2021年冬天我接手过一个案子，至今印象很深。一家做户外露营装备的跨境卖家，8个亚马逊站点店铺、3个第三方海外仓、2个FBA仓，在售SKU一千二百多个。当时他们的补货完全靠一张Excel加运营主管的经验判断，旺季断货率一度冲到18%，年末盘库又发现滞销库存占压了将近380万现金。老板见面第一句话是：ERP我们两年前就买了，为什么补货还是这么乱？
这个问题我后来在不同规模的卖家那里听过至少二十遍。答案往往不在ERP本身，而在"执行标准"四个字上。ERP只是把规则跑起来的引擎，如果规则本身没定义清楚，引擎再强也只是把混乱自动化了一遍。
采购补货这个环节，恰恰是整个跨境供应链里最能检验ERP执行标准的试金石。它同时牵扯库存数据、销售预测、供应商交期、头程时效、平台入仓规则和资金占用，任何一个环节的口径没对齐，补货结果就会失真。下面我按自己实际做过项目的顺序，把这件事拆开讲。
先说结论，避免绕弯子。采购补货环节的精细化运营，不是把ERP的补货功能用起来，而是把数据标准、策略参数、流程节点和例外治理这四层标准建立起来，并且让ERP去严格执行它们。ERP负责执行，标准负责正确，两者缺一不可。
我把这个判断拆成三个更具体的子结论，方便你对照自己的情况。
很多卖家上ERP第一件事是配置补货公式，但我通常建议先停一下。如果一个SKU在系统里同时存在"可售库存""可用库存""实物库存""在途库存"四个字段，而这四个字段的定义在不同平台、不同仓库之间不一致，那么补货建议的输入就是错的。输入的误差会被公式放大，而不是被公式修正。
我见过最典型的情况是：运营看平台后台的"可售"数字做补货，采购看ERP的"实物"数字下单，仓库看WMS的"上架"数字发货，三个数字差出30%以上，谁也不认为自己是错的。
新品、爆品、长尾品、季节品、促销备货品，这五类SKU的补货逻辑完全不同。用一个"安全库存15天"的规则去管全部一千多个SKU，结果一定是爆品断货、长尾积压同时发生。精细化的第一层体现，就是不同层级的SKU走不同的补货策略，而不是所有SKU走同一个补货公式。
正常补货谁都会做，真正拉开差距的是例外处理：供应商跳票怎么办、头程延误两周怎么办、平台仓拒收怎么办、某个SKU突然销量翻三倍怎么办。这些场景如果没有预设的触发阈值和处理时限，精细化就只是报表上的一个词。
为什么跨境场景比国内电商更难做补货精细化？核心原因是库存被切碎在多个物理和逻辑节点上，而每个节点的数据更新频率、责任主体、口径定义都不一样。国内电商可能一个总仓加几个分仓就够了，跨境卖家的库存同时散落在国内仓、头程在途、海外仓、平台仓、退货区，甚至供应商处。
我通常会让卖家在纸上把某个热销SKU的所有库存位置列出来。多数人第一遍只能列出四五个，实际清点后往往有九个以上。这些位置包括：
这十个位置里，真正能被"立刻卖掉"的只有前一类、海外仓已上架和平台仓可售这三类。而运营在后台看到的"可售"，通常只反映平台仓的部分。这就解释了为什么很多卖家感觉"明明还有货，却突然断货"。
即使口径统一了，同步频率也是问题。多数ERP通过API从平台拉取库存，同步间隔从15分钟到24小时不等。在旺季，一个爆款SKU可能上午卖出800件，而ERP下午才更新，补货建议基于上午的数据计算，就会低估需求。
我做项目时通常会做一次数据延迟测试：在平台后台手动改动一个SKU的库存，然后记录ERP、WMS、BI三套系统各自更新到正确值所需的时间。这个测试做下来，三个系统同步到一致的时间差在两小时到六小时之间是很常见的。如果补货决策依赖的是当天最旧的那份数据，误差就会被放大到第二天。
很多人以为补货是个"算出数量就下单"的动作，实际上它是一条链路：销售预测→库存盘点→缺口计算→补货建议→人工审核→供应商下单→生产/备货→头程发运→清关→入仓→上架→可售。这条链路里，任何一个节点的延迟都会传导到最终结果。精细化运营要管的不是一个点，而是整条链路的时限和责任人。
