去年旺季，我帮一家同时做 Shopee、Lazada 和 TikTok Shop 的卖家复盘过一次断货事故。他们的 ERP 里每天都有库存快照、订单流水、采购单和到货记录，数据一点都不缺。但爆款在马来站断货 11 天，同一时间印尼海外仓压着 4000 多件同款卖不动。问题不在于他们没有系统，而在于没有人能从一堆字段里算出“今天到底该补多少”。
我把他们的补货流程从头拆了一遍，发现真正缺的不是 ERP 功能，而是一套能被运营、采购、仓库、财务同时复述出来的指标口径。谁的库存算“可用”，在途算不算数，缺货那几天的销量算不算需求，这些没谈清楚之前，任何补货公式都是在错误的数字上做精确计算。
这篇文章不讲“ERP 是什么”“有哪些模块”，也不做工具推荐榜。我只讲一件事：跨境电商的采购补货，本质是一套指标体系在跑，不是一个功能按钮在跑。我会把自己踩过的坑、用过的口径、算过的公式和看板结构拆开讲清楚。
为了让你读完就能动手，我也会拿自己常用的数据分析工具“数跨境”举例，说明这些指标怎么从多平台数据变成一张能天天看的补货看板。文末会给出不同规模团队的行动建议和取舍清单。
我把过去几年服务过的跨境卖家样本（大概 30 多家，覆盖铺货型、精品型、工贸一体三类）做了个粗略归纳：补货出问题，八成不是公式算错，而是口径没统一。公式只是最后一步，前面四步错了，最后一步再精确也是白算。
ERP 里有“库存数量”“采购在途”“订单量”这些字段，但字段不等于指标。字段是静态的，指标是有口径、有阈值、有责任人的。比如“可售库存”这个指标，至少要定义清楚：是否扣除平台锁定、是否扣除质检不良、是否包含待上架、是否包含在途。同一个数字，四种口径能差出 30% 以上。
很多团队一上来就搭几十个指标的大看板，结果三个月后没人打开。我的经验是，采购补货真正需要的是六组：需求侧、库存健康、采购执行、补货决策、履约结果、资金效益。每组留 3 到 5 个指标，总共 20 个上下，恰好是一页看板能看完的量。
我曾见过一个团队为了把安全库存算到小数点后两位，吵了两个星期；但他们连“日均销量按自然日还是工作日算”都没统一。结果促销月用自然日、平销月用工作日，同一款产品的补货点每月漂移 15%。口径不稳，精度就是噪音。
缺货率是谁的指标？运营会说是采购的，采购会说是运营没给准预测，仓库会说是到货不及时。我在实际项目里的做法是：每个指标只挂一个主责人，其他角色是协同方。这件事听起来很管理，但它直接决定看板有没有人真正在用。
很多老板的困惑是：我 ERP 都上了，为什么采购还是每天在群里问“这个还能撑几天”。我把原因拆成三层：场景本身的复杂度、从字段到指标的四道缺口、以及团队协作上的断点。
第一个变量是多平台。同一个 SKU 在 Shopee、Lazada、亚马逊、TikTok Shop 上卖，各平台销量节奏不同，促销日历不同，退货率不同。你不能把五个平台的销量简单相加后除一个平均值，那样得出的需求预测几乎没有参考价值。
第二个变量是多仓。国内仓、海外仓、平台仓、第三方仓同时存在，库存状态完全不同。平台仓的货你调不动，海外仓的货你要考虑头程，国内仓的货你要考虑尾程时效。“有多少库存”这个问题，在多仓结构下必须变成“哪个仓、什么状态、多久能动”。
第三个变量是长链路。头程海运 25 到 40 天，清关 3 到 10 天，入仓上架又 3 到 7 天。整条链路的提前期波动，比销量波动更容易被忽略，却对安全库存的影响更大。后面我会用公式演示这一点。
第四个变量是销量波动。跨境产品的销量受平台流量分配、竞品降价、达人带货、季节因素影响，日销量的标准差往往能达到均值的 30% 到 50%。这意味着简单的“日均销量乘天数”一定会翻车。
