去年 11 月，一个做户外储能的朋友半夜发消息问我：他把安全库存系数从 1.5 调到 2.1，仓库租金多付了小半年，结果两个爆款还是断了 11 天。他第一反应是采购不给力，第二反应是物流商太烂，准备换掉合作两年的头程服务商。我让他先把 ERP 里的采购单导出，按"下单，供应商发货，离港，清关完成，到仓，上架"六个时间戳拉一遍。结果出来他自己都愣了：问题既不在采购，也不在物流，而在他的 ERP 里根本没有"清关完成"和"上架"这两个字段，所有时效评估都建立在物流商给的月报上。
这件事让我意识到一个很普遍的现象：跨境电商卖家天天喊"物流质量差"，但真正能拿出可复核证据链的人极少。大家手里握着大量采购补货数据，却从没把它当成评估物流质量的工具用。这篇文章讲的就是我实际用过的一套方法，把采购补货链路当作跨境物流质量的传感器，用 ERP 数据做一次物流质量审计。
我不会讲 ERP 功能大全，也不会复述头程、尾程、清关的百科定义。我只讲一件事：你 ERP 里那些躺在采购模块里的字段，怎么变成能指认责任、能反哺补货参数的证据。
先把我的核心判断说完，后面所有内容都是围绕这几个判断展开的论证。
物流商给你的月报，本质是一份"自我陈述"。它会告诉你平均时效多少天，但不会告诉你 P90 是多少天，不会告诉你哪一批货因为报关资料问题在港口压了 9 天。月报是营销材料，ERP 原始数据才是审计底稿。你把月报当底稿用，等于让被审计对象自己写审计报告。
我做过一个抽样：某条美西海运线路，全年平均时效 34 天，看起来非常稳。但把 217 个批次按到仓时长排序后，P50 是 31 天，P90 是 58 天，最差两批分别压了 79 天和 86 天。而这两批恰好是黑五前的备货批次。
平均时效合格，不代表你能安心补货。补货决策需要的是尾部数据，不是中枢数据。这一点后面会单独讲。
你想想还有哪条链路能自然产生这么多时间点：采购单创建、供应商备货完成、物流揽收、离港、到港、清关放行、到仓签收、质检、上架。这些时间点分别由不同主体产生，互相之间无法串通篡改。
更重要的是，这些时间戳直接决定了你什么时候能卖货。它不是"物流指标"，它是"生意指标"。这就是为什么我认为用它评估物流质量，比用物流商报表评估更接近真相。
不要试图一次性打通所有数据。先用 3 个月、3 条主力线路、3 个核心指标做一次小样本审计，找出一个具体问题，改一次补货参数，看结果。这套方法的门槛低到一个人一周就能完成第一轮。
我见过太多团队把物流商月报打印出来贴在墙上，然后开会讨论"要不要换物流商"。下面是我实际经历过的三个场景，每个都指向同一个原因。
就是开头提到的那个储能卖家。他的 ERP 里只有三个时间字段：采购单创建日期、供应商发货日期、仓库入库日期。中间所有环节是黑盒。
他把"补货提前期"定义为"入库日期减下单日期"，算出来平均 38 天，于是按 38 天 + 缓冲设置补货点。但实际业务里，入库不等于可售。他的货到仓后还要质检、贴标、录入系统，平均要 4 天，旺季要 8 天。
这 4 到 8 天没被算进去，直接导致补货点算早了。叠加上海运旺季的尾部波动，断货就成了必然。
另一个做家居品类的团队，同时用三家头程服务商。全年平均时效三家分别是 32 天、33 天、35 天，看起来差不多，他们一直觉得"三家都可以"。
后来我帮他们按季度拆开看：第三家在 Q3 的平均时效是 41 天，比 Q1 的 29 天差了 12 天，另外两家全年波动都在 4 天以内。全年平均值把旺季的塌方完全掩盖了。
更关键的是，这家物流商承运的恰好是他们毛利最高、周转最快的两个 SKU。也就是说，全年平均值不仅掩盖了问题，还掩盖了"问题正好落在最贵的地方"这个事实。
