去年黑五前两周，一个做家居类目的卖家朋友把库存表发给我看：美国仓可售库存还剩 4200 件，按当时日销 180 件算，够卖 23 天。他觉得安全，转头把补货计划砍了三成。结果黑五当天日销冲到 900 件，第 9 天断货，Listing 掉出类目前 50，等新货入仓上架，已经是一个半月以后。他后来复盘说”销量预测错了”，但真正的问题不在预测，而在于他用的库存口径是账面库存，不是有效可售库存。
这个案例几乎浓缩了跨境电商库存管理的全部困境。海外仓本来是离消费者最近的一环，却常常变成数据链路上最黑的一段。补货决策依赖它，销售预测校准依赖它，资金周转测算也依赖它，可它偏偏是很多卖家唯一还在用 Excel 手工维护的环节。
下面这套方案不讲”海外仓有多重要”这种正确的废话，我把它拆成可执行的口径、参数、阈值和取舍清单，并且把每一步会踩的坑标出来。全文基于我过去几年服务跨境卖家时积累的观察，涉及具体数字的部分，凡不是公开来源的，我都会标注为示意数据或样本推演。
先把结论摆在最前面，后面的所有内容都是为了支撑这三条判断。
我接触过的跨境卖家里，采购下单、头程订舱、平台广告投放这三件事往往有专人负责，唯独海外仓库存是”谁有空谁看一眼”。这就导致一个结构性缺陷：库存计划最重要的输入变量，由一个没有决策权、也不承担断货后果的角色在维护。
更隐蔽的问题是数据延迟。很多第三方海外仓的库存报表是 T+1 甚至 T+3 更新，而平台后台的销量数据是分钟级。当两个不同频率的数据源被放在同一张表里做除法，得到的”可售天数”误差可能在 30% 以上。你以为在算库存，其实在算命。
补货决策的时效性远高于它的精确性。一个 24 小时内更新的粗略库存数，价值远高于一个隔天更新、看起来精确到个位的库存数。这是我在做库存诊断时反复验证过的排序。
大部分卖家的补货公式是这样写的：
建议补货量 = 目标覆盖天数 × 日均销量 – 当前账面库存
这个公式有两个致命漏洞。第一，账面库存里混着不可售库存，比如待检、残次、被平台预留、被未发货订单占用的部分。第二，它完全忽略了在途库存，导致已经在海上漂的货被重复下单。
我建议替换成这个口径：
有效可售库存 = 本地实物库存 – 不可售库存 – 已占用库存
可覆盖天数 = (有效可售库存 + 在途可用库存) / 滚动日均销量
建议补货量 = 目标覆盖天数 × 滚动日均销量 – 有效可售库存 – 在途可用库存
“滚动日均销量”这四个字是重点。用近 7 天还是近 30 天，结果可能相差一倍。我的经验做法是：日常补货用近 14 天加权，旺季前 45 天切换到近 7 天加权并叠加去年同期系数。
很多卖家评估海外仓管理方案时，第一反应是”能不能省仓储费”。这是一个量级判断上的错误。仓储费通常是库存成本的百分之几，而库存资金占用和断货造成的排名损失，是仓储费的几十倍。
我观察过十几个从年销千万走到年销过亿的卖家，库存失控的路径高度相似。理解这条路径，比记任何公式都重要。
一个典型的成长期卖家，会同时使用三类仓储资源：平台自营仓承担主力出单，第三方海外仓做中转和补充，国内仓或保税仓做退货翻新与二次发运。三类仓库三个后台，三套 SKU 编码规则，三份库存报表。
运营每天要回答的问题其实是同一个：”这个 SKU 现在还能卖几天？”但为了回答这个问题，他需要在三个系统之间来回切换，手动合并数据。做一次大概 40 分钟，做完之后没人愿意再做第二次。
于是就出现了最荒诞的场景：卖家花了钱把货放在离消费者最近的地方，却因为没有近在手边的数据，让补货决策退回到了凭感觉。
库存问题从来不是均匀分布的，它集中在四个节点爆发。