缺的第一样是口径。同一个“库存”，运营看的是平台后台的可售数，采购看的是 ERP 的账面数，仓库看的是实物盘点数。这三个数字对不上，讨论就不可能收敛。
缺的第二样是阈值。知道“可售天数 12 天”没有用，除非你知道低于多少天要触发预警。没有阈值，指标就只是数字，不产生动作。
缺的第三样是动作。预警触发之后，谁在多久内做什么？是采购直接下单，还是要运营确认促销计划？很多团队卡在这一步，看板每天红着，没人处理。
缺的第四样是复盘。补完之后，缺货有没有减少、滞销有没有增加、资金有没有变重？不复盘，指标体系就不会进化，半年后还是那套拍脑袋逻辑。
回到开头那家卖家。我在他们 ERP 里拉了 30 天的数据，发现一个很典型的现象：马来站的日均销量从 30 件掉到 12 件，采购看到“销量在跌”，就把补货计划砍了；实际上那 6 天是断货，不是需求下降。真实的日均需求应该在 33 件左右。
与此同时，印尼海外仓因为两个月前的一次大促备货，同款还压着 4000 多件。两个仓的库存没有打通，采购在马来站看到了“需求下滑”，在印尼仓看到了“库存充足”，两个信息叠加，得出的结论是“不用补”，而正确结论应该是“把印尼的货调过去，或者紧急补一批到马来”。
这个案例里没有任何一个环节是“系统不行”，全部是指标口径和跨仓数据割裂造成的。它也解释了为什么我一直强调：采购补货的前提，是把库存头寸这个概念真正算清楚。
可用库存头寸（也叫可承诺库存）不是账面在库数。它应该等于：在库可售，减去平台已锁定和已下单未发货，减去质检不良和待处理，加上在途已确认，加上待上架可分配的部分。写成一行就是下面的形式。
可用库存头寸 = 在库可售 − 订单锁定 − 质检不良 − 待处理冻结 + 在途已确认 + 待上架可分配
我见过太多团队直接用“在库数量”做补货计算，结果在途 800 件的货被重复下单，等两批货同时到仓，资金和仓容一起爆掉。这个问题在旺季尤其常见。
断货期间销量下滑，这是常识。但在 ERP 里，销量字段不会自动标注“这几天没货”。如果采购直接拿这个数字做预测，就会系统性地低估需求，从而陷入“越断越不敢补、越不补越断”的循环。
我的做法是给日均销量加一个修正字段：修正日均销量 = 统计期总销量 ÷（统计期天数 − 缺货天数）。只有在缺货天数占比超过 5% 时才启用修正，否则会过度放大。这个阈值是我自己踩坑后定的，太敏感会让预测跳来跳去。
我把这几年的复盘记录整理了一遍，发现真正反复出现的就是六个误区。它们有一个共同点：看起来都是小事，但每一个都能单独造成几十万的库存损失。
这是最普遍的一个。判断方法很简单：去看这个 SKU 在断货期间的在库天数占比。如果可售天数低于 30%，销量数据基本不可信。修正方法就是前面讲的，用有货天数做分母重算日均。
需要提醒的是，修正不能滥用。如果缺货是因为产品本身在衰退，那你修正之后反而会高估需求。我通常会把“缺货天数占比”和“断货前 4 周销量趋势”一起看，两个信号一致才做修正。
“所有 SKU 统一备 30 天安全库存”，这句话我听过的次数不少于 20 次。它的问题在于，安全库存本来就是为了吸收不确定性而存在的。A 产品日销稳定在 50 件、提前期稳定，B 产品日销在 5 到 80 件之间跳、提前期波动两周，两者用同一个安全库存，必然一个积压一个断货。
这是前面瀑布图讲的问题。我在一家铺货型卖家那里见到过极端情况：同一个 SKU 一个月内被下了四张采购单，因为采购每天看库存都是“低于补货点”，却没意识到前三张单的货还在海上。补货公式里，在途和锁定必须作为减项。
