2024年旺季前，我帮一家做家居收纳的跨境卖家做补货体检，第一个小时就卡住了。同一个 SKU，运营说"FBA 还能卖 11 天，必须紧急补货"，采购说"总库存还有 34 天，不用急"，财务说"这个 SKU 占了我 47 万库存资金，应该砍单"。三个人用的是同一套 ERP，看的是同一批数据，结论差了三倍。
我把他们的字段定义拉出来，问题立刻清楚了：运营算的"可售天数"是 FBA 可售库存除以近 7 天日均销量，采购算的是总库存（含在途、含海外仓、含退货在检）除以近 30 天日均，财务算的是库存金额除以月均出库成本。三个口径都"没错"，但放在一起做决策就是灾难。
这件事让我彻底改变了对"ERP 优化"的理解。绝大多数团队的补货事故，不是公式不会算，也不是 ERP 功能不够，而是输入口径没统一、例外没有分级、复盘没有闭环。这篇内容就是我把采购补货和季度复盘这两件事拆成可执行动作清单的一次完整整理，包含字段口径、12 个补货动作、复盘议程、ERP 落地检查表，以及不同规模团队的取舍建议。
先把最重要的判断放在前面，后面的所有方法都是从这三条推出来的。
我做过一个粗略统计：在我参与过的 20 多个跨境供应链项目里，真正需要"更高级预测算法"的不到 3 个。其余的补货问题，靠统一字段定义、补上在途可视、设置分层安全库存就能解决 70%。
原因很朴素。预测算法再好，如果喂进去的"历史销量"混了促销、混了断货期、混了刷单退货，输出的补货量就是错的。补货量的误差会被 MOQ 和箱规向上取整放大，再加上 30 到 60 天的头程交期，错误会被锁定一个半月以上，等你发现时已经积压。
所以我把补货优化的顺序固定为：先统一口径 → 再补全输入（在途、退货、在检） → 再分层设参数 → 最后才是算法和自动化。反过来做，通常是花钱买教训。
我参加过很多"季度复盘会"，最常见的形式是：运营讲了一遍销量和利润，采购讲了一遍准时交付率，财务讲了一遍毛利率，然后老板问"那下个季度怎么办"，全场沉默。
这不是复盘，这是数据朗读会。真正的复盘必须回答四个问题：偏差有多大、偏差从哪来、下个季度改哪个动作、谁在什么时间前改完并怎么验证。没有第四条，前三条都白做。
复盘和补货的联动点就在这里：补货是"过程动作"，季度复盘是"结果校验"。补货的输入口径，恰好就是复盘的指标口径。口径不统一，两个环节都会失控。
我见过不止一个老板说"上了 ERP 就不用管补货了"。这个期待一定会落空。ERP 能做的是：把多平台、多仓、多币种的数据同步到一处，把审批和预警的规则固化下来，把报表沉淀下来。
ERP 不能替你决定"这个爆款要不要赌一把加 3 倍库存"，也不能替你决定"这个长尾 SKU 是清仓还是继续养"。这些判断依赖你对类目生命周期、竞品动作、平台政策的理解，属于人的判断。系统负责让判断有依据、让执行不走样。
很多从国内电商转过来的运营，第一次做跨境补货都会低估复杂度。国内补货是"仓到仓"，跨境补货是"工厂到港口到目的国仓到平台仓到消费者"，中间每一段都可能失真。
我把跨境补货的链路拆成七段，每一段都有典型的失真方式：
这七段里，只有第一段和第二段是"算法问题"，其余五段都是"数据和流程问题"。这就是我为什么坚持先做口径治理，再谈预测模型。
现场一：断货。爆款在第 6 周断货，采购说"我 4 周前就下单了"，运营说"我 3 周前就提交需求了"。查下来是审批卡了 5 天、质检卡了 3 天、头程比预估多了 11 天。这类断货的根因不在补货量算错，而在交期假设过于乐观。
现场二：滞销。上季度推的新品，按"爆款逻辑"下了 3 倍库存，结果动销只有预期的 40%。现在这些货压在海外仓，仓储费每个月都在扣，清仓又舍不得毛利。这类问题的根因是补货决策缺少"分批放量"的机制。
