2025年3月，我在深圳龙华见了一个做家居收纳的卖家。公司年营收大概2800万，亚马逊美国站加欧洲站，SKU三百多个，ERP系统上线两年半，年费小十万。我问他一个最基础的问题：下一批货补多少，怎么定？他打开一个Excel，说"看后台最近30天销量，乘个1.2，再瞅一眼仓库还剩多少，凭感觉发"。我接着问他：那你ERP里的补货提醒呢？他愣了一下，说那个阈值是三年前上线时随手填的，没人改过，弹出来也没人看。
这个场景我见过太多次了。ERP买了、装了、培训了、用起来了，但真正决定公司生死的那个动作，补多少货、什么时候补，依然停留在"看后台+拍脑袋"的水平。系统变成了一个事后记账的地方，而不是事前决策的地方。
所以这篇文章我不打算讲ERP有哪些功能模块，那是厂商官网的活。我想反过来讲一件事：你得先把市场调研到采购补货这条决策链想清楚，才知道ERP该配什么、怎么配、配到什么颗粒度。顺序错了，再贵的系统也是高级Excel。文章里会用我自己踩过的坑、带过的团队、以及像数跨境这类数据工具的实际观察来讲，尽量给到能直接拿去用的判断依据。
在展开之前，我想把最核心的判断先摆出来，后面的所有内容都是围绕这几条展开的。如果你只记住这一段，这篇文章的目的也就达到了。
这是我最想强调的一条。很多卖家上ERP时的心理预期是"装了这个系统，补货就不用我操心了"。这个预期本身就是错的。ERP擅长的是：把已经确定好的补货量，自动拆成采购单、自动跟踪到货、自动更新库存、自动生成对账。它不擅长的是：判断这个SKU下个月会卖多少。
需求预测这件事，本质上是人对市场信息的解读，竞品在降价、类目搜索词在涨、你的广告ACOS在恶化、某条review突然爆了负面、平台要改佣金政策。这些信号没有一个是ERP能替你判断的。ERP能做的是把判断结果结构化地固化下来，然后保证执行不走样。
为什么不从财务开始、不从订单开始，而从补货开始？因为补货这个动作有三个特点：高频（每周甚至每天在做）、可量化（结果就是断货率、周转率、滞销占比）、痛感强（补错了钱立刻压在库存里）。
一个能被高频执行、结果能被量化、错了立刻疼的流程，是最容易验证ERP到底有没有用的流程。反过来，如果你从财务模块开始上线，三个月都看不出对错，团队信心很快就散了。
大部分人对"市场调研"的理解停留在选品阶段，决定做不做这个产品之前调研一次，做完了就结束了。但实际上，只要这个SKU还在卖，调研就不该停。因为补货需要的是"未来一段时间这个SKU会卖多少"，而这个答案每个月都在变。
所以我把调研重新定义为：为下一次补货决策提供输入端信号的持续动作。它的产出不是一份选品报告，而是一个可以被系统读取的需求数字。
我带过和看过的落地案例里，失败原因高度集中在三件事上，且跟软件厂商关系不大：数据口径没统一（销量到底按哪个口径算）、责任人没定（谁对补货准确率负责）、复盘没做（补多了补少了都不复盘）。这三件事不解决，换三家ERP结果都一样。
讲方法论之前，我想先还原三个我实际见过的场景。这三个场景基本覆盖了从500万到5000万营收区间的卖家状态，你可以对照一下自己在哪一档。
这类卖家的补货表通常是这样的：一个Sheet，列有SKU、近7天销量、近30天销量、FBA可售、在途、日均销量、建议补货量。日均销量是手工除出来的，建议补货量是"日均×30天-可售-在途"，然后人工再调一调。
问题出在两个地方。第一，"近30天销量"这个数永远滞后。今天是3月15日，他表里填的可能是3月10日导出的数据，这5天的偏差在旺季足以让一个爆款断货。第二，所有SKU用同一套逻辑，A款是稳定款、B款是刚起量的新品、C款是清仓款，但它们的补货逻辑完全一样。