周转率是一个结果指标，它天然鼓励“少备货”。如果只看周转率，团队就会倾向于压低库存，短期数据很漂亮，代价是缺货和订单流失。我一般会把周转率和缺货率、订单满足率放在同一屏，让它们互相制衡。
具体的判断标准是：如果周转天数下降的同时缺货率上升，那不是效率提升，那是把成本从库存转移到了销售损失上。这两笔账要一起算。
我见过最典型的失败案例，是一个团队做了 40 多个指标的大屏挂在办公室，三个月后没人打开。原因不是数据不准，而是没有任何一个人的 KPI 和这些指标挂钩。指标一旦没有责任人，就会退化成装饰。
很多 ERP 都有补货建议功能，但它的输出质量完全取决于输入参数。提前期填的是 30 天，实际到货是 45 天；MOQ 没维护，建议量直接下单会被供应商拒；服务水平统一按 95% 算，高毛利品和清仓品用同一套逻辑。自动补货不是开关，是参数治理的长期工程。
| 误区 | 典型表现 | 直接后果 | 修正动作 |
|---|---|---|---|
| 缺货期销量当真实需求 | 断货月预测明显偏低 | 越断越不敢补 | 用有货天数重算日均，并校验趋势 |
| 安全库存一刀切 | 所有 SKU 统一 30 天 | 爆款断货、长尾积压 | 按销量波动和提前期波动分档 |
| 不减在途和锁定 | 同一 SKU 重复下单 | 资金与仓容双爆 | 补货量公式引入在途与锁定减项 |
| 只看周转率 | 周转天数下降但缺货上升 | 销售损失被掩盖 | 周转率与缺货率同屏监控 |
| 指标无责任人 | 看板三个月后无人打开 | 体系退化为装饰 | 每个指标挂一个主责人 |
| 把自动补货当开关 | 直接采纳系统建议量 | 下单被拒或过量 | 先治理提前期、MOQ、装箱率等参数 |
这一节是整篇文章最硬的部分。我把采购补货需要的指标拆成六组，每组给出定义、口径和异常信号，然后给出三个核心公式，最后讲参数怎么校准。你可以直接拿这一节当团队内部的指标定义文档使用。
第一类是商品口径。SKU、变体、组合品、捆绑装怎么算？一个 Listing 下有 5 个颜色变体，是每个变体独立补货，还是合并成一个补货单元？我的建议是：采购按变体算，预测按父体看趋势，两者通过映射表关联。
第二类是库存状态口径。可售、锁定、在途、待上架、质检不良、退货在途、冻结、报废，这些状态必须一一对应到 ERP 字段。状态定义不清，库存头寸就永远算不准。
第三类是时间口径。日均销量是按自然日、工作日还是可售日算？采购提前期是按合同天数、实际到货天数还是到仓上架天数算？这三个问题的答案不同，补货点会差出 20% 以上。
第四类是渠道与仓口径。平台仓、海外仓、国内仓、第三方仓，哪些库存可以跨仓调拨，哪些只能本地消耗。这个判断决定了补货是“全局算一次”还是“分仓各算一次”。
需求侧的核心是日均销量和它的修正版本。我一般会维护四个字段：原始日均销量、修正日均销量（剔除缺货影响）、季节系数、促销系数。四个字段叠加之后，才是用于补货计算的需求值。
判断异常的信号是预测偏差率：预测值减去实际值再除以实际值。如果连续两个月偏差超过 20%，说明这套预测方法对这类产品不适用，需要换成按周颗粒度或引入趋势项。
这一组最常用的是可售天数，也就是当前可用库存头寸除以修正日均销量。它比库存数量直观得多，因为“还能卖 12 天”是所有角色都能听懂的语言。
配合使用的还有周转天数、动销率、售罄率和滞销库龄。需要注意，周转天数和可售天数的计算口径不一样，前者用的是出库成本，后者用的是数量。我在看板上会把两个都放上去，避免团队混用。
