去年第三季度，我帮一个做家居品类的跨境团队做补货流程复盘。那家团队不算小，20多个人，SKU 380个左右，主站是美国和德国，ERP用的是市面上比较主流的那一类。复盘会上有个场景我印象特别深：运营负责人打开自己的表格说某个爆款链接最多还能撑9天，采购主管打开ERP库存页说够卖三周，财务翻出资金表说这个SKU已经压了40多万货值不能再补了。三个人用的都是"系统里的数据"，但得出的结论差了将近一倍。
这不是谁在撒谎，也不是谁不专业。问题出在他们各自算的是三本账，运营算的是"可售库存除以近期销速"，采购算的是"ERP总库存除以月均销量"，财务算的是"库存金额和周转天数"。三本账在同一场会上被当成同一件事来讨论，冲突就必然发生。
所以我一直认为，跨境电商的采购补货难题，本质上是口径协同问题，不是公式问题。这篇文章想讲的不是"补货公式怎么设"，而是"一个团队怎么让补货这件事从三个人的判断变成一组人的共同判断"。我会把这几年踩过的坑、验证过的口径设计、以及在数跨境这类数据工具上实际搭过的看板结构，都摊开来说。
如果你现在正被补货问题困扰，先接受一个可能有点反直觉的判断：绝大多数跨境团队的补货公式其实都没错，错的是每个人用的输入不一致。公式本身无非是"预估销量×覆盖周期+安全库存-可用库存"，这套逻辑十年前就是这样，今天还是这样。真正的差异藏在输入项里，销量用哪一段、库存算哪几类、覆盖周期按什么定。
把刚才那个案例拆开看。同一个SKU，近30天卖了2400件，近7天卖了700件，近3个月月均卖1900件。
运营看到近7天的数据在放量，用的是7天日均（100件/天）×覆盖45天，算出需要备4500件，减掉可用库存800件，建议补3700件。
采购用近3个月月均（63件/天）×覆盖30天，算出需要1890件，减掉ERP里的总库存2600件（含在途1200件），得出"不用补"。
财务看到的是库存金额和周转天数，这个SKU当前周转天数是68天，超过团队设定的60天红线，结论是"先消化"。
三个人的计算过程都没问题，结论却从"补3700件"到"不用补"横跨了一个数量级。这就是典型的口径断裂：输入不同，输出必然打架。
刚做这件事的时候，我的思路很直接，既然大家口径不一致，那就做一张"全量数据表"，所有字段都放进去，谁需要什么自己取。结果这张表做到了80多列，从平台订单、ERP库存、物流轨迹到供应商交期全都有。
结果是什么？几乎没人用。运营嫌字段太多看不懂，采购嫌刷新太慢，财务嫌没有金额维度。一张所有人都能看的表，等于一张所有人都不会看的表。这是我付出的第一笔学费。
后来我才想明白：协同不是让所有人看同一张表，而是让所有人看同一套口径、不同的视图。口径是公共的，视图是个性化的。这两件事必须分开设计，混在一起做出来的东西就是四不像。
换个角度理解补货协同。每一次补货决策，团队都要付出一次"共识成本"，开会、对表、争论、拍板。这个成本跟SKU数量、参与人数、口径分歧程度正相关。
SKU 100个、3个人参与、口径分歧小的时候，共识成本还能靠人扛。一旦SKU涨到500个、参与方变成5个、多站点多币种，共识成本就会指数级上升。这时候靠"每周开会拍一遍"已经完全不可行。
所以数据方法要做的事，不是让判断更聪明，而是把共识成本压到可以规模化。具体来说，就是把那些反复争论的口径问题，一次性固化成所有人都认的数据字段。
前面讲的逻辑可能偏抽象，这一节我把它落到具体的日常里。因为补货协同的痛点，往往不是出现在决策那一刻，而是出现在决策之前那一周的反复拉扯里。
运营的核心诉求是"不断货"。断货意味着链接权重下滑、广告白烧、竞品抢位。我观察到的一个真实情况是，美区一个稳定出单的链接断货两周，恢复期通常需要三到四周才能回到断货前的BSR位置，期间的广告成本要高出平时30%以上。所以运营天然倾向于多备一点、早备一点。
