比全套 ERP 高。
（1）这个阶段 Excel 一定会崩。我见过太多团队卡在这里，每次补货都要两三个人一起核对，还经常出错。这时候上系统不是”要不要”的问题，是”什么时候”的问题。
（2）选型的时候，把数据摄入和可解释性放在第一位，把 AI 预测、智能调拨这些高级功能放在后面。原因很实际：这个规模段的团队没有专职计划员，高级功能用不起来，反而是基础数据能不能自动同步，决定了系统能不能活过三个月。
（3）开始建立补货日历。不要”想起来就补”，而是固定每周固定两天做补货决策。系统的价值之一就是让这件事有节奏。
（4）建立覆盖记录。运营手动改了系统建议，一定写清楚原因。这份记录半年后就是你们自己的调参依据。
（1）到了这个阶段，一套参数走天下一定出问题。应该按品类、按站点、按仓库分别设置安全库存策略。北美和东南亚的时效方差完全不同，用同一套参数是在自找麻烦。
（2）把偏差归因做起来。每个月花两小时复盘：这个月的缺货和压货，有多少来自预测偏差、多少来自时效偏差、多少来自数据偏差。这个动作做满六个月，你们的计划准确率会有肉眼可见的提升。
（3）在工具选择上，要重点验证 API 对接能力和历史数据容量。这个规模段的订单量已经不低，很多轻量工具的导入速度会成为瓶颈。
选型从来不是”哪个最好”，而是”哪个最适合现在的我”。下面这四组取舍，是我在做建议时被问得最多的。
功能越全，配置项越多，上手就越慢。这不是产品的问题，是物理规律。中小团队的现实是：一个能立刻用起来、覆盖 70% 需求的工具，价值远大于一个覆盖 95% 需求但需要两个月才能跑通的系统。
我的建议是：先问团队里谁来做这件事，他能投入多少时间。如果只有一个运营每周花两小时，那就老实选简单的。如果有一个专职的人，那可以考虑功能更完整的。
（1）一体化平台的优势是数据打通，订单、库存、财务在一个系统里，不用来回导。劣势是每个模块都做不到最深。
（2）独立专业工具的优势是在某个维度做得很深，比如专门做库存计划。劣势是要对接、要维护数据同步。
（3）我的判断是：如果你已经有了一套主 ERP 在跑记账，那库存计划可以选专业工具，两边用 API 打通；如果你是白手起家，还没有主系统，那优先选一体化，把数据流先跑顺。像数跨境这种偏计划和分析的定位，更适合前一种情况。
全自动补货听起来很美，但我几乎不建议中小商家一上来就用。原因很简单：自动化会放大错误。如果参数没调对，自动生成的补货单会一错错一批。
比较稳妥的路径是：前三个月建议归建议、下单归人工，运营每条都看一眼、决定要不要改。等覆盖率降到 20% 以下（意思是系统建议有 80% 的时候你都认同），再考虑把部分低价值 SKU 的补货自动化。
很多人算账只算订阅费。但对中小商家来说，真正贵的是迁移成本：数据导入、流程调整、团队学习、试错期里的错误决策。我的经验是，迁移成本往往是订阅费的 3 到 8 倍。
所以选型的时候，如果两个候选方案功能差距不大，我的建议永远是选迁移成本低的那个。哪怕订阅费贵一点，一年下来总成本可能反而更低。
| 取舍维度 | 选 A 的情况 | 选 B 的情况 | 我的默认倾向 |
|---|---|---|---|
| 功能完整度 vs 上手成本 | A=功能全、上手慢 | B=功能少、上手快 | 团队无专职计划岗时默认选 B |
| 一体化 vs 独立工具 | A=一体化平台 | B=独立计划工具 | 已有主 ERP 时选 B，从零起步选 A |
| 自动化 vs 人工复核 | A=全自动补货 | B=建议+人工确认 | 采纳率未稳定在 80% 以上时默认选 B |
| 价格 vs 迁移成本 | A=便宜但迁移重 | B=贵但迁移轻 | 总成本差在 30% 以内时默认选 B |