这一组决定安全库存的可信度。核心是实际采购提前期和提前期标准差。很多团队只维护一个“合同提前期”，但真正影响补货的是最近三次实际到货的平均天数和波动。
另一个关键指标是供应商准时交付率。如果这个值长期低于 85%，那么无论你的安全库存公式多精确，实际履约都会出问题。这种情况下应该先解决供应商，而不是继续加安全库存。
这一组是动作层：补货点、安全库存、建议补货量、目标覆盖天数、紧急补货占比。前三个是计算结果，后两个是评估结果。紧急补货占比如果长期高于 10%，说明补货点设置偏保守或者提前期数据不准。
缺货率、订单满足率、现货率、断货损失，这四个指标衡量补货体系到底有没有效果。断货损失可以用“缺货天数 × 修正日均销量 × 单位毛利”做粗略估算，虽然不精确，但能让财务和老板直观理解缺货的代价。
库存资金占用、库存周转率、仓储成本、滞销减值。这一组是给财务和老板看的。它的作用不是指导每天补货，而是给整套体系设一个约束边界：库存总额不能无限扩张，安全库存水平不能只考虑服务水平不考虑资金成本。
公式本身不复杂，难的是参数。我先给公式，再讲每个参数怎么来。
安全库存 SS = Z × √(LT × σd² + d² × σLT²)
Z = 服务水平系数（90% → 1.28；95% → 1.65；97.5% → 1.96；99% → 2.33）
LT = 平均采购提前期（天）
σd = 日销量的标准差（件）
d = 平均日销量（件）
σLT = 提前期的标准差（天）
这个公式比常见的简化版多了一项：提前期波动。很多人只算 Z × σd × √LT，忽略了 σLT，结果安全库存被严重低估。我用一组真实结构的数据演示一下差别。
假设 d = 30 件/天，σd = 12 件，LT = 20 天，σLT = 5 天，服务水平取 95%（Z = 1.65）。只考虑销量波动时，安全库存约等于 1.65 × 12 × √20 ≈ 89 件；把提前期波动加进去，安全库存约等于 1.65 × √(20 × 144 + 900 × 25) ≈ 263 件。差了接近 3 倍。
这就是为什么我一直说，提前期数据的质量，比销量预测的精度更影响补货结果。而提前期恰恰是大多数团队最不认真维护的数据。
补货点 ROP = 修正日均销量 d × 平均提前期 LT + 安全库存 SS
沿用上面的数字：ROP = 30 × 20 + 263 = 863 件。意思是当可用库存头寸降到 863 件时，就应该触发采购。注意这里用的是“可用库存头寸”，不是账面在库。
目标库存 T = 修正日均销量 d × (提前期 LT + 覆盖周期 C) + 安全库存 SS
建议补货量 Q = 目标库存 T − 可用库存头寸 IP + 已锁定待发
（IP 已包含在途已确认部分，因此无需重复减在途）
继续用上面的数字，覆盖周期取 30 天，可用库存头寸 400 件，已锁定待发 60 件。目标库存 T = 30 × 50 + 263 = 1763 件，建议补货量 Q = 1763 − 400 + 60 = 1423 件。
得到 1423 件之后，还要做三道修正：按 MOQ 向上取整、按装箱率取整、按供应商产能和船期确认可执行性。如果装箱率是 20 件/箱，1423 件会取整到 1440 件；如果 MOQ 是 500 件，则满足条件。
| 参数 | 数据来源 | 常见错误 | 建议校准频率 |
|---|---|---|---|
| 平均日销量 d | ERP 订单流水，剔除缺货日 | 直接用自然日销量不做修正 | 每周 |