我在实际项目里遇到过大量表面上在做精细化、实际上没有任何标准支撑的做法。下面六种最典型，你可以逐条对照。
这是最普遍的一种。卖家买ERP时被告知有"智能补货"功能，上线后直接点"生成补货建议"，然后发现建议数量和自己的经验判断差很远，于是要么不信任、要么全盘照搬。两种做法都不对。
ERP的补货建议质量，取决于你喂给它的参数质量。安全库存天数、提前期、服务水平系数、MOQ、装箱率、供应商交期波动，这些参数如果全是系统默认值或者随手填的，输出的建议就没有参考价值。我通常建议新上ERP的卖家先做三个月双轨运行：系统建议和人工建议并行，每周对比差异，找出参数偏差的原因。
很多运营的补货逻辑是"FBA可售低于30天就补"。这个逻辑在单一FBA模式下可能够用，但在多仓多平台模式下会出问题。海外仓还有2000件正在上架、头程还有1500件在海上，这些货到了之后平台仓会补上，此时再下单就会造成重复备货。
反过来，如果海外仓的库存是给独立站准备的，不能调给平台仓，那么只看平台仓可售又会低估缺口。判断的关键不是"有多少货"，而是"有多少货能在指定时间内到达指定销售渠道"。
"安全库存15天"这种规则在SKU数量少的时候还能用，SKU上千之后必然失效。一个日均出10件的长尾品，设15天安全库存就是150件，占用资金；一个日均出500件的爆品，设15天就是7500件，遇到销量翻倍照样断货。
正确做法是按SKU的销售波动性和价值分层，常见的分层方式包括ABC分类（按销售额）、XYZ分类（按需求波动性），以及按生命周期分段（新品期、成长期、成熟期、衰退期）。
国内电商的提前期通常是3到7天，跨境场景的提前期可能是30到60天。这个差异不只是数字变大，而是结构变了。跨境提前期要拆成：供应商生产周期+国内集货+头程运输+目的国清关+海外仓上架+平台仓入仓预约+平台上架审核。每一段都有自己的波动性，而国内公式通常只考虑一两个变量。
我见过同一家公司三个部门算出三个缺货率：运营按"断货SKU数占比"算，供应链按"缺货订单行占比"算，财务按"缺货导致的销售损失占比"算。三个数字放在同一张周报里，开会时先花半小时争论谁的数字对。
指标口径不统一，比指标本身不准更麻烦。因为口径不统一会导致部门之间互相甩锅，而不是共同解决问题。
正常补货有流程，异常补货靠临时拉群。供应商交期从30天变成45天，没人正式通知；某个SKU销量突然翻倍，运营在群里喊一声，采购临时改单。这种"靠人救火"的方式在SKU少时可以撑住，规模上去之后必然崩盘。
把上面这些误区反过来看，就得到了执行标准的四层结构。这是我做项目时习惯用的框架，从下到上依次是数据标准、策略参数、流程节点、治理复盘。
这一层要解决的是"同一个词在不同系统里含义不同"的问题。核心动作是把库存拆成明确的状态，并且给每个状态定义责任系统和更新频率。
我通常建议至少定义以下状态：可售库存、预留库存、在途库存、质检中库存、不良品库存、退货待处理库存。每个状态要明确三件事：谁负责维护、以哪个系统为准、多久同步一次。
举个具体例子，"在途库存"至少要拆成四段：供应商已发货未到国内仓、国内仓已发头程、头程已到目的国待清关、清关完成待上架。这四段的可用性完全不同，混成一个数字会让补货决策无法判断"这批货什么时候能卖"。
参数层的核心是"不要一套参数打天下"。具体做法可以按下面三个维度分层。
| 分层维度 | 常见分类 | 补货策略差异 | 参数维护责任人 |
|---|---|---|---|
| 销售价值 | A/B/C类 | A类高服务水平，C类低安全库存 | 品类运营 |
| 需求波动 | X/Y/Z类 | Z类用人工判断，X类可自动化 | 供应链计划 |
| 生命周期 | 新品/成长/成熟/衰退 | 新品小批量多频次，成熟品稳态补货 | 品类运营+采购 |
参数本身不是拍脑袋定的。安全库存可以用下面这个公式做起点，再根据实际数据调整。
安全库存 SS = Z × √( LT × σd² + d̄² × σLT² )