就是文章开头那位。ERP里有采购单，但实际采购还是在微信群跟工厂确认，确认完了再让运营补录到系统里。为什么？因为系统的采购建议不准，运营不信任它，就自己算一遍，算完再录进去。
这就形成了一个恶性循环：系统数据不准 → 人不信任 → 人绕过系统决策 → 系统数据更不准。我见过最夸张的一家，ERP上线两年，采购模块的"建议补货量"字段使用率不到5%。
这家做亚马逊+独立站+沃尔玛，仓配是FBA+美国海外仓+国内仓。他们的核心问题是库存散落在四个地方，没有一个地方能看到全貌。运营看FBA后台，采购看自己的ERP，海外仓看第三方仓库的月报，独立站看Shopify后台。
结果就是：FBA断货的同时，海外仓压着三个月卖不完的货。同一批货在国内仓、在途、海外仓、FBA之间的调拨完全靠人盯，调拨一次要在三个系统里各操作一遍。这类卖家的补货问题，其实已经升级成了全局库存可视与调拨优化问题，比单纯算补货量复杂得多。
下面这七个误区，是我在实际复盘会上听到最多的解释，也是导致系统用不起来的直接原因。我按出现频率从高到低排列。
选品调研回答的是"这个产品值不值得做"，补货调研回答的是"下个月它能卖多少"。前者是定性的、一次性的，后者是定量的、滚动的。很多团队做完选品调研就再也没碰过调研这件事，补货完全靠后台销量数据硬算。
后果是什么？你只能看到已经发生的事，看不到即将发生的事。竞品下个月要上一款同价位新品、类目搜索量已经在连续三周下滑、平台的佣金政策要变，这些信号没有一个会体现在你昨天的销量里。
"近30天日均销量"是补货表里最容易被误用的数字。它是平均值，平均值会掩盖趋势。一个SKU前15天日均100单，后15天日均40单，平均下来是70单。你按70单补货，补回来的货可能压半年。
反过来，一个刚起量的新品，前15天日均10单，后15天日均50单，平均30单。你按30单补，下个月直接断货。我在实操中更倾向用近7天日均 + 近30天日均 + 环比变化率三个数一起看，而不是一个平均值。
这是ERP落地里最典型的数据口径问题。运营脑子里想的是"FBA还剩多少"，而真实的可用库存是：FBA可售 + 海外仓可售 + 国内仓可售 + 在途（已发货未入仓）+ 工厂生产中 – 已被预售或预留占用的量。
只算FBA可售，你会高估缺货风险，提前催单；只算FBA+在途，你会在海外仓压货的情况下继续下单。这个口径必须在ERP上线前就由供应链负责人定死，写进文档，而不是让每个运营自己理解。
我见过至少五家公司，安全库存天数全公司统一填30天。这个数字没有依据，纯属感觉。安全库存的本质是对抗不确定性，而不确定性来自两个地方：需求波动和交期波动。这两件事每个SKU都不一样。
一个日销稳定在200±10单的成熟款，和一个日销在50到300之间剧烈波动的季节款，用同一个安全库存天数，本身就是不专业的做法。
工厂说25天能出货，实际操作中可能是32天；货代说海运30天到港，旺季可能是45天。如果你的补货公式里用的是25+30=55天，那你每次都在赌最好情况发生。
我的习惯是在历史交期上取P80分位数而不是平均值（示意基准）。也就是说，把过去20次的实际交期排个序，取第16名那个数字。代价是库存会稍微多一点，收益是断货概率大幅下降。这个参数在ERP里是配置项，不是写死的。
这是所有误区里最贵的一个。系统上线是里程碑，流程重写是苦活。多数团队愿意做前者，不愿意做后者，因为前者有交付感，后者要得罪人。
正确的顺序是：先画出补货决策流程图，标出每个节点的输入、输出、责任人和判断规则，再决定系统里该怎么配。流程图画不出来，说明你还没准备好上系统。
补货这件事，只要不复盘，团队就永远不会变好。我要求团队每月做一次补货偏差复盘：上个月预测的销量和实际销量的偏差是多少、偏差超过30%的SKU是哪些、原因是什么、下个月的参数要不要调。