采购的核心诉求是"不重复下单、交期可控"。跨境采购的难点在于，一旦下单，改单成本极高，取消订单可能影响供应商关系。加上头程周期长，一个订单从下单到上架可能横跨两个月，中间出任何岔子都要采购背锅。所以采购天然倾向于保守。
财务的核心诉求是"资金不被库存锁死"。跨境卖家的现金流本来就紧，尤其是旺季前备货期，一笔采购可能占用几十万现金。财务看的是周转天数、库存金额占营收比、滞销库存占比这些指标。
三个诉求都合理，但它们在同一个SKU上的最优解是互相冲突的。协同不是消灭冲突，而是给冲突一个可量化的谈判基准。
我记录过某团队的补货决策时间线，从发现问题到最终下单，整整花了11天。这11天里链接一直在卖，库存一直在掉，等订单真正下出去，原本的45天覆盖期其实只剩34天。
这个流程里，真正在做"判断"的时间加起来可能不到4小时，剩下的10天多全都消耗在对齐口径和寻找决策依据上。这就是共识成本失控的样子。
很多团队觉得"开会讨论一下挺正常的"，不会把它当成成本。但如果把时间成本、机会成本、决策延迟成本加在一起，数字其实不小。
以刚才那个团队为例，20人团队里直接参与补货决策的有5人（运营2、采购1、财务1、负责人1），一次补货争议平均消耗每人每天1.5小时、持续11天，合计约82.5人时。按人均月薪1.5万、月工时176小时折算，单次争议的人力成本约7000元。
这个团队每月大概有6-8个SKU需要走这种流程，一年下来光是"讨论补货"这件事就要消耗50-70万人时。更别说因为决策延迟导致的断货损失，按他们自己的统计，全年因为补货不及时造成的断货，影响销售额约占总营收的4%-6%。
这笔账大部分团队从来没算过，但它真实存在于每一周的例会里。
讲完场景，说说误区。这一节列的五条，有的是我亲身踩过的，有的是在给别人做复盘时反复看到的。它们的共同特征是：看起来是在解决补货问题，实际上是在制造新的口径分歧。
最常见的做法是"安全库存=日均销量×1.5倍覆盖天数"。这个1.5是哪来的？问下去基本没人说得清，多半是某个行业文章里抄的，或者前任留下的。
问题在于，安全库存的本质是对冲不确定性，而不确定性是可变的。海运时效波动大、供应商交期不稳定、新品需求难预测的品类，安全库存系数就该高；反之就应该低。用一个固定系数套所有SKU，等于承认自己不知道哪些SKU风险高。
更合理的做法是按SKU分层设系数。我通常建议用三个维度打分：需求波动率（近8周销量标准差/均值）、交期波动率（近5次实际交期标准差/承诺交期）、以及该SKU的断货损失等级。三个维度各分高、中、低，组合出系数区间。
这是采购侧最常犯的错，我在早期也犯过。用月均销量看起来更"稳定"，但它有个致命问题：对趋势变化的响应太慢。
一个正在起量的SKU，近3个月月均63件/天，但近7天已经涨到100件/天。如果按月均算覆盖，等发现库存不够时，其实已经晚了。反过来，一个正在掉量的SKU，月均还很高，按它算就会过量备货。
我的建议是用"分层加权日均"：近7天日均权重40%，近8-30天日均权重35%，近31-90天日均权重25%。这样既有短期敏感度，又不会被单日异常拉偏。当然具体权重需要按品类节奏调整，快消品可以更偏短期，耐用品可以更平均。
这里有个我实际用过的计算逻辑，可以给个伪代码示意：
# 分层加权日均销量计算示意
def weighted_daily_sales(sku):
d7 = sales_sum(sku, days=7) / 7 # 近7天日均
d30 = sales_sum(sku, days=30) / 30 # 近30天日均
d90 = sales_sum(sku, days=90) / 90 # 近90天日均
剔除退款与取消订单后的净销量
net_ratio = 1 – refund_rate(sku) – cancel_rate(sku)
base = d7 * 0.40 + d30 * 0.35 + d90 * 0.25