现场三：现金流。账面利润不错，但银行账户紧张。查下来是库存资金占用从 480 万涨到 760 万，全部压在 3 个"看起来在高增长"的 SKU 上。这类问题的根因是补货决策没有和资金约束挂钩。
我观察到一条规律：复盘会第一次开，大家都很认真；第二次开，开始有人请假；第三次开，变成"数据通报会"，因为前两次提的行动项没人跟。
根因有三个：指标没有责任人、行动项没有截止时间、验证方式没有提前定义。这三个都缺失时，复盘就退化成情绪表达。所以我在第四章会把"行动闭环表"作为复盘的强制产出写清楚。
这一章是全文最实操的部分。我把它拆成 12 个动作，每个动作都给出 ERP 落点、检查项和常见错误。你可以直接拿它当检查表用。
动作一：需求分层。不要对所有 SKU 用同一套补货逻辑。我的分层方式是 ABC-XYZ 二维：A 类是高销售额贡献，B 类是中间，C 类是长尾；X 类是需求稳定，Y 类有季节性，Z 类是高度随机。
分层之后策略立刻分化：AX 走"自动化补货＋低安全库存＋高频复核"，CZ 走"人工季度评估＋最小起订＋可接受缺货"，BZ 和 CY 走"中等安全库存＋月度复核"。把 CZ 类当成 AX 类管，是长尾积压的主要来源。
动作二：口径统一。这一条我在第一章已经强调过，这里给出可以直接用的字段口径表。建议把这张表打印出来贴在会议室，任何补货争议先回到这张表。
| 字段 | 建议定义 | 数据来源 | 更新频率 | 责任人 |
|---|---|---|---|---|
| 可售天数 | （本地仓可售 + 平台仓可售 + 在途可用）÷ 近 14 天日均净销量 | ERP 库存模块 + 销售模块 | 每日 | 供应链计划 |
| 在途可用 | 已发货且交期在 21 天内可入仓的采购在途 + 调拨在途 | 采购单 + 物流跟踪 | 每日 | 采购 |
| 安全库存 | Z × σ（需求与交期复合波动），按 SKU 分层设定 | ERP 参数表 | 季度校准 | 供应链负责人 |
| 采购周期 | 下单到可售的总天数，取历史 P75 分位数而非均值 | 采购单时间戳 | 月度 | 采购 |
| 动销率 | 近 30 天有销售天数 ÷ 30 | 订单明细 | 每周 | 运营 |
| 库龄 | 入库日期到当前的仓储天数，分 0-30/31-60/61-90/90+ 四档 | 入库单 + 仓储费账单 | 每月 | 仓储 |
动作三：基线清洗。预测用的历史销量必须做三类清洗：剔除断货期（无货不等于无需求）、剔除促销峰值（或用促销标记做单独建模）、剔除异常退货（质量问题导致的大批退货要单独归因）。
这一步看起来琐碎，但收益极大。我做过对比：同样用移动平均，清洗前后在爆款上的预测误差能差 8 到 15 个百分点。
动作四：补货点与安全库存。跨境场景下，补货点要考虑的不是单一交期，而是"交期 + 复核周期"。因为你不是每天都下单，你有固定的补货节奏（比如每周一、周四各跑一次）。公式如下：
补货点 ROP = 日均需求 μD × (交期 LT + 复核周期 RC) + 安全库存 SS
安全库存 SS = Z × √[(LT + RC) × σD² + μD² × σLT²]
其中：
Z = 目标服务水平对应的系数（95% 服务水平约 1.65，99% 约 2.33）
σD = 日需求的波动标准差
σLT = 交期的波动标准差（关键，很多团队直接设为 0，这是最大的错误）
LT = 采购周期，建议取历史 P75 分位数
我要特别强调 σLT。绝大多数团队的补货模型里，交期是一个固定值，比如"45 天"。但真实交期是分布的：P50 是 42 天，P75 是 51 天，P90 是 63 天。用均值当交期，意味着你有接近一半的概率会在货到之前就断货。
动作五：补货量计算。补货量不是一个公式，而是"目标覆盖 + 约束修正"两步：
