去年十月的一个凌晨，我一个做亚马逊家居品类的朋友给我发来两张截图：一张是后台的库存绩效指标掉到警戒线，另一张是他自己用 Excel 维护的补货表，表里有 47 个 SKU，其中 19 个的"在途数量"栏是空的，8 个的"日均销量"还在用三个月前的数字。他问我：是不是该上 ERP 了？我的回答是，先别问上不上 ERP，先回答一个问题：你的补货决策，是在哪一步开始失控的？这篇文章就是我把这个问题拆开的过程。
我会讲清楚中小跨境电商商家在采购补货这件事上的判断顺序、常见的钱是怎么白花的、什么信号出现时才真的需要系统，以及我用"数跨境"这类数据工具帮卖家跑通补货决策时观察到的真实数据变化。如果你年 GMV 在几十万到几千万之间、团队 3 到 20 人、正在 Excel 和 ERP 之间纠结，这篇内容就是写给你的。
我接触过近百个中小跨境团队，从 3 个人的夫妻店到 20 人的精品卖家。一个反复出现的规律是：补货做得烂的团队，上了 ERP 之后补货依然烂，只是烂得更快、更贵。因为 ERP 本身不产生判断，它只放大你已经存在的判断质量。你的补货逻辑是对的，它让你快十倍；你的补货逻辑是错的，它让你错十倍，而且错得很有系统感，让你误以为一切都在掌控中。
所以我把这篇文章的核心结论放在最前面，一共四句话：
下面这张图是我根据自己跟进的 32 个中小跨境团队样本（年 GMV 50 万到 3000 万，样本推演，非平台官方统计）整理的：SKU 数量和缺货率之间的关系，以及上系统之后的变化方向。你会发现，问题不是"要不要上系统"，而是"在什么节点上系统"。太早上，系统成本压过收益；太晚上，你已经用人工错误把利润吃掉了。
要把"要不要上 ERP"这个问题问对，得先看清楚失控的过程。我总结下来，中小跨境卖家的补货失控基本走的是同一条路径，只是速度快慢不同。理解了这条路径，你就能判断自己现在站在哪个位置。
大部分卖家起步的时候，补货方法是这样的：打开亚马逊后台看库存，翻一翻最近七天的销量，觉得差不多该补了，就下一张采购单。这个阶段完全不需要系统，因为 SKU 少、老板自己在做、所有信息都在脑子里。
问题在于，当 SKU 从 30 个涨到 150 个，这个方法会继续被沿用，但它的可靠性已经崩了。人的工作记忆大概只能同时跟踪 7 到 9 个变量，150 个 SKU 乘以每个 SKU 的销量、库存、在途、交期、促销计划，就是上千个变量。这时候"感觉"不再可靠，但很多人还没有意识到，只是觉得最近怎么老是断货。
我见过最典型的一个团队，做宠物用品，从 40 个 SKU 涨到 210 个用了 14 个月。他们的缺货率从不到 3% 涨到接近 18%，但团队一直认为是"物流不稳定"。直到我让他们把近半年的缺货记录按原因分类，才发现 60% 以上的缺货是内部判断滞后导致的，跟物流没有关系。
跨境电商的补货约束条件，比国内电商复杂得多，因为你要同时面对三类规则：平台仓的入库限制、海外仓的库容和费用阶梯、头程物流的时效波动。这三类规则都不是固定的，会随季节、平台政策和你的账户表现变化。
举个例子，亚马逊的仓储容量限制会随库存绩效指标波动，旺季前还会临时调整。如果你的补货计划是按"我想补多少"来定，而不是按"我能入库多少"来定，那么采购单下了、货发了、到港了，可能发现根本入不了仓，只能压在海外的第三方仓里，仓储费一天天烧。
我印象最深的一个案例是 2024 年旺季前，一个卖家用老参数做了两个月的备货计划，结果发货节奏跟仓储限制完全错位，最后有接近 4000 件货滞留在美国第三方仓，光仓储费两个月吃掉了这批货毛利的三分之一。
团队超过 5 个人之后，补货这件事就开始被拆开：运营负责看销量和促销，采购负责下单调货，库存或财务负责看库存和资金。每个人手里的数据都是片面的。