写到这里，我想把整个判断收一下。关于跨境电商运营平台在库存计划维度上的评估，我的核心观点其实只有一句：不要用功能清单的长度来衡量，要用”它能不能让你做出更准的补货决策”来衡量。
展开来说，有三个我认为比较独特的判断，值得你在选型时反复提醒自己：
第一，口径统一比算法先进重要得多。一个把在途分清楚的简单系统，胜过一个算法花哨但口径含混的复杂系统。因为前者给你的数字是可信的，后者给你的数字是漂亮的。
第二，可解释性对中小商家是刚需，不是加分项。大卖家可以用统计方法验证模型效果，中小商家没有这个样本量，只能靠”能不能看懂、能不能调、能不能复盘”来判断一个建议值不值得信。
第三，断货和压货是可以同时改善的，前提是计划能力和执行节奏同时到位。很多团队误以为这两件事是跷跷板，只能二选一，于是在旺季多压货、淡季多缺货。实际上只要安全库存按波动动态推、在途口径分清楚，两边的数字都会往下走。
具体的下一步，我会建议你按这个顺序走：
最后补一句实话。库存计划这件事，工具能解决的问题大概占七成，剩下三成是流程和人的习惯，每周固定的计划时间、覆盖建议时写下的原因、每月一次的偏差复盘。工具帮你把七成做到，剩下三成还是得靠团队自己坚持。但反过来说，如果工具那一半没做对，人再努力也补不回来，这大概就是为什么选型时应该把库存计划这个维度单独拎出来认真看的原因。
我们团队不到10个人，做亚马逊加独立站，老板甩给我一句“把库存健康度拉出来”，我就去搜，结果一堆指标：周转率、售罄率、动销率、库销比……每个教程说的口径还不一样。我很想知道，对一个中小商家来说，到底哪几个才是真正能看出问题的核心指标，各自多少算健康。
先看四个口径，其余都是衍生指标。第一，库存周转天数而不是周转次数，算法是期末库存成本除以近90天日均出库成本，中小商家控制在45到75天比较稳，做季节性品类（节日装饰、泳装）旺季前冲到90天以上是正常的，但要看是主动备货还是被动积压。
第二，30天售罄率，新品上架30天卖出量除以到货量，低于35%就要考虑清货而不是继续补。第三，可售天数DOS，含在途和在产，低于25天属于黄灯，低于15天基本要准备空运救急。第四，滞销库存占比，定义为超过90天未动销的库存金额除以总库存金额，控制在15%以内，超过25%说明选品或备货节奏已经出问题。
这里最关键的不是数字本身，而是口径统一：在途、在产、FBA仓、海外仓、第三方仓必须算进同一个池子，很多小团队算得“很健康”，其实是因为把在途货漏掉了，等货一到就变成一堆滞销。建议先花半天把SKU乘仓库乘平台的台账口径定死，再谈指标，否则后面所有判断都是错的方向。
我同一款产品在三个平台同时卖，货一部分在FBA、一部分在海外仓、一部分还在国内没发。按SKU做计划吧，尺码颜色之间互相抢货，按父体做吧，某几个子体又已经断货了。我试过做两层表，结果越做越乱，不知道业界到底怎么定这个颗粒度的。
核心原则是：计划颗粒度等于补货决策颗粒度，不等于前台展示颗粒度。判断方法问自己一句：这个东西能不能被我单独下一次采购单、单独定一个交期？如果不能，它就不该出现在计划表的主键里。
实操上，如果一款产品几十个变体共用同一个供应商、同一张采购单、同一个起订量门槛，那就按父体做计划、按子体做分配，分配比例用近8周各子体销量占比的加权值，并且每周滚动修正而不是一次性写死。
库存池要分两类：共享池（多平台可调拨的海外仓库存）和专享池（已入平台仓、退不回来的货），共享池可以做全局最优分配，专享池只能本地消化。很多中小商家乱，是因为把专享池当成共享池来算可用库存，结果后台显示有货、实际调不过去。