return base * net_ratio
补货建议量
suggest_qty = (
weighted_daily_sales(sku) * coverage_days(sku)
+ safety_stock(sku)
available_stock(sku) # 可售库存
in_transit_available(sku) # 预计到货在途
)
关键不在这段逻辑本身，而在于团队里所有人引用的是同一个函数结果。运营看到的是这个数，采购看到的也是这个数，争论的焦点就从"你算得对不对"变成"覆盖天数定多少"，后者是个可以被讨论、被复盘的商业判断。
供应商说15天，实际平均22天，这个差距在补货计算里是致命的。我见过一个团队，补货周期里供应商交期一律填15天，结果全年有一半以上的订单实际交期超过20天，安全库存怎么也兜不住。
正确做法是用实际交期分布替代承诺交期。记录每次订单的实际到货天数，取近5-8次的P75（75分位）值作为计算输入，而不是用平均或承诺值。用P75意味着你有75%的概率能在这个时间内到货，安全库存只需要兜住剩下25%的情况。
这个改动听起来很技术，但效果很直接。某团队把交期输入从承诺值改成P75实际值之后，因为交期误判导致的紧急空运次数从每月4-6次降到1-2次。
国内电商的库存结构相对简单，跨境多出一大截。一个订单从供应商发货，到真正能在平台上被消费者买到，中间要经过：供应商发货 → 集货仓 → 头程运输（海运/空运/铁路）→ 目的港清关 → 海外仓入库 → 上架可售。
这整条链路上，货物的状态是连续的，但在很多ERP里是断开的：ERP里显示"在途"的库存，可能还在国内集货仓，也可能已经在目的港等待清关。把这两种状态混为一谈，补货判断就会失真。
我的做法是把库存拆成至少五段，每段的"可补货性"不同。这个拆法我在后面第四节会详细展开。
这一条可能是最需要讲清楚的。ERP是记录系统，不是决策系统。它的职责是把订单、库存、采购单如实记录下来，并保证数据一致。至于"这个SKU该补多少"，ERP只能提供一个基于预设规则的参考值，最终的责任仍然在人。
我见过一些团队把ERP的补货建议当成圣旨，直接下单，结果旺季时系统按平时系数算出来的量根本不够；也见过完全不信系统、全靠人工拍脑袋的，效率低到无法规模扩张。两种极端都是对工具定位的误判。
合理的定位是：ERP和数据分析工具负责把口径统一、把异常暴露、把历史记录留存；人负责设定参数、讨论分歧、承担结果。数据支撑判断，但不替代判断，这句话我在很多场合都说过，也是这篇文章的核心立场之一。
前面讲了问题和误区，这一节给出我实际验证过的落地框架。整体思路是：先把口径固化成字段，再把字段组织成角色视图，然后用协同节点把视图串起来，最后用复盘把参数校准回去。四个动作形成闭环。
这是所有工作的起点，也是最容易被跳过的一步。具体要做的是：团队内部明确并书面确认一个"官方销量预估值"字段，所有补货讨论都以它为准。
这个字段要定义清楚五件事：时间窗口（用哪几段销量加权）、权重分配、是否扣退款取消、是否含促销影响、是否含季节系数。每一项写进文档，后续任何人质疑，都回到这份定义上讨论。
如果用的是数据工具，这个逻辑应该做成一个可复用指标，而不是散落在各个报表里各算一遍。这是"口径统一"从制度变成技术的唯一途径。
库存不是一个数字，是五个数字。我在实操中固定用下面这个拆法：
| 库存段 | 含义 | 是否计入可用 | 补货判断中的作用 |
|---|---|---|---|
| 可售库存 | 平台上可直接下单的库存 | 是 | 直接扣减补货量 |
| 已下单未发货 | 平台已产生订单但未出库 | 是（短期） | 扣减，但需关注异常超期订单 |
| 头程在途 | 已离开供应商，未到海外仓 | 按预计到货日判断 | 到货日在覆盖期内才计入 |