运营知道下周要做秒杀，但采购不知道；采购知道供应商这个月要放假，但运营不知道；财务知道这个季度现金流紧张，但两边都不知道。最后的结果是：补货决策变成了三个人各自判断的叠加，而不是一个完整的决策。这种断层在 Excel 时代几乎无法修复，因为数据本身是分散的、不同步的。
下面这张图展示的是我复盘 40 多个断货案例后的原因分布。可以看到，真正由外部因素（物流延误、供应商违约）导致的断货，比例其实没有大家想的那么高。
在讲正确的判断逻辑之前，我要先把坑讲清楚。因为这五个误区，几乎每一个都让我的读者付出过真金白银的代价，有的是几万块的软件费，有的是几十万的库存损失，有的是半年时间的浪费。
这是最普遍的误解。很多卖家在选型时，第一个问题是"你们家的销量预测准不准"。这个问题的潜台词是：我只要买了这个系统，它就能告诉我该补多少货。
现实是，目前市面上针对中小卖家的主流 ERP，销量预测模块用的基本都是移动平均、指数平滑这类相对基础的算法，输入端就是你的历史销量。它能做的是把历史数据整理成可用形式，并保持口径一致，但它无法预知你下周要做的促销力度、竞品突然降价、某个达人视频意外爆量。
我判断一个 ERP 的预测模块好不好，不看它算法多高级，而看两件事：一是它的预测参数能不能人工覆盖，比如你手动把某个 SKU 下个月的预测销量乘以 1.5；二是它能不能输出预测偏差率，让你知道它上一次猜得有多离谱。做不到这两点，预测模块就是装饰品。
我曾经帮一个读者算过一笔账。他看中一款 ERP，报价是每年 1.2 万元，按店铺数和订单量阶梯计费，他觉得可以接受。上线一年后我们复盘，真实成本是这样的：
| 成本项 | 首年金额（估算） | 说明 |
|---|---|---|
| 软件订阅费 | 1.2 万元 | 按店铺数计费，第二年因增开店铺涨到 1.5 万元 |
| 实施与账号配置 | 0.6 万元 | 多店铺 SKU 映射、仓库设置、权限分配 |
| 平台 API 对接与插件 | 0.5 万元 | 部分平台的对接需要额外付费或第三方中转 |
| 团队培训时间成本 | 约 1.8 万元 | 3 人 × 各约 40 小时，按人力成本折算 |
| 数据清洗与历史迁移 | 约 1.2 万元 | 老 Excel 数据补录、SKU 编码统一，最耗时 |
| 专职维护人力 | 约 3.6 万元 | 相当于 0.3 人年，用于日常查错、对账、调整规则 |
| 首年合计 | 约 8.9 万元 | 订阅费只占真实成本的 13.5% |
所以我现在给读者的第一条选型建议是：不要问"月费多少"，要问"第一年全部跑通的总投入是多少，其中我的人要投入多少小时"。第二个问题的答案，往往比第一个更影响成败。
我见过最危险的一个案例，是一个做了两年、SKU 不到 80 个的卖家，上系统后第二天就把补货完全交给系统自动生成采购建议，采购直接照着下单。三周后他发现，有一个核心爆款被系统建议只补 40 件，而他凭经验觉得至少要补 400 件。
原因是他手动在系统里做了一场大促，但促销的销量没有同步到预测模型里，系统只看到了过去 90 天的自然销量。如果他真的按 40 件下单，这个旺季的核心爆款直接断货。
在中小团队里，补货的正确姿势是"系统出建议 + 人工过闸门"，而不是"系统出结果"。系统负责整理、计算、预警，人负责判断异常、处理特殊情况、承担最终决策。这个分工至少在团队稳定运行半年内不应该改变。
这是我认为最容易被低估的坑。有的团队 SKU 编码在不同平台不一样，有的团队同一个商品在亚马逊和独立站是两个记录，有的团队连自己的仓库里到底有多少货都说不准。
