去年 11 月，我帮一个做家居类目的卖家复盘全年库存，发现一个很荒诞的结论：他一年在软件、插件和 BI 上花了六万多，最后全年最大的一笔亏损，来自 3 月份一次性压下去的 8000 件"爆款"，那款产品在 4 月就被竞品用一半的价格打穿了。压货决策不是软件做的，是他自己拍的；而软件的报表只是把这次拍脑袋的结果，晚两个月以更好看的方式呈现了一遍。
这件事让我重新思考一个被讲烂的问题：亚马逊软件到底该怎么优化？我的答案可能和多数人相反，软件优化的第一步不是选工具，而是先把库存管理的年度规划做成一个可计算的对象。因为库存规划是亚马逊经营里唯一同时牵动现金流、仓储成本、广告效率和账号健康的中枢；它算不清，后面所有软件功能都是在给一个错误的答案做精装修。
这篇文章我会用第一人称，把我这几年在几十个卖家身上验证过的判断、踩过的坑、以及可以复算的数据摊开讲。不吹工具，也不做功能罗列，只讲一件事：如果你的年度库存规划是错的，你应该先改哪里，软件在这一步到底能帮上什么忙。
绝大多数卖家的优化路径是这样的：先刷到某篇文章，看到某个工具的功能矩阵，对比价格，下单，然后开通账号，最后发现自己的数据填不进去，历史销量是散的，采购成本在老板脑子里，头程费用在货代微信里，仓储上限在群里问。
正确的顺序是反过来的：先确定年度库存规划必须输出哪几个决策，再倒推这些决策需要什么字段、什么频率、什么精度，最后才去选工具。决策清单通常只有五个：明年每月每个 SKU 买多少、什么时候下单、什么时候清货、给哪个 SKU 留多少安全库存、全年库存资金峰值控制在多少。
这五个决策一旦写清楚，选型就变成一道填空题而不是开放题。你会立刻发现，市面上 80% 的工具功能你根本用不上，而剩下 20% 里，能真正把"头程在途"和"资金占用"算到同一个口径的，少得可怜。
很多运营把年度库存规划做成一张"明年我要卖多少"的销量表，按月填数字，填完就发群里。这个理解偏了半格。
销量预测只是输入之一。真正决定你明年是赚是亏的，是这五个约束条件同时作用的结果：供应商账期、海运与空运周期、MOQ 起订量、仓库库容上限、以及你手上真正能周转的现金。在这五个约束下，你把多少钱分配给哪些 SKU、哪些月份，才叫年度规划。
换句话说，规划的输出不是一个销量数字，而是一条全年库存资金占用曲线。你要回答的不是"能卖多少"，而是"几月份会缺钱、几月份会压货、哪个月份是全年资金峰值"。
我经常劝一些小卖家不要买系统。如果只有 20 个 SKU、一个站点、海运周期稳定在 35 天、补货就一个供应商，Excel 比任何软件都高效，因为你自己脑子里就能装下所有约束。
软件的价值出现在三个临界点上。第一是 SKU 数量超过人工同时跟踪的阈值，我的经验值是 120～150 个在售 SKU，超过之后必然出现"忘了某个 SKU 在途还有两批"的情况。第二是补货周期出现多段时滞，比如国内备货 20 天、头程 35 天、入仓上架 7 天，三段加起来的波动会互相叠加。第三是资金约束开始卡住增长，你不得不做取舍。
软件的本质价值不是"给你一个预测"，而是"把算不清的东西变成可复算的"。预测本身永远不准，但可复算意味着你可以每个月问一次：这个月的偏差出现在哪一层，是需求层、约束层还是执行层。
周转率是个被过度使用的指标。周转快不等于健康，一个全是低价引流款的店铺，周转可以非常快，但钱全耗在广告和仓储差价上了。
我建议把第一指标换成资金错配率，定义是：当期库存资金中，处在"与决策意图不符"状态的资金占比。包括三类：本该补货却没钱补导致的缺货损失对应资金、本该清货却继续压的资金、以及超出安全库存上限的冗余库存资金。
这个指标的好处是，它直接连接到决策，而不是连接到财务口径。你算完就知道，明年该动的是采购节奏，还是清货节奏。
| 对比维度 | 传统做法（拍脑袋 + 报表复盘） | 规划驱动做法（模型 + 软件复算） |
|---|---|---|
| 预算依据 | 上年销售额 × 增长系数 | 分月需求分层预测 + 五大约束建模 |
| 采购节奏 | 凑柜、凑 MOQ 就下 | 按补货周期反推下单窗口 |
| 资金视角 | 年底看一次总占用 | 全年 12 个月资金占用曲线 |
