去年旺季前两周，我帮一个做厨房小家电的卖家做库存健康检查。ERP 后台显示德国仓可售库存 1,842 件，运营看板上写着"库存充足"，但当我让仓库按 SKU 逐项盘点后，真实可发只有 1,200 件左右，差额来自 428 件被促销活动锁定、186 件卡在退货质检区、28 件是重复建码产生的幽灵库存。三天后这个 SKU 在三个平台同时开卖，最终超卖 217 单，其中 63 单被平台判定为迟发。
这件事最扎心的地方不是超卖本身，而是所有人每天都在"查库存"。运营早上查一次，采购下午查一次，财务月底再查一次，报表打开率非常高，风险却一次都没被提前拦住。我后来复盘发现，他们做的是库存查询，不是库存风险排查。查询回答"现在是多少"，排查回答"接下来会出什么事、谁来处理、处理完没有"。
这篇内容我想把这件事讲透：跨境电商的 ERP 运营框架里，库存管理不该只是一张报表，而应该是一套嵌套在日常运营节奏里的风险排查机制。下面出现的数字来自我参与过的项目复盘，涉及具体卖家信息的部分做了脱敏处理，涉及行业基准的部分我会标注口径和来源性质。
先把我的核心判断摆在最前面：跨境库存管理做得好不好，不取决于你能不能查到库存，而取决于你有没有把库存变成一组可预警、可追责、可闭环的风险信号。这句话听起来像口号，但落到 ERP 里非常具体，它决定了你的系统里有几个库存字段、谁来盯、多久看一次、超阈值之后系统自动做什么、做完之后谁验收。
我判断一个卖家的库存体系是否成熟，只看一件事：如果明天运营集体请假，库存风险还会不会被人发现？如果答案是"不会"，那这套体系本质上还是人肉报表，不是运营框架。
很多团队把"库存准确率 98%"当成通关证书。我见过不止一个卖家，账面准确率长期在 97% 以上，照样在旺季当天超卖，照样在春节前把两个爆款压成 200 天库龄。
原因很简单：准确率只描述"账面和实物对不对得上"，它完全不回答另外三个问题，这批库存分布在对的国家和仓库吗、它的动销速度撑得住接下来两周的广告投放吗、它的锁定量会不会在明天变成不可售？
我内部把这三个问题叫做库存的三重健康度：账实一致、结构合理、节奏匹配。99% 的团队只做第一层，因为第一层最容易量化，也最容易在 ERP 里看到一个数字。
这是我踩过坑之后总结出来的分类，也是全文的骨架。库存风险不是单一的仓储问题，它至少有五个来源，而且互相咬合：
只要有一条缺失，前端的"库存充足"就可能是假象。上面那个德国仓的案例，五条全中：数据有幽灵库存、规则没有促销锁定量校验、流程没有日监控、组织上运营和仓库互不认账、财务到月底才发现库存金额对不上。
我的经验是：没有被写进固定节奏的风险排查，一定会在业务忙起来的第一周消失。因为排查是"重要不紧急"的事，而发货、投放、客服是"紧急"的事。人的注意力永远优先给紧急的事。
所以框架的价值就在于把"重要不紧急"变成"制度化的日常动作"，它不是靠自觉，是靠排期、靠看板、靠预警推送到人。
理解了结论，还要理解风险生长的土壤。国内的库存管理相对简单：一个仓、一个平台、一套物流。跨境把这三个变量全部乘上了倍数，每个倍数都会带来新的失真。
我服务过的卖家里，最典型的一个同时经营 4 个平台、7 个店铺、5 个仓库（2 个 FBA、2 个海外仓、1 个国内仓），SKU 约 1,400 个。这个规模在跨境圈只能算中等，但库存数字的复杂度已经超出人工核对的能力。
在这样一个结构里，同一个 SKU 的库存数字至少有五个版本同时存在：
这五个数字在没有统一主数据的情况下，会各自漂移。最危险的时刻，是运营看到的是最乐观的那个版本。
很多人以为库存同步是"实时"的，实际上跨境链路里至少有三段延迟：仓库系统出数延迟、中间系统同步延迟、平台接口接受延迟。