这个复盘做三个月，你的预测准确率会明显上一个台阶。而ERP在这个环节的价值，是让复盘有据可查，如果预测值和实际值都没被系统记录下来，你连复盘的材料都没有。
讲完误区，我把我们团队实际在用的判断逻辑完整写出来。这套逻辑不依赖任何特定软件，你可以在Excel里跑，也可以在ERP里配，关键是每一步的输入输出要明确。
补货决策的输入变量必须被一次性定义清楚，并且所有人用同一套定义。我们用的是这六个：
| 变量 | 定义 | 数据来源 | 更新频率 |
|---|---|---|---|
| 可用库存 | FBA可售 + 海外仓可售 + 国内仓可售 | 平台后台 / ERP库存模块 | 每日 |
| 在途库存 | 已发货未入仓 + 工厂已下单未出货 | 采购单 / 物流单 | 每日 |
| 日均需求 | 近7日与近30日日均的加权值，叠加趋势修正 | 平台业务报告 / 数据工具 | 每周 |
| 供应交期 | 生产周期 + 头程运输 + 入仓上架，取P80值 | 历史采购记录 | 每月 |
| 安全库存 | 覆盖需求与交期波动的缓冲量 | 历史波动率测算 | 每季度 |
| 目标覆盖天数 | 希望补货后能支撑的天数 | 品类策略设定 | 每季度 |
这个表看起来简单，但真正在ERP里落地的时候，争议最大的往往是"日均需求"和"供应交期"这两栏。因为前者涉及算法口径，后者涉及责任归属（工厂交期不准算谁的）。这两栏必须先吵完，再上线。
这是我全文最想强调的一步，也是竞品内容里几乎完全缺失的一步。市场调研的产出必须是一个可以被系统读取的数字，而不是一段文字描述。
怎么做这个转换？我给你一个我们团队用的简化框架，分四层信号：
四层信号里，前两层是日频的，第三层是周频的，第四层是月频的。我们给每一层设一个修正系数，最终形成对基础销量的乘数修正。举个例子：如果类目搜索热度连续三周下滑15%，我们就给这个SKU的预测销量打0.9的系数；如果竞品Top3同时缺货，我们打1.15的系数。
这套系数不需要很精确，它的价值在于把"我感觉"变成"可讨论的参数"。团队可以争论某个系数该是0.9还是0.95，但至少不再是无据可依的拍脑袋。
把变量定义清楚、预测做出来之后，计算其实是最简单的一步。我用的是这套逻辑，不追求学术严谨，追求团队能看懂、能手动验算：
// 全链路可用库存
可用库存 = FBA可售 + 海外仓可售 + 国内仓可售
在途库存 = 已发货未入仓 + 工厂生产中
净库存 = 可用库存 + 在途库存 – 预售占用 – 平台预留
// 日均需求：取趋势值与稳定值的保守侧
趋势日均 = 近7日日均
稳定日均 = 近30日日均
基础日均 = MAX(趋势日均 * 0.6 + 稳定日均 * 0.4, 稳定日均 * 0.8)
日均需求 = 基础日均 * 调研修正系数 // 系数来自四层信号，范围 0.8 ~ 1.3
// 供应交期：取历史P80，而不是平均值
交期天数 = P80(历史生产周期 + 头程天数 + 入仓上架天数)
// 补货点与建议补货量
补货点 = 日均需求 * (交期天数 + 缓冲天数) + 安全库存
建议补货量 = MAX(0, 补货点 + 目标覆盖天数 * 日均需求 – 净库存)
这套逻辑有两点需要特别说明。第一，基础日均用了7日和30日的加权，并且设置了0.8倍的下限，是为了避免销量突然掉到0时预测跟着归零，那种情况更可能是Listing被下架或者广告停投，不是真实需求消失。第二，交期用P80而不是平均值，这是让补货从"赌运气"变成"控风险"的关键参数。
到这里你才会真正知道ERP该配什么。不是"我要一个采购模块"，而是：