我一般的做法是先建一张SKU乘仓库乘平台的明细台账，把所有在途单号挂上去，再往上聚合。台账超过500行就该上系统了，用表格手工维护的出错率会快速上升，尤其是有人在手机上改了数量没同步的时候。
我海运一般35到40天，但旺季甩柜、查验、上架排队全撞一起，最长一次拖到62天才入仓。我现在补货全靠感觉，看到库存不多就补，结果要么断货要么压一堆。我想知道有没有能落地的公式，参数怎么取才不至于太保守。
补货点是这么拆的：补货点等于日均销量乘以总提前期天数，再加上安全库存。总提前期不是只算海运，要把采购生产、国内质检、头程、清关、目的仓上架这几段全部加起来，我见过的卖家普遍漏掉清关和上架排队，光这两段旺季就能吃掉7到12天。
安全库存等于Z值乘以需求标准差乘以提前期天数的平方根，95%服务水准对应Z值1.65，中小商家不用纠结统计精度，直接取近8周的周销量标准差代入即可。重点是提前期不要用平均值，要用近3次实际到仓天数的75分位值，因为断货的损失远大于多压一点货的资金成本。
举个例子，日均卖20件，近3次到仓分别是38天、45天、60天，75分位取45天，提前期就算45天，补货点等于900件；需求标准差如果按周算是35件，安全库存约1.65乘35乘根号6.4，差不多150件，那么补货点定在1050件。
这套算法最大的价值不是数字精确，而是把所有假设写成了可审计的参数：哪一天该补货、为什么是1050而不是800，团队里任何人都能复盘。旺季前一个月把提前期参数整体上调20%到30%，比临时抱佛脚空运便宜得多。
我们现在用共享表格加微信群对库存，三个人维护，已经出现过两次版本冲突，A改了发货数量B没看到，导致一个爆款断货半个月。老板说要不要买个工具，但市面上的产品功能列表看得我头大，我不知道对小团队来说哪些是真正必须的。
看四个硬门槛，其余都可以往后放。第一，能不能自动汇总多平台、多海外仓、含在途和在产的可用库存，这是省人力的根本，手工填报一定会有时间差。第二，提前期和安全库存参数能不能按SKU单独配置并带版本，因为不同供应商、不同航线差别很大，一刀切的参数等于没参数。
第三，缺货预警和补货建议要能追溯到参数来源，也就是系统告诉你“建议补800件”，你要能点开看到是哪个日均销量、哪个提前期、哪段标准差算出来的，这种可解释性决定了你信不信它。第四，改动留痕加权限分级，谁能改数量、谁只能看，必须分得清，这是小团队最容易踩的坑。
至于Excel的临界点，我的经验是三个信号出现任意一个就该换：SKU乘仓库乘平台的组合数超过300个，协同编辑的人超过3个，或者日订单量超过200单。在这之前用表格加规范的口径完全可以撑住，不必为了工具而工具。
真要选的时候，让供应商拿你自己的真实库存数据跑一遍补货建议，比对结果和你的经验值差多少，比看任何功能清单都有效。
读者评论
库存颗粒度拆到批次层这条，我实际用下来是有前提的：货代给的数据本身得细，否则系统再能拆，底层数据还是乱的。我们之前换过一次工具，发现SKU×仓库没问题，批次成本却怎么都对不上，最后发现是供应商发票和入库单口径不一致。所以选型时可能还得多问一句，数据源接入这块能不能自动校验。
安全库存按分位算这个思路我认同，但中小团队真正难的是怎么定分位。断货代价高的爆款选P90，压货代价高的慢销品选P75，听起来合理，可SKU一多，每个SKU定哪个分位本身就要花大量精力。我现在更想看到的是系统能不能按品类或按毛利自动推荐分位，而不是全靠人工一个个设。
文章说进销存算过去、库存计划算未来，这个区分挺关键。但现实中不少中小商家连准确的过去都没算清楚，退货、换货、多渠道订单口径都是糊的，直接上预测功能反而会放大错误。我的感受是，先把可售库存这个数做到全团队都认，再谈补货建议，不然系统提示断货，运营第一反应还是先翻Excel确认。