旺季前 60 到 90 天，卖家需要基于预测下大额采购单。此时预测误差会被采购批量放大，一个 20% 的预测偏差，可能变成 40% 的库存偏差。
爆单期，销量曲线的斜率远超预期，安全库存被迅速击穿。如果此时海外仓库存数据有 2 到 3 天延迟，等到发现断货，最佳补货窗口已经关闭。
退货潮，通常出现在大促后 15 到 45 天。退货商品如果不能在海外仓完成质检、翻新、重新上架，就会从资产变成仓储负担，而且这个过程往往没有系统记录。
清仓期，滞销 SKU 被识别出来时，通常已经付了两到三个月的仓储费。清仓价往往低于成本，直接吃掉前面几个月的利润。
很多跨境卖家的财务报表上，毛利看起来相当健康，但账户里没有钱。原因就是利润被锁在了海外仓的货架上。
一笔货从国内出厂到海外仓上架，资金被占用的时间包括生产周期、头程运输、清关入库、上架销售、平台回款。这个周期在美线海运场景下通常是 90 到 120 天。如果年周转只有 3 次，那么同样一笔资金一年只能赚 3 次差价。
海外仓管理改善库存计划的本质，是把资金周转次数从 3 次提到 4 次甚至 5 次。这个杠杆的威力，远大于在采购价上多砍两个点。
下面这六条，是我在库存诊断中遇到频率最高的错误认知。每一条我都见过真实案例导致的损失。
抱着这个心态的卖家，选海外仓时的评估维度是仓储单价、操作费、是否免租期，谈判目标是每立方英尺便宜 0.5 美元。
结果是拿到了便宜的仓储费率，却拿到了一个每周更新一次的 Excel 附件。省下的仓储费一年可能几万块，而因为库存数据不准导致的断货和滞销，一年可能几十万。
我现在帮卖家做海外仓选型时，会把”库存数据接口能力”放在跟价格同等甚至更靠前的位置去评估，具体看四件事：是否有 API、更新频率多高、能否区分可售与不可售、能否提供批次和入库时间。
平均日销是一个被严重滥用的数字。它对波动大的 SKU 几乎没有意义。
一个 SKU 近 30 天卖了 900 件，平均日销 30 件。但这 900 件里可能有 600 件来自两次促销活动，日常日销只有 10 件。按 30 件补货，等于按 3 倍的真实需求备货。
我的建议是把 SKU 按销量波动率分成三档，波动率用变异系数衡量，也就是标准差除以均值。低于 0.5 的用平均日销加小幅安全系数，0.5 到 1.0 的用分位数法，高于 1.0 的用情景模拟法并单独管理。
“美国总库存 8000 件”这句话在跨仓场景下没有决策价值。真实情况可能是美西仓 5000 件、美东仓 3000 件，而美东仓的订单占比已经涨到 55%。
结果是美东持续断货，美西持续积压，总库存看起来还很健康。这种结构性失衡，只有分仓维度的可售天数才能暴露。
我给的建议是：库存健康度必须以仓库为最小分析单元，SKU 为最细粒度，两者交叉后再看总盘。任何只看总量的库存看板，都应该被重做。
在途不是货，但它是确定会到的货。忽略在途会导致重复下单，从而制造出第二波滞销。
更细的问题是入库上架时效。货到港和货可售之间，还隔着清关、拖车、卸货、质检、贴标、上架这一串动作。这段时效在不同海外仓之间可能相差 5 到 12 天。
很多卖家在补货公式里把到货时间统一按 35 天算，实际上某条线路可能稳定在 28 天，另一条稳定在 48 天。用统一值意味着一条线长期缺货，另一条线长期提前压货。
安全库存的意义是对冲不确定性。不同 SKU 的不确定性来源完全不同，有的是需求波动，有的是供应波动，有的是头程波动，用同一个系数去覆盖，等于假设所有风险同质。
我的做法是给每个 SKU 打两个标签：需求波动等级和供应稳定等级。两个标签组合成四种情况，各自对应不同的安全库存策略和补货提前期。