注意，这五条里没有一条是"要有采购管理功能"。选型时拿着这份清单去问供应商，比听一场功能演示有用得多。如果对方只能说"我们都有"，但说不清楚"预测值与实际值的偏差在哪个报表里看"，那这个模块对你来说就是无效的。
这是落地节奏的问题。我强烈建议不要一次性上线所有模块。选一条最痛的链路，通常是"成熟款SKU的常规补货"，把它跑通，跑三个月，把预测准确率从60%提到75%以上，再往新品、往清仓款、往多仓调拨扩展。
为什么不一次性全上？因为你连一条链路的参数都没调对，怎么可能同时调对八条链路的参数。而且团队信心是靠小胜积累的，一次失败的全面上线，会让大家在半年内抗拒任何系统变更。
上面讲的是逻辑，但逻辑要跑起来，绕不开数据整合的问题。回到场景三那家多渠道卖家，他的补货决策要同时看亚马逊后台、独立站后台、海外仓月报、ERP采购单、广告后台五个地方。每次做一轮全店补货，光是导数据对齐SKU就花掉大半天。
我统计过我们团队做一轮全SKU补货复盘的时间分布，结论有点反直觉：真正花在"判断"上的时间不到20%，剩下80%全花在"找数据、对数据、核数据"上。
这个比例意味着什么？意味着如果你能把数据整合的时间压下来，同样的团队可以做出更细的颗粒度，从按SKU补货，细化到按SKU×仓库补货；从每周复盘一次，变成每周复盘两次。补货质量的上限，其实是被数据处理效率卡住的。
这也是我后来开始用数跨境这类跨境电商数据工具的起点。它的定位不是替代ERP，而是把散落在各个平台和系统里的数据拉到一起，让"可用库存+在途库存+日均需求+广告花费"这几个数能在同一张表里对齐。官网在 https://shukuajing.jiushuyun.com/，具体功能建议自己去看和试用，我不做功能承诺。
下面这三点是我在使用过程中的真实观察，不是产品功能罗列。
以前一个SKU在亚马逊是ASIN、在独立站是SKU编码、在ERP里是物料号、在广告后台又是另一套命名。四个系统四套编码，人工对齐必然出错。数据工具做的第一件事就是建映射关系，把这个基础工作一次性完成，之后所有分析都在统一口径上跑。
这件事听起来很土，但它带来的变化最直接：以前运营和采购经常因为"这个SKU到底还剩多少"吵架，吵的其实是口径，不是事实。口径统一之后，吵架的时间变成了讨论补货量的时间。
ERP的库存模块告诉你"有多少货"，平台后台告诉你"卖了多少"，但很少有地方同时告诉你"以当前销速，这批货还能撑多少天"。这个"可售天数"才是补货决策真正的触发器。
当全链路的可售天数能在一张表里按SKU排序，补货会议的开法就完全变了。不再是逐个SKU过，而是先看可售天数低于交期的SKU（紧急）、再看可售天数超过90天的SKU（风险），中间的大多数不用管。一次会议从三小时压缩到四十分钟。
这是我个人认为最有价值的一点。传统补货只看销量和库存，不看利润。但一个SKU的补货决策，本质上是一个资金配置决策，同样的10万块钱，压在A款上还是B款上。
当广告花费、平台佣金、头程运费、仓储费能和单个SKU的销售额对齐之后，你才能算出每个SKU的真实毛利。我见过不止一次，某个看起来销量不错的SKU，算上广告和仓储之后毛利是负的，但因为它一直躺在畅销榜里，从来没被质疑过。补货决策如果不带利润视角，你只是在最大化销售额，不是最大化利润。
我拿我们团队一个300 SKU的店铺做过对比（示意数据，用于说明量级差异）。在用数据工具整合之前，一轮全SKU补货从导数据到出采购单，平均耗时约6.5小时，其中数据准备占4.8小时。整合之后，同样的流程耗时约2.2小时，数据准备压缩到0.6小时，而且SKU覆盖从Top 80扩展到了全部300个。
