2023 年下半年，我帮一家做家居品类的卖家复盘过一次大促翻车：Prime Day 当天，他们最赚钱的一款收纳盒在美国站断货 11 天，同期德国站却压着 4200 件同一 SKU 卖不动。老板当时的原话是，"我们花了三十多万上了 ERP，怎么补货还是靠人拍脑袋？"这句话几乎是我过去几年听到频率最高的一句抱怨。后来我把这家公司的补货链路拆开看，发现问题根本不在 ERP 的算力，而在于他们把 ERP 当成了自动补货按钮，而补货规则本身从来没被认真定义过。
这篇 ERP 跨境电商实践指南，我不打算再讲一遍 ERP 有哪些模块，而是想把采购补货里那些反复踩、反复不承认的误区摊开，讲清楚"怎样才更有效"。
先把最核心的判断放在前面，省得你读完七千字才发现方向错了。采购补货的有效性是一个乘法关系，不是加法关系。我把它写成一个粗暴但实用的公式：
补货有效性 = 数据质量 × 规则合理度 × 执行纪律 × 复盘频率
为什么用乘法？因为任何一项归零，整体结果就是零。数据质量为零，ERP 输出的补货建议就是垃圾进垃圾出；规则为零，系统只能按默认逻辑乱推；执行纪律为零，建议生成后没人审批、没人下单，报表再漂亮也没用；复盘频率为零，规则永远停留在上线第一天，跟不上季节和流量结构的变化。
这也是为什么我经常劝卖家，先别问"哪家 ERP 好"，先问"我自己的补货规则是什么"。如果你能把自己的补货规则用一页纸写清楚，包括补货点怎么定、安全库存怎么分层、MOQ 和装箱数怎么处理、多仓怎么分配，那么任何一款合格的 ERP 都能帮你跑得不错。反过来，如果你自己都说不清规则，那换十套系统结果都一样，只是换个地方继续拍脑袋。
很多"补货方法论"直接照搬国内电商经验，然后在跨境场景里全军覆没。原因不是方法论错了，而是跨境补货的约束条件完全不同。我在下面拆成四层来讲，这四层也构成了后文所有误区的前提。
一个 SKU 在亚马逊美国站、德国站、Shopee 马来站、TikTok Shop 英国站，销量曲线几乎不会同步。美国站 Prime Day 在 7 月，欧洲站在 10 月，东南亚的 9.9、11.11 又是另一套节奏。
如果你的补货逻辑是"看这个 SKU 的总销量"，那系统给你的就是一个被平均掉的信号。被平均掉的需求，就是被掩盖的缺货风险。我见过最典型的情况是：美国站已经连续两周增速 30%，但因为德国站在下滑，SKU 总销量看起来平稳，补货建议毫无反应，等到美国站断货才反应过来。
跨境补货链路通常包含：供应商生产排期、头程集货、海运/空运、清关、入库上架、仓间调拨。我把常见的周期区间整理成一张表，你可以对照自己的实际情况看。
| 环节 | 常见周期区间 | 波动来源 |
|---|---|---|
| 供应商生产排期 | 15-25 天 | 工厂排单、原料备货、旺季挤压 |
| 头程集货 + 海运 | 30-45 天 | 船期延误、港口拥堵、拼柜等待 |
| 空运（急补） | 7-12 天 | 舱位价格、清关时效 |
| 清关与入仓上架 | 3-10 天 | 查验、标签问题、预约排队 |
| 海外仓间调拨 | 5-15 天 | 尾程运力、仓库作业效率 |
把中间值加起来，一次完整的补货决策到可售，通常需要 55-90 天。这意味着你今天要判断的不是下周卖多少，而是两三个月后卖多少。用历史的补货节奏去买未来的需求，本质上就是在赌。
更麻烦的是这个周期本身还在波动。旺季时海运可能从 35 天变成 55 天，供应商排期从 20 天拖到 35 天。补货周期的方差，比补货周期的均值更致命。均值只决定你要备多少货，方差决定你要不要额外留缓冲。
国内电商的库存形态相对简单，大多就是"在仓可售"和"在途"。跨境卖家的库存至少会被拆成七八种状态：在途（海运/空运）、在制、国内仓、海外仓可售、海外仓待检、FBA 可售、FBA 预留（调仓中/待上架）、退货待处理。