这批货是发往德国的，压在港口 23 天。老板要求换物流商。我让他先查报关资料提交时间，结果是采购部在下单后第 19 天才把 CE 认证文件发给报关行，货早就到港了。
压港是结果，原因是资料流转延迟。换物流商解决不了这个问题，下次换一家照样压。
在给出具体方法之前，先把错误做法拆干净。因为方法本身不复杂，难的是改掉惯性。
月报的价值是"线索"，不是"证据"。它告诉你哪条线路可能有问题，但具体是哪一批、卡在哪个环节、责任在谁，必须回到 ERP 原始单证。
正确做法是：用月报发现异常方向，用 ERP 数据定位异常批次。两者是漏斗关系，不是替代关系。
我做过一个统计，同一批 217 个海运批次，平均值和中位数只差 3 天，但 P90 比中位数高 27 天。如果你按平均值设安全库存，你准备应对的是"典型情况"，而实际击穿你的永远是 P90 那一批。
补货参数应该由 P90 或 P95 驱动，而不是平均值。平均值用来做对外沟通，分位数用来做内部决策。
补货提前期 = 供应商备货 + 运输 + 清关 + 到仓 + 上架。这里面只有运输和清关是物流商的责任范围，供应商备货是你采购部的事，上架是你仓库的事。
如果一条链路上有 6 个环节，你把 6 个环节的问题都算在物流商头上，你会得到一个"很烂的物流商"，以及一个从来没被修好的供应链。
这是最隐蔽的坑。我见过至少四种口径污染：
不先做数据清洗，后面所有指标都是自欺欺人。
换物流商是有成本的：重新磨合、重新测试、运力重新谈判。而且如果问题根源在资料流转、在上架效率、在预测偏差，换谁都没用。
我的建议是：在完成一轮归因分析之前，不做物流商更换决策。先把责任边界划清，再决定换不换。
这一节是整篇文章的地基。字段不全，后面 7 个指标全部失真。
我把采购补货链路拆成六个时间点，每个时间点都对应一个责任主体。你可以对照自己的 ERP 看有几个是真实记录的。
| 时间戳 | 建议字段名 | 产生主体 | 缺失后的替代方案 |
|---|---|---|---|
| 采购单创建 | po_created_at | 采购部 | 几乎不会有缺失 |
| 供应商发货 | supplier_shipped_at | 供应商 | 用物流揽收时间近似，但会低估备货延迟 |
| 离港 | departed_at | 货代 | 用提单日期近似，误差 1-3 天 |
| 清关放行 | customs_cleared_at | 报关行 | 用入港时间加历史均值推算，误差较大 |
| 到仓签收 | warehouse_arrived_at | 海外仓 | 用上架时间倒推，但会把上架延迟算进运输 |
| 上架可售 | listed_at | 仓库/运营 | 无替代方案，这个字段缺失是最致命的 |
如果六个里你有四个以上，这套方法立刻可以用。如果只有两三个，先补两个字段：清关放行时间和上架时间。这两个是失真最严重的。
时间之外还需要数量和成本，否则你无法判断"延迟的代价有多大"。
有了这三量两费，你才能算出"到货差异率"和"物流成本质量比"这两个直接关联利润的指标。
下面是我常用的一个基础口径，作用是算每批到货的实际补货提前期。字段名按你的 ERP 替换即可。
— 单批次补货提前期口径
SELECT
po.po_no AS 采购单号,
po.sku AS SKU,
po.supplier_id AS 供应商,
po.logistics_provider AS 物流商,
po.route AS 线路,
po.qty_ordered AS 下单量,
po.qty_received AS 实收量,
— 供应商备货天数
DATEDIFF('day', po.po_created_at, po.supplier_shipped_at) AS 备货天数,
— 头程运输天数