理论补货量 Q = 目标覆盖天数 × 日均需求 + 安全库存 − 可用库存
可用库存 = 本地可售 + 平台可售 + 在途可用 + 在检可修复 − 已确认未发
最终下单量 = MAX(Q, MOQ)，再按箱规 / 整柜向上取整
若资金紧张：最终下单量 = MIN(最终下单量, 单 SKU 资金上限 ÷ 单位成本)
注意最后一行。这是我建议所有团队都加上的资金约束闸门。补货量算出来是 8000 件，但如果本月采购预算只剩 30 万，那就必须做取舍，而不是"先下单再说"。
动作六：多仓与在途可视。至少要把库存状态拆成六种：本地仓可售、平台仓可售、采购在途（已发货）、调拨在途、退货在检、锁定占用（已被订单或活动预留）。不区分这六种状态的 ERP，做不了跨境补货。
我见过最常见的错误是把"采购在途"当成"在途可用"。区别在于：采购在途里有相当一部分还在工厂、还没上船、甚至还在等质检，这部分货进入补货计算就是重复下单。
动作七：例外预警。不要试图每天看 3000 个 SKU。用例外管理：只把触发阈值的 SKU 推给人。我推荐的六类例外：
动作八：审批与协同。补货审批的关键不是"层级多"，而是"触发条件清晰"。我建议按金额和风险分级：常规 SKU 常规量走自动通过，超过日均销量 3 倍的下单量走二级审批，新品首发走三级审批并强制附带放量计划。
动作九：供应商与物流的履约数据化。每个供应商至少要记录：准时交付率、平均延期天数、质量退货率、单价变动。物流商要记录：头程各段时效、清关时长、入仓上架时长。这些数据是下个季度调整交期假设的唯一依据。
动作十：出入库与质检。入库要记录批次、生产日期、质检结果；出库要记录批次去向（哪个平台仓、哪个订单）。这一步做扎实，才能在出现质量问题时精准召回，也才能算出真实的退货损益。
动作十一：滞销处置。滞销必须提前定义处置阶梯：库龄 61-90 天进入观察，90-120 天进入促销池，120-180 天进入清仓池，180 天以上进入减值池。把处置阶梯写进制度，比每次开会讨论"要不要降价"高效得多。
动作十二：数据回写。补货执行完之后，实际到货日期、实际到货数量、实际销量要回写到计划表中，形成"计划 vs 实际"的对照。这一条是下一章季度复盘的数据来源，不做这一步，复盘就没有素材。
补货是过程，复盘是校验。这一章我按"机制，指标，偏差分析，行动闭环"四步来讲，最后给一张可以直接用的复盘议程表。
复盘会要开得有效，三个前置条件必须满足：数据在会前 48 小时定稿、每个指标有唯一责任人、每条行动项当场写清截止时间。
参会人建议固定为四类角色：供应链负责人（主责）、采购负责人、运营负责人、财务/数据负责人。老板可以参加，但建议只在前 30 分钟听结论和决议，不要陷入细节讨论。
会议时长控制在 90 分钟内。议程我建议这样切：结果回顾 15 分钟、偏差归因 30 分钟、下季度动作 30 分钟、决议确认 15 分钟。这个比例很重要，归因和动作合计应占 2/3，否则就会变成数据朗读会。
季度复盘不要看 30 个指标，看 6 类就够。每个指标都要写清口径和责任人。
| 指标类别 | 具体指标 | 口径说明 | 责任人 |
|---|---|---|---|
| 预测质量 | 加权 MAPE、爆款/长尾分层的预测偏差 | 加权 MAPE = Σ|实际−预测| ÷ Σ实际，按销量加权 | 供应链计划 |
| 库存健康 | 周转天数、缺货率、售罄率、库龄结构 | 周转天数 = 平均库存成本 ÷ 日均出库成本 | 供应链 + 仓储 |
| 采购履约 | 供应商准时交付率、质量退货率、单价变动 | 准时交付率按承诺交期计算，延期 1 天即计入不达标 | 采购 |
| 物流仓储 | 头程各段时效、入仓上架时长、仓储费占比 | 仓储费占比 = 仓储费 ÷ 销售额 | 物流 + 仓储 |