这三段叠加起来，在旺季可以轻松达到 24 到 48 小时。也就是说，你在 ERP 里看到的库存，可能是两天前的库存。
在这 48 小时里，如果日均出单 80 单，那么当你看到 1,842 件时，真实库存可能只剩 1,680 件。如果这两天正好有促销活动，消耗速度翻倍，账面数字的参考价值基本归零。
我处理这类问题的做法是：不追求实时，而是明确标注每个库存数的"数据截止时间"，并让预警基于最保守的那个口径触发。宁可提前补货，也不要事后超卖。
在途库存是我见过口径最混乱的一个字段。常见的三种口径是：
如果一个系统把三种混在一个"在途"字段里，那么这个字段在决策上基本等于噪音。我的判断是：只有"已到港未入库"才允许计入补货决策，"已下单未发货"只能用于产能规划，不能用来说服运营继续投放广告。
促销期不是简单的"卖得快一点"，它会同时放大前面所有风险。
广告预算翻三倍，出单速度翻三倍，同步延迟还是 48 小时，那么库存失真的绝对量也翻了三倍。同时促销会带来大规模锁定库存、大规模退货、大规模调拨，这些动作又会污染库存字段。
所以我的判断很明确：库存风险排查的重点时段不是平时，是大促前 14 天到大促后 21 天。这 35 天里的排查密度应该是平时的 3 倍以上。平时一周看一次库龄可以，大促期间必须每天看。
我接触过的卖家里，超过七成都已经上线了 ERP。但库存依然乱，原因基本集中在六个误区上。这些误区不是认知问题，而是落地顺序问题。
这是最普遍的。"erp库存怎么查询"这类问题在搜索里热度很高，说明大量用户还停在第一步。
查询解决的是"看见"，而管理需要解决"判断、预警、处理、复盘"四件事。如果一个系统只能让你看见，它其实只是一个更贵的 Excel。
我的做法是把每一次查询都绑定一个动作：查可售库存，就要看到补货建议；查库龄，就要看到清仓动作；查在途，就要看到交期预警。
系统提供能力，不提供纪律。我见过 ERP 里预警模块开着，但通知发到一个三个月没人看的邮箱。
判断标准很简单：过去 30 天，你的库存预警触发了几次？其中几次被人真正处理并闭环？如果答案是"不知道"，那风控就是形同虚设。
美国站、德国站、日本站的物流时效、退货率、消费节奏完全不同。用同一套安全库存，结果一定是有的市场压货、有的市场断货。
我的经验是至少要按三个维度分层：市场（国家/平台）、履约方式（FBA/海外仓/自发货）、SKU 分级（爆款/常规/长尾）。三层交叉之后，安全库存的颗粒度才够用。
超卖之后只问责运营，是最伤团队的失策。运营看到的是平台后台的数字，他们无法控制仓库回传延迟，也无法控制采购延期。
正确的做法是按风险来源定责任：数据失真归系统负责人，规则不合理归供应链，动作没执行归运营，资金占用归财务。库存是一个跨部门的联动物理量，不能由一个部门单独扛。
缺货是显性疼痛，库龄是隐性出血。我统计过一个卖家的情况：缺货造成的损失约占库存相关损失的 30%，而滞销和减值造成的损失占 55% 以上，剩下的 15% 来自仓储费和调拨浪费。
大多数团队把 100% 的注意力放在贡献 30% 损失的问题上。这是我认为跨境库存管理里最值钱的一条反常识判断。
我在选型时见过太多"支持 60+ 平台"的宣传。平台数量确实重要，但它解决的是"能不能拿到数据"，不解决"拿到之后能不能用"。
我判断数据质量的三个具体问题：SKU 能不能跨平台归一到同一个主数据？库存状态能不能拆到可售/锁定/在途/退货四类？历史数据能不能回溯 12 个月以上？这三个问题答不上来，接 100 个平台也没意义。
前面讲的是问题，这一节讲方法。我用的框架只有五层，顺序不能颠倒，因为每一层都是下一层的前提。