| 清关中 | 已到目的港，等待清关 | 按预计放行日判断 | 清关延误高发，按P75放行日计 |
| 质检/待上架 | 已入海外仓，未完成上架 | 按预计上架日判断 | 通常1-3天，影响较小 |
这个拆法的价值在于：它让"库存够不够"这个问题有了明确的回答边界。运营说"库存不够"，采购可以问"你说的是哪一段？如果是头程在途，到货日是哪天？在不在你的覆盖期内？"讨论立刻变得可收敛。
口径统一之后，不要指望所有人看同一张报表。正确做法是给每个角色配置各自最关心的视图，但所有视图共享同一套底层指标。
运营视图应该包含：分SKU加权日均销速、库存可售天数、断货预警、近期销量趋势对比、竞品价格与排名变动。运营要回答的是"哪些SKU马上要断"。
采购视图应该包含：建议补货量、供应商实际交期分布、MOQ约束、在途明细与预计到港日、历史订单履约情况。采购要回答的是"什么时候下、下多少、下单后什么时候能到"。
财务视图应该包含：库存金额、周转天数、滞销库存占比、在途资金占用、补货计划的资金影响测算。财务要回答的是"这笔钱花下去，多久能回来"。
管理层视图则是把三者压缩成几个关键数：整体库存健康度、断货风险SKU数量、资金占用趋势、协同决策的平均周期。
这四张视图的字段可以完全不同，但底层的销量口径、库存分段口径必须是同一套。这是我在数跨境这类工具上做配置时坚持的第一个原则。
光有视图还不够，得有人知道"什么时候该看"。所以要设置触发节点。
这些节点的价值是把决策从"人主动去找问题"变成"系统推给人"。我观察到，仅仅是把"可售天数低于阈值自动提醒"这一条落地，某团队的平均响应时间就从4.2天缩短到0.8天。
参数不是设一次就完的。安全库存系数、加权权重、覆盖天数、季节系数，都应该有定期校准机制。
我建议的复盘口径是三个指标：预估偏差率（实际销量与预估销量的偏离程度）、断货率（因库存不足导致的可售天数为0的次数占比）、滞销率（超过90天未动销的库存占比）。这三个指标一起看，能判断当前参数是偏保守还是偏激进。
如果预估偏差率高、断货率也高，说明覆盖天数可能不足或者安全系数太低；如果预估偏差不高但滞销率在涨，说明参数过于保守，可以适度收紧。
上面讲的框架，最后还是要有落地载体。这一节我用一个实际做过的项目来说明，工具侧我选的是数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys），选它的原因后面会说。
这个团队当时的数据状况是这样的：平台订单在亚马逊后台和独立站后台，库存和采购单在ERP，物流轨迹在货代系统，供应商交期在采购的Excel里，资金数据在财务的另一个Excel里。
每次补货决策，都要有人手工从五个地方拉数据、拼到一张表里。单次整理时间大约3-4小时，而且每次拉的口径都可能略有出入，因为手工操作免不了出错，今天漏了几个取消订单，明天忘了扣退款。
手工拼数据不仅慢，而且必然导致口径漂移。这才是他们决定上工具的核心理由，而不是"想要酷炫的看板"。
接入顺序我建议按"数据稳定性"来排：先接ERP（库存、采购单、供应商主数据），再接平台订单，然后接物流轨迹，最后接财务数据。原因是ERP的数据结构最稳定，适合作为口径基准。
接进来的原始数据，不要直接拿来做报表，要先经过一层指标计算，把前面说的加权日均、五段库存、可用天数、建议补货量这几个核心指标固化成统一字段。这一层做好了，上面的视图想怎么变都行，口径不会乱。
这个团队实际配置的核心指标大概这样：
| 指标名称 | 计算口径 | 更新频率 | 主要使用角色 |
|---|---|---|---|
| 加权日均销量 | 7天×40% + 30天×35% + 90天×25%，扣除退款取消 | 每日 | 运营、采购 |
| 可用库存 | 可售 + 已下单未发 + 覆盖期内到货在途 | 每日 | 运营、采购 |