平台仓和第三方海外仓之间是可以调拨的，这种调拨在补货决策中经常被忽略。一个 SKU 在平台仓显示库存不足，在第三方海外仓还有 2000 件，如果没有统一的库存视图，就会直接触发一笔新的采购单。
把两类仓库放进同一套库存模型，是大多数卖家最容易拿到、也最快见效的一步改进。
讲完了问题，接下来是完整的判断框架。这套模型我在不同规模的卖家身上都跑过，从年销千万到年销数亿，差别只在于参数精细度，不在于结构。
这是所有后续动作的地基。口径不统一，后面所有算法都是在错误的数上做精确计算。
需要明确定义并每日更新的字段包括：本地实物库存、质检待定库存、残次不可售库存、平台预留库存、未发货订单占用库存、在途已发未到库存、在途已到未上架库存。
（1）本地实物库存：海外仓系统实时可用数量。
（2）质检待定库存：到仓但未完成质检的数量，不能计入可售。
（3）残次不可售库存：已判定不可销售但未处理的数量，必须单独隔离并定期清理。
（4）平台预留库存：被平台活动、订单、审核占用的部分。
（5）在途已发未到：已离港但未入仓的数量，按预计到达时间折算可用性。
（6）在途已到未上架：已入仓但未上架的数量，这部分最关键，因为它是最容易被遗漏的”临门一脚”。
我见过一个卖家，光是把”已到未上架”这个字段纳入日常看板，断货率就降了大概 4 个百分点，因为运营终于能看到一批货就在仓库里躺着，只是没上架。
补货触发点不是拍出来的，它由三个参数决定：目标覆盖天数、日均消耗速度、补货总提前期。
补货总提前期必须分解，不能用一个笼统数字：
补货总提前期 = 采购生产周期 + 国内集货周期 + 头程运输周期
+ 清关周期 + 入仓质检周期 + 上架周期
补货触发点 = 日均消耗速度 × (补货总提前期 + 安全天数)
安全天数 = 需求波动系数 × 供应不稳系数 × 基础安全天数
我通常建议的基础安全天数是 7 天，需求波动系数在 0.8 到 2.0 之间取值，供应不稳系数在 1.0 到 1.5 之间取值。两个系数都高的 SKU，安全天数会到 21 天以上，这时候要考虑的不是加安全库存，而是换供应商或者换物流方案。
分仓的本质是在尾程时效、头程成本、库存分散风险三者之间找平衡。
我常用的分配逻辑分三步。第一步按历史订单地理分布计算各仓的理想销售占比。第二步按各仓的尾程时效上限和成本上限做约束修正。第三步按最小起订量和整柜装载率做实际取整。
第三步最容易被忽略，但在实操中最致命。理论上美中仓应该分 18% 的库存，但如果这批货走整柜只能发到美西再中转，那么硬凑 18% 会在中途产生额外的一次转运成本和时间。
库存计划不只是补货，还包括止损。一个没有淘汰机制的库存体系，滞销库存会年复一年地累积。
我给的建议是给每个 SKU 建立一个健康度评分，由四个因子构成：覆盖天数偏离度、周转贡献、毛利率、退货率。四个因子加权后落到四个区间，对应不同动作。
健康区间正常补货，观察区间减少补货量并加监控，预警区间停止补货并启动促销，淘汰区间直接清仓并下架。
淘汰机制的难点不在判断，而在执行决心。我见过太多卖家把”再等等看”拖成了仓储费黑洞，最后清仓时连运费都收不回。
前面四层模型听起来完整，但落地时最大的阻力是数据分散。这一节我用一个实际项目来讲怎么做，以及工具在其中的位置。
这个卖家做户外家具，年销约 6000 万元，美国市场为主。使用两个第三方海外仓加一个平台自营仓，在售 SKU 大约 900 个，其中旺季主力 SKU 约 120 个。
项目开始时最大的卡点是：三个仓库三个编码体系，同一个 SKU 在三个系统里有三种写法，有的带颜色后缀，有的带年份后缀，还有的用平台自己的 ASIN 变体规则。