DATEDIFF('day', po.departed_at, po.arrived_port_at) AS 运输天数,
— 清关天数
DATEDIFF('day', po.arrived_port_at, po.customs_cleared_at) AS 清关天数,
— 到仓天数
DATEDIFF('day', po.customs_cleared_at, po.warehouse_arrived_at) AS 到仓天数,
— 上架天数
DATEDIFF('day', po.warehouse_arrived_at, po.listed_at) AS 上架天数,
— 端到端补货提前期
DATEDIFF('day', po.po_created_at, po.listed_at) AS 补货提前期,
— 到货差异率
ABS(po.qty_received – po.qty_ordered) * 1.0
/ NULLIF(po.qty_ordered, 0) AS 到货差异率
FROM dwd_purchase_order po
WHERE po.status NOT IN ('cancelled', 'closed')
AND po.po_created_at >= DATEADD('month', -3, CURRENT_DATE);注意几个细节：用 NULLIF 防止除零；用 ABS 让差异率只看绝对值；用状态过滤剔除取消单。这三处不做，结果会出现无穷值和虚假异常。
每次拉数之前问自己三个问题：这批样本覆盖了几条线路、几个物流商、几个季节？分组之后每组还剩多少个批次？如果某一组少于 15 个批次，我建议不要单独下结论。
小样本的"异常"经常只是随机波动。我见过团队因为 6 个批次的样本判了一家物流商"死刑"，事后证明那 6 批正好赶上台风季。
下面 7 个指标是我实际跑过一轮之后保留下来的。每个指标我按"定义，公式，需要字段，异常信号，归因方向"五段给出，你可以直接抄成看板字段。
定义：从采购单创建到商品在 ERP 中变为可售状态的完整天数。注意是"可售"，不是"入库"。
公式：补货提前期 = 上架时间 − 采购单创建时间。
需要字段：po_created_at、listed_at。
异常信号：同一线路同一物流商，连续 3 个批次超过历史 P90。
归因方向：先拆成备货、运输、清关、到仓、上架五段，看是哪一段拉长的。不要直接归因物流。
定义：在承诺时效窗口内完成到仓的批次占比。关键是"承诺窗口"必须先定义清楚，我一般用物流商合同承诺时效 + 3 天宽限。
公式：准时到仓率 = 窗口内到仓批次数 ÷ 总到仓批次数。
需要字段：po_created_at、warehouse_arrived_at、物流商承诺时效（可维护在物流商主数据表）。
异常信号：单季度准时到仓率低于 80%。
归因方向：按物流商、按线路、按季度三维拆分。整体达标但某一维度塌方，是常见情况。
定义：用 P90 减 P50 的差值衡量，比标准差更直观，因为它直接对应"最坏情况比典型情况差多少天"。
公式：时效波动率 = P90 补货提前期 − P50 补货提前期。
需要字段：listed_at、po_created_at（计算分位数）。
异常信号：波动率超过 15 天。这意味着你的安全库存要额外覆盖两周。
归因方向：波动通常来自清关和旺季运力，可通过拆分季度验证。
定义：两个独立指标。清关时长 = 清关放行 − 到港；上架时长 = 上架可售 − 到仓签收。
公式：见上。
需要字段：arrived_port_at、customs_cleared_at、warehouse_arrived_at、listed_at。
异常信号：清关时长 P90 超过 10 天，或上架时长 P90 超过 5 天。