更有意思的是补货偏差的变化。整合后的第一个季度，绝对偏差超过30%的SKU数量从上一季度的41个降到23个。我判断这个改善主要来自两点：一是原来没被纳入补货表的200多个长尾SKU终于被管起来了；二是可售天数这个指标暴露了以前被销量绝对值掩盖的问题。
前面讲的是通用逻辑，但不同体量的卖家资源完全不同。我按四个典型阶段分别给出建议，你可以直接对号入座。
这个阶段上ERP的投入产出比通常不高。你真正需要的是把补货逻辑规范化，用一张结构化的表跑起来。建议动作：
这个阶段的核心目标是把逻辑跑通，而不是把工具升级。逻辑对了，后面换任何系统都能无缝迁移；逻辑不对，先上系统只会把错误的逻辑固化得更牢。
这是最典型的阶段，也是我建议重点投入的阶段。这时候你已经有多个店铺、可能需要海外仓、团队开始分工，靠一张表很难管住了。建议动作：
第5条特别重要。双轨运行本身不可怕，可怕的是人工调整不留痕。留痕了，三个月后你才能知道系统建议和你的人工判断谁更准，才有依据决定要不要放权给系统。
这个阶段的补货问题已经不是"算得准不准"，而是"看不看得见"。多个仓库、多个平台、多个渠道，库存分散导致的问题远大于预测偏差导致的。建议动作：
这个阶段最常见的错误是，老板觉得"我们已经这么大了，得上一套更高级的系统"。但更高级的系统解决不了"海外仓数据要人工整理"这个流程问题。
纯亚马逊卖家的需求相对平滑，因为流量来自平台搜索，波动主要来自季节和竞争。独立站卖家不一样，你的销量受广告投放节奏、EDM营销节奏、社媒爆款影响极大，一个视频爆了可能带来三天的销量尖峰。
给独立站卖家的建议是：补货模型里必须加入"营销日历"这个变量。下一波大促、下一次EDM推送、下一次红人合作，都会直接影响短期需求。把营销排期提前同步给供应链，比把预测模型做得更复杂有用得多。
建议之后，我想讲讲取舍。因为大部分决策不是"要不要做"，而是"用A换B"。下面五组取舍是我在实操中反复遇到的。
年营收5000万以下的卖家，我基本不建议自研。自研的隐性成本在于：你需要一个人长期维护它，这个人一旦离职，系统就变成黑盒。我见过一家公司自研了补货系统，核心开发走了之后，参数没人敢改，最后又退回Excel。
什么情况下可以考虑自研？当你的业务模式有极强的特殊性，市面产品完全无法适配，并且你有稳定的技术团队。除此之外，采购+配置是更理性的选择。
前面已经说了，单点突破。这里补充一个判断标准：如果你不能在两个月内说清楚这个模块上线后哪个指标变好了，就不要同时上三个模块。因为三个模块同时上，指标变好了你不知道是谁的功劳，变差了也不知道是谁的问题。
理论上每个SKU都该有独立的安全库存参数，但实际操作中，如果你有800个SKU，逐个配置参数这件事本身就做不完。我的做法是ABC分级：
| 分级 | SKU占比 | 销售额占比 | 管理颗粒度 | 参数更新频率 |
|---|---|---|---|---|
| A类 | 约10% | 约65% | 单SKU独立配置交期、安全库存、覆盖天数 | 每月 |
| B类 | 约25% | 约25% | 按小类目分组配置，组内共享参数 | 每季度 |
| C类 | 约65% | 约10% | 使用统一参数，按季度批量复核 | 每半年 |
这张表的意思是：把80%的管理精力放在贡献65%销售额的A类SKU上，剩下65%的SKU用统一规则兜底。精细化管理的目标不是所有SKU都精细，而是把有限的精细用在刀刃上。
这是一个纯粹的财务权衡，没有标准答案，但有一个判断框架：把你的断货损失和资金成本分别量化，然后比较。