这种情况下上 ERP，最可能的结果是：系统里的数字和现实完全对不上，团队用两周发现不可信，然后慢慢退回 Excel，软件费打水漂，还额外产生了一次"数字化失败"的挫败感。
我的建议是先做一次数据体检。清单很简单：SKU 编码是否全局唯一、同一商品的跨平台映射是否建立、近三个月库存盘点是否做过、供应商档案和交期记录是否完整。这四项有两项不达标，就先别上系统，先花两周把数据理干净。
我见过不少团队，安全库存统一设成 30 天，补货点统一按 45 天算。看起来很整齐，但这个设定对不同的 SKU 意味着完全不同的后果。
对于一个日均卖 50 件的爆款，45 天的补货点意味着要备 2250 件，资金占用巨大；对于一个日均卖 2 件的长尾款，45 天意味着只备 90 件，一次海运延误就直接断货。统一参数的本质，是用一个平均值去管理一组分布极不均匀的对象，结果一定是两头都出错。
讲完坑，接下来是我自己实际在用的判断框架。这套框架我用它帮读者做过十几次选型和补货复盘，结构很稳定：先看三个变量够不够清楚，再过三道闸门，最后用一张分层表决定每个 SKU 的策略。
不管你有没有系统，补货决策都建立在三个变量上。这三个变量如果算不清楚，用什么工具都没用；如果算清楚了，哪怕用 Excel 也能跑出不错的结果。
日均销量不是"最近一周卖了多少除以七"，因为一周太短，一场促销就能把数据带偏。我建议用近 90 天销量除以 90，同时剔除已知的异常日，比如大促当天、断货期间。
波动系数更重要，它是标准差和均值的比值。波动系数小于 0.5 的 SKU 是稳定款，可以按较紧的安全库存管理；大于 1.2 的是波动款，必须留更宽的缓冲，或者干脆用多批小量补货。
很多卖家算提前期只算供应商生产时间，这是错的。完整的提前期应该包括：供应商备货天数 + 国内头程到仓天数 + 报关与海运天数 + 目的国清关天数 + 入库上架天数。这几段加起来，往往是从合同交期的 2 倍起。
我给读者的经验值是：如果供应商说 15 天交货，那么从下单到货架可售，实际按 40 到 55 天估比较安全。海运旺季、港口拥堵、平台仓上架慢的时候，按 60 到 70 天估。
安全库存不是一个固定天数，而是"日均销量 × 提前期 × 波动系数的一个倍数"。这个倍数取决于你能承受多高的缺货率。缺货损失越大、补货越难，倍数越高。
下面是我常用的一个计算脚本，用来说明补货点和建议采购量是怎么从这三个变量推出来的。你可以直接改参数跑一遍，看看自己手上 SKU 的结果对不对得上经验判断。
# 补货点与建议采购量计算（示意脚本，参数需结合自身品类校准）
avg_daily_sales = 120 # 近90天日均销量（件）
std_dev = 78 # 近90天日销量标准差
lead_time_days = 50 # 总补货提前期（天）
service_factor = 1.65 # 服务水平系数，对应约95%不缺货概率
moq = 500 # 供应商最小起订量
available_stock = 1800 # 可用库存（件）
in_transit = 900 # 在途库存（件）
波动系数
cv = std_dev / avg_daily_sales # = 0.65
安全库存
safety_stock = service_factor * std_dev * (lead_time_days ** 0.5) # ≈ 910 件
补货点
reorder_point = avg_daily_sales * lead_time_days + safety_stock # ≈ 6910 件
建议采购量（按一个补货周期覆盖）