很多人一上来就想做预警，结果做出来的预警全是误报，原因就是数据层没统一、指标层没定义。所以必须从数据层往上搭，跳层搭建一定会返工。
数据层只做三件事：统一 SKU、统一仓库定义、统一库存状态。
SKU 统一指的是跨平台映射，让同一个实物在不同平台上指向同一个主 SKU。仓库定义指的是把平台仓、海外仓、本地仓、在途、退货区都建成独立的库存地点，而不是混在一个"默认仓"里。
库存状态我建议至少拆成六类，这是我反复验证过的最小可行集合：
只有把这六类分开，后面的指标才有意义。否则"周转率"这个指标会被在途和残次库存污染，算出来的数字不能用来做决策。
指标不是越多越好。我给团队的规则是：核心库存指标不超过十二个，每个指标必须有明确的责任人和使用场景。
| 指标 | 口径 | 主要用途 | 责任人 |
|---|---|---|---|
| 可售库存天数 | 可售库存 ÷ 近7日均销 | 判断补货紧迫度 | 供应链 |
| 超卖率 | 超卖订单数 ÷ 总订单数 | 衡量数据同步质量 | 系统负责人 |
| 断货率 | 断货SKU天数 ÷ 在售SKU天数 | 衡量补货有效性 | 供应链 |
| 动销率 | 30天有销SKU ÷ 总SKU | 识别长尾积压 | 运营 |
| 库龄结构 | 0-30/31-60/61-90/90+天占比 | 识别滞销与减值风险 | 运营+财务 |
| 库存周转天数 | 平均库存 ÷ 日均销货成本 | 衡量资金效率 | 财务 |
| 库存资金占用 | 库存成本金额（含在途） | 现金流管理 | 财务 |
| 在途准时率 | 准时到货批次 ÷ 总批次 | 评估供应商与货代 | 采购 |
| 盘点差异率 | 差异件数 ÷ 盘点件数 | 衡量账实一致 | 仓储 |
| 调拨时效 | 调拨出库到入库平均小时数 | 评估履约能力 | 仓储 |
这张表我建议直接贴到团队看板上。指标的意义不在于被计算，而在于让每个人知道自己的数字是什么、被谁看。
规则层的核心是：达到什么数值，触发什么动作，通知什么人。三级预警是我验证过最实用的结构。
下面是我常用的一套规则配置示例，实际落地时要根据品类和交期调整数值：
{
"rule_name": "爆款SKU库存风险三级预警",
"scope": {
"sku_level": "A",
"market": ["US", "DE"],
"warehouse_type": ["FBA", "海外仓"]
},
"metrics": {
"sellable_days": "可售库存 ÷ 近7日均销"
},
"levels": [
{
"level": "L1-提醒",
"condition": "sellable_days < 30",
"notify": ["供应链"],
"action": "加入本周补货计划，确认交期"
},
{
"level": "L2-警告",
"condition": "sellable_days < 18",
"notify": ["供应链", "运营"],
"action": "生成补货单，评估是否降低广告预算"
},
{
"level": "L3-严重",
"condition": "sellable_days < 9",
"notify": ["供应链", "运营", "负责人"],
"action": "启动空运或调拨评估，必要时停投或转预售"
}
],
"close_loop": {
"require_ack_hours": 12,
"escalate_after_hours": 24
}
}
这段配置里最关键的两个字段不是阈值，而是 require_ack_hours 和 escalate_after_hours。它们定义了"没人响应会怎样"。没有这两个字段，再好的预警都会烂在通知里。