| 可售天数 | 可用库存 ÷ 加权日均销量 | 每日 | 运营、采购 |
| 建议补货量 | 加权日均 × 覆盖天数 + 安全库存 – 可用库存 | 每日 | 采购 |
| 供应商实际交期P75 | 近8次订单实际到货天数的75分位 | 每周 | 采购 |
| 库存周转天数 | 平均库存金额 ÷ 日均销售成本 | 每周 | 财务、管理层 |
| 滞销库存金额 | 90天无动销SKU的库存金额合计 | 每周 | 财务 |
指标层搭好之后，视图层就很快了。这个团队最终配了四张看板：运营的"断货预警看板"、采购的"补货执行看板"、财务的"库存资金看板"、管理层的"库存健康度总览"。
关键是四张看板共享同一套指标，所以当运营说某个SKU还能卖9天、采购看ERP说还有三周的时候，他们其实可以打开同一份可售天数指标来对齐。争论从"你算错了"变成"我们看的是同一个数，那接下来讨论覆盖天数"。
需要说明的是，下面这些数字来自这个团队的实际记录，但因为样本只有一家团队，不具备统计代表性，只能作为方向性参考。
这里面我认为最值得关注的不是周转天数的改善，而是决策耗时从11天到3.5天。因为库存效率的提升可以用钱买到（多备货、多空运），但决策速度的提升只能靠协同机制的优化。
顺便说一下我为什么在这个场景下选数跨境。跨境补货协同的需求有几个特征：数据源杂（多个平台、多个系统）、口径要求统一、角色视图要能快速配置、更新频率要够高。
数跨境的定位是跨境电商数据分析和报表工具，优势在于能对接多个电商平台和ERP数据源，把分散的数据聚合到同一套指标体系下，然后按不同角色配置视图。这正好对上了"口径统一、视图个性化"这个核心需求。相比自己用表格手工拼，它在数据更新频率和口径一致性上有明显优势；相比在ERP内部做二次开发，它的灵活性更高，业务人员自己就能调整视图。
当然工具只是手段。如果团队规模很小、SKU不到100个、数据源只有一两个，用表格也完全够用，甚至更快。工具的价值是在数据复杂度和协同人数超过某个阈值之后才开始显现。
框架讲完了，但直接照搬肯定不行。这一节按团队规模和业务特征给出分层建议，你可以对照自己的情况挑着用。
这个阶段不要上复杂工具，也不要追求精细参数。优先做三件事：统一销量口径（明确用哪段数据）、把在途库存单独列出来、每周固定一次补货评审。
具体做法是用一张表格，字段控制在10个以内：SKU、加权日均销量、可售库存、在途库存及预计到港日、可售天数、覆盖天数、建议补货量、采购确认、财务确认。每周一更新，周三开会过一遍。
这个阶段的核心目标是养成"用同一套数说话"的习惯，而不是把参数调到最优。习惯没养成，工具再强也没用。
这个阶段手工表格开始吃力，通常是矛盾集中爆发的区间，SKU多了，手工更新容易错；参与角色多了，口径分歧开始显现；多站点多币种让资金分析变复杂。
建议做两件事：一是把指标计算从表格迁移到数据工具，确保所有视图共享同一套口径；二是建立角色化视图，不要再让所有人看同一张表。
同时要把协同节点固化下来，比如可售天数低于阈值自动提醒、建议补货量超常自动标记、在途延迟自动预警。这个阶段是投入产出比最高的阶段，因为痛点明确、数据量可控、改造周期短。
这个规模下，补货已经不是单纯的库存问题，而是供应链协同问题。需要引入分层策略：把SKU按销量和毛利分成A/B/C三类，A类做精细化管理（逐SKU参数），B类用统一参数，C类用批量规则或者干脆做清仓处理。
同时要建立跨站点的库存调拨机制。有时候美区滞销的货，在欧洲站可能还有需求，跨站点调拨比重新采购更快也更省。但这需要库存数据在统一平台上可见，否则调拨机会根本发现不了。
旺季的补货逻辑和淡季完全不同。旺季的特点是需求上行、海运爆仓、交期拉长、供应商排期紧张，四个变量同时朝不好的方向走。
我的建议是旺季前60-90天开始调整参数：覆盖天数上浮30%-50%，安全库存系数上浮，交期输入改用P90而不是P75，同时提前锁定供应商产能。淡季则相反，可以适度收紧参数，把资金释放出来。