运营做补货表时，第一步是人工做映射，这一步要花掉大半天，而且每次做完都可能有错漏。数据链路是断的，后面的算法再好也跑不起来。
我们的处理顺序是这样的：先建立主 SKU 编码，把所有平台的变体编码、海外仓编码、采购编码挂到主编码下面，形成一张映射表。
第二步是统一库存口径，把三个仓库的库存字段按前面说的七类字段重新归类，特别是把”已到未上架”单独拉出来。
第三步才是做计算层，包括滚动日均销量、有效可售库存、覆盖天数、补货触发点、健康度评分。
这个项目里我们用了数跨境作为数据中台来承接前三步的清洗与聚合工作。它能对接主流电商平台、第三方海外仓和 ERP 的库存与订单数据，把多源数据归一到同一套 SKU 主数据上，再输出库存与利润的分析视图。对于没有自建数据团队的中小卖家来说，这类工具省掉的是最耗时的数据准备工作，官网在 https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys，可以先看它的数据对接范围是否覆盖自己在用的海外仓和平台。
需要说明的是，工具解决的是”数据能不能用”的问题，参数配置和决策规则仍然需要人工设定。指望工具自动给出补货量，在现阶段还不现实。
项目跑了两个完整季度，下面是看到的主要变化。这些是单个项目的实测观察，不具备普适性，但方向值得参考。
| 指标 | 上线前 | 上线后第一个季度 | 上线后第二个季度 |
|---|---|---|---|
| 库存周转天数 | 81 天 | 68 天 | 59 天 |
| 断货 SKU 占比 | 22.4% | 13.1% | 7.8% |
| 滞销库存占比 | 19.6% | 13.2% | 9.1% |
| 超期仓储费（月度） | 4.8 万元 | 3.2 万元 | 2.1 万元 |
| 补货表人工耗时 | 约 14 小时/周 | 约 5 小时/周 | 约 3 小时/周 |
| 旺季主力 SKU 齐套率 | 76% | 88% | 94% |
注意最后一行”齐套率”。户外家具是成套销售，一个组合里缺一个部件就卖不出去。这个指标在原来的管理体系里根本不存在，是做了库存口径统一之后才浮现出来的。
项目上线后的第一个黑五，我们做了完整的过程记录。9 月初系统提示 34 个主力 SKU 进入补货触发区，其中 11 个同时满足”覆盖天数低于 45 天”和”近 14 天销量斜率向上”两个条件。
这 11 个被列为优先级最高的补货对象，走了快船，其余 23 个走普船。这个分层的依据不是运营的经验，而是系统给出的销量斜率数据。
结果黑五期间，这 11 个 SKU 无一断货，另外 23 个中有 4 个出现短暂断货，平均断货时长 3.2 天。相比之下，上一年黑五有 19 个主力 SKU 断货，平均断货时长 9.6 天。
更值得说的是退货处理。大促后退货集中到仓，如果不做区分，全部按不可售处理，等于直接损失。项目里我们把退货分成可翻新、可换标、只能报废三类，可翻新部分在 12 天内完成处理并重新上架，回收了大约 37% 的退货货值。这部分收益在原来的流程里是完全丢失的。
库存计划没有万能方案。下面按四种典型情况给出不同的切入顺序，你可以对照自己最接近的那一类。
这类卖家通常 SKU 在 200 个以内，只用一个海外仓。核心问题不是复杂度，是口径和纪律。
建议动作按顺序来：
这个阶段不需要买系统，Excel 或在线表格够用。关键是把动作固定下来，而不是把工具升级上去。
