去年十月，我陪一个做家居品类的跨境卖家复盘旺季。他们年 GMV 大约 1.4 亿，ERP 上了两年，采购模块用得也算熟，可旺季前两个月还是出现了三次临时加单：一次是因为亚马逊美国站突然冲量，一次是因为一个爆款的主推颜色断货，还有一次是海外仓调拨计划没跟上，货压在美东、订单在美西。老板问我的第一句话是："是不是我们的 ERP 该升级了？"我的回答让他有点意外：你们的问题不在 ERP 版本，而在年度规划里根本没有给采购补货留位置。
这个判断不是拍脑袋。过去几年我参与过二十多个跨境卖家的供应链梳理项目，从年 GMV 几百万的小团队到十几亿的头部卖家，一个规律反复出现：补货做得好不好，八成取决于年度规划有没有把销售、供应、库存、现金四条线串起来，只有两成取决于 ERP 功能强不强。所以这篇内容我不会给你一份 ERP 功能清单，而是想讲清楚一件事，怎么用年度规划这套"上游约束"，把采购补货从每月救火变成可执行的节奏，再让 ERP 去承接它。
先把结论摆出来，如果你只记住一句话，那就记住这句：ERP 是执行补货决策的工具，不是生产补货决策的大脑。补货决策的输入条件，卖多少、交期多长、安全库存设多少、现金能压多少货，全部来自年度规划，而不是来自系统。
我做过一个粗略梳理：在补货问题比较严重的卖家里，超过一半的 ERP 采购模块、库存模块其实都在正常使用，数据也进系统了。真正缺的是三样东西：一份能拆到平台和品类颗粒度的年度销售节奏表、一套按 SKU 分层设定的安全库存规则、一个能约束采购预算的现金上限。
换句话说，他们不缺"记录系统"，缺的是"决策规则"。记录系统告诉你昨天卖了什么，决策规则才告诉你下周该下单多少。ERP 升级如果只升级记录能力，补货准确率不会有本质变化。
很多人把年度规划理解成财务预算，或者老板定一个 GMV 目标然后拆到月份。这远远不够。对采购补货真正有用的年度规划，至少要输出四个边界条件：
这四个边界条件一旦确定，补货就从一个"猜"的动作，变成一个"在约束下求最优"的动作。ERP 要做的，是把这些约束写成参数、跑成建议、做成预警。
如果你现在正准备做 ERP 升级，我建议的顺序是：先定年度经营节奏 → 再定补货策略分层 → 再定数据口径 → 最后才是选系统和上线。顺序颠倒的代价很直接，系统上线了，参数没人敢填，建议没人敢用，最后又退回 Excel。
抽象讲道理意义不大，我更愿意把见过的现场还原出来。下面三个场景，如果你看着眼熟，说明你的问题大概率不在系统本身。
我服务过一个做户外用品的卖家，2023 年 Q4 之前定的备货计划是"按去年同期 1.3 倍备货"。听着合理，但他们犯了两个错误：一是去年同期的爆款今年已经进入衰退期，二是今年新上的两个颜色才是真正的增量。
结果就是：老爆款备了 1.3 倍，实际只卖掉了 0.7 倍，库存压到次年 3 月；新颜色没备货，10 月断货，补了两次空运，运费吃掉大半个旺季利润。整个 Q4 加了三次单，两次加在了滞销款上。
这个案例的关键不在"加单"，而在年度规划里没有定义 SKU 的生命周期位置。如果 9 月就明确了"老爆款进入清仓、新颜色升为主推"，加单的方向会完全不同。
这是我见过最普遍的问题。运营的表里是平台后台的可售库存，采购的表里是"已下单未到货"的数量，仓储的表里是海外仓实际入库数。三张表的口径不一样，开会时各说各话。
我印象很深的一次，运营说"美西仓还有 1200 件，不用补"，采购说"美西仓只有 400 件可售，其他都在质检",仓储说"实际到仓 900 件，其中 300 件在待上架"。三个数字都"对"，但没人知道该信哪个。
这类问题的根源不是数据不准，而是没有定义"可售库存"的统一口径。在年度规划阶段就应该把口径写死：可售库存 = 已上架库存 − 平台预留 − 待处理退货，其他状态单独列示，不参与补货计算。
有些卖家更尴尬：ERP 也上了，数据也进系统了，但补货建议没人看。问原因，采购主管说了句很实在的话："系统给的建议经常离谱，我信不过。"