我经手的一家 3C 配件卖家做过一次库存形态盘点，结果让老板很意外：ERP 显示"库存充足"的那个爆款，真正可售的比例只有 61%。剩下的部分卡在 FBA 预留和海外仓待检上，而在补货建议里，这些不可售库存被算成了"已有库存"，系统因此认为不需要补货。把不可售库存算进可用库存，是多平台卖家里最常见也最隐蔽的缺货原因。
TikTok Shop 和 Temu 这类渠道把爆品周期压缩得很短。我见过一个饰品 SKU，从起量到峰值只有 12 天，从峰值到彻底掉量只用了 3 周。在这种情况下，如果你按"过去 30 天日均销量"来补货，等你货到仓，需求窗口早就关闭了。
所以跨境补货的难度不在于算得准，而在于在极短的窗口里做出决策，并且愿意承担决策错误的代价。这就引出后文的误区部分，绝大多数团队的失败，不是因为算错，而是因为不敢承认自己在赌。
下面这七个误区，来自我过去几年接触的中小跨境卖家样本。排名不分先后，但每一条我都见过至少五次以上。
现象：上线 ERP 后，第一件事就是找"自动补货"或"智能补货建议"功能，点开就用，从来不检查它背后的计算逻辑。
后果：ERP 的默认补货逻辑通常基于"日均销量 × 交期 + 固定安全库存"，这个公式在没有参数校准的情况下，对波动大的跨境 SKU 会产生系统性偏差，要么推得太多，要么完全没反应。
更有效动作：上线前先定义自己的规则文档，至少包含四件事：补货点的计算口径、安全库存的分层标准、MOQ 与装箱数如何取整、多仓如何分配。这份文档应该像合同一样被固化下来，每季度评审一次。
ERP 里要看的字段：补货建议的计算参数是否可见、是否可改、每个 SKU 的参数是否支持批量调整、参数修改是否有操作日志。
现象：补货完全由历史销量驱动，大促前不做额外系数调整，新品不做趋势外推。
后果：日常销售平缓的 SKU 在大促前补货不足，活动一开就断货；而在下滑期的 SKU 被继续补货，压成滞销。
更有效动作：把补货需求拆成三层：基线需求（历史趋势）、活动增量（已知促销日历）、不确定性缓冲（新品和季节性）。这三层分别用不同的系数，而不是全部塞进一个"日均销量"里。
ERP 里要看的字段：是否支持按平台/站点单独取销量、是否支持活动日历标记、是否支持手工调整某一段的预测值并留痕。
现象：所有 SKU 用同一个安全库存天数，比如统统设 30 天。
后果：高价值爆款 30 天不够，低价值长尾 30 天太多。前者继续缺货，后者持续占资金。
更有效动作：按 ABC 分类结合交期波动分层。A 类（贡献 70% 销售额的 SKU）给更高安全库存和更短复盘周期；C 类可以降到更低的安全库存甚至改为按单采购。同一层内，再按交期方差大小做二次调整。
顺便说一句，很多文章把"安全库存 = 日均销量 × 交期"当成标准答案，这是不完整的。交期用均值会低估风险，应该用"平均交期 + 一定倍数的交期标准差"。交期方差越大，需要的缓冲越厚，这一点在多平台上尤其明显。
现象：同一个 SKU 挂在四个平台，库存靠人工定期同步，或者各平台库存独立维护。
后果：一边超卖导致账号绩效受损，一边某些平台的库存被"锁死"卖不动。这两种情况经常同时出现在同一家公司里。
更有效动作：设定统一的库存池，或者明确"哪些平台共享库存、哪些独立分配"。同步频率要和订单速度匹配，日销 500 单的店铺，一天同步一次显然不够。
ERP 里要看的字段：库存同步频率（实时/定时/手动）、同步失败是否有告警、超卖风险是否有预警阈值。
现象：销售看的是平台后台数字，采购看的是 ERP 数字，仓库看的是自己 Excel 里的数字，三份数字互相对不上。
后果：补货判断的基础崩塌。库存准确率低于 85% 的时候，任何补货算法都是在噪声上做优化。
更有效动作：先做一次彻底的库存校准，把差异逐项归因（漏记、错记、时间差、状态未更新），然后固化"唯一真相源"，以 ERP 库存为准，平台和 Excel 只作为参考视图。
ERP 里要看的字段：库存调整是否有原因分类、是否支持盘点差异分析报表、是否保留调整历史。
现象：KPI 里只有缺货率，没有滞销金额占比、库存周转天数、售罄率。