| 销量标准差 σd | 近 8 到 12 周日销量 | 用太长窗口导致波动被抹平 | 每月 |
| 平均提前期 LT | 最近 3 次实际到仓上架天数 | 用合同天数代替实际天数 | 每次到货后 |
| 提前期标准差 σLT | 最近 3 到 6 次到货记录 | 默认提前期稳定，σLT 取 0 | 每月 |
| 服务水平 Z | 按品类毛利和竞争度分档 | 全公司统一 95% | 每季度 |
| 覆盖周期 C | 结合船期、仓容和资金 | 所有 SKU 统一 30 天 | 每季度 |
公式讲完之后，最常见的下一句是“那我们怎么落地”。我的实践顺序是：先做数据看板，再谈采购流程改造，最后才考虑换 ERP 或者上更复杂的系统。原因很简单，看板是低成本试错，流程改造是中成本，换系统是高成本。
ERP 解决的是交易和单据的流转，它的强项是订单、采购单、出入库这些流程记录。但采购补货真正需要的是跨平台、跨仓、跨时间的指标聚合，这恰恰是很多 ERP 的弱项。ERP 里每个单据都是对的，但把它们拼成一张补货决策表，往往需要额外做一层分析。
换 ERP 的成本很高：数据迁移、流程重构、团队重新培训，周期通常 3 到 6 个月。而搭一套看板，如果工具选对，两三周就能跑起来，先验证指标口径是不是对的，再决定要不要动系统。
我这两年用得比较多的工具之一是数跨境。它的定位是跨境电商数据分析和经营看板，把多平台多店铺的数据汇到一处，做成可复用的指标看板。它不解决“要不要下单”这个决策本身，它解决的是“数字从哪来、放在一起能不能看、异常能不能被看见”。
我在实际项目里的用法是：把 ERP 导出的订单、库存、采购单、到货记录和平台后台的销量数据一起汇进去，先做库存头寸的还原，再做需求侧的修正日均，最后拼成补货建议表。关键不是工具有多强，而是它逼着团队把口径显式写出来，一旦口径写成字段，争论就会从“我觉得”变成“这个字段定义是什么”。
另外一个实际的好处是异常预警。库存指标最大的价值不在于每天看一遍，而在于当某个 SKU 的可售天数掉到阈值以下、或者提前期突然拉长时，能自动把信息推到责任人面前。人工翻表是翻不过来的，尤其是铺货型卖家动辄几千个 SKU。
日监控层只放三类内容：低于补货点的 SKU 清单、可售天数低于阈值的 SKU 清单、在途异常（超过预计到货时间未到）的采购单。这一层是给采购和运营日常用的，字段要少，动作要明确。
周复盘层看四个指标：库存周转天数、动销率、缺货率、紧急补货占比。这一层是给运营负责人和供应链负责人用的，重点是看趋势，不是看单点数字。一周一次刚好，太频繁会陷入噪音。
月校准层看三件事：预测偏差率、供应商准时交付率、库存资金占用。这一层是给老板和财务用的，也是调整服务水平、覆盖周期这些核心参数的依据。
这个场景的核心是区分“真实需求下降”和“缺货失真”。要看修正日均销量、断货天数占比、断货前 4 周销量趋势三个指标。如果修正后的日均明显高于原始日均，且断货前趋势向上，那就是缺货失真，应该恢复甚至提高补货量。
常见错误是看到销量下滑就砍单，然后在下一轮又因为缺货继续砍单，形成负向螺旋。这个错误我自己也犯过，代价是一个爆款在旺季整整掉出类目前 50。
这个场景要看分仓可用库存头寸、头程在途、平台仓入库时效、跨仓调拨成本。核心判断是：这一批货应该直接补到平台仓，还是先到海外仓再分拨。如果平台仓补货周期长于头程周期，那尽早发头程反而更划算。
我通常会用“覆盖天数”做对比：平台仓可售天数如果低于 20 天，而头程还需要 30 天，那就要考虑紧急空运或者从海外仓调拨，即使后者单件成本更高。