| 财务现金 | 库存资金占用、库存周转现金周期、毛利 | 现金周期 = 库存天数 + 应收天数 − 应付天数 | 财务 |
| 执行闭环 | 上季度行动项完成率、按期完成率 | 按期完成率 = 按期完成项 ÷ 应完成项 | 供应链负责人 |
关于 MAPE，我要提醒一点：算术平均 MAPE 会掩盖小单品的巨大误差。一个日均卖 3 件的 SKU，预测 6 件，MAPE 是 100%，但对整体库存影响几乎为零。所以补货场景应该用加权 MAPE，让销量大的 SKU 权重更高。
这是复盘最核心的方法论。我把它叫"三层拆解法"：
第一层：结果差。实际库存周转 82 天，目标是 65 天，差 17 天。
第二层：拆成输入差和过程差。输入差是指假设错了，比如交期假设 45 天实际 58 天，需求预测高估 22%。过程差是指执行偏了，比如审批超时、质检超时、物流选错、滞销未及时处置。
第三层：归因到可改的动作。如果是输入差，改的是参数（交期取 P75、预测用加权 MAPE 校准）；如果是过程差，改的是流程（审批阈值、质检排期、处置阶梯）。
我强烈建议复盘会上把偏差拆成一张表，左侧是"输入差"，右侧是"过程差"，每一项后面写清下季度的具体动作。不拆到"动作"这一层，复盘就没有产出。
复盘的最后 15 分钟，必须产出一张行动闭环表。字段有七个：问题、根因、动作、负责人、截止时间、验证指标、验证时间。
举个格式示例：
问题：Q3 爆款断货 9 天，损失 GMV 约 62 万（示例数据）
根因：交期假设使用均值 42 天，实际 P75 为 51 天；采购审批超时 3 天
动作1：交期假设全部改为 P75 分位数，采购参数表更新 负责人：供应链计划 截止：10/15
动作2：单笔超 20 万的采购单审批时限从 3 个工作日压到 1 个工作日 负责人：采购总监 截止：10/10
验证指标：Q4 爆款缺货天数 ≤ 2 天；审批平均耗时 ≤ 1 个工作日
验证时间：2025 年 1 月 10 日季度复盘会
这张表的价值在于"可追踪"。下一次复盘会的第一项议程，就是念上一次的闭环表，逐项确认完成情况。连续两个季度这么做，复盘文化就建立起来了。
前三章讲的是"该做什么"，这一章讲"系统怎么承接"。我把它拆成四层：主数据层、库存同步层、流程规则层、报表分析层。
主数据做不好，后面所有报表都是错的。跨境场景下，主数据最麻烦的是多平台编码映射。
一个商品可能同时存在于：ERP 内部 SKU、店铺 MSKU、平台 ASIN 或商品 ID、父 ASIN、供应商货号、物流报关编码。这六套编码之间必须有明确的映射关系，且映射变更要有审计记录。
我建议在上线前做一张"映射检查表"，逐项确认：是否所有在售 SKU 都有映射、是否有 SKU 存在一对多映射、变体商品是否正确归组、下架 SKU 是否保留历史映射。
我见过最惨的一次事故，是卖家把颜色变体的 ASIN 映射错了，导致两个颜色的库存合并计算，一个颜色多下了 4000 件，另一个颜色断货。这类事故的修复成本远高于搭建映射的成本。
库存同步要检查四件事：同步频率是否满足业务需求（补货场景建议至少每 2 小时一次）、同步失败是否有告警和重试、平台仓与本地仓是否统一口径、在途是否按物流段拆分。
在途拆分我建议至少分四段：工厂已发货未报关、已报关在途、已到港清关中、已到仓待上架。每一段的预计到达时间要按历史分位数估算，而不是按物流商承诺的时效估算。
采购单要能承载：多批次到货、分批付款、部分入库、关联物流单。跨境采购很少一次到齐，如果系统只支持"一次下单一次入库"，采购就会绕开系统用 Excel。
审批要能按金额、按下单倍数、按 SKU 类型配置不同流程，并且记录每一级审批的耗时。审批耗时本身就是一个复盘指标。
预警要能自定义阈值和推送渠道，并且记录"预警触发到处理完成"的时长。这个时长反映的是组织响应能力，比预警数量更有价值。