这类卖家的核心矛盾是数据分散。SKU 在 500 个以上，仓库 2 个以上，平台 3 个以上，人工合并数据已经不可持续。
建议顺序是：先做 SKU 主数据映射，这是最苦但最值的一步；再做库存口径统一；然后接入数据工具完成自动化聚合；最后才是算法和参数优化。
很多卖家跳过前两步直接买工具，结果工具里跑的还是脏数据，得出的是看起来很专业的错误结论。这是我在项目里见过最多的浪费。
户外、节日、服饰这类品类的库存曲线不是平的。用全年统一参数做补货，几乎必然在旺季断货、淡季滞销。
建议做法是建立”季节系数表”，按品类历史数据算出每个月相对基准月的销量倍数，然后让滚动日均销量乘以当月系数。
同时要把清仓节点写进计划里。我一般建议在旺季结束前 45 天就启动第一轮降价，而不是等到销量明显下滑。清仓的时间点比清仓的折扣力度更影响最终回收率。
服饰、鞋类、家居大件的退货率可能到 15% 以上。这类品类的库存计划必须把退货回流计入供给。
建议在补货公式里增加一项”预计退货可回收量”，按历史退货率和翻新成功率折算。同时把退货处理时效纳入海外仓的服务考核，我见过退货处理周期从 30 天压到 12 天，直接减少了两次采购。
库存计划本质上是取舍。下面四组取舍，是我在项目里被问得最多、也最容易做错判断的。
| 对比维度 | 第三方海外仓 | 平台自营仓 |
|---|---|---|
| 库存数据透明度 | 取决于服务商，好的可到小时级 | 平台后台标准提供，稳定但粒度固定 |
| 入仓门槛 | 低，无严格库容限制 | 高，受库容与绩效指标约束 |
| 尾程成本 | 通常偏高，需自行谈快递折扣 | 有平台补贴，主力款成本更优 |
| 滞销处理灵活性 | 高，可随时调拨、翻新、清仓 | 低，长期滞销会触发仓储附加费 |
| 适合的库存角色 | 蓄水池、中转、退货处理 | 主力出单、冲排名 |
我的建议是把第三方海外仓定位成蓄水池和缓冲池，把平台仓定位成出单前线。两者之间的调拨规则要写清楚，否则会在两边同时压货。
分仓多，尾程时效好、断货风险低；分仓少，头程成本低、管理简单。这个取舍的拐点在哪里，取决于你的客单价和毛利率。
高客单价品类，尾程时效对转化率的影响明显，值得多分仓。低客单价品类，尾程成本占比高，分仓过多会吃掉利润。
我的经验判断是：当某个区域的订单占比连续三个月超过 25%，且该区域尾程时效比主仓慢 2 天以上时，才考虑开新仓。在此之前，优化现有仓的调拨效率收益更大。
这是最核心的一组取舍。备货足意味着断货风险低，但资金占用高、滞销风险高。周转快意味着资金效率高，但断货风险上升。
判断依据应该是断货的边际损失和滞销的边际损失谁更大。断货损失包括排名下滑、广告浪费、客户流失，通常难以恢复。滞销损失包括清仓折价、仓储费、资金成本，相对可测。
对多数品类来说，断货的边际损失更大，所以覆盖天数应该偏向充足一侧。但前提是你要能区分主力 SKU 和长尾 SKU，主力保充足，长尾保周转。
自建系统的优势是完全贴合自己的业务流程，劣势是维护成本和人才依赖。我见过几个卖家自建了一套库存系统，第一年很好用，第二年负责人离职后逐渐失修，最后又回到了 Excel。
现成工具的优势是开箱可用、持续迭代，劣势是流程适配度有限。我的建议是以 SKU 数量和仓库数量为判断线：SKU 在 500 个以内、仓库 2 个以内，用现成工具加人工规则足够；超过这个规模再考虑自建。
还有一条现实建议：如果你的团队里没有稳定的数据工程能力，就不要自建。工具选型的核心是把数据聚合和口径统一这两件事解决掉，算法层可以先用简单规则。
前面讲了很多判断逻辑，最后给一份可以直接执行的清单。按周推进，不要跳步。