断货损失不只是那一部分没卖出去的销售额，还包括排名下滑带来的后续流量损失、竞品趁机抢占坑位、以及重新推起来需要的广告投入。我自己测算过（示意数据），一次持续两周的爆款断货，恢复原有排名平均需要额外的广告投入，量级大致相当于断货期间销售额的15%-25%。
相比之下，多备两周库存的资金成本要低得多。所以在爆款上，我倾向于安全库存给得更宽松；在长尾款上，宁可断货也不压货。这不是统一策略，是按SKU分层的差异化策略。
最后这组取舍，其实是我写这篇文章最想说的。当你发现数据太散、需要买工具整合的时候，先问一句：这些数据为什么这么散？有没有可能通过简化流程，让它们本来就不那么散？
比如你有六个店铺，每个店铺的运营各自用一套命名规则，那你需要工具来对齐。但如果你一开始就规定全公司统一SKU命名规范，这个问题就不存在了。工具能解决流程造成的混乱，但成本远高于一开始就不制造混乱。
我的判断是：先花两周时间梳理流程，把能通过规范解决的先规范掉，剩下的真正需要跨系统对齐的部分，再用工具解决。这个顺序反了，你会为一个本可以不存在的需求付费。
把前面的内容收敛成一条可执行的时间线，你可以直接拿去当项目计划用。
最后给一份可以直接打勾的自检清单。如果下面这些问题你有一半答不上来，说明还没到上系统的时机。
最后一条尤其关键。如果你发现换系统就需要重来一遍，那说明你的补货逻辑还绑在某个具体软件里，而不是绑在公司的流程里。真正落地的标志，是逻辑属于公司，软件只是执行逻辑的工具。
写到这里，我想回到文章开头那位深圳的卖家。后来我们做的事其实很简单：花了两周时间把他公司的补货逻辑画出来，定义了库存口径，把三百多个SKU按ABC分了级，重新算了每个A类SKU的交期P80。这些事全部在Excel里完成，一行代码没写，一分钱系统费没花。
然后我们发现，他原来那套ERP其实完全能承接这套逻辑，只是参数三年没改过、字段没人维护、口径没人统一。他缺的不是一套新系统，是把系统用对的前置工作。这才是我想通过这篇文章传递的最核心的判断。
第一个观点：ERP落地的最大成本不是软件费，是流程重写的时间成本。如果你只预算了软件费，没预算团队花在梳理流程上的时间，那这个项目大概率会拖，然后在拖的过程里被放弃。
第二个观点：市场调研的产出应该是一个数字，不是一份报告。报告是给人看的，数字是给系统读的。一份写得很漂亮的类目分析，如果不能转成对某个SKU预测销量的修正系数，对补货决策就没有直接价值。
第三个观点：ERP是执行工具，替代不了人的判断，但能把人的判断放大。它无法告诉你下个月卖多少，但能在你判断完之后，保证采购单、物流跟踪、库存更新、对账这一整条链路不走样。哪个部分该交给系统，哪个部分必须自己扛，这个边界想清楚了，落地就顺了。
至于工具，无论是继续用现在的ERP，还是接入像数跨境这样的数据整合层，本质上都是同一个判断的两面：你能不能先把自己的决策逻辑讲清楚，讲清楚到可以被写进系统的程度。能，工具就是放大器；不能，工具就是记账本。差别不在工具，在你有没有先用两周时间，把这件事想明白。
我做亚马逊三年了，每次上新都说要做市场调研，但最后交出来的报告全是“市场容量大、竞争激烈”这种废话，老板问我下个月订多少货，我根本答不上来。所以我很想知道，调研到底该做到哪一步才算合格。
调研的终点应该是“补货信号”，不是行业报告。落到表上至少要三层数据：需求端看自己listing的近90天日均销量、近30天环比、核心搜索词排名变化；竞争端看同类TOP10的BSR动销和断货频率；供应端记录供应商起订量、生产周期、头程时效。
最终产出物是一张SKU级的表：SKU、日均销量、交期天数、销量波动系数。判断口径要卡死：某SKU近30天日均销量比前90天日均高出20%以上、且不是因为一次促销拉动的，才算趋势性增长，可以上调补货量；只是单周冲高就按原基线走，不要动。