| 偏差处理 | 事后解释，无法归因 | 按需求层/约束层/执行层归因 |
| 软件角色 | 出报表的工具 | 决策复算与偏差归因的引擎 |
这家卖家做家居收纳类目，380 个 SKU，主做美国站，附带加拿大站，年销售额约 4200 万人民币，全年库存资金占用峰值一度到过 1180 万。老板是工厂出身，对产品很有感觉，但对资金节奏基本靠经验。
2023 年 11 月他做年度规划时的做法很有代表性：拉了一年的销售报表，把 2023 年每个月的销售额乘 1.6，得到 2024 年的分月目标；然后按照"淡季备货、旺季冲刺"的朴素逻辑，把采购预算按 6:4 分给上半年和下半年。
问题出在 3 月。他判断某款收纳箱是"明年的主推爆款"，因为 2023 年 Q4 这款产品的 BST 排名从 18000 升到了 6000。他一次性下了 8000 件，走海运，4 月中旬到仓。
4 月 20 日到仓，当天竞品出了同款，价格比他低 47%，而且用了同一个供应商的模具。他不敢降价，因为这款的到岸成本加上头程和平台佣金，降价就是负毛利。于是他选择守住价格、加大广告，把 ACoS 从 22% 拉到 39%。
5 月，库容警告出现，因为 3 月的另外两批普通货也到了。仓储超量费开始计收，同时他为了腾库容，被迫把另外三个还能卖的产品打折清掉，其中两个是全年毛利贡献前十的 SKU。
6 月，真正的连锁反应来了：因为资金压在那 8000 件上，他没能在 6 月给旺季主推款下采购单。等到 7 月想下单时，供应商排期已经排到 9 月中，海运再 35 天，入仓已经错过 10 月的主要流量窗口。
一次拍脑袋压货，最终影响的不只是那 8000 件，而是把整个旺季的补货窗口挤掉了。这就是为什么我一直强调：库存规划的问题从来不是单点问题，它是资金和时间的连锁反应。
我把这个卖家 2024 年 1 月到 12 月的月末库存资金占用拆出来看，形态非常典型：上半年一路爬升，5 月到顶，7 月因为清货略有回落，9 月因为旺季备货再次冲高，12 月末又砸在手里。
全年出现了两次资金峰值，而这两次峰值对应的都不是"卖得最好"的月份，而是"补货最集中"的月份。这说明他的资金节奏是被采购节奏推着走的，而不是被销售节奏牵引的。
健康的形态应该相反：资金峰值出现在销售旺季前 1～1.5 个月，然后在旺季期间一路释放，旺季结束后回落到低位。如果一个卖家的资金峰值出现在旺季结束后，那基本可以判断，他的采购节奏至少比销售节奏晚了两个月。
复盘之后，我把他年度规划的断裂点归成四个，这不是他一个人的问题，我在至少二十个卖家身上见过同样的结构。
第一，需求预测用了一整年的均值，没有分月。家居类目美国站的月度波动可以达到 3 倍以上，用年均值去做采购预算，等于假设每个月销量一样。
第二，补货周期被当成一个固定数字。他把"45 天"当作补货周期，但实际上是生产 20 天 + 头程 35 天 + 入仓上架 7 天 = 62 天，而且每个环节都有波动，波动还会叠加。
第三，没有任何"资金约束"的输入。他的规划里没有一行是"我手上最多能同时压多少钱"，所以规划永远是可执行的，现实永远是不可执行的。
第四，没有清货决策的触发条件。什么时候认输、什么时候止损，靠的是感觉和情绪，而不是一个提前写好的规则。
这是最普遍的一个。卖家遇到库存问题，第一反应是"我现在的系统不行"，然后开始看新的。但如果你连自己的补货周期由几段构成都说不清，换十个系统结果都一样。
我给一个具体的判断方法：在换工具之前，先用 Excel 手算一遍下个月每个 SKU 的建议补货量，算出三个数字，建议补货量、资金占用、预计到仓日。如果这三个数字你算得出来，说明你的流程是清楚的，换工具是效率问题；如果你算不出来，说明你的数据链路是断的，换工具解决不了。
"明年做 6000 万"这不是规划，这是愿望。真正的年度规划至少要有四张表：分月分 SKU 需求表、约束参数表（账期、周期、MOQ、库容）、资金占用测算表、以及清货触发规则表。
我见过的做得最扎实的一个卖家，他的年度规划文件里有 27 个参数是手填的，包括每个供应商的实际生产天数、每个头程渠道近半年的平均时效和波动天数、以及每个仓库的月度库容上限。这些参数没法从任何软件自动获取，但它们才是规划的龙骨。