后果：团队为了消灭缺货，倾向于多备货，结果资金全压在滞销库存上。有时候缺货率下降了，公司的现金流反而更紧张。
更有效动作：把补货 KPI 做成一对：一边是缺货率，一边是库存周转天数和滞销金额占比。这两者要同时考核，缺一不可。
现象：补货决策集中在老板或某个老员工手里，没有分级审批，也没有异常上报路径。
后果：这个人休假或者离职，补货立刻停摆。同时因为没有异常处理机制，紧急空运、临时插单这些"救火动作"没有被记录，复盘时找不到成本去向。
更有效动作：设定金额或数量分级审批线，明确异常场景（缺货预警、超卖风险、滞销超阈值）的上报路径和响应时效。所有紧急动作必须留痕，因为紧急动作才是成本大头。
看完七个误区，你大概能感觉到一个规律：出问题的地方，几乎都不是"算得不够准"，而是"链路不完整"。所以我在给卖家做诊断时，不看公式有多复杂，而是看这四条流有没有跑通。
数据流要解决的是"系统看到的世界是不是真实世界"。它至少包含六类基础数据：SKU 主数据（编码、规格、装箱数、MOQ）、仓库主数据（含 FBA、海外仓、第三方仓）、平台店铺主数据、订单与退货数据、在途与采购单据、供应商交期数据。
我做诊断时有一个固定的动作：随机抽 30 个 SKU，用 ERP 库存、平台后台库存、仓库实际盘点三方对账。如果差异超过 10%，后面所有优化都先暂停，因为在这个基础上调参数是浪费时间的。
规则流是补货的核心，也是最容易被跳过的一步。它要回答四个问题：什么时候该补（补货点）、补多少（补货量）、最少补多少（MOQ 与装箱）、补到哪个仓（多仓分配）。
这四个问题的答案不应该只存在某个老员工脑子里，而应该变成 ERP 里可配置的参数。我通常建议客户用一张"补货规则表"来管理，按 ABC 分类列出每一层的补货点天数、安全库存天数、复盘周期。
执行流的价值在于"可追溯"。一个完整的执行链路是：系统生成补货建议 → 采购确认/调整 → 审批 → 下单 → 供应商生产 → 头程发货 → 清关 → 入仓 → 质检 → 上架。
如果这条链路上每一个节点都有时间戳，你就能算出真实的"补货响应时间"，也就能定位到底是哪个环节在拖后腿。没有时间戳的补货流程，等于没有流程。
复盘流要回答的是"这次补货到底做得怎么样"。我建议至少盯五个指标：缺货率、库存周转天数、售罄率、滞销金额占比、预测偏差率。
其中最重要的是预测偏差率，因为它能告诉你规则本身是否需要调整。如果某个 SKU 连续三个月预测偏高 40%，那不是执行问题，是规则问题，必须回头改参数。
讲完方法论，我说一个具体的过程。这是一家做家居收纳的卖家，亚马逊美国站 + 德国站 + 独立站，SKU 约 480 个，海外仓两个（美西、德国），同时用 FBA。改造前他们的库存准确率是 78%，缺货率 12%，库存周转天数 78 天，滞销金额占总库存 18%。
这次改造用的系统是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm_plan=est&utm_unit=gys）。我选它的原因很直接：它的补货逻辑是把多平台订单、海外仓库存、FBA 库存和在途数据放在同一个池子里算的，这正好对应前面说的"库存形态复杂"那层约束。如果系统只算海外仓可售库存，补货建议一定是错的。
第一周我们什么参数都没调，只做三件事。第一，把 480 个 SKU 的装箱数、MOQ、供应商交期补全，缺一项就标红。第二，把美西仓、德国仓、FBA 的库存状态逐一对齐，把"待检"和"FBA 预留"从可用库存里剔除。第三，用数跨境的库存快照功能做了一次全量对账。
一周结束时，库存准确率从 78% 提到 91%。注意，这一周没有动任何补货规则，缺货率也没有明显变化，因为数据流没通之前，任何规则调整都是无效的。
第二周开始做 SKU 分层。我们按过去 90 天的销售额贡献度把 480 个 SKU 分成三层：A 类 62 个（贡献约 71% 销售额）、B 类 158 个、C 类 260 个。