调研如果没落到这几个数字上，就还停留在选品灵感阶段，对补货没有任何指导意义。
我们团队定安全库存一直靠感觉，旺季被断货罚过，淡季又压了一堆滞销库存，仓储费烧得心疼。我想找一个中小团队能直接上手、不用请数据团队的方法。
实操中用得最多的是这一版：安全库存约等于日均销量乘以交期天数再乘以波动系数。波动系数按品类定，销量稳定的标品取1.2到1.3，有明显季节性或者刚上新还在爬坡期的取1.5到2.0。然后在途库存必须一起算：可用库存等于现有库存加在途减已售未发减预留。补货点等于交期内预计销量加安全库存。
最容易翻车的地方是交期，一定要用实际入库时间统计，不能用供应商承诺时间，很多卖家的补货点算错，就死在“承诺7天实际21天”这个差值上。第一次做可以拿过去6个月的实际到货数据倒推真实交期和到货波动区间，再回填到参数里。参数每季度校准一次，比一次算得多精确更重要。
去年花了几万块上了ERP，结果采购还是用Excel，运营还是看平台后台，系统里的数据乱七八糟，最后变成了给老板看的摆设。我特别想知道问题出在哪一步，是不是我们推的顺序本身就错了。
绝大多数“上了没用”不是软件问题，是流程没先跑通。落地顺序建议是从最窄的一条链路开始：单店铺、单仓库、采购入库到FBA发货或自发货出库这一整条。链路跑通的验收标准很简单，ERP里的库存数和平台后台对得上，差异控制在1%以内，对不上就不许往下走。链路通了再上补货建议、多店铺、财务对账这些模块。
上系统之前必须先把三件事写死：SKU编码规则、仓库归属规则、采购在途怎么记，这三件事含糊，后面所有数据都是错的。还有一个很实用的判断依据是看一线愿不愿意用，如果操作员每天还要额外花半小时把ERP的数据抄回Excel，这套系统一定活不过三个月。
我们系统里有个“智能补货建议”，刚开始我照着下单，后来发现几次明显不合理，旺季推的量还不如我自己拍脑袋准，现在就不敢用了。我想搞清楚这个功能真正的边界在哪，什么时候能信、什么时候必须人工改。
ERP是执行层工具，不是决策层。它的补货建议本质上是把你设定的参数，也就是日均销量、交期、安全库存、波动系数，套公式跑一遍，参数不对，输出一定不对，所以问题通常不在算法在参数。
正确用法是把它当计算器和提醒器：用它保证几百个SKU不漏补、不算错、不忘记在途，但有三类情况必须人工干预，新品类没有历史数据、大促前需要人为放量、供应链出现异常比如工厂停产或港口拥堵。判断标准也很直白，如果你能解释清楚系统为什么给出这个数字，就可以用；解释不了，先回去校准参数。
建议每月做一次偏差复盘，把实际销量和系统预测做统计，偏差长期超过30%，说明要么参数错了，要么这个品类的划分方式根本不适合套公式。
读者评论
文章里那个2800万卖家补货靠Excel的故事太真实了，我们公司也这样，ERP上线两年了，采购模块基本摆设，运营还是自己算。核心问题是没人对补货准确率负责，系统再好也白搭。
七个误区里'先上系统后理流程'这条最扎心，我们就是先买的系统，结果流程没统一，采购建议没人信，最后变成双轨运行，人工反而更累。流程不画清楚，真别急着上系统。
交期取P80分位数这个建议很实用，之前我们按工厂承诺的最快交期算，旺季断货好几次，后来改成历史交期上浮才稳住。这个参数确实应该在ERP里做成可配置的，不是写死。
多仓卖家的库存可视问题说得太对了，我们做亚马逊加独立站，FBA和海外仓各看各的，经常FBA断货海外仓压货。补货已经不是算量的问题，是全局库存怎么调拨，ERP没打通就是瞎忙。
每月补货偏差复盘这条我准备落地试试，以前补多补少就过去了，没人记录预测值和实际值，同样错误重复犯。文章提到ERP要能留存预测数据，这个点很多卖家上系统时都没考虑到。