断货是显性损失，滞销是隐性损失，而隐性损失往往更大。原因在于滞销库存会占据库容，进而影响你备其他货的能力，这是二次损失，很少被算进账里。
我建议用一个简单的口径衡量：把滞销库存资金按"机会成本"重估，也就是这笔钱如果投到当季主力 SKU 上，本可以产生多少毛利。按行业常见的资金周转效率，这笔机会成本通常是滞销货值本身的 15%～30%（示意区间，需按自己类目毛利校准）。算完你就会发现，清货不是亏损，拖延才是。
月度报表的颗粒度是"结果"，年度决策需要的颗粒度是"过程"。你用月度报表看到的是"5 月库存变多了"，但你需要知道的是"5 月库存变多是因为 3 月那批货到仓，而 3 月下单是因为 1 月提前锁了供应商产能"。
这就是为什么很多卖家的复盘永远停在"下次注意"这个层面，报表记录结果，不记录决策链。如果你的系统只能给你结果，你就必须手工补一张"决策日志"，把每次补货决策的输入参数记下来，否则永远无法归因。
很多工具把库存简化成"可售库存 + 在途库存"两段，这是不够的。真实的链路至少是三段：在产（已付款未出货）、在途（已出货未入仓）、在仓（已入仓可售/不可售）。
三段的时滞不同，资金属性也不同：在产是已付定金、在途是已付全款、在仓是已付全款且开始产生仓储费。如果把这三段合并成"在途"一个字段，你就无法知道哪一段资金已经"沉"下去了。这是我在选型时必问的一个问题，能答上来的工具不多。
| 库存阶段 | 资金状态 | 主要风险 | 规划中必须记录的参数 |
|---|---|---|---|
| 在产 | 已付定金或全款 | 供应商延期、质量不达标 | 生产天数均值与波动、排期占用 |
| 在途 | 已付全款，未产生仓储费 | 头程时效波动、清关延误 | 渠道时效均值与标准差 |
| 在仓可售 | 已付全款 + 仓储费 | 库容超限、长期仓储费 | 库容上限、动销速度 |
| 在仓不可售 | 已付全款 + 持续计费 | 滞销、退货、账号风险 | 清货触发阈值、处置周期 |
需求层要做两件事：把年度总量拆到月，把整体拆到 SKU 分层。分月不是简单除 12，而是要引入季节性系数、促销节奏和竞品变动预期。
SKU 分层我通常按"动销速度 × 毛利贡献 × 资金占用"三个维度分成四层：核心款（高频补、保安全库存）、利润款（中频补、重点保毛利）、引流款（高频补、严格控资金）、观察款（低频补、设明确淘汰线）。
（1）核心款的补货窗口通常要比标准周期提前 15～20 天。
（2）利润款可以用较长周期一次性补足两个月，摊薄头程成本。
（3）引流款的单 SKU 资金占用必须设上限，否则会侵占核心款额度。
（4）观察款必须有一票否决的淘汰规则，比如连续两个月动销低于阈值就停补。
约束层是大多数卖家缺失的一层。它需要你把五个参数写成数字而不是"大概"：供应商账期（天）、生产周期（天，含波动）、头程周期（天，分渠道）、入仓上架周期（天）、仓库月度库容上限（立方英尺或件数）。
这里有个容易忽略的点：约束参数是随时间变化的，必须按季度校准。比如头程时效在旺季会明显拉长，如果你用全年均值，旺季规划必然失真。我的做法是每个季度用最近 90 天的实际数据重算一次均值和标准差。
资金层的输出是一条曲线，不是一张表。计算方法本身不复杂，难的是口径统一。核心公式我通常写成下面这样：
# 单 SKU 年度库存资金占用（简化模型）
for sku in sku_list:
1) 需求：分月分层预测，不使用年度均值
demand_m = forecast(sku, month, method="trend + seasonal")
2) 约束：补货总周期 = 生产 + 头程 + 入仓上架
lead_time = production_days + shipping_days + inbound_days
3) 安全库存：同时考虑需求波动与交期波动
safety = z * sqrt(lead_time * sigma_demand**2
+ avg_demand2 * sigma_leadtime2)
4) 资金占用：在产 + 在途 + 在仓 + 安全库存
capital = unit_cost * (