不要用同一套参数跑全年，这是很多团队库存问题的根源之一。
新品没有历史销量，加权日算法失效。这时候只能用类目基准或者相似品替代法：找3-5个同类目、相近价格带、相近上架时间的SKU，用它们的爬坡曲线作为参考。
同时新品的补货策略应该更激进一些（多批次小批量），因为新品最大的风险不是备多，而是备少了错过窗口期。一旦数据跑出来，再切换到正常参数。
长尾品则相反，销量低、波动大、占用资金，应该用"低覆盖+高频次"策略，甚至考虑改造成组合销售或者直接清仓。长尾品最忌讳的是按标准参数走一遍流程，那是在浪费管理精力。
最后说说取舍。补货协同这件事没有完美解，只有权衡。这一节列五组我经常要做的取舍判断，供你对照自检。
参数调得越精细，理论上库存效率越高，但调整成本也越高。SKU数量少的时候可以逐个调，数量大了就必须接受"粗颗粒度"。
我的判断标准是：如果某个SKU的年销售额撑不起每月1小时的管理投入，它就不值得精细管理。把A类SKU做精细，B类和C类用统一规则，整体效率反而更高。
集中决策（所有补货统一到一个角色拍板）好处是口径统一、执行快，坏处是这个人未必了解每个品类的特殊性。分散决策（各品类自己管）好处是贴近业务，坏处是容易口径分裂。
我的建议是口径集中、决策分散：统一的指标和参数框架由数据侧维护，具体的补货量由各品类的运营和采购在框架内协商。这样既保证一致性，又保留业务灵活性。
自建的优势是贴合度高、数据可控，劣势是开发成本高、维护成本高、迭代慢。采购工具的优势是上线快、功能成熟，劣势是可能需要适配流程。
判断标准可以看三个维度：数据源复杂度、团队是否有开发资源、业务变化速度。如果数据源超过三个、没有专职开发、业务还在快速调整，采购成熟工具通常更划算。
很多团队卡在"数据还不够完整，等补齐了再上"。我的经验是：先上线覆盖80%场景的核心指标，剩下的边用边补。
因为补货协同的收益主要来自"决策速度提升"和"口径统一"，这两件事不需要100%的数据完备性。用不完整的数据快速跑起来，比等完美数据再开始，通常能多赚几个月的效率差。
这是最根本的一组取舍。库存冗余意味着资金占用和滞销风险，断货意味着销售损失和排名下滑。
没有标准答案，但有判断框架：看这个SKU的毛利率和断货恢复成本。高毛利、恢复慢的SKU（比如竞争激烈的标品），宁可多备；低毛利、恢复快的SKU（比如长尾差异化产品），可以适度冒险。
把这两个维度做成四象限，每类SKU配一组不同的安全库存系数，比拍一个统一数字要可靠得多。
回到最开始那个场景：运营说9天，采购说三周，财务说不能再补了。这三个答案本身都没错，错的是它们被放在同一张桌上讨论时，缺少一套公共的度量衡。
我在这篇文章里反复强调一个观点：补货公式一点都不复杂，复杂的是让三个人对同一套数据达成共识。而达成共识的唯一路径，不是让大家变得更专业，而是把口径从"各自的经验"变成"共同的字段"。
这也是"用采购补货支撑团队协同判断"这个说法的真正含义，采购补货是手段，团队协同判断才是目的。数据方法的价值不在于算得多准，而在于它能不能成为团队沟通时共同引用的那个基准。
如果你打算从明天开始动手，我建议按这个顺序走：
这五步不需要任何工具投入，一张表格加一个固定会议就能开始。等你发现表格撑不住的时候，再考虑上数跨境这类数据平台做系统化。那时候你已经清楚自己需要什么口径、什么视图、什么节点，选型和配置会快得多。
补货判断永远需要人来做，但判断所依赖的数据，应该由方法而不是由记忆来保证。
我们团队现在补货基本是运营喊一声、采购估一下、老板拍板，每次都说下次要用数据，结果还是靠感觉。我试过在ERP里设安全库存，设完发现要么天天报警、要么一次爆仓。我想知道一个能落地、又不会让三方互相扯皮的设置方法。