raw_qty = reorder_point – available_stock – in_transit # ≈ 4210 件
suggested_qty = max(raw_qty, moq) # 取 MOQ 与计算值的较大者
print(f"波动系数: {cv:.2f}")
print(f"安全库存: {safety_stock:.0f} 件")
print(f"补货点: {reorder_point:.0f} 件")
print(f"建议采购量: {suggested_qty:.0f} 件")这个脚本的意义不在于算得多准，而在于它把补货从"感觉"变成了"参数"。当你能说出"我这个 SKU 的波动系数是 0.65，所以安全库存要多留 910 件"，你就已经具备上系统的前置条件了。反过来，如果你连波动系数说不出来，那你要先解决的不是系统，是数据。
补货公式给出的只是一个"理想值"。在中小团队里，这个理想值必须过三道现实闸门，才能变成真正能下的采购单。
第一道是现金流闸门。把这张采购单要花的现金，放进未来 60 天的现金流表里，看看会不会导致发不出工资、付不了运费。如果会，就要把补货优先级排出来，先保爆款，长尾延后。
第二道是库容闸门。查一下目的仓接下来 30 到 60 天的可用库容上限、入库限制、旺季预约窗口。库容不够的时候，补货再多也进不去，此时正确做法是调整发货节奏，而不是加大采购。
第三道是供应商闸门。确认 MOQ、生产排期、这个月有没有节假日、能不能分批出货。有的供应商节前两周就不接单了，你不提前知道，采购单等于废纸。
三道闸门的顺序不能反。先过现金流，因为没钱什么都做不了；再过库容，因为货发不出去就是纯成本；最后过供应商，因为前两道过了，才值得去谈产能。
过完三道闸门，接下来是分层。我把 SKU 按"销量贡献"和"波动性"两个维度分成四层，每一层用不同的补货逻辑。这张表是我实际用的版本。
| SKU 分层 | 特征 | 补货策略 | 安全库存水平 |
|---|---|---|---|
| 核心爆款 | 销量占前 20%，波动中等 | 多批小量、提前锁定产能、优先保库容 | 偏高，按 1.65 倍服务水平 |
| 稳定常规款 | 销量稳定，波动系数小于 0.5 | 固定周期补货，参数可长期沿用 | 中等，按 1.28 倍服务水平 |
| 长尾测试款 | 销量少，波动大，前景不确定 | 小批量试单，不设安全库存，卖完再评 | 低，宁可断货不可压货 |
| 清仓款 | 销量下滑，库存偏高 | 停止补货，制定清仓节奏和折扣计划 | 无 |
这张表最重要的作用是防止团队用同一套参数管所有货。我建议每季度重跑一次分层，因为爆款会衰退、长尾会逆袭，分层本身是动态的。
讲完框架，我用一个真实跟进过的案例来说明落地过程。这里我会以"数跨境"为例来说明数据工具在补货决策里的位置，官网地址是 https://shukuajing.jiushuyun.com/ 。需要强调，工具不是万能的，它解决的是"数据看得见、口径统一、趋势可追"这一段，判断和取舍仍然在人。
这个卖家做家居和户外小件，团队 6 个人，运营 2 人、采购 1 人、库存兼财务 1 人、客服 1 人、老板兼决策。店铺分布在亚马逊美国站、欧洲站和一个独立站，SKU 大约 130 个。
找到我的时候，他们的核心痛点是：海运周期越来越长，海运发出的时候销量是对的，到仓的时候发现要么缺货了要么积压了。老板的原话是"我永远在补去年该补的货"。
他们原来的做法是每个平台后台分别看数据，再手动往 Excel 里填。问题是三个平台的数据口径不一样，亚马逊的销量是发货口径，独立站是支付口径，放到一起算总销量必然对不上。