旺季要放大安全库存，因为断货的损失远大于多备货的成本。但长尾 SKU 要用另一套逻辑：不追求不缺货，追求尽快清掉。判断依据是库龄和动销率，超过 90 天未动销的 SKU 应该进入清仓通道，而不是继续参与补货计算。
我见过太多团队把长尾 SKU 也纳入统一补货逻辑，结果备了一批永远卖不掉的货，仓库费和维护成本持续消耗。补货体系一定要有“退出机制”，让不健康的 SKU 自动离开补货池。
指标体系的搭建方式，跟团队规模、SKU 数量、渠道结构强相关。我按三种典型情况给建议，你可以对号入座。
这个阶段不要追求体系完整，重点是把口径统一和爆款精算做起来。建议只维护 30 到 50 个核心 SKU 的补货计算，其余用统一规则批量处理。
工具上，一个表格加上基础的数据看板就够用。每天花 20 分钟看一次低于补货点的清单，比搭一个 40 个指标的大屏有效得多。这个阶段最大的风险是过度设计，把一个简单问题复杂化。
这个阶段开始出现明显的规模不经济：SKU 多了，靠人翻表翻不过来；仓多了，跨仓调拨判断变复杂。建议把指标分层：Top 15% 的 SKU 做精算，中间 35% 做规则化补货，底部 50% 走批量补货和清仓逻辑。
这一层最需要的是把数据聚到一起的看板能力。我在这个规模段见过的失败案例，基本都是数据散在五六个后台，每个人看的数字都不一样。先解决“看同一份数字”，再解决“算得准”。
这个阶段要开始考虑补货的自动化执行和参数治理。建议成立一个跨部门的库存计划角色，专门负责服务水平、覆盖周期、安全库存倍数这些参数的季度校准。参数治理不是一次性的项目，而是长期运营动作。
同时要把补货结果和财务指标打通：库存资金占用、滞销减值、仓储成本这三项要和补货决策一起看。否则补货会变成只对缺货负责、不对资金负责的单边优化。
| 团队规模 | 核心目标 | 指标范围 | 工具建议 | 最大风险 |
|---|---|---|---|---|
| GMV 500 万以下 | 爆款不断货 | 30 到 50 个核心 SKU | 表格加基础看板 | 过度设计，体系无法落地 |
| 500 万到 5000 万 | 库存与缺货平衡 | 分层：精算、规则、清仓 | 多平台数据看板 | 数据割裂，口径不一致 |
| 5000 万以上 | 资金效率与履约质量 | 全量指标加参数治理 | 看板加自动化流程 | 只对缺货负责不对资金负责 |
运营要做的是把促销计划、上新节奏、平台活动提前 4 周同步给采购，并维护好修正日均销量这个字段。运营不给计划，采购只能靠猜。
采购要做的是维护真实提前期和供应商准时交付率，而不是只维护合同天数。这两项数据质量，直接决定安全库存准不准。
仓库要做的是保证库存状态及时准确，尤其是质检不良和待上架这两个状态。这两个状态如果不及时更新，库存头寸就会失真，补货计算跟着失真。
指标体系落地过程中，一定会遇到需要权衡的地方。我把最常见的五组取舍列出来，并给出我的判断。
把安全库存公式做成包含季节性、促销系数、渠道系数的复杂模型，理论上更准，但实际上很难维护。我的判断是：先保证口径正确，公式可以先用简化版。等数据质量和团队习惯稳定之后，再逐步增加复杂度。很多团队一上来就做复杂模型，结果参数没人维护，半年后完全失效。
服务水平从 95% 提到 99%，安全库存会增加大约 40%。这 40% 的库存值不值得，取决于产品的毛利和缺货损失。高毛利爆款值得，低毛利长尾不值得。我一般按品类分档：核心爆款 97.5%，常规款 95%，长尾款 90%。
集中采购的规模效应明显，能拿到更低价格和更优船期，但对分仓需求的响应变慢。分仓备货响应快，但资金占用和仓储成本都会上升。我的判断是：核心爆款分仓，长尾款集中。这也是为什么前面强调要按缺货损失做分层，分层之后取舍才有依据。