然后按层设置参数。A 类补货点设在 45 天销量，安全库存 30 天；B 类补货点 30 天，安全库存 20 天；C 类补货点 20 天，安全库存 10 天，并且对交期超过 40 天的 C 类 SKU 直接改为按需采购，不进常备库存。
这里有个细节值得说：安全库存不是按"天数"拍，而是按交期方差算出来的。同一层里，海运交期方差大的 SKU，安全库存要比方差小的高出 30%-50%。这一步做完，系统生成的补货建议数量比原来少了约 22%，但覆盖的销售额反而更高。
第三周我们把采购审批接进流程：单次采购金额低于 8000 元由采购主管审批，超过 8000 元需要运营负责人确认。同时在数跨境里配置了四类预警：低于补货点、低于安全库存、超卖风险、滞销超 60 天。
预警这件事的价值，不在于它多智能，而在于它把"人找问题"变成了"问题找人"。改造前他们的补货会议是每周一次人工翻表，改造后预警自动推送到群里，会议变成只处理异常项。
第四周做第一次复盘。结果是这样的：库存准确率 96%，缺货率从 12% 降到 4.3%，库存周转天数从 78 天降到 54 天，滞销金额占比从 18% 降到 9.5%，每周用于做补货表的人工时间从 12 小时降到 2.5 小时。
但真正重要的是那个"预测偏差率"。复盘发现，德国站的一批 SKU 预测普遍偏高 35% 以上，原因是把美国站的增速套用到了德国站。这就是复盘流的作用：它不改善本周的缺货，但它改善下个季度的缺货。
还有一个更容易被忽略的收益：资金占用结构的变化。周转天数从 78 天降到 54 天，意味着同样规模的销售，需要的备货资金减少了将近三分之一。这部分释放出来的现金流，对这个卖家来说比缺货率下降更有价值。
我经常看到小团队照搬大卖家的补货体系，结果被流程压死。下面按三个阶段给出建议，你可以对号入座。
这个阶段最大的风险不是补货算不准，而是流程太重。我的建议是先不要追求自动化，先把"库存准确"这一件事做到 95% 以上。
这个阶段的关键动作是分层。SKU 一多，一刀切的规则一定会崩。必须做 ABC 分类，A 类精细管、C 类粗放管。
这个阶段靠人已经不可能管住了。核心任务是让系统承担"分配"这件事，不仅要决定补多少，还要决定补到哪个仓。
写到这里，必须回答一个很现实的问题：到底该先买系统还是先建制度？我的判断依据是三个信号。
免费 ERP 能不能用？能用，但要算清总拥有成本。我见过太多团队为了省软件费，最后在人工和错单上付出了十倍成本。建议按下面这张表对比，不要只比价格。
| 对比维度 | 免费/低价方案 | 付费方案 |
|---|---|---|
| 店铺与订单量限制 | 通常有店铺数、月订单量上限 | 按套餐或用量阶梯 |
| 多仓与海外仓支持 | 常见仅支持少量仓库或需加购 | 多仓、FBA、第三方仓覆盖较完整 |
| 补货建议与预警 | 部分仅提供基础报表 | 补货点、安全库存、异常预警可配置 |
| API 与对接能力 | 受限或按次收费 | 通常包含开放接口 |
| 客服与实施培训 | 以文档和社区为主 | 有专属支持与实施协助 |
| 隐含成本 | 人工补表、错单、数据迁移成本高 | 订阅费明确，需评估功能冗余 |
我的原则是：当你已经开始用人工弥补系统缺口时，就是该升级的时候了。比如每周花十小时以上手工做补货表，或者需要专人盯着多平台库存同步，这些人力成本早就超过软件订阅费。
我不建议把"对接平台数量"当成首要选型标准。真实情况是，不同 ERP 对不同平台的对接深度差异很大。同样是"支持某平台"，有的只做到订单拉取和库存推送，有的能做到 Listing 管理、广告数据、财务对账。
更重要的是，海关合规、税务申报、进口清关这类能力，不同市场的规则差异极大，而且经常变化。这部分必须按当地政策和专业机构意见确认，不能只看产品页写没写。
如果你现在就想动手，我把前面所有内容压成一份 30 天计划。注意，这份计划的前提是你愿意在第一周只做数据、不做规则调整，这是很多人做不到但最关键的一步。