我们做的第一件事是用数跨境把三个渠道的订单、库存、采购数据整合到一个看板里，统一按"商品 + 日期 + 仓库"的口径汇总。这一步花了大改两周，其中一半时间在处理 SKU 映射，同一个商品在三个渠道的编码不同，需要建立对照关系。
这一步结束后，他们第一次能在一张表上看到：每个 SKU 在三个渠道的日销量趋势、当前可用库存、在途数量、以及各自的库存周转天数。这在 Excel 时代他们做不到，因为数据太多、更新太快。
数据整合完之后，我们按库存周转天数和缺货率做了排序，结果很反直觉：他们以为的"物流问题"，实际上集中在 23 个 SKU 上，这 23 个 SKU 有一个共同特征，销量波动系数都大于 1.5，但用的却是和其他稳定款一样的安全库存参数。
换句话说，他们的补货参数和商品特性完全错配。波动最大的商品用了最僵硬的参数，当然会不断出现"补少了"和"补多了"的交替。
下面这张图是这次复盘的关键数据对比。上线前后，指标变化最明显的不是缺货率，而是滞销库存占比，因为过去滞销很难被发现，等发现的时候已经压了大半年。
数据看板解决了"看得见"，但补货决策还需要"算得准"。我们做了三件事：
这三件事做完之后，他们的补货建议从"系统给什么就下什么"变成了"系统给建议，采购过闸门，老板看异常"。这个分工看起来很笨，但三个月跑下来，他们的缺货率从 17.3% 降到 7.1%，滞销占比从 26.8% 降到 14.5%。
这个案例里最值得说的一个细节是：他们的数据汇总耗时从每周 11 小时降到 2.5 小时，节省的 8.5 小时看起来不多，但按采购和运营两个人力算，一年就是大约 880 小时的重复劳动。如果折算成人力成本，这笔钱比他们的软件订阅费高得多。
这也是我一直强调的：评估补货方案的价值，不能只看"少断货多少"，还要看"省下多少人力"和"释放多少库存资金"。对一个年 GMV 千万级的团队来说，库存周转从 118 天降到 76 天释放出来的现金，往往是最值钱的部分。
框架和案例讲完，接下来是具体建议。我把中小跨境卖家按团队规模和 SKU 数量分成四档，每一档的行动路径不一样。你可以先找到自己所在的那一档，再看对应建议。
这一档不要上 ERP。你需要的是一个结构清晰的 Excel 补货表，包含这几列：SKU 编码、日均销量、波动系数、总提前期、安全库存、补货点、可用库存、在途库存、建议采购量。
把前面那段计算脚本手动跑一遍，或者用表格公式实现，每周更新一次数据。这一档的核心任务是把补货逻辑跑通，培养对参数的直觉，而不是买软件。
这一档是最纠结的一档。我的建议是：先上轻量级的数据分析工具，把多平台数据整合起来，解决"看不清"的问题，暂时不做全流程 ERP。因为在这个规模上，你最大的问题往往不是流程没有系统管，而是数据太散、每次做判断都要花大量时间收集。
等数据整合完成后，你会有两个收获：一是看清了哪些 SKU 真的有问题；二是发现团队实际上最需要系统接管的是哪一段流程。这时候再去选 ERP，目标会清晰得多。
这一档基本需要正式的系统支持了。建议的路径是分三步：第一步上订单与库存聚合，确保账面库存可信；第二步上采购与在途管理，打通从采购单到入库的链路；第三步再上补货建议与预警。
不要三步一起上。我见过的失败案例里，超过一半是因为一次性上线太多模块，团队消化不了，最后整套系统被闲置。
这一档要开始考虑供应链系统的专业能力了，比如多仓调拨、工厂协同、批次管理、账期管理。这时候选型要看的不只是 ERP 的电商对接能力，还有它的供应链模块深度。同时，这个规模一定要配专职的库存或供应链岗位，系统只是工具，人要对结果负责。
很多卖家希望我给一个"最优解"，但现实中不存在。每一次选择都是取舍，我把最常见的四组取舍列出来，你对照自己的情况判断。