demand_m * lead_time / 30 # 在产与在途对应货量
+ safety # 安全库存
+ cycle_stock # 补货周期内的周转库存
)
5) 资金错配判定
if capital > capital_quota[sku]:
flag_mismatch(sku, over=capital – capital_quota[sku])
这段逻辑里最关键的是第 3 步和第 5 步。第 3 步是很多人直接拍一个"30 天安全库存"的地方，但安全库存本质上是波动管理，不是天数管理。需求波动大或交期波动大的 SKU，安全库存天然应该更高；交期稳定的 SKU 即使销量很大，也不需要等比例的安全库存。
第 5 步则是把"资金错配"变成一个可执行的告警。它让规划从"一次性动作"变成"持续运行状态"。
把前三层想清楚之后，就能明确划出软件的能力边界。我用一个简单的判断标准：
软件应该负责"计算、同步、告警、留痕"这四件事；人应该负责"参数设定、异常判断、取舍决策"这三件事。任何试图让软件直接替你决定"要不要清货"的产品，我都会打个问号，因为它不知道你的现金流状况和账号战略。
反过来，如果一个工具只给你报表，不同步在途数据、不做参数校准提醒、不留决策日志，那它连工具都算不上，只是一个更好看的 Excel。
在讲具体落地之前，我先说清楚为什么用数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为这一节的样本：不是因为它功能最多，而是因为它在"年度规划式库存管理"这条路径上的结构最接近我上面讲的三层模型，需求分层、约束参数、资金占用，能在一个地方串起来看。
我实际用一个中等规模的家居类账号跑过一轮，下面讲的是我实际操作的顺序和观察到的结果。数据我已经做过脱敏处理，量级保留，具体数字做了等比例调整。
（1）第一步，把近 24 个月的 SKU 级销量导进去，先看它自动生成的分层是否符合我的判断。这一步我特别关注"动销速度"的口径，因为不同工具对"动销"的定义差别很大，有的是按 30 天，有的是按 90 天。
（2）第二步，手动录入约束参数。这一步没有捷径，供应商生产天数、各头程渠道时效、入仓上架天数，都要自己填。我填的时候用的是最近 90 天的实际值，头程分成了三个渠道分别填。
（3）第三步，设定每个分层的资金上限制，然后让系统跑全年资金占用曲线。我到这一步最想验证的是：它给的全年资金峰值出现在几月，和我手工算的差多少。
（4）第四步，把月度实际值回填，看偏差归因。这是我认为最有价值的一步，因为偏差归因能告诉你，问题出在需求层还是约束层。
第一组是补货建议的差异化程度。系统给出的补货建议不是平均分配，而是明显向核心款倾斜，同时给观察款标了淘汰提示，这个结构和我手工算的结果方向一致。
第二组是资金占用峰值的预测偏差。系统预测的全年资金峰值出现在 9 月，我手工算的是 8 月底到 9 月初，两者相差不到半个月，误差在可接受范围。这个精度对决策足够，因为你要做的是提前两个月安排资金，而不是精确到某一天。
第三组是滞销识别的前置程度。我对比了实际清货时间和它提示的时间，平均提前了约 26 天。这个提前量很关键，因为清货窗口越早，折价幅度越小。
第四组是多店铺数据的汇总口径。我有两个店铺和一个加拿大站，它在汇总层面没有把不同币种混在一起算资金占用，这一点比我自己用表格合并要省事。
第一，约束参数依然需要人工录入，且没有帮我做参数漂移的自动提示。比如头程时效连续三个月拉长了，它不会主动提醒我更新参数。这意味着必须自己建立一个季度校准的习惯。
第二，供应商维度的账期没有深度参与资金曲线。账期影响的是"什么时候真的付钱"，而资金占用曲线目前更接近"什么时候货在手上"。这两个口径在现金流紧张的时候会分叉，需要自己额外补一张现金流表。
把这两点讲出来，是因为我不想把任何工具说成万能。选型的核心不是找完美工具，而是找那个把最关键的几层算清楚、同时短板你能用流程补上的工具。
| 观察维度 | 手工 Excel 测算 | 数跨境测算 | 差异说明 |
|---|---|---|---|