在我的经验里这并不少见，而且通常不是系统的错。最常见的原因是库存准确率本身不高，系统把错误的库存当成了可用库存，于是补货建议变得更保守，缺货反而变多。
另一种情况是补货点参数被设得太低，系统按规则办事，规则本身有问题。遇到这种情况，先查库存准确率，再查参数，最后才考虑换系统。
我的建议是由采购主导、销售参与、老板定规则。销售离需求近但容易乐观，采购离供应近但容易保守，两者结合才能平衡。但补货规则本身必须是老板层面拍板的，因为它涉及资金占用和风险偏好，不是执行层能决定的。
没有标准答案，但有一个判断方法：安全库存要覆盖"交期波动 + 需求波动"这两部分风险，并且按 SKU 分层设置。如果你所有 SKU 都用同一个数字，那基本可以确定这个参数没有被认真设计过。
实操上我通常会让客户先按 A/B/C 三档给一个初始值，跑一个月后看缺货率和滞销率的分布，再逐档调整。这个过程一般需要两到三个迭代周期。
取决于两个平台的需求相关性和履约仓是否重叠。如果两个平台的需求波动高度相关，共享库存会放大缺货风险；如果需求互补，共享能提高利用率。
实操上，我更倾向于对 A 类 SKU 做独立分配，对 C 类做共享。这样既保证爆款的安全，又避免长尾库存被浪费。
如果你的 SKU 少于 200、只有一两个店铺、库存形态简单，免费方案配合一张好的参数表是可以跑通的。但一旦出现多仓、多平台、多状态库存，免费方案通常会在库存状态区分和补货建议配置上出现缺口，人工补位成本会迅速上升。
判断标准很简单：当你每周花在手工补表上的时间超过 5 小时，就该认真评估付费方案了。这时候省下的软件费，往往还不够支付那部分人力。
回到最开始那家家居卖家。他们的问题从来不是"ERP 不够好"，而是他们期待工具替自己做判断，却又没有告诉工具判断的标准是什么。补货这件事，本质上是在不确定性里做取舍：备多了压资金，备少了丢销量，中间的平衡点只能靠规则和复盘一点点逼近。
所以我的核心观点是：补货有效性 = 数据质量 × 规则合理度 × 执行纪律 × 复盘频率，ERP 是这个乘法里最好的执行放大器，但它不是那个被乘的数。把顺序搞反，花再多钱也只是把错误放大得更快。
如果你现在准备动手，我建议你从下面三步开始。第一，今天就做一次库存对账，算出你的真实库存准确率，这个数字会告诉你现在该先补制度还是先上系统。
第二，把 A 类 SKU 挑出来，按交期方差重新设一次安全库存，哪怕只改这 20% 的 SKU，效果也会比全量乱调更明显。第三，建立每周一次的复盘习惯，只盯缺货率、周转天数、预测偏差率这三个数，坚持一个季度再看。
如果你已经有系统，但补货还是靠人救火，那么先把流程补齐再考虑换工具；如果你正在选型，可以按本文的选型清单逐项对照，重点看库存状态区分、补货参数可配置、多仓分配这三项能力，而不是看功能列表有多长。像数跨境这类把多平台订单、海外仓与 FBA 库存、在途数据放在同一池子里计算的方案，会更贴近跨境补货的真实场景，工具选对了，规则才跑得动。
我们去年上了ERP，采购那边还是每天对着Excel自己算，系统里的补货建议基本没人看。我自己也试过按系统建议下单，结果有两批货压了三个月，后来就不敢用了，想知道到底是系统不准还是我们没用对。
我的判断是，ERP的补货建议只能当候选清单，不能当采购指令。它的质量完全取决于四个输入：SKU-仓库-平台的映射关系、库存账是否含在途和待检和退货在途、交期字段用的是不是实际到货数据（而不是供应商口头承诺）、需求是否带了活动系数。
实操上先做一次数据体检：抽20个销售额最高的SKU，人工盘点实际可售库存和系统账面数对一下，差异超过3%就先修数据再谈补货；再确认交期用的是近3到5批实际到货天数的P75或P90，而不是采购合同上的天数；然后把系统的补货建议用日均销量乘系数倒推一遍，差异超过30%的SKU逐个查原因。
跑通之后再设分级审批：占销售额七成的那20%的A类SKU人工复核，长尾C类SKU可以由系统生成采购申请、人工批量放行。这样既不用人肉算全部，也不会把系统里的错误直接放大成采购单。