流程层解决的是"什么时候做"。我的建议是四段节奏：日排查、周复盘、月对账、季校准。
这四段的差别不在内容多少，而在颗粒度和决策权限。日排查只处理当天能闭环的小事；季校准才动安全库存和补货模型这种大参数。
组织层是最容易被忽略的一层，但它是决定整套框架能不能活下来的那一层。
我的做法是做一个简单的责任矩阵：每个核心指标对应一个主责人和一个协同人，主责人负责看数和发动作，协同人负责执行和反馈。一个指标如果没有明确主责人，它一定会在三个月内变成没人看的僵尸指标。
框架讲完了，讲落地。我自己做库存风险排查试点时，第一轮基本都放在数跨境上跑（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）。选择它做第一轮的原因是它把多平台数据聚合和自定义指标这两件事做得比较顺手，适合先验证指标口径，再决定要不要动主 ERP。
我的落地顺序是固定的：先解决数据归一，再做看板，最后才是预警。这个顺序和很多团队相反，但它是被返工教训换来的。
我做的第一件事不是搭看板，而是拉一张 SKU 映射表，把各平台的 ASIN、SKU、MSKU 映射到统一的主 SKU 编码上。
这一步听起来枯燥，但它决定了后面所有指标的可信度。我曾经跳过他，直接做了个"多平台库存总览"，结果因为同一个产品在三个平台有三个编码，总库存被算成了三倍，看板一上线就引起恐慌。
归一之后我做的第二件事是给每个 SKU 打三个标签：健康等级、主销市场、履约方式。这三个标签是后面所有筛选和预警的基础维度。
一个看板解决不了三个角色的需求。我搭的第一个看板给负责人，只放库存资金占用、周转天数、库龄结构和超卖率四个数字。
第二个看板给运营，放可售库存天数、断货 SKU 列表、动销率和在途明细。
第三个看板给供应链，放补货建议、在途准时率、调拨时效和供应商交期波动。
三个看板的指标有重叠但不相同。重叠是必要的，因为不同角色需要在同一套口径上对话；不同是必要的，因为每个人只该看自己能推动的数字。
预警配置完之后，我强烈建议做一次演练，而不是等到大促去验证。
我的演练方法是：人为把某个 SKU 的可售库存改成 10 件，观察预警是否在设定时间内触发、通知是否到了正确的人、被通知人是否知道该做什么。
我第一次做这个演练时，六条规则里有两条没触发，一条通知发给了离职员工。这两个问题如果在大促当天暴露，代价会高得多。
试点跑了两个月，我拿一组 A 级 SKU 做了前后对比。这里必须说明：这是一次单点试点观察，样本量有限，不能当作行业基准或产品效果承诺。
我把库存差异率（账面可售与实物可发的偏差）、人工核对耗时、断货天数、库龄超 90 天占比四个指标都记了下来。
做完几轮试点之后，我的判断越来越明确：真正有价值的不是某个工具，而是你在工具里沉淀下来的那套规则和口径。
阈值怎么定、责任人怎么分工、闭环时限是多少、例外怎么升级，这些内容换任何系统都能用。反过来，如果这些没想清楚，换再贵的系统也只是把混乱搬了个家。
库存风险排查不是一步到位的事。我给不同阶段的卖家准备了三套不同的行动方案，共同点是都从最小闭环开始。
这个阶段最大的问题是资源有限，不可能搭完整体系。我的建议是只做三件事：
这个阶段不要碰复杂的补货模型，也不要追求自动化。目标只是让风险"能被看见"。
这个阶段是风险最容易爆发的阶段，因为业务复杂度已经上来了，但管理还在靠人。
我的建议是补齐四件事：把十个核心指标定义清楚、把三级预警配起来、把日周月节奏固定下来、把责任矩阵做出来。
这个阶段的重点不是指标多，而是每个指标都有人认领、每个预警都有闭环时限。我见过太多团队在这一步只做了一半，有指标没责任人，结果数字越来越多、动作越来越少。