| 补货建议分层 | 需人工分层，约 6 小时/月 | 自动分层，约 1.5 小时/月 | 时间节省主要来自动销口径统一 |
| 资金峰值预测时点 | 8 月底，9 月初 | 9 月 | 误差在半个月内，可用于资金排期 |
| 滞销前置识别 | 依赖人工经验，滞后约 3 周 | 平均提前 26 天预警 | 前置识别直接降低清货折价幅度 |
| 多店铺资金口径 | 需手工统一币种与口径 | 汇总层已按币种区分 | 减少口径错误导致的高估或低估 |
| 约束参数维护 | 手工维护，可控 | 需手工录入，无漂移提醒 | 短板项，需配套季度校准流程 |
这个阶段的卖家，SKU 通常在 30～80 个之间，一个站点为主。我的建议是：不要买系统，先用一张 Excel 把约束参数表建起来，坚持每个月更新一次。
具体动作有三个。第一，把每个供应商的实际生产天数记录下来，连续记三个月取均值。第二，把每个头程渠道的实际时效记下来，区分淡旺季。第三，给每个 SKU 设一个资金上限，超过就停止补货。
这三件事做完，你会发现你的缺货和滞销同时下降。因为大部分问题不是算不出来，而是从来没被记录过。
这个区间是绝大多数卖家的主战场，也是问题最集中的区间。SKU 数量通常超过 120 个，可能已经开始做第二个站点，补货周期变成多段，资金开始成为约束。
我的建议是分三步走。第一步，先做一次完整的年度库存规划复盘，把上一年的资金占用曲线画出来，找出两次峰值和它们的成因。第二步，明确你要软件解决的三个决策，通常就是补货量、补货时点、清货触发。第三步，用这三个决策去筛工具，重点看它能不能算资金占用曲线、能不能做多段补货周期、能不能留决策日志。
这个阶段最容易犯的错是"一次上全套"，把采购、财务、广告、客服全塞进一个系统，结果哪个都没用好。我建议先只解决库存规划这一件事，跑通三个月再加模块。
规模上到这个量级，最大的问题不再是单个 SKU 算不准，而是口径不统一。美国站、欧洲站、加拿大站的库存成本构成不同，仓储费规则不同，退货率不同，如果口径不统一，汇总出来的资金占用是失真的。
我的建议是先花两到三周把口径定下来，做成一份《库存口径手册》，明确库存成本的构成项、在途的定义边界、安全库存的计算方式、以及多币种的折算规则。这份手册定完之后，选工具就变成了"谁能实现这份手册"，而不是"谁的功能多"。
另外这个阶段要开始做跨站点的库存调拨规划。同样一个 SKU，在美国站滞销、在加拿大站可能还有需求，能不能调拨、调拨成本多少、调拨周期多长，这是单纯的补货模型算不出来的。
如果你做的是明显的季节性品类，比如户外、节日礼品、取暖设备，那么年度规划的重点不是补货量，而是补货窗口。窗口错过，补货量算得再准也没用。
我的做法是给每个季节性品类设一个"最晚入仓日"，从这个日期往前倒推：最晚入仓日 – 入仓上架天数 – 头程天数 – 生产天数 – 缓冲天数 = 最晚下单日。这个日期一旦定下来，就是死线，价格和 MOQ 都可以为它让路。
（1）旺季前 4 个月锁定供应商产能，付定金。
（2）旺季前 3 个月完成生产，开始头程。
（3）旺季前 1.5 个月完成入仓，开始预热广告。
（4）旺季结束后 15 天内启动清货评估，不要等到季末。
如果你的库存同时在亚马逊和其他平台上售卖，最容易出的问题是超卖和口径重复。我的建议是：同一个物理库存池只在一个系统里记账，其他平台通过接口读取，而不是各自维护一份。
同时要注意，不同平台的补货逻辑不同。亚马逊看的是 FBA 库存和入仓周期，其他平台可能看的是自发货库存和物流时效，两者的安全库存不能用一个公式套。
很多卖家陷在"把预测做准"这件事上出不来，花大力气调模型、加变量，结果预测精度提升了 3 个百分点，但决策窗口已经错过。
我的判断是：在库存规划这件事上，决策速度的价值高于预测精度。因为预测永远有偏差，而快速反应可以弥补偏差；但反过来，预测再准也弥补不了反应慢。所以我建议把预测做到"够用"就行，把精力放在缩短"发现偏差到采取行动"的时间上。
具体标准：如果你的偏差发现周期超过两周，先优化这个，而不是优化模型。
自动化能省人力，但会带来"错误的自动化"。我见过系统自动下单，结果因为一个参数填错，一次性多补了三个月的货。