报表要能按平台、按仓库、按 SKU 分层、按时间段自由透视，而不是固定几张表。固定报表的最大问题是：业务变化时它不会跟着变。
数据治理包括：字段命名规范、数据字典维护、历史数据归档策略、异常数据清洗规则。权限审计包括：谁能修改库存、谁能改参数、谁能改采购单，这些操作是否留痕。
我建议每季度做一次"参数变更审计"：把本季度所有被手工修改过的安全库存、交期、服务水平参数拉出来，看是谁改的、为什么改、有没有回写规则。很多补货混乱的根源，就是有人在前台偷偷改了参数但没人在意。
如果你的团队卡在"数据散在多个平台后台、每周靠 Excel 手工汇总"这一步，先别急着上重型 ERP。更高效的路径是先搭一层数据分析底座，把多平台订单、库存、采购数据归集到统一口径，再决定哪些流程需要系统化。
我实际用过的一种做法是用数跨境这类跨境数据分析工具做报表层。地址是 https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys。我拿它主要做三件事：
需要说清楚的是：这类工具解决的是"数据可见、口径统一、例外可筛"，不解决"该不该补这个 SKU"。决策仍然在人。但如果你的团队还在为"谁来汇总数据"消耗人力，先解决这一层，投入产出比通常比直接上重型 ERP 更高。
这一章我把看到的坑集中列出来，每条配一个纠偏动作。你可以对照自查。
| 误区 | 典型表现 | 后果 | 纠偏动作 |
|---|---|---|---|
| 安全库存全店一套参数 | 所有 SKU 都用"日均销量 × 30 天" | 爆款断货、长尾积压同时发生 | 按 ABC-XYZ 分层，至少分四档参数 |
| 交期用均值不用分位数 | 交期字段就是"45 天"一个数字 | 约一半概率在到货前断货 | 交期改取历史 P75，季度校准 |
| 只看历史销量，不看断货期 | 断货月销量为 0 直接进模型 | 预测持续低估，越断越缺 | 标记断货区间并在预测中剔除或用需求还原 |
| 上了系统就放松数据治理 | 参数被随手改、SKU 映射错、字段空值多 | 报表不可信，业务重新回到 Excel | 季度参数变更审计 + 字段完整率纳入考核 |
| 复盘没有责任人和截止时间 | 会议纪要只有"加强管理""优化流程" | 同样的问题连续三个季度重复出现 | 强制使用七字段行动闭环表 |
| 忽略平台政策与税费变化 | 仓容、仓储费、合规要求变化未同步到参数 | 补货经济性判断失效，成本超预期 | 指定专人每月核对官方公告，变更写入参数表 |
| 把在途全部当成可用库存 | 未拆分的采购在途直接参与补货计算 | 重复下单，形成新的积压 | 在途按物流段拆分，只计入可预期到仓部分 |
| 滞销处置临场讨论 | 每次开会争论"要不要降价" | 错过最佳清仓窗口，仓储费持续累积 | 预设库龄处置阶梯，到点自动触发 |
关于平台政策这一条，我要单独强调：FBA 仓容规则、库存绩效指标、长期仓储费的计费方式、各平台的补货限制，这些规则变化频率较高。文中不给出具体数值，是因为写死数值一定会过期，请务必以各平台官方最新公告为准。建议固定一个"政策追踪"责任人和每月一次的更新机制。
方法是一样的，但不同规模、不同阶段的团队应该有不同的起点。这一章我按五种情况给出建议。
这个阶段最贵的资源是创始人的注意力，不是软件费。我建议的动作是：定义 6 个核心字段（可售天数、在途可用、安全库存、采购周期、动销率、库龄），用固定的 Excel 模板每周跑一次例外清单，把断货和超储两个名单管住。
这个阶段不需要 ABC-XYZ 精细分层，分两类就够：前 20% 销量的 SKU 和其余的 SKU。先建立"每周看例外"的习惯，比先买系统更重要。