其中：
Z = 目标服务水平对应的系数（95%服务水平约1.65）
LT = 补货提前期（天）
σd = 日需求量的标准差
d̄ = 日均需求量
σLT = 提前期的标准差
补货点 ROP = d̄ × LT + SS
建议补货量 = ROP – 当前可用库存 + 覆盖周期内的预计需求
这个公式本身不复杂，难点在于跨境场景下LT和σLT的取值。LT要拆成生产、集货、头程、清关、上架五段分别统计，σLT要用实际历史交期数据计算，而不是用合同交期。我见过太多卖家把合同交期30天直接填进系统，实际平均交期38天、标准差9天，参数错得离谱，补货建议自然不准。
这一层要把补货从"一个动作"变成"一串有主责人和时限的节点"。每个节点至少定义三件事：交付物、时限、异常升级条件。
节点定义完之后，你会发现很多"补货不及时"的问题其实不是采购慢，而是审核慢或者上架慢。有一次我帮一个卖家做节点耗时统计，发现从补货建议生成到采购下单平均花了3.8天，其中最慢的一环是运营审核，因为审核人出差没人代签。这个问题靠ERP解决不了，只能靠制度加上审批代理。
前三层建好之后，第四层负责让标准保持有效。核心动作是定期复盘参数和规则：哪些SKU的安全库存设得不合理、哪些供应商交期波动超出预期、哪些异常重复出现。
我的建议是分三个周期复盘：周度看异常事件（断货、超卖、滞销预警），月度看参数（安全库存、提前期、MOQ），季度看策略（分层规则、供应商结构、仓配布局）。三个周期的参与人不同，周度是运营和采购，月度加供应链计划，季度要老板参与，因为涉及资源分配。
讲完框架，说一个我实际跟过的项目。这家卖家做家居收纳品类，年销售额在两千万左右，8个平台店铺，2个国内仓、3个海外仓、2个平台仓，SKU在800上下。他们原本用一套通用ERP加Excel做补货，问题和我开头说的那家很像。
项目里我们用数跨境作为数据整合与分析层。官网是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys ，它是九数云下面的跨境数据产品，主要解决多平台多仓数据统一和库存、销售、利润分析的问题。我这里说的是它在补货场景里实际发挥的作用，不是泛泛的功能罗列。
第一步是把各平台、各仓库的库存数据拉到一个统一口径下。原来运营要在亚马逊后台、独立站后台、海外仓系统、ERP里各查一次，现在通过数跨境把数据汇总，按统一定义的"可售、在途、锁定、不良"四类呈现。
这一步的价值不在于数据变好看，而在于补货讨论终于有了共同语言。以前开会时运营说"还有5000件"，采购说"只有3000件"，现在双方指的是同一个口径，争议点从"数字对不对"转向"策略合不合理"。
第二步是按SKU分层配置补货参数。我们把800个SKU按销售额和波动性分成四层：A类高价值稳定品、B类高价值波动品、C类长尾稳定品、D类长尾波动品。四层分别配置安全库存天数和提前期。
A类和B类走系统建议加人工审核，C类走系统自动计算、采购直接执行，D类不设自动补货，按订单触发。这个调整做完之后，采购每周处理的补货建议条数从原来的一百多条降到六十条左右，但覆盖的销售额占比反而上升了，因为精力集中到了真正重要的SKU上。
补货精细化不只是"该补的补上"，还包括"不该补的别补"。这家卖家原来最大的问题是资金被长尾SKU占住，800个SKU里有两百多个连续90天没有销售。我们在数跨境里按周转天数和滞销天数做了分层看板，把SKU分成健康、关注、清理三档。
清理动作包括：停止补货、站内促销清库存、捆绑销售、直接弃置或销毁。三个月下来，滞销库存金额占比从23%降到14%左右，释放出来的现金用于A类品的备货，旺季断货率同期下降明显。这两个数字是同一笔钱的两面。
这个项目从启动到看到稳定效果大约用了两个季度。下面是整理后的关键指标变化，数据经过卖家同意后做了区间化处理。
| 指标 | 项目前 | 第一个季度末 | 第二个季度末 |