功能越全的系统，配置越复杂，团队上手越慢。一个覆盖采购、仓储、财务、客服的全模块系统，通常需要一到三个月的配置期；一个只做订单和库存聚合的轻量工具，一周内就能用起来。
如果你现在最大的痛点是"看不清数据"，选上手快的；如果你的痛点是"流程没人管"，那就必须忍受配置期，选功能完整的。不要为了功能表的完整性，牺牲掉团队真正用得起来的那部分。
按店铺数、按订单量计费的模式，在业务增长期会越来越贵。一个从 3 个店涨到 10 个店的团队，年费可能翻两倍以上。但按量付费的好处是初期门槛低、试错成本小。
我的判断标准是：如果你预计未来 12 个月店铺数或订单量会增长超过 50%，优先考虑有封顶价或者按坐席计费的方案，避免成本随业务增长失控。
自动化的好处是快，坏处是错的时候你发现得晚。我的建议是分阶段：前三个月系统只给建议，所有采购单必须人工确认；三到六个月后，对波动系数小于 0.5 的稳定款开放半自动；六个月后再考虑对稳定款完全自动，波动款永远保留人工确认。
决策权下放的速度，应该和团队对系统的信任度同步，而不是和系统的功能宣传同步。
一套系统打通所有渠道和流程，管理成本最低，但灵活性差；多工具组合可以各取所长，但数据要来回倒，容易出错。
现实中我见到效果比较好的组合是：用数据分析工具做决策支撑，用 ERP 做流程执行。数据分析工具负责把多平台数据聚合、算指标、出趋势；ERP 负责采购单、库存流水、财务对账。两者各司其职，反而比强行用一套系统覆盖全部场景更稳。
写到这里，我想回到开头那个凌晨的问题：是不是该上 ERP 了？答案从来不是简单的"是"或"否"，而是三个有先后顺序的动作。
第一步，先修判断。用前面那三个变量（日均销量、总提前期、波动系数）把手上 SKU 的补货参数算一遍，能算清楚的 SKU 有多少？如果超过一半算不清楚，那么你现在的任务不是买软件，是把数据理干净。
第二步，再上系统。系统要解决的是"数据看得见、口径一致、趋势可追、异常可预警"这四件事，而不是替你做决策。选型时优先看它能不能还原你的补货决策链，而不是看它功能表有多长。
第三步，最后才谈自动化。先用"系统给建议 + 人工过闸门"的模式跑三到六个月，用缺货率、滞销占比、库存周转天数这三个指标验证效果，再逐步下放决策权。
我这些年最大的一个体会是：跨境电商的采购补货，本质上不是一个技术问题，而是一个信息处理问题。中小商家真正的劣势不是没有系统，而是数据散、口径乱、判断依赖个人记忆。谁能更快地把这三个劣势补上，谁就能在同样的资金规模下跑出更高的周转。这跟买哪家的软件关系不大，跟你愿不愿意花两周把数据理清楚关系很大。
如果你决定动手，我建议从今天开始做一件最小的事：打开你的库存表，找出销量最高的 20 个 SKU，把它们的日均销量、波动系数、总提前期、安全库存四列补齐。补不齐的那几列，就是你下一步最该投入的地方。补得齐，你就已经知道该不该上系统、该上什么系统了。
我现在做亚马逊加独立站，团队 6 个人，SKU 大概 400 多个，平时用 Excel 加几个共享表格在管库存和补货。最近老是出现这个链接断货、那个链接又压了一堆库存的情况，运营和采购天天在群里对数据。我就很纠结，到底是再招个人把表格做细一点，还是干脆上个 ERP，怕花了几万块结果用不起来。
别用感觉判断，用四个可量化的信号来打分：一是 SKU 超过 200 且分属 2 个以上平台，二是日均订单超过 150 单或多店铺并行发货，三是采购、运营、仓储三个人以上的数据需要互相核对，四是近三个月出现过 3 次以上因数据不同步导致的断货或超发采购。