我的做法是分级授权。核心款和金额超过阈值的补货建议必须人工确认；观察款和低金额的建议可以自动执行。这个阈值我通常设成单次补货金额超过月度库存预算的 8%（示意值，需按自己资金体量校准）。
（1）自动执行的范围：低金额、高频次、标准化的补货。
（2）必须人工确认：高金额、低动销、新 SKU 首次补货。
（3）禁止自动化：清货决策、供应商切换、价格调整。
统一平台的优点是口径一致、维护成本低；缺点是每个模块都不一定是最强的。组合工具的优点是每个环节都能用最好的，缺点是数据打不通、口径对不齐。
我的经验判断是：在库存规划这个核心环节，优先选统一平台；在广告、客服、合规这些外围环节，可以用组合工具。因为库存规划最怕的就是口径分裂，而广告和客服对口径一致性的要求低得多。
有一定规模的卖家会考虑自建。我的建议是要先算清两笔账：一笔是显性的开发成本，一笔是隐性的维护成本。
隐性成本通常被低估。一个库存规划系统需要持续维护的东西包括：平台接口变更、汇率更新、仓储费规则调整、以及业务规则变化。这些加起来，通常需要至少半个到一个专职人力长期投入。
所以我的判断标准很简单：如果你的年销规模不足以支撑一个专职数据岗位，就不要自建。把资源放在业务判断上，比放在维护系统上回报更高。
| 取舍场景 | 倾向选择 A | 倾向选择 B | 我的判断依据 |
|---|---|---|---|
| 预测精度 vs 决策速度 | 先提升响应速度 | 继续调优模型 | 偏差发现周期超过两周时优先提速 |
| 自动化 vs 人工复核 | 核心款人工确认 | 全流程自动化 | 按单次补货金额占月度预算比例分级 |
| 统一平台 vs 组合工具 | 库存环节用统一平台 | 各环节选最优工具 | 库存最怕口径分裂，外围环节容忍度高 |
| 自建 vs 采购 | 规模够大才自建 | 直接用成熟产品 | 隐性维护成本通常需要一个专职人力 |
把这四组取舍放在一起看，会发现它们共享同一个原则：把有限的管理注意力，放在那些"错了会连锁反应"的环节上。
库存规划之所以排第一，就是因为它错了会连锁：采购错了影响资金，资金错了影响备货，备货错了影响旺季，旺季错了影响全年利润和账号权重。而广告调价、客服话术这些错了，影响范围通常止于当周。
所以你的优化清单应该按"连锁半径"排序，而不是按"痛点强度"排序。痛点最痛的地方不一定是最该动的地方，往往只是最容易被感知的地方。
回到开头那个家居卖家。他真正的问题从来不是软件不好用，而是他把"软件"当成了"决策"的替代品。他以为买了系统，系统就会告诉他该买多少；但系统只能计算他会算的东西，算不出他没想过要算的东西。
这一年下来，我最想传递的一个独特判断是：亚马逊软件的优化，本质上是在优化你的决策结构，而不是优化你的工具列表。工具只是把已经想清楚的决策，变成可复算、可追溯、可告警的状态。想不清楚的部分，工具只会帮你更快地把错误放大。
所以库存管理的年度规划之所以应该放在第一位，不是因为它最重要，而是因为它是最上游。它决定了钱的流向，而钱的流向决定了你接下来能做哪些动作。
如果你现在就想动手，我建议按下面的顺序做，不要跳步：
（1）本周内完成约束参数表，把五个参数写成数字：供应商账期、生产周期、头程周期、入仓上架周期、月度库容上限。每个参数都要有均值和波动范围。
（2）下周把上一年的库存资金占用按月画成一条曲线，标出两次峰值，并写下每次峰值的成因。
（3）第三周给每个 SKU 设资金上限和淘汰线，写进表格，不要只放在脑子里。
（4）第四周再打开你现有的软件，看看它能不能支撑上面三件事。如果不支持，再去选工具。
这四步做完，你大概率会发现：需要的软件功能比你想象的少，但需要的判断比你想象的多。而这，恰恰是优化真正开始的地方。
读者评论
文中提到的‘资金错配率’概念我很感兴趣，但实际操作中怎么界定‘本该补货却没钱补’对应的资金量？这个口径如果每个卖家自己定，横向对比就没意义了。
～150个SKU这个阈值我觉得偏低，我做汽配类目，很多SKU是低频长尾件，实际管理半径比文中说的要大，关键还是看补货周期是否统一。
案例里那个卖家的问题其实不是缺工具，是缺一个能强制他填约束参数的人。我自己用Excel也能建模型，但没人审就永远填不全那几个关键字段。