把现有所有仓库的库存字段列出来，逐项归类到七类字段中。找出哪些字段现在拿不到，联系海外仓服务商确认能否提供。
输出物是一张字段对照表，标明每个字段的来源、更新频率、负责人。这张表看起来简单，但它是后面所有工作的基础。
选定主编码规则，把平台编码、海外仓编码、采购编码全部映射过去。这一步建议先做主力 SKU，也就是贡献 80% 销量的那一批，不要一上来就全量。
如果映射关系超过 300 条，手工维护会出问题，这时候就该考虑用数据工具来做统一管理。
计算每个主力 SKU 的滚动日均销量、有效可售库存、覆盖天数、补货触发点。先把这些数跑出来看一遍，不要急着据此下单。
重点看有没有明显异常值，比如覆盖天数超过 200 天或者为负数的 SKU。异常值通常暴露的是数据问题，不是业务问题。
给覆盖天数设四个区间的动作规则，给健康度评分设四个等级的处理方式，然后挑 20 个 SKU 跑一次完整闭环，记录补货建议和实际执行之间的差异。
差异本身就是最有价值的信息，它会告诉你参数该往哪个方向调。
回到开头那位朋友。他后来的调整不是去优化销量预测模型，而是先做了一件很朴素的事：把三个仓库的库存字段统一，把”已到未上架”单独拎出来做成日报。做完这一件事，他的断货 SKU 占比在两个月内从两成出头降到了不到一成。
我在这几年里最大的一个判断上的转变是：跨境库存管理的主要矛盾，从来不在于算法不够聪明，而在于数据链路是断的。大部分卖家缺的不是预测模型，是一份可信的、每天更新的、口径统一的库存报表。
第二个判断是关于收益结构。海外仓管理优化的钱，主要不是从仓储费里省出来的，而是从资金周转和断货损失里赚回来的。如果你的项目汇报里只有仓储费节省，那这个项目的价值被严重低估了。
第三个判断是关于顺序。口径统一、编码映射、指标计算、规则设定，这四步有严格的先后关系，跳步的代价是返工。我见过太多团队在数据还没接通的时候就开始调参数，最后得出的结论全都不能用。
如果你现在就想动手，我的建议是今天先做一件事：打开你的海外仓后台，找出”已到未上架”这个数字有多大。这个数字如果超过你日均销量的三天量，说明你的补货决策一直在用一个被低估的库存口径做判断，那么后面的所有优化，都可以从这里开始。
我以前是按国内仓的直觉备货，海运一批要 40 多天，结果旺季断货、淡季压仓，两头挨打。后来才意识到海外仓把补货周期拉长了一倍多，节奏完全变了。到底该按什么周期补、什么时候触发下单？
核心是把补货提前期拆成四段来算：头程运输天数 + 清关与港口停留天数 + 海外仓上架处理天数 + 安全缓冲天数。以美西海运为例，我实测的均值是 32+5+3+7 约 47 天，旺季清关慢加上仓库爆仓能到 60 天，所以我按旺季 60 天、淡季 45 天两套参数分别跑。
补货触发点 = 日均销量 × 补货提前期 + 安全库存 − 在途数量 − 海外仓可用库存。这里最容易犯的错是漏掉在途，导致重复下单，我的做法是给每一批货建一条在途记录，状态分已发货、已清关、已上架，看板每天自动重算一遍，到点就下单，不靠人拍脑袋。
判断依据只看两个数：断货率控制在 3% 以内、库存周转天数控制在 60 天以内。两个数打架时优先保断货率，因为断货损失的是平台权重和排名，压货损失的是资金成本，前者更难补回来。
我们一开始只用一个美西仓，后来为了时效又开了美东和德国仓，结果同一个 SKU 三个仓都只有半仓，总库存涨了 40%，周转反而变慢了。到底该按什么逻辑分仓、又该怎么切库存？
分仓不是越多越好，判断标准是订单密度能不能喂饱一个仓。我的经验门槛是：单个区域日均订单低于 15 单不单独设仓，用快递从主仓发；15 到 50 单可以设卫星仓，但只放 TOP 20% 的畅销 SKU，长尾继续主仓直发；稳定超过 50 单才值得全品类铺。