|---|---|---|---|
| 旺季断货率（按订单行） | 约18% | 约12% | 约7% |
| 滞销库存金额占比 | 约23% | 约18% | 约14% |
| 库存周转天数 | 约96天 | 约82天 | 约68天 |
| 采购每周处理补货建议条数 | 约130条 | 约85条 | 约60条 |
| 补货建议到下单平均耗时 | 约3.8天 | 约2.1天 | 约1.2天 |
需要说明的是，这些变化不是单一工具带来的。数跨境负责的是数据统一和分析呈现，真正推动指标改善的是配套的参数调整、审批流程和清理动作。工具解决"看得见"，制度解决"管得住"，两者缺一不可。
框架和案例讲完，接下来是具体怎么做。不同规模的卖家，起点和资源不同，推进路径也不一样。我按年销售额分成三档来说。
这个阶段的卖家SKU通常在一百到三百之间，团队三到五人。我的建议是先不要急着买复杂ERP，先把两件事做掉：砍SKU和统一定义。
砍SKU的意思是，把连续90天零销量的SKU列出来，能清就清，能停就停。SKU数量降到一百以内之后，补货靠一张设计合理的表加人工判断完全够用，反而比上系统更快。
统一定义的意思是，坐下来把"可售、在途、锁定、不良"四个词写清楚，明确每个词对应哪个系统哪个字段。这件事不花钱，但价值极大，因为后面上任何系统都要用到。
这个阶段的Seller通常有多个平台店铺和海外仓，团队十人以上，补货已经不可能靠一个人记住。这个阶段要做的是把四层标准写下来，并且落实到系统里。
具体动作包括：建立SKU分层规则并每季度更新；配置分级安全库存参数；定义补货链路各节点时限和责任人；建立周度异常复盘会。这些动作里，制度比工具重要，因为工具可以换，制度要沉淀下来。
系统层面，这个阶段建议至少具备多平台库存整合、分层补货参数配置、异常预警和补货链路追溯四项能力。数跨境这类数据分析产品适合作为统一口径和监控层，ERP负责交易执行，两者分工明确。
这个阶段SKU通常过千，多国多仓，团队分工细化。这时候要开始考虑自动化，但不是全面自动化，而是分层自动化：稳定的核心SKU走自动补货，波动大的SKU走人工判断。
同时要建立独立的供应链计划职能，不能再让运营兼职做补货。运营的KPI是销售和转化，计划的KPI是周转和缺货，两个目标天然有张力，需要独立岗位来平衡。
不管哪个规模，有四件事是共通的，越早做越好。
讲完行动建议，必须讲取舍。精细化运营不是越精细越好，任何精细度都有成本，关键是找到和自己业务匹配的平衡点。
全自动补货的好处是快，坏处是错的时候错得也快。人工审批的好处是能捕捉异常，坏处是慢且依赖人。我的建议是按SKU分层决定：销售稳定、参数历史准确率高的SKU走自动，销售波动大或历史预测偏差大的SKU走人工。
具体判断标准可以用历史预测偏差率：如果某个SKU过去12周的预测偏差率低于15%，可以考虑自动；高于30%就必须人工介入。中间的可以做系统建议加抽检。
很多卖家一上来就想上机器学习预测，但实际上大部分SKU的需求模式很简单，移动平均加季节性调整就够了。算法复杂度要和数据量、需求复杂度匹配。
我的经验判断是：SKU数少于500、历史数据少于两年、促销占比高的卖家，先用简单规则加人工判断更稳。数据积累到一定程度、SKU上千、需求模式相对规律之后，再考虑更复杂的模型。
自建的好处是贴合业务，坏处是开发和维护成本高，而且跨境平台规则变化快，自建系统的更新压力很大。SaaS的好处是开箱即用、持续更新，坏处是定制能力有限。
我的建议是，除非公司有稳定技术团队并且业务模式非常特殊，否则优先用SaaS。数据分析和口径统一这类需求，像数跨境这样的产品已经能覆盖大部分场景，把精力放在业务规则上比放在系统开发上回报更高。
补货参数可以精细到"每个SKU在每个仓库"一个参数，也可以粗到"每个SKU一个全局参数"。前者准确但维护成本高，后者简单但容易失真。