自建看板的优势是完全贴合自己业务，劣势是维护成本高、迭代慢、依赖特定的人。现成工具的优势是上手快、有行业通用口径可以借鉴，劣势是需要适配。我的建议是：先看现成工具能不能覆盖 80% 的需求，剩下的 20% 再补。在成本结构上，这通常比自建更划算，尤其是团队没有专门数据人员的时候。
我的判断是分品类处理。常规款、低单价、供应稳定的 SKU 可以走向自动补货，减少人工；爆款、高单价、新品的补货建议保留人工审批环节。即使是自动补货，也应该有兜底规则：单次补货金额超过阈值、或超出历史均值 3 倍时，强制转人工。
| 取舍点 | 倾向方案 A | 倾向方案 B | 我的判断依据 |
|---|---|---|---|
| 精度与复杂度 | 复杂模型，参数多 | 简化公式，口径优先 | 先口径后精度，参数需有人长期维护 |
| 服务水平与资金 | 统一 97.5% | 按品类分档 | 缺货损失与毛利强相关，分层才合理 |
| 采购与备货 | 集中采购 | 分仓备货 | 核心爆款分仓，长尾集中 |
| 工具选择 | 完全自建 | 现成工具加补充 | 先覆盖 80%，剩余 20% 自建补充 |
| 补货执行 | 全部人工审批 | 常规自动加爆款人工 | 按金额和品类设兜底规则 |
回到文章开头那个案例。那家卖家最后并没有换 ERP，他们做的事情是三件：统一库存头寸口径、上线修正日均销量、把两个仓的库存放到同一张看板上。三个月后缺货率从 11.8% 降到 4.2%，滞销占比从 19.5% 降到 9.1%。改变的不是工具，是决策依据。
我对这件事的核心判断有三条。第一，补货的问题九成出在口径，不是出在算法；第二，提前期数据的质量比销量预测精度更影响结果；第三，指标必须绑定责任人和处理时限，否则再漂亮的看板也只是装饰。
你现在可以做的第一步，不是去买工具，而是把下面六个字段在团队内部定义清楚：可用库存头寸、修正日均销量、平均提前期、提前期标准差、补货点、建议补货量。这六个字段定义完，你会发现很多争论自然就消失了。
第二步，拿你手上最核心的 20 个 SKU，用文章里的公式算一遍，和采购的经验值做对比。差异超过 30% 的那些 SKU，就是最值得深挖的地方，要么是口径错了，要么是经验里有没被写下来的信息。
第三步，如果多平台多仓的数据你已经翻不过来了，可以先用数据看板把数字聚到一处，比如我常用的数跨境这类工具，先把口径、阈值、责任人这三件事跑通，再考虑流程和系统的改造。补货体系的建设是有顺序的，顺序错了，投入越多返工越大。
我们团队用ERP管多平台店铺，采购补货一直靠运营报销量、采购拍脑袋，结果爆款断货和滞销压仓同时出现。我也试过把销量拉出来做表，但发现销量高不代表该补，销量低也不代表不该清。到底哪些指标才是采购补货真正要看的？
采购补货不能只看销量，要按六组指标一起看：需求预测组看日均销量、预测偏差、季节系数、促销系数；库存健康组看可售天数、周转天数、动销率、滞销库龄；采购执行组看采购提前期、供应商准时交付率、到货合格率、MOQ达成率；补货决策组看补货点、安全库存、建议补货量、覆盖天数；
履约结果组看缺货率、订单满足率、现货率；资金效益组看库存资金占用、周转率、仓储成本。判断依据是：销量只解决‘要卖多少’，补货还要解决‘现在有多少、在路上多少、多久能到、到了卖给哪个仓’。落地时先统一SKU、库存状态、时间、渠道仓四个口径，再把指标分到日、周、月看板，否则ERP里的数据越多，补货越乱。