我们之前是统一按30天销量备安全库存，结果爆款大促前还是断货，一堆长尾SKU反而堆在海外仓吃仓储费。我也看过安全库存等于日均销量乘交期的公式，但感觉太粗糙了，不知道该按什么维度分层。
不要用一个固定天数，安全库存至少要拆成三层看：销售额贡献、交期波动、需求波动。分层做法是先按ABC分类，A类累计销售额前70%到80%，B类15%到25%，剩下是C类；再叠加交期稳定性，用近5批实际到货天数的极差判断。
要算的话可以用这个口径：安全库存等于Z值乘以根号下（交期天数乘需求标准差平方，加上日均销量平方乘交期标准差平方），Z值按目标服务水平取，95%对应约1.65。不想算波动就用经验值：交期稳定（近5批极差不超过5天）的A类SKU，安全库存取7到10天销量；海运加清关导致极差超过15天的，取20到30天；
C类长尾可以只留0到3天甚至不备，改用高频小批量补。关键是要每季度用实际数据回测：一个季度缺货3次以上，说明安全库存不够或者交期字段不准；从来没缺货但周转天数明显高于同类，说明备多了。
我们在亚马逊、独立站、还有两个区域平台都开了店，库存同步总有延迟，经常是这边刚卖完那边还在接单，最后超卖被罚。采购那边又按总库存去补货，感觉越补越乱，不知道先解决同步还是先解决补货。
采购补货的前置问题其实是库存口径，口径不统一，补货一定失真。先把可售库存定义清楚：在仓可用减去已售未发，减去安全库存预留，再加上在途可用（已下单且预计到货日落在补货周期内的部分）。
然后处理同步，大多数平台的库存同步是分钟级甚至更慢，部分平台接口还有限流，所以不要把总库存平均分到各店铺，而是设平台级预留比例加总缓冲垫：比如总可售1000件，亚马逊40%、独立站30%、其他平台30%，再额外留5%到10%的缓冲只用于应对同步延迟。
对超卖高频的SKU，直接降级成单平台独占库存，宁可少卖几单也不超卖，因为超卖带来的罚分、退款和差评成本远高于少卖的毛利。在ERP里重点检查三件事：库存同步频率、能不能按店铺设库存规则、有没有超卖预警和在途占用字段。
老板每个月都问补货有没有改善，我说缺货少了，但拿不出数字，采购说周转变快了，运营又说还是断货，各说各话。我想定一套固定口径的指标，但不确定缺货率、周转天数这些到底该怎么算才不会被爆款带偏。
建议固定四个指标，口径一旦定下就别随意改，否则没法跨月比较。缺货率用缺货SKU天数除以应有货SKU天数，不要用订单缺货数，否则爆款权重过大，一个爆款断货就能把整体数字拉爆；
库存周转天数用期间平均库存成本除以期间销售成本再乘天数，跨境要统一按落地成本算，含头程运费和关税，不要用采购价，不然各站点不可比；售罄率是某个SKU在生命周期内已售数量除以总到货数量，适合判断备货量是否保守；滞销金额按库龄超过90天的库存成本统计，海外仓因为尾程和退仓成本高，可以放宽到120天。
落地节奏我一般建议按30天走：第1周抽盘对数据，库存准确率目标98%以上；第2周做ABC分层并设安全库存和补货点；第3周拿10到20个A类SKU试点审批流和在途跟踪；第4周复盘这四个指标，和上月对比，只改差异最大的那一两条规则。
别一次性改全部SKU，规则调整和小范围试点要分开做，否则根本分不清是规则起了作用还是大盘本来就在波动。
读者评论
文章把ERP比作放大器而非自动按钮，这个观点很到位。很多卖家花大价钱买系统，却连基本补货规则都说不清，最后怪系统不好用。其实工具只是执行载体，真正缺的是运营内功。
跨境补货周期55-90天这点深有体会。美国站和德国站销量不同步，只看SKU总销量确实会被平均掉风险信号。我们之前也吃过这个亏，后来按站点独立补货才好转。
库存状态那块写得很真实。FBA预留和海外仓待检经常被算成可用库存，导致系统误判不需要补货。我们盘过一次，账面库存和可售库存差了快四成，之后才专门做了状态拆分。
安全库存用均值乘以交期确实不完整，交期方差才是隐藏杀手。旺季海运从35天变55天的时候，如果没留额外缓冲，断货基本跑不掉。文章把波动风险讲透了。