归因方向：清关异常先查报关资料提交时间与到港时间的先后关系；上架异常先查仓库人力排班和旺季预约规则。
定义：实收量与下单量之间的偏差比例。这个指标同时反映物流丢件和供应商短装两类问题。
公式：到货差异率 = |实收量 − 下单量| ÷ 下单量。
需要字段：qty_ordered、qty_received。
异常信号：单批次差异率超过 2%，或某物流商连续 2 批出现负差异。
归因方向：如果多批次普遍短装且集中在同一供应商，是供应商问题；如果集中在同一条运输线路，是物流问题。
定义：缺货天数是 SKU 在 ERP 中可用库存为 0 且存在有效需求的天数；补货满足率是有货天数占比。
公式：补货满足率 = 1 − 缺货天数 ÷ 有需求天数。
需要字段：日粒度库存快照、订单需求数据。
异常信号：高毛利 SKU 补货满足率低于 95%。
归因方向：这个指标是结果指标，要反查它前面 5 个指标里哪一个在恶化。我的经验是：绝大多数缺货不是预测不准，而是提前期被低估。
定义：单位货值承担的物流与关税成本，同时结合时效表现看"贵得值不值"。
公式：物流成本质量比 = （freight_cost + duty_surcharge）÷ 采购货值。
需要字段：freight_cost、duty_surcharge、采购货值。
异常信号：某条线路成本上升 10% 以上但时效无改善。
归因方向：区分是燃油附加费、旺季附加费还是报关代理费上涨。附加费型上涨可以通过谈判和淡旺季错峰缓解。
指标算出来只是第一步。真正产生决策价值的是交叉拆分。我固定用三个维度拆。
同一个物流商，在美西线和欧线可能是两个完全不同的服务水平。不要用"某物流商好不好"这种问法，要问"某物流商在某条线路上，在某个季度，表现如何"。
我的经验是：把物流商和线路组合成一个"承运单元"，一个跨境卖家通常只有 5 到 15 个承运单元。这个粒度刚刚好，既能看到差异，也不会碎到样本不足。
不同品类在清关环节的复杂度差异很大。带电池的产品、带液体成分的产品、需要认证的产品，清关时长可能比普通品类高出一倍。
如果按品类拆分后发现是某一个品类的清关时长异常，那么解决方案就不是换物流商，而是换报关行或者提前准备资料。
我强烈建议把季度和促销周期（如黑五前 8 周、春节前 4 周）作为固定拆分维度。因为跨境物流的风险高度集中在这几个窗口。
一个实用做法：把每个承运单元的时效按"平日 / 旺季 / 大促前"三档分别记录 P50 和 P90。补货参数在旺季应该切换到不同的数值，而不是全年一套。
把上面三个维度的结果汇总成一张评分卡，每季度更新一次。我用五个维度，权重按业务阶段调整。
| 维度 | 建议权重 | 数据来源 | 评分口径 |
|---|---|---|---|
| 时效水平 | 25% | P50 补货提前期 | 对标线路基准，优于基准 5 分，持平 3 分，劣于 1 分 |
| 时效稳定性 | 30% | P90 − P50 差值 | 差值越小分越高，超过 15 天记 1 分 |
| 成本效率 | 20% | 物流成本质量比 | 与同线路其他承运单元横向比较 |
| 异常发生率 | 15% | 到货差异率、压港次数 | 按批次统计异常占比 |
| 信息透明度 | 10% | 轨迹更新频率、异常主动通报 | 人工评级，需留证据记录 |
注意我把"时效稳定性"的权重设得比"时效水平"更高。原因很简单：补货参数是被波动率逼高的，不是被平均值逼高的。一个 33 天但极其稳定的物流商，比一个 30 天但偶尔压 80 天的物流商更值钱。
这是整套方法里最容易做错的一步。归因错了，后面的动作全是浪费。
我的顺序是：先排除可控因素，再评估物流因素。因为可控因素的修复成本远低于更换物流商。