这个阶段人工规则已经不够用了，需要开始做参数化和预测。
具体来说，安全库存要从固定值改成动态计算，把交期波动、销量波动、促销计划都纳入公式；补货点要按市场分层，而不是全站统一；库龄预警要按品类设置不同阈值，因为服饰和家居的生命周期完全不同。
同时这个阶段最容易出现的问题是数据口径分裂，不同部门开始用不同口径的数字说话。我的建议是设立一个库存数据的唯一口径负责人，所有对外汇报的数字都从这一份口径出。
框架是通用的，但取舍必须因团队而异。这一节我讲五组我认为最关键的取舍，每组都给出我的倾向性判断。
这三条路的差别不在于能力，而在于你愿意付出哪种成本。
| 方案 | 启动周期 | 前期成本 | 适配度 | 适用情况 |
|---|---|---|---|---|
| 自研库存模块 | 6-12个月 | 高 | 极高 | SKU超5000、流程高度特殊、有稳定技术团队 |
| 采购成熟ERP | 2-4个月 | 中高 | 中等 | 流程标准化、需要业财一体、看重稳定性 |
| 在数据分析工具上先跑通则 | 2-4周 | 低 | 中高 | 指标口径未定、需要快速验证、暂时不想动主系统 |
我的倾向是：在口径没定清楚之前，不要启动自研。因为你会把一套自己都没想清楚的逻辑写进代码里，之后改起来成本极高。先用轻量工具跑两个月，把规则跑顺，再决定要不要固化到主系统。
我几乎总是选试点，而且试点范围要小到可以人工复核。
我的试点标准是：单站点、A 级 SKU 40-60 个、周期两个月。范围再大，你就无法判断指标变化是机制带来的还是噪音。
试点的另一个价值是暴露组织问题。我做过一次试点，两周后发现卡点根本不在系统，而在采购和供应链对交期口径的认知不一致。这种问题只有在小范围试点里才会快速暴露。
这是一组真实矛盾。风控越严，断货概率越低，但滞销概率越高；放量越灵活，销售上限越高，但超卖和积压风险越大。
我的判断标准是看 SKU 的可替代性：可替代性低的爆款，宁可压货也不能断；可替代性高的长尾，宁可断货也不要压货。
也就是说，风控严格程度应该按 SKU 分级设置，而不是全站统一。A 级 SKU 用保守阈值，C 级 SKU 用激进阈值，这个策略在多数品类里都成立。
这三者的库存风险特征完全不同。平台仓库存看得清但不可控，海外仓可控但资金占用高，国内直发灵活但时效差。
我的做法是按销量分层匹配：爆款进平台仓保证时效，常规款进海外仓平衡成本，长尾和测新款走国内直发或小批量海外仓试水。
关键是不要把所有库存押在一种履约方式上，因为不同履约方式的库存风险不会同时爆发。
市面上有系统把预警当成高价模块卖。我的判断是：预警本身不值钱，值得付钱的是预警背后的数据质量和闭环机制。
如果系统能保证库存状态拆得足够细、同步延迟有明确标注、预警支持分级和升级，那溢价是值得的。如果只是弹个提醒框，那不如自己用表格加提醒事项。
前面讲了判断和取舍，这一节给可直接执行的部分。我把自己在用的节奏和清单整理出来，可以直接改成你团队的版本。
日排查我控制在 20 分钟以内，只看四件事：
日排查的原则是：只处理今天能闭环的事，其他一律升级到周复盘。否则日报会变成流水账。
周复盘控制在 60 分钟，参与人包括运营、供应链、仓储。核心看四组数据：
周复盘最重要的一项其实是最后一项。预警闭环率是衡量整套机制是否活着的唯一指标。
月对账不只是核对数字，更重要的是归因。我要求团队把差异分成四类：操作误差、系统时间差、流程缺失、外部原因。
归因之后要做的是消除重复项。如果同一个仓库连续三个月出现操作误差，那就不是误差，是流程问题。月对账的输出不是差异金额，而是下个月要改掉的三个具体动作。
季度校准才动大参数：安全库存、补货点、库龄阈值、平台策略、仓储布局。