这个阶段通常已经出现"多平台、多仓、多币种"的复杂度，Excel 开始吃力。我建议的路径是：先搭数据层做统一口径的看板与例外清单，同时把安全库存和交期做分层参数化。
具体三步：第一，把多平台库存拉到同一口径，实现每日更新的库存健康看板；第二，把安全库存按 ABC-XYZ 分四档设置；第三，把交期假设从均值改为 P75 分位数。
这三步做完，通常能在一个季度内看到缺货率和超储占比同时改善。这个阶段不必追求自动化补货，人工复核是必要的学习过程。
这个阶段的核心矛盾从"数据看不见"变成"流程跑不快"。重点要把审批分层、预警分级、采购单分批到货、复盘闭环这四件事固化进系统。
同时要开始做预测模型的迭代：从移动平均升级到考虑季节性、促销、新品生命周期的模型，并用加权 MAPE 持续跟踪。但这个阶段最容易被忽略的仍是复盘闭环，我见过太多大卖家的复盘会停在"数据通报"这一层。
多平台最大的坑是"库存不是库存，而是一堆不同状态的池子"。我建议先做三件事：建立统一 SKU 主数据与平台映射、把库存状态拆成六种、定义"可调拨"与"不可调拨"的边界。
然后才谈补货计算。否则你算出来的补货量，会因为某个池子的库存没被纳入而偏高，或者因为把不可用的货算进去而偏低。
这类类目的交期不只是生产加工和物流，还包括认证、检测、清关文件准备。这些环节的时间波动往往比物流更大。
我建议单独建一个"合规周期"字段，取历史 P75，并纳入补货点计算。同时要给合规变更留缓冲：一旦目的国标准更新，缓冲期内不要按常规节奏大量补货。
优化从来不是"全都要"，而是在约束下做选择。这一章我把最常见的五组取舍写清楚。
如果你追求极致的预测精度，通常需要更长的数据窗口和更复杂的模型，代价是响应慢、解释成本高。如果你追求响应速度，用简单的加权移动平均加分层参数，精度略低但团队能用起来。
我的判断是：在月销量波动大的类目里，争取"预测更准"的投入产出比，通常低于"把交期和审批压短"。因为缩短交期是确定性的收益，提高预测精度是概率性的收益。
自动化适合 AX 类 SKU：需求稳定、参数可信、波动小。人工干预适合 CZ 类和新品：没有历史数据，需要判断。
我的建议是分三档：AX 类全自动下单、BY 类系统建议人工确认、CZ 类和新品完全人工并强制附带放量计划。不要追求"全自动补货"，那通常意味着你把 CZ 类的风险也自动化了。
集中仓降低总库存和仓储管理复杂度，但尾程时效和运费可能更高。分散仓提升时效、降低单均运费，但总库存水平会上升，因为每个仓都要备安全库存。
跨境电商的实际情况通常受平台仓容和仓储费驱动。我的建议是：先用数据算"每增加一个仓带来的库存增量成本"和"时效提升带来的转化增益"，两者相抵后再决定。凭感觉扩建仓是常见错误。
重型 ERP 的优势是流程闭环和权限审计，劣势是实施周期长、调整成本高。轻量数据工具的优势是快速见效、灵活调整，劣势是流程约束弱，容易回到"人治"。
我的建议路径是：先轻量数据层，后重型流程层。先用数据工具把口径、看板、例外清单跑通，等流程稳定、字段定型，再上 ERP 把规则固化。反过来做，往往是把还没理顺的流程硬塞进系统，然后业务开始绕开系统。
指标越多，看起来越专业，但决策越慢。我建议季度复盘固定看 6 类指标，日常补货只看 3 个数字：可售天数、在途可用、本周例外清单。
一条实操原则：任何指标，如果它不能改变某人的某个动作，就不要放进常规报表。它只会稀释注意力。
| 取舍维度 | 倾向 A | 倾向 B | 我的建议 |
|---|---|---|---|
| 预测精度 vs 响应速度 | 复杂模型 + 长窗口 | 简单模型 + 短交期 | 优先压缩交期与审批时长 |
| 自动化 vs 人工 | 全自动补货 | 全人工判断 | 按 ABC-XYZ 分三档处理 |
| 集中仓 vs 分散仓 | 总库存最低 | 时效与运费最优 | 用库存增量成本对冲时效增益后再决策 |