我之前用ERP补货，安全库存直接按‘日均销量乘7天’设，结果旺季断货、淡季压仓，不同SKU表现差得离谱。后来想改成公式算，又不知道服务水平、提前期波动这些参数该怎么取。安全库存和补货点有没有可执行的计算口径？
安全库存和补货点不要一刀切，至少按ABC分类和渠道分开。可执行口径是：补货点=日均销量×补货周期+安全库存；安全库存可以用简化式‘日均销量×波动系数×√采购提前期’，也可以用统计式‘Z×√(提前期×销量标准差²+日均销量²×提前期标准差²)’。Z值按服务水平取，95%服务水平约等于1.65。
提前期不要用平均值，建议取历史到货的P90，比如平均15天但P90是22天，就按22天算。参数校准要纳入MOQ、装箱率、头程时效、平台仓入仓预约、促销计划。判断依据是：A类爆款先做单SKU精细参数，B类按品类合并，C类用统一规则并定期清理。
算完建议补货量后，还要减可用库存、可信在途和锁定库存，再按MOQ向上取整。
我们做Shopee、Lazada、速卖通和亚马逊，国内仓、海外仓、平台仓都有货，ERP里采购在途、头程在途、尾程在途分在不同模块。每次补货，运营说平台仓缺，采购说国内仓还压着，最后不是重复补就是补错仓。多平台多仓场景下，库存口径到底怎么统一？
先建一套库存状态字典：可售、锁定、在途、头程在途、尾程在途、平台仓在途、不良、退货在途，全部按SKU+变体+仓库+渠道+状态打标签。可用库存建议统一为‘本地可售+平台仓可售+ETA可信的在途-锁定-不良-不可售’，ETA可信要设窗口，比如超过30天未更新的在途不计入可用。
多仓补货分两步：先按渠道历史销量和增长系数做需求分配，算出每个仓的补货点；再把各仓建议补货量合并到采购单，避免同一SKU在多个仓重复触发。判断依据是：平台仓、海外仓、国内仓的补货周期不同，必须分仓算覆盖天数，不能拿总库存除总销量。
ERP字段至少要有SKU、仓库、渠道、状态、数量、ETA、采购提前期、MOQ、装箱率，否则公式一定失真。
我们已经在ERP里拉了一堆报表，但采购不看、运营不看，预警每天弹几十条，最后变成谁都不负责。老板问我补货指标有没有用，我也说不清。看板到底该放哪些指标、阈值怎么设、谁来处理？
看板要分层，不要一张大表丢给所有人。日监控放缺货SKU、紧急补货、异常在途、负库存，责任人主要是运营和采购；周监控放可售天数、周转天数、滞销库龄、补货执行率，责任人主要是采购和仓库；月监控放预测偏差、供应商准时交付率、库存资金占用、缺货率，责任人主要是供应链负责人和财务。
阈值按ABC和品类分级，比如A类可售天数低于安全天数×1.2就预警，缺货率超过2%进入周复盘，滞销库龄超过90天自动进清仓池。判断依据是：预警必须绑定动作和闭环，格式是‘指标异常→建议补货量/清仓量→审批→PO或调拨→到货/清仓复盘’。
先跑通20%的A类SKU，不要一上来全自动，否则数据口径没统一，看板只会制造更多救火。
读者评论
断货期间销量被当成真实需求这个点太真实了，我们之前就是越断越不敢补，后来加了有货天数修正才好转，但阈值确实要谨慎设。
库存头寸公式那部分很实用，我们采购之前就是只看在库数量，结果在途货被重复下单，旺季两批货同时到仓，资金压力直接爆掉。
多平台销量不能简单相加除平均，这点我们做东南亚市场深有体会，各站促销节奏完全不一样，统一口径比优化公式有价值多了。
指标绑定责任人这个说法听起来偏管理，但确实关键。我们之前做了大看板没人看，后来把缺货率挂到具体人头上，才真正有人每天去跟进处理。
安全库存一刀切的问题我们也踩过，日销稳定的和波动大的用同一套标准，结果一个积压一个断货，现在按ABC分类分开设阈值。