下面这个判断顺序可以写进你团队的异常处理手册。
归因做完必须落到工单上，否则下一批货还会踩同一个坑。我的工单模板包含五个字段：异常批次号、异常环节、责任方、修复动作、是否影响补货参数。
最后一个字段最关键。如果一次异常不改变任何补货参数，那这次复盘基本等于没做。要么调整缓冲天数，要么调整该承运单元的订单分配比例，要么调整安全库存系数。必须有一样被改动。
评估的终点不是出一份报告，而是改变系统的参数。这一节讲四个具体动作。
一个可操作的简化公式：
安全库存 = 日均销量 × (P90补货提前期 − P50补货提前期) × 服务系数
其中：
日均销量：过去 30 天有效销量 ÷ 30
P90 − P50：该承运单元的时效波动率
服务系数：A 类爆款取 1.2，B 类取 1.0，C 类取 0.8
举个具体例子。某 SKU 日均销量 40 件，承运单元波动率 12 天，服务系数 1.2。那么安全库存 = 40 × 12 × 1.2 = 576 件。
如果换成平均值思路，你可能只会设 40 × 3 = 120 件。差距接近 5 倍。这就是为什么很多团队"明明设了安全库存还是断货"，他们设的是针对平均情况的库存，不是针对最坏情况的库存。
补货点 = 日均销量 × (P50 提前期 + 缓冲天数)。缓冲天数建议直接取该承运单元的波动率的一半。
这样做的好处是把物流质量显式地写进了补货逻辑。当某条线路的波动率恶化时，补货点会自动上升，不需要有人手动干预。
不要做"用一家还是用两家"的二选一。我的做法是按评分卡加权分配订单量。
这个机制的价值在于，它让物流商评价变成了可执行的采购动作，而不是一份没人看的季度报告。
高波动线路应该降低单批订单量、提高下单频率；低波动线路可以合并订单降低运费。这两件事在成本上是反向的，所以必须用数据来平衡。
我的判断标准是：如果一条线路的波动率超过 15 天，优先降 MOQ；如果低于 8 天，优先合并订单摊薄运费。中间地带按 SKU 的毛利水平判断，高毛利 SKU 容忍更高的物流成本。
方法再好，不落到固定节奏上就会失效。我给团队定的节奏是"周看异常、月看趋势、季看取舍"。
每周一花 30 分钟，只看五件事：
周报只看异常，不要看平均值。平均值是月度复盘的事。
月度复盘做三件事：更新物流商评分卡、更新每个承运单元的 P50 和 P90、检查补货参数是否需要调整。
这里有个细节：不要因为一个月的波动就改参数。我一般要求连续两个月同向变化，或者单月恶化超过 20%，才触发参数调整。否则你会陷入频繁调参的混乱。
上面这些字段和指标，用 Excel 也能做，但维护成本会随着 SKU 和线路数量线性上升。做到第三个季度的时候，你会发现每周更新数据本身就占掉半天。
我自己后来是用 数跨境 来做这件事的。它的价值不在于替代 ERP，而在于把 ERP 里的采购单、在途批次、物流费用这些原始记录，按承运单元和时间维度聚合成可以直接看的看板，省掉了每周手工拉数透视的环节。我实际使用时重点看三块：按承运单元的 P50 与 P90 提前期、按线路的准时到仓率、按 SKU 的缺货天数与补货满足率。之前的替代方案是每周从 ERP 导 CSV 再用透视表重做一遍，一次大约 1.5 小时，现在是打开看板直接读。
需要说明的是，工具只是把重复劳动省掉，口径和归因逻辑仍然要你自己定。没有清晰口径的看板，只是把错误算得更快。
最后这部分是给决策用的。同样的方法，在不同阶段的团队里优先级完全不同。
5 人以下小团队：只做三件事。补两个字段（清关放行、上架），算一个指标（补货提前期 P50 与 P90），每月开一次 30 分钟复盘。不要做评分卡，人力不够。