折中做法是分层处理：A类SKU精确到SKU加仓库级别，B、C类精确到SKU级别，D类用品类级别的默认参数。这样既保证了重要SKU的准确度，又控制了参数维护的工作量。
| 决策点 | 倾向自动化/精细化 | 倾向人工/简化 |
|---|---|---|
| 补货建议生成 | 历史预测偏差率低于15%的SKU | 偏差率高于30%或新品 |
| 预测方法 | SKU过千、数据超两年 | SKU少、促销占比高 |
| 系统选型 | 业务特殊且有技术团队 | 标准业务、追求快速上线 |
| 参数颗粒度 | A类SKU细分到仓 | D类SKU用品类默认值 |
最后给一条可执行的落地路线。这条路线是我在几个项目里验证过的节奏，可以根据自身情况压缩或拉长。
这个月的核心是搞清楚现状，不要急着改参数。
这个月最重要的产出是一份库存口径文档和一份SKU分层清单。这两份东西后面所有工作都要依赖。
这个月开始配置补货参数，但不完全依赖系统建议。
双轨运行的价值在于：既检验了系统参数，又让团队逐渐接受系统建议。我见过不少项目失败在直接切换，运营不信任系统，最后还是回到Excel。
参数稳定之后，把流程和复盘机制固化下来。
三个月之后，你会发现补货这件事从"靠人"逐步转向"靠规则"，人的角色从执行者变成规则维护者和异常处理者。这才是精细化的真正含义。
按我的经验，排第一的原因是库存口径不统一，排第二的是提前期参数失真。前者导致输入错误，后者导致计算错误。建议先花两周做一次全面的库存盘点和交期统计，再考虑调整补货算法。
新品不要用历史数据，用类比法：找同品类、同价格带、同渠道的成熟SKU作为参照，取其销售曲线的一个比例作为首单预估。首单量控制在较小规模，上架后两周内根据实际动销速度决定追单或止损。
没有标准答案，但可以用服务水平反推。如果目标是不让断货概率超过5%，对应的Z值约1.65，再结合提前期和需求波动算出安全库存数量，最后换算成天数。直接拍一个天数是最容易出错的做法。
要看平台规则。有些平台允许跨渠道共享库存，有些不允许。共享的好处是降低整体备货量，坏处是容易超卖。我的建议是先分平台独立备货，等数据稳定后再考虑部分共享。
我的做法是记录冲突并归因。如果连续多次是系统错，说明参数有问题；如果连续多次是人工错，说明可以扩大自动化的范围。不做记录就永远说不清谁对，团队就会陷入互相不信任。
简单说，ERP负责交易执行，比如下单、入库、出库；数据分析工具负责跨系统整合和呈现，比如数跨境做多平台库存和销售数据的统一。两者分工不同，不是替代关系。ERP告诉你发生了什么，数据分析工具帮你判断接下来该怎么做。
采购补货这件事，说到底不是技术问题，而是管理问题被技术放大了。ERP能把正确的规则执行得很快，也能把错误的规则执行得更快。所以在上系统之前，先把口径、分层、节点和异常这四件事想清楚，比选哪个ERP重要得多。
如果你现在正在被补货问题困扰，我建议从明天开始做三件事：第一，把"可售库存"这四个字在你的业务里重新定义一遍，写成文档；第二，把SKU按销售额和波动性分成四层，给每层设不同的补货规则；第三，把过去三个月发生过的补货异常列出来，给每类异常定一个触发条件和一个处理时限。这三件事不花钱，但能解决大部分补货混乱的根源。做完之后再评估系统，你会发现选型和配置都清晰了很多。
我们做亚马逊加独立站，同时用FBA和海外仓，运营看ERP说可售还有800件就敢投广告，结果采购说货还在头程、质检还没过，两边天天吵。我一直以为“库存”就是一个数字，后来发现不同平台、不同ERP给的字段完全不是一回事。
先把库存拆成互不重叠的节点再定义：国内仓可用、采购在途、质检锁定、头程在途、海外仓可售、海外仓预留、FBA可售、FBA在途、退货待检、不良品。真正参与补货计算的“可售库存”，建议只取“已通过质检且已在可售仓、未被订单或活动预留”的部分，在途单独列字段、不并入可售，否则会把补货点算低。