库存分配我按近 30 天该区域销量占比乘以目标覆盖天数来切，主仓留 60% 到 70% 做蓄水池，卫星仓只覆盖 30 到 45 天销量，超出部分拉回主仓。这么做是因为卫星仓的仓储单价和调拨成本都比主仓高，用主仓的低成本库存去兜需求波动，用卫星仓买时效，成本才划算。
另外要长期盯一个数：跨仓调拨占比，如果持续高于 15%，说明分配逻辑有问题，要么销量预测偏了，要么区域划分不合理，先改逻辑再考虑加仓。
我们团队三个人三个说法，运营说周转率，财务说资金占用，采购说缺货率，开会经常对不上账。海外仓还有在途和平台仓的货，我也不确定这些指标的分子分母到底怎么算。
海外仓场景下最容易口径打架的是库存算不算在途。我的做法是把库存分三个池子分别统计：海外仓可用、在途（已发未上架）、平台仓在库；算周转率只用海外仓可用加上平台仓在库，在途单独看一个在途天数指标。
周转天数 = 期间平均库存 ÷ 期间出库量 × 天数，期间建议用 30 天滚动，别用自然月，因为跨月的头程会把数字拉歪。断货率 = 断货 SKU 天数 ÷ 总 SKU 天数，注意单位是天不是次数，按次数算会严重低估影响。
滞销我卡两个条件同时满足：连续 60 天无出库，且库存数量大于该 SKU 月均销量的 2 倍，只满足一个先观察不动手。这三个数放在同一张看板上按周看，只看其中一个一定会做偏。把取数逻辑用某项目管理平台固化下来，比每次开会吵口径省事得多。
我们团队就五六个人，没有专职计划员，海外仓也是刚开的第一个，一上来就上系统、上模型根本不现实。我想知道有没有那种能边跑边补的过渡打法，先做什么、后做什么。
建议按先止血、再提速、后优化三步走，别一次性铺开。第一步一到两周只做一件事：把所有海外仓库存和近 90 天日出库拉成一张表，识别出滞销 TOP 20 和断货 TOP 20，前者清货、后者加急空运，这一步不需要任何系统，Excel 就够。
第二步一到两个月建立固定补货节奏，每周固定一天跑补货，提前期参数先粗后细，先用一个粗略值，跑两个月再校准，重点是把节奏养成习惯而不是把公式算准。第三步才是上工具，判断临界点的经验值是：SKU 超过 200 个，或者海外仓超过 2 个，或者每周花在手工对数上的时间超过 4 小时，就值得上系统了。
选工具重点看两件事：能不能管在途状态、能不能按仓看可用库存，很多工具国内单仓逻辑很顺，一到多仓多币种就散了。别追求一步到位，我见过不少团队系统上线三个月还在做数据清洗，等理清楚旺季已经过去了。
读者评论
有效可售库存这个口径我认，但落地卡在数据源上。我们用的第三方海外仓，后台只有总量和可售两个字段，质检待定、平台预留这些根本没有 API 能拿到，最后还是靠群里问仓管。所以选仓时把接口能力提上去是对的，问题是愿意开放细字段的服务商真不多，这个议价空间比仓储费小得多。
把库存健康度下沉到仓库维度这点我踩过坑。我们美东美西各一个大仓，后来发现调拨一趟算上操作费、尾程和上架时效，快的时候也要一周多，跟重新发一批头程的差距没想象中大。所以分仓可售天数不能只看，还得把调拨周期当成一个前提参数，不然容易出现两边都备货的结构性冗余。
滚动日均销量切到近 7 天加权那一段我有不同看法。旺季前 45 天正好是大促预热期，站内广告和达人带货会先把流量抬起来，7 天窗口很容易被这波虚高带上去，结果按 7 天算出来的补货量比按 14 天还激进。我们去年黑五前就吃过这个亏，后来改成 7 天和 14 天取低值再叠加去年同期系数，才稳一些。