5 到 20 人团队：做完整 7 个指标，按承运单元拆分。设立月度复盘机制，指定一个人负责数据口径。这个阶段的重点是把口径固定下来，写在文档里。
20 人以上团队：把指标接入系统看板，设立异常工单流程和 SLA。这个阶段的重点从"算得对"转向"反应快"。可以引入第三方数据工具减少人工。
单线路、单物流商：没有横向对比，重点做纵向趋势。用季度环比看波动率是否恶化。
多线路、多物流商：重点做横向对比。用评分卡和订单分配比例形成竞争压力。
线路波动极大（如新兴市场）：不要试图压平波动，而是用降 MOQ、提高下单频率、增加本地备货来对冲。
| 取舍场景 | 选择 A | 选择 B | 我的判断依据 |
|---|---|---|---|
| 是否更换低评分物流商 | 立即更换 | 先修内部流程再评估 | 若归因显示内部可控因素占比超过 50%，换物流商无效 |
| 是否提高安全库存 | 提高安全库存 | 降低 MOQ 提高频率 | 波动率大于 15 天选 B，小于 8 天选 A，中间看 SKU 毛利 |
| 是否上工具 | 继续用 Excel | 接入数据看板 | 承运单元超过 8 个，或周度整理耗时超过 1 小时，就该上工具 |
这三个取舍我反复遇到过。最容易做错的是第一个：在还没完成归因的情况下换物流商，结果新物流商同样表现不佳，白付了一轮磨合成本。
回到开头那位储能卖家。他最后没换物流商。他做的是三件事：在 ERP 里补上清关放行和上架两个时间戳，用波动率重算安全库存，把每月的物流复盘会固定下来。三个月后，他的补货满足率从 91% 提到了 97%，在途库存反而降了。
我想强调的独特观点是：物流质量问题，绝大多数时候不是"看不到"，而是"看错了地方"。大家习惯去物流商的报表里找答案，但答案一直在自己的采购补货数据里。你的 ERP 每天都在记录物流质量，只是没人去读。
如果你打算开始，就做这三步：
做完第三步，你会对"要不要换物流商"这个问题有一个和现在完全不同的答案。
我上次想复盘一批爆款的到仓时间，打开 ERP 一看，时间字段有七八个，采购单创建、审核、供应商发货、物流揽收、到仓、上架全都有，但不同 SKU 填得乱七八糟，根本对不上。后来才发现不是数据不够，是我一开始没定义口径。
最少要凑齐四类字段。第一类是四个时间戳：采购订单创建时间、供应商实际发货时间（要和计划发货时间分开）、物流揽收或离港时间、到仓收货与上架时间。第二类是三类数量：采购下单量、在途量（含已发货未到仓）、实收量（再区分良品、破损、短装）。
第三类是两类成本：物流运费（头程加尾程加各类附加费）和关税、VAT、仓储附加费。第四类是归属维度：物流商、运输线路、收货仓库、SKU 或品类、批次号。清洗上先做三件事：所有时间统一到同一个时区（建议用收货仓库所在地时间）、剔除取消单和改期单、把部分到货和多批次到货按批次号拆行而不是合并成一条记录。
如果系统里没有离港或清关时间戳，可以用物流商轨迹节点或报关单回填；如果连揽收时间都没有，只能用供应商发货时间加一个固定头程预估替代，但一定要单独标注为近似值，不要和真实节点混在同一列里做趋势对比，否则越算越偏。
我看过不少讲物流 KPI 的文章，动辄列十几个指标，真到自己的 ERP 里一个都算不出来。踩过坑之后我才明白，指标不在多，关键是每个指标都能用系统里现成的字段算出来，而且要能解释为什么这么算。
建议先只做五个，跑通再加。一是补货提前期，公式是上架时间减采购订单创建时间，同时拆出到仓时间和上架时间两段，因为仓库预约加质检上架经常能占掉三到七天。二是准时到仓率，等于承诺窗口内到仓的批次数除以统计期内总到仓批次数，承诺窗口要用采购时和物流商确认的时效，不要用事后估的数。