落地时至少定三件事：每个字段的责任人（谁维护）、数据来源（ERP接口还是人工导入）、对账频率（建议每日对平台库存与ERP差异，差异超过2%或金额超过设定阈值就当异常挂出来查）。
判断标准很简单：运营用“可售库存÷近7日日均销量”得到的可售天数，和采购用同一公式算出来的结果应该一致，如果两边算不出同一个数，说明口径没统一，后面所有补货参数都是白设。
我按国内那套安全库存公式算了一版，结果旺季头程一堵、清关一慢就断货，淡季又压了一堆货在海外仓交长期仓储费。我一直搞不清楚，是公式错了，还是我少算了一些跨境特有的环节。
国内公式的骨架可以借用（安全库存约等于服务水平系数乘以需求标准差乘以提前期开方），但跨境必须把提前期拆成四段分别估：供应商生产交期、国内集货与出库、头程运输与清关、平台仓预约入仓与上架。
这四段各有自己的波动，所以提前期不能填一个平均值，要填“承诺交期+近3次实际交期的偏差”，需求侧也不要只用一个月的销量方差，建议用近8到12周、剔除大促异常订单和周中周末波动后的数据。
补货点等于“提前期日均需求×提前期天数+安全库存”，补货量再叠加MOQ、装箱率、阶梯价和资金约束取整，而不是算出来多少就下多少。参数不是一次设完就完，建议A类SKU每月复盘一次、B类每季度一次、C类每半年一次，复盘依据是实际缺货次数和滞销金额，而不是感觉。
我们SKU有三千多，运营说每个都要单独设安全库存根本做不完，最后就变成全店一个阈值，爆款断货、长尾积压。我想知道有没有既能省人力又不至于太粗的做法。
用两层分类就够用：先按销售额或毛利贡献做ABC分层（大致A占10%到20%的SKU贡献70%左右销售额），再按需求波动做XYZ分层（变异系数低的算X、中间算Y、高的算Z），组合成九宫格后只给九套参数模板，不让运营逐SKU手调。AX类走高频补货、低安全库存、允许更短的复盘周期；
AZ和CZ类走低频补货、高安全库存或不备货只做预售；长尾C类可以合并成按品类的统一阈值，或者直接设停售/清仓规则。新品单独一套逻辑，别用历史销量算，而是用预估日销加小批量试单，跑够2到4周有了真实动销数据再并入主分类。
判断分层是否有效的口径是：A类SKU的缺货率应明显低于整体、C类的库存金额占比应持续下降，如果A类还在断货，说明模板给错了层级或参数没跟着复盘更新。
老板问我上了ERP之后补货有没有变好，我拿不出一个有说服力的数，厂商给的案例又都是提升百分之几百。我不想编数据，但也不知道该拿哪几个指标、按什么口径说清楚。
建议把指标分成结果和过程两组，并且每组都先写死口径再取数。结果侧看四个：缺货率（统计周期内有断货记录的天数或SKU占比）、库存周转天数（平均库存成本除以日均销货成本）、滞销占比（超过设定天数无动销的库存金额占比）、资金占用（在途加紧压在仓的库存金额）。
过程侧看三个：预测偏差（预测销量与实际销量的绝对偏差除以实际销量）、补货及时率（按计划日期完成下单的采购单占比）、供应商准时交付率（按承诺到仓日期到货的批次占比）。日看的是断货预警和在途异常，周看补货及时率和预测偏差，月看周转、滞销和资金占用，季度再回头调参数。
想让结论站得住，必须做前后同期对比或双轨对比（一部分SKU由系统出建议、一部分由人工决定，跑满至少一个完整补货周期），并写清统计周期、样本SKU数和是否剔除大促和异常订单，凡是只给百分比不给口径的，都不建议直接引用。
读者评论
库存口径不统一这点太真实了。我们公司运营看平台后台，采购看ERP，仓库看WMS，三个数字经常差三成，开会先吵半小时口径。文章说的双轨运行三个月值得试，但小团队人手不够，人工建议根本跑不过来。
补货策略分层说得对，但实际操作时SKU上千个，靠人工分类很难持续维护。我们后来是按ABC加生命周期自动打标，每季度复核一次，否则参数很快就过期了，ERP再强也白搭。
例外管理才是关键。供应商跳票、头程延误这些我们全靠在群里喊，没有触发阈值和处理时限。看完意识到问题不在ERP功能，而在没人定义异常标准，准备先把缺货率和在途分段的口径统一。