把补货触发拆成四个可核对的字段：可用库存（现货减锁定）、在途库存（区分已发未到和供应商未发）、日均销量（近30天日均与近7天趋势加权，比如7天权重0.4、30天权重0.6，避免大促或断货期把均值拉歪）、供应商交期（头程加生产，取近5次实际到仓天数的中位数，而不是合同上的承诺天数）。
触发量 = 日均销量 ×（交期天数 + 安全天数）− 可用库存 − 在途库存，结果大于0才进入补货建议。安全天数按品类分档，动销稳定的给7到15天，波动大的给20到30天，先跑三个月再校准。关键不是公式多精确，而是这四个字段在ERP里对所有人是同一个数，运营说的断货和采购说的已备货才不会变成两套账。
我们最常吵的就是销量预估。运营按大促节奏说要备三个月的量，采购按过去30天日均说不用备那么多，财务看完直接说库存周转要爆了。三个人的数字都是从系统里拉出来的，但就是不一样，我不知道该信谁的。
问题不在谁敢不敢估，而在ERP里销量预估这个词有没有被定义过。做法是把它拆成三列并排放进同一个视图：一列是系统算的预测值，按近30天和60天日均叠加季节系数自动生成，禁止手工改；一列是运营的手工调整值；一列是两者的差异说明，必须填理由，比如新品推广、平台活动、竞品断货。
采购和财务看的是同一张表，看到的是差异，而不是两个互相矛盾的绝对值。判断依据上给差异设一个阈值，比如调整幅度超过系统预测值的30%，就必须有活动排期或投放预算作为佐证才能通过。这样大家争的不再是该备多少，而是这条调整有没有依据，协同的落点就从立场变成了证据。
我们做的是海外仓，供应商说30天能好，货代说海运25天，结果遇上查验拖到50天，那个链接直接断货一个月。我一直纠结交期到底该填多少天，填长了库存压死，填短了必断货。
交期不要填一个数，在ERP里拆成三段独立记录并分别取实际值的中位数：生产备货周期、头程运输周期（按海运、空运、卡航等不同渠道分开记）、清关与入仓周期。补货时用三段之和作为基准交期，再按渠道可靠性给一个缓冲，比如海运旺季预留7到10天，空运预留2到3天。
更关键的是设一条到货延迟预警：当某个在途批次超过预计到仓日的70%时长仍未入仓，系统自动把该SKU的可用库存预扣，触发二次补货评估。判断依据来自历史履约数据，每季度把实际到仓天数回写一次，用真实分布去修正参数，而不是靠货代的口头承诺。这样交期就从猜出来的一个数字，变成一段可复盘的历史。
老板一直想让我们把补货全自动化，说系统算出来直接下单最省事。但我总觉得有些东西系统看不到，比如供应商这次涨价了、某个链接马上要上活动，真全自动我不放心。
可以自动生成建议单，但不建议自动下成正式采购单。落地分成两级：一级由系统按触发规则自动生成补货建议，包含建议数量、建议供应商、预计到仓日和占用资金；二级由人确认，确认权限按金额阈值切分，比如金额在一定区间内由采购主管确认，超过阈值则升级为运营加财务双签。
系统的短板是它读不到非结构化信息，供应商涨价、产能紧张、平台活动排期、竞品动作这些都不在字段里。判断依据是给每条人工修改留下记录和理由，每月复盘一次，如果某类修改反复出现，说明是参数错了，应该去改参数，而不是每次都靠人兜底。ERP的定位是让所有人看同一套事实、把分歧显性化，最终拍板仍然是人的职责。
读者评论
运营看7天、采购看月均导致结论差一倍，这个场景太真实了。我们团队也常为‘库存到底算不算在途’争论。后来把销量口径固化成近7/30/90加权，争议确实少很多。但覆盖周期仍要按品类和旺季调整，统一口径不等于统一公式。
财务用周转红线倒推可接受补货量是合理的，不过60天一刀切对起量款可能太紧。文章把共识成本量化成会议、延迟和断货损失，很有说服力。建议按SKU分层设周转阈值，否则协同容易变成压制增长款。
列大表没人用这点很真实。协同不是让所有人看同一张表，而是公共口径加角色视图。伪代码有实操价值，但退款取消净销量和交期波动率如果源数据不准，分层加权日均也会失真，基础数据治理仍要先行。