三是时效波动率，用 P90，或者用 P90 减 P50 再除以 P50，也可以用标准差除以均值得到的变异系数，经验上变异系数低于 0.15 算稳定，0.15 到 0.3 需要预留缓冲，超过 0.3 说明这条线路不该只押一家物流商。
四是到货数量差异率，等于实收量减应收量取绝对值再除以应收量，按批次算完再看统计期累计值，单批次 2% 以内通常可接受，累计超过 1% 就要查短装和丢件。五是缺货天数与补货满足率，用补货需求被实际满足的比例来衡量物流对销售的实际影响。
两个提醒：所有指标按批次算，不要按 SKU 行数算，否则大单会吃掉小单的权重；统计周期至少覆盖 20 到 30 个到仓批次，样本太少时只做参考不做结论。
我们之前有个线路，报表上平均 28 天到仓，看着完全达标，安全库存也是按 30 天设的，结果三个月里爆款断了两次。我一开始以为是采购没下单，后来把每批次的到仓时间摊开看，才明白问题出在哪。
平均值会把尾部风险抹平。同一批数据里，P50 可能是 27 天，但 P90 到了 45 天，也就是大约两成的批次要拖到 40 天以上。如果安全库存是按 30 天设的，这两成批次几乎必然断货，而平均值完全看不出来。可执行的做法是三步。
第一，任何时效指标都同时输出 P50 和 P90，只报平均值的看板直接改掉。第二，做交叉拆分，至少按物流商乘线路、收货仓库、品类、大促前后这几个维度各拆一次，很多所谓整体合格其实是某条线路长期拖后腿被平均值盖住了。第三，把批次数少于 5 的分组标为样本不足，不要拿它去给物流商排名。
拆完通常会看到三种形态：整体稳定但个别线路差，整体波动但集中在旺季，或者某仓库的上架时间长期比其他仓库长。第三种最容易被误判成物流慢，实际是仓库预约和收货产能问题，换物流商解决不了。
每次断货，采购说物流慢，物流说发货晚，运营说预测不准，会上吵半小时没有结论。我后来逼着自己做了一次归因拆解，才发现大部分争议是因为大家看的是同一个总时长，没人拆开看。
做法是把补货提前期切成四段，分段算 P50 和 P90。第一段是供应商备货段，从采购订单创建到供应商实际发货。第二段是头程运输段，从发货到抵达目的国口岸。第三段是清关段，从到港到清关放行。第四段是入库段，从清关放行到仓库上架完成。
然后看每段的 P90 占总时长的比例，以及这段的波动是不是集中在特定对象上。判断依据可以简单一点：某一段的 P90 超过该段承诺时效的 1.3 倍，就把它标成异常段。异常段在供应商备货段且集中在少数供应商，问题在采购和供应商产能；异常段在头程段且集中在某个物流商或某条线路，问题在物流；
四段都不异常但总时长还是超，说明当初设定的承诺时效本身就偏乐观，是参数问题不是执行问题；只有入库段异常，先查仓库预约排队和平台仓收货规则，别急着换货代。归因完必须落到动作上，否则白做：把这条线路实测的波动值加进安全库存和补货点的缓冲时间，把物流商评分折成采购分配比例，高波动线路强制配一条备选渠道。
做完这一轮，下次开会就不用吵了，打开分段报表看哪一段亮红就行。
读者评论
把采购补货链路当物流质量传感器这个思路挺实用，尤其六个时间戳的拆解，让我意识到自己ERP里清关放行和上架时间一直没记全，难怪补货提前期总是不准。
分位数那段说得对，我们做美西海运平均35天看着稳，去年黑五前一批压了70多天直接断货。后来复盘才发现按平均值设安全库存就是埋雷，得用P90。
换物流商之前先做归因分析这点很扎心。我们之前压港就怪货代，结果查下来是采购部认证资料给晚了，换了服务商下次照样压，责任边界不划清真没用。
数据清洗那四条硬规则是干货，时区不统一和部分到货没拆批次这两个坑我们都踩过，两个人算出两个提前期，开会各说各的，先统一口径比什么指标都重要。
小样本审计的建议很务实，三个月三条线路三个指标，一个人一周能跑完，比上来就搞全链路数据中台靠谱多了，先找出一个具体问题改一次参数看结果。