我建议季度校准一定要带数据回顾，不要凭感觉调参数。至少要看过往三个月的断货记录、滞销记录和交期波动数据。
下面这张表是我实际在用的排查清单，按六类风险整理，每类都对应触发信号、系统字段、处理动作和责任人。
| 风险类型 | 触发信号 | 关键字段/报表 | 处理动作 | 责任人 |
|---|---|---|---|---|
| 数据同步与超卖 | 超卖订单出现；同步时间超阈值 | 最后同步时间、锁定库存、异常订单报表 | 暂停投放、人工校验库存、修复映射 | 系统负责人 |
| 断货与补货 | 可售库存天数跌破L2 | 可售库存天数、每日销量、交期 | 生成补货单、评估降低广告预算 | 供应链 |
| 在途与采购履约 | 在途超期未到仓；批次分批到货 | 在途状态、批次、供应商交期 | 联系货代、启动备用供应商、调整上架计划 | 采购 |
| 库龄与滞销 | SKU进入90天档；动销率低于阈值 | 库龄结构、动销率、仓储费 | 清仓、捆绑、调拨、停止补货 | 运营 |
| 多仓调拨与履约 | 仓间库存严重失衡；调拨时效超期 | 各仓库存分布、调拨时效 | 调整调拨规则、优化仓间补货 | 仓储 |
| 财务与合规 | 账实差异超阈值；库存金额异常波动 | 库存成本、汇率、关税、差异归因 | 月度对账、差异归因、责任追踪 | 财务 |
这张表的用法不是每周全查一遍，而是每周只抽查两到三类，轮换覆盖。全量排查会让人疲劳，轮换抽查才能长期坚持。
回到开头那个德国仓的案例。那批超卖发生后，我们做的第一件事不是换系统，而是把那 1,842 件拆开：428 件锁定量单独建池、186 件退货库存单独建池、28 件幽灵库存清理掉。库存数字一下从 1,842 变成 1,200。
数字变小了，判断反而变准了。这就是我想传递的核心观点：库存管理的第一步不是增加信息，而是消除假象。
我还有三个可能和主流说法不太一样的判断，放在这里供你参考。
第一，库存风险的主要损失不在缺货，而在滞销。缺货是显性疼痛，滞销是隐性出血，而后者金额更大、更少被管理。
第二，预警系统的瓶颈从来不在触发端，而在确认、执行、复盘三个下游环节。把预算花在提升闭环率上，比花在增加预警规则上回报更高。
第三，库存风险排查的终极目标不是零风险，而是风险可控下的经营确定性。完全不断货意味着大量压货，完全没积压意味着频繁断货。真正成熟的团队是在明确的成本约束下选择承担哪一种风险。
如果你读完想动手，我建议按四周推进，每周只做一件事，不要贪多。
四周结束时，你手上应该有三样东西：一份统一口径的 SKU 主数据、一套带闭环时限的预警规则、一张每周更新的库存风险看板。有了这三样，库存管理才算真正从"查询"走进了"排查"。
不要指望第一版规则就是对的。我做的每一套库存预警规则，在上线后的第一个月都会经历一轮误报调优，阈值太高会漏报，太低会疲劳。
真正让这套框架活下来的，不是第一版的精准，而是你愿意每周花 60 分钟持续调整它。库存管理的门槛从来不在于工具多先进，而在于有没有人愿意长期盯着那几个数字，并且每次都把事情处理到闭环。
我们做亚马逊和独立站，同时在FBA、美国海外仓和国内仓备货，ERP里显示还有300多件可售，结果平台那边已经超卖了十几单。我一直以为是仓库盘点不准，但盘完还是对不上，我现在也不知道到底该信哪个数字。
先别急着怀疑仓库，八成是库存状态没有拆开。ERP里的可用库存应该是：物理库存减去平台已下单未同步的占用，减去安全库存或预留，再减去调拨在途锁定量。你按这个口径逐层核对：第一层看物理库存和最近一次盘点是否一致；第二层看锁定库存和平台待发货订单是否匹配；