四条里中两条，就说明人工协同的成本已经超过系统成本了。反过来，如果 SKU 少于 100、单平台单店、只有一个采购在跟，那优先把表格模板和补货规则跑通，比上系统更划算。真要上的话也别一次全量，先拿一个店铺或一个品类跑 2 到 4 周，对一下库存准确率和补货建议的可解释性，再决定要不要铺开。
我看很多 ERP 演示都在讲自动补货，输入几个参数就能生成采购建议。我自己试过按日均销量乘以提前期加安全库存来算，但一遇到旺季或者海运延误，算出来的数完全对不上，不是备多了就是备少了。到底这个公式该怎么用，系统的建议能不能直接下单？
公式是起点不是答案，先统一口径再谈参数。基线这样定：日均销量取近 90 天剔除大促异常值后的均值，波动系数用同期周销量的标准差除以均值，安全库存等于波动系数乘以提前期再乘以一个服务水平系数（中小卖家通常取 1.5 到 2 之间）。
补货点等于日均销量乘以（供应商交期加头程时效加清关上架时间），再叠加安全库存。但这套算法天然处理不了三类情况：平台大促的脉冲销量、供应商临时涨价或延期、海运和库容的突发限制，所以系统的建议只应该作为初稿，由采购按当月促销计划、供应商交期确认和平台库容额度人工复核。
建议每月回看一次预测偏差率，也就是实际销量减去预测销量再除以实际销量，控制在 30% 以内算健康，超过就要调参数而不是调系统。
我最近在比几家 ERP，报价看着都不贵，有的一个月几百块，有的按单量收费。但我朋友说他上系统花了两万多，后面还有各种对接费、插件费、加店铺要加钱。我怕自己一开始只看月费，最后总投入超预算。想问问除了订阅费，到底还要算哪些钱进去？
把成本拆成五块一起算：第一块是订阅费，注意是按店铺数、按单量还是按 SKU 阶梯计费，问清楚超出后的单价；第二块是实施与对接费，多平台店铺授权、海外仓对接、物流商对接、财务软件对接，有些是按接口数量单独收；第三块是插件和增值模块，比如广告数据、利润核算、BI 报表，往往是单独订阅；
第四块是人力成本，包括上线期间的专人维护、数据清洗、员工培训，通常要占用 0.5 到 1 个人一个月的精力；第五块是切换和退出成本，包括历史数据迁移、老系统并行期、合同期内的最低消费。
判断依据很简单：把第一年的总投入除以预计节省的人工工时和减少的缺货损失，算出回本周期，超过 12 个月就要重新评估方案，或者先只上一个模块。
我不想重蹈别人上线即闲置的覆辙。我们打算下个月开始试用，但销售一直给我讲功能有多全，我担心上线之后大家还是回到 Excel 里对数据。有没有一套能落地的验收标准，让我知道补货模块到底有没有解决问题？
用四个指标做 30 到 90 天的上线验收，别验收功能数量。第一是库存准确率，随机抽 50 个 SKU，把系统可用库存和实际仓库盘点数对比，偏差超过 2% 就说明数据源没打通；第二是缺货率，对比上线前后每个月的缺货 SKU 数和缺货天数，目标至少下降三分之一；
第三是库存周转天数，按品类分别看，重点看滞销库存占比是不是从原来的水平往下降；第四是预测偏差率，看系统建议量和实际采购量的差异，以及采购员修改建议的比例，如果修改比例长期高于 50%，说明参数没调好或者系统不适用你们的品类。
验收时还要做一件事：让采购在系统里完整走一遍从补货建议到采购单再到在途入库的流程，导出一次报表，确认数据能对上、能解释、能追溯，三个都满足才算真正上线成功。
读者评论
文章把补货失控的信号量化成缺货率、滞销占比等指标，这个思路很实用。很多卖家确实凭感觉判断，看完可以对照自己的数据看看在哪个阶段。
首年真实成本那部分很有共鸣，订阅费只是冰山一角。我们去年上线时数据迁移和培训花了大量人力，如果提前算清楚这笔账，选型会更理性。
断货原因帕累托图让我意外，内部判断滞后占38%远高于物流因素。说明上系统前先把补货逻辑理顺，比急着买工具更重要。