| ERP 深度 vs 轻量工具 | 流程强约束 | 快速灵活 | 先数据层后流程层，分两期落地 |
| 指标数量 vs 决策速度 | 看 30 个指标 | 看 3 个指标 | 日常看 3 个，复盘固定 6 类 |
最常见的原因是 ERP 里的库存状态粒度太粗，不区分在途各段、退货在检、锁定占用，导致算出来的可售库存不可信。业务用两次发现数不对，就回到 Excel 了。
第二个原因是参数没人维护。安全库存和交期字段填了一次就再没更新，业务自然不信任。建议先解决这两个，而不是换系统。
不要按"天数"设，要按"波动"设。安全库存的本质是对冲需求和交期的不确定性，所以它应该和需求标准差、交期标准差、目标服务水平挂钩。
如果团队暂时无法做统计计算，可以退而求其次：按分层给倍数。AX 类给 10 到 15 天，AY 类给 20 到 30 天，BZ 类给 7 到 12 天，CZ 类给 0 到 5 天。但半年内应该过渡到按波动计算。
至少需要四类数据的"计划 vs 实际"对照：需求预测 vs 实际销量、采购计划交期 vs 实际到仓、补货计划量 vs 实际下单量、库存计划 vs 实际库存。没有"计划"这一侧，偏差分析就无从下手。
这也是为什么我在第三章强调"数据回写"。很多团队的计划数据没有被留存，复盘时只能看结果，无法归因。
有必要，但可以不那么精细。SKU 数量在 200 个以内的团队，可以简化为"前 20 销量的重点 SKU"和"其余 SKU"两类，重点是不要用同一套参数管全部。
随着 SKU 增长到 500 个以上，再引入 X、Y、Z 的需求波动维度。分层的价值不在于分类本身，而在于分类之后的差异化动作。
建立"政策变更 → 参数更新"的联动机制：指定一名责任人，每月核对各平台官方公告，把影响补货的变更（仓储费规则、仓容限制、合规要求）写入参数变更记录，并在季度复盘会上过一遍。
所有平台规则以官方最新公告为准，任何文章中的数据都只能作为方法参考，不能作为执行依据。
回到开头那个案例。那家家居卖家最后做的不是换 ERP，而是做了三件事：把"可售天数"统一成一个口径并写进数据字典；把交期从均值改成 P75 分位数；把季度复盘会改成"归因 + 动作 + 责任人 + 截止时间"的 90 分钟会议。
一个季度后，他们的爆款断货天数从 9 天降到 3 天，超储 SKU 占比从 22% 降到 11%，库存周转天数从 96 天降到 74 天。全程没有引入任何新算法。
我写这篇内容想传递的核心判断是：跨境电商的补货和复盘，本质上不是技术问题，而是口径问题、机制问题和执行问题。ERP 和数据分析工具的价值，是把已经理顺的流程固化下来、把已经统一的口径沉淀下来，而不是替你思考。
下一步你可以这样开始：本周先做一件事，把"可售天数"的定义写下来，让运营、采购、财务三个人确认签字。下周再往下走一步，把交期字段从均值改成 P75 分位数。一个月内，你就能跑出第一版例外清单；一个季度内，你就能开一场真正有产出的复盘会。
顺序不要颠倒。先统一口径，再优化动作，最后交给系统。
读者评论
运营视角很认同“可售天数”口径差异这段。我们公司也常出现运营看FBA、采购看总库存、财务看资金占用，结论完全不同。文章把字段定义、在途可用、库龄分档写清楚，比单纯换ERP更有用，建议再补一个跨部门确认机制。
采购供应链最受启发的是交期取P75、σLT不能为0。很多团队补货公式没算错，但把平均交期当固定值，旺季断货根因就在这。公式可直接落地，不过前提是历史采购和物流时间戳要完整，否则参数还是拍脑袋。
ERP边界和季度复盘闭环说得比较中肯。系统只能把数据、审批和预警固化，爆款加仓或长尾清仓仍要人判断。复盘如果没有责任人、截止时间和验证方式，确实会沦为数据朗读会。文中样本数据有限，但方法框架值得参考。