第三层看各平台库存回传频率，很多平台是15分钟到1小时同步一次，促销期间延迟更大。做法上，把库存拆成可售、锁定、在途、退货、残次五个状态分别建字段，再设一条超卖拦截规则：当可售库存低于某个阈值时，ERP自动把平台在售数量下调或暂停Listing。
判断依据很简单，如果五个状态相加能对上总库存，而可售数字仍然低于你的直觉，那问题不在数据，在你把锁定和在途当成了可卖。
我们SKU有一千多个，运营每天让我出库存报表，出完也没人看，出了事才回来问我为什么没预警。我想知道有没有几个核心指标是必须盯的，其他的可以放到周会月会去看。
日排查建议只看四个指标：缺货SKU数、超卖订单数、库存同步异常条数、在途超期批次。这四个是当天能出手解决的。周复盘看动销率、库龄分层、补货达成率、调拨执行率，这些反映的是趋势和流程质量。月对账看库存周转天数、资金占用、盘点差异率和账实差异归因。
判断口径要统一：缺货按可售库存为零且近7天有出单的SKU算；超卖按平台已生成订单但ERP无库存可扣的订单数算；库龄按入库日期分段，比如0到30天、31到60天、61到90天、90天以上，90天以上没动销的直接进清仓池。做法上，把日指标做成一张看板挂给运营和供应链，周指标进周会文档，月指标进经营复盘。
指标不在多，在于每个指标后面都跟着一个责任人和一个动作，否则报表出得再全也只是存档。
我们做美国、德国、日本三个站点，之前图省事用了一套安全库存，结果美国总是断货，日本仓压了一堆货，仓储费一直在涨。我想知道安全库存是不是得按站点分别设，具体按什么算。
绝对不能用一套标准。安全库存的本质是应对交期波动和需求波动，这两件事在每个站点都不一样。基本算法是：安全库存等于日均销量乘以补货交期天数，再乘以一个波动系数。波动系数看这个站点的销量稳定性，新品和促销季调高，稳定老品调低。
做法上分三步：第一步，按站点加仓库维度分别算，把海运、空运、海外仓调拨的不同交期填进去；第二步，按SKU分级，A类爆款宁可多备，C类长尾宁可不备，用统一的补货点公式会直接把长尾的现金压死；第三步，每季度用实际缺货率和滞销率回测一次，缺货率偏高就上调安全库存，滞销率偏高就下调。
判断依据是，如果某个站点的缺货和滞销同时发生，通常不是安全库存数值错了，而是SKU结构或调拨节奏出了问题，这时候改数字没用，得改补货策略。
我们去年上了ERP，采购、仓储、财务模块都开了，但库存该不准还是不准，超卖该发生还是发生。老板现在怀疑是系统选错了，但我觉得可能是我们内部就没定规则，谁也说不清该谁负责。
多数情况下不是系统的问题，是上线时只做了数据迁移，没做规则和责任人定义。你可以用三个问题自检：第一，库存预警的阈值是谁定的、什么时候复核过？第二，出现超卖或断货后，谁在多久内响应，有没有升级机制？第三，运营、采购、供应链、财务四个角色，各自看的是哪张报表，动作是什么？
如果这三个问题答不上来，换系统也一样乱。做法上，先挑三个高风险SKU或者一个高风险仓库做试点，把预警规则、响应时限、升级路径写成一页纸，跑一个月看拦截率和闭环率。判断依据是，ERP解决的是数据可见和规则可执行，解决不了责任不清。
库存风险排查的终点不是查到库存，而是每个异常都有主、有动作、有复盘，这一步只能靠流程补，不能靠系统补。
读者评论
德国仓1842件实际只发1200件，三类失真拆解很真实，我们海外仓也常遇到重复建码的幽灵库存。
库存准确率98%不等于安全，这个三重健康度提法很准，结构合理和节奏匹配才是旺季保命的关键。
小时同步延迟那段说到痛点了，旺季广告翻倍投放时，ERP账面基本就是两天前的数字。
只盯缺货不看库龄和资金占用，这个反常识判断太值钱了，我们滞销减值损失确实比超卖大得多。
超卖后只问责运营不合理，按数据、规则、流程、组织分责任才治本，跨部门联动才是库存管理的出路。