我翻了他们的参数配置，发现安全库存用的是系统默认值，交期用的是固定 30 天，MOQ 全部填 1。这种配置下系统给出离谱建议是必然的。真正的问题在于，没人负责把年度规划里的交期、MOQ、波动数据翻译成系统参数。这是流程问题，不是功能问题。
ERP 擅长的是记录、计算和流程流转，它不擅长判断"这个 SKU 值不值得备货""这笔钱该不该花"。这些是经营判断，需要人来做。我见过不少卖家在选型时列一堆功能需求，最后发现最难的部分根本不是功能，而是"谁来定参数、谁对结果负责"。
我的判断是：ERP 应该承接 70% 的常规补货计算，人负责 30% 的例外判断。如果反过来，系统只记录、人做全部判断，那上系统的价值就很有限。
这是技术型团队最容易踩的坑。他们学会了安全库存公式，然后对所有 SKU 一视同仁地套用。但跨境电商的 SKU 差异极大：爆款日销可能是长尾款的 200 倍，海外仓补货交期可能是直发的 10 倍，季节品的需求波动可能是常青款的 5 倍。
更合理的做法是按"销量贡献度 × 交期长度"做分层，比如分成主力爆款、稳定款、长尾款、季节款、新品五类，每类用不同的服务水平目标。爆款追求 98% 的现货率，长尾款 85% 就够，这样能在同样的资金下把整体缺货率压得更低。
很多团队把大量精力花在提升销售预测准确率上，做到 70% 还嫌不够。但我想说一个可能不太受欢迎的观点：跨境场景下，预测准确率的天花板很低，与其死磕预测，不如把精力放在"预测错了也不会致命"的机制上。
具体来说，就是三条：把交期波动纳入安全库存计算、对高不确定性 SKU 采用小批量多批次、对关键物料保持一个可快速响应的备选供应商。这三条的收益，通常比把预测准确率从 70% 提到 75% 大得多。
不少公司的年度规划开完会就归档了，里面的数字和采购日常用的参数毫无关系。规划里写"全年备货预算 3000 万"，但采购下单时没有人知道这个月还剩多少额度；规划里写"把交期控制在 45 天内"，但系统里的交期还是默认 30 天。
年度规划要能落地，就必须"翻译"成系统参数和审批规则。预算要拆到月度、品类甚至重点 SKU；交期要按供应商逐个维护并定期更新；库存水位要设成系统能自动预警的阈值。做不到这一步，规划就是一张纸。
讲完问题，我给出我自己在实际项目里用的框架。年度规划要产出四本账，每一本都有明确的字段、责任人和复盘频率。这四本账定下来，ERP 升级的需求清单基本就自动浮现了。
这本账要回答"卖多少"和"什么时候卖"。我的建议是至少拆三层：平台层（亚马逊、独立站、TikTok Shop 等各自的节奏）、品类层（不同品类的季节曲线差异很大）、SKU 层（只对贡献前 30% 的 SKU 做单独预测，其余按品类均值处理）。
同时要标注每个重点 SKU 的生命周期位置：导入期、成长期、成熟期、衰退期。导入期和成长期按偏乐观备货但控制批量，成熟期按稳态补货，衰退期只清不补。这一步做完，前面场景一里那种"给衰退款加单"的错误基本可以避免。
这本账最容易被忽视，但它的重要性可能超过销售预测。跨境电商的交期不是一个数，而是一串数：供应商生产周期、国内集货时间、头程运输、清关、目的国入仓、上架时间。任何一段延误都会顺延整个补货点。
我的做法是给每个主力供应商维护三组数据：平均交期、交期波动（标准差或 P90 交期）、MOQ 与批次要求。这三组数据每季度更新一次，更新责任明确到采购员，更新结果直接写进 ERP 的供应商档案。
这本账要给库存设定明确的判定线，而不是模糊地说"库存有点多"。我常用的几个指标是：可售天数、库存周转天数、90 天滞销占比、售罄率、缺货率。每个指标都要有目标值和预警值。
举例来说，可售天数低于交期的 0.6 倍就触发补货预警，高于交期的 2.5 倍就触发超储预警。这两条线一旦写进系统，采购就不需要每天手动算，只需要处理系统推过来的异常。
这本账决定了补货的"物理边界"。不管销售预测多乐观，如果现金只能支撑 2000 万库存，那就必须在 2000 万的框架内做取舍。我建议按月度拆分备货预算，并对单个重点 SKU 设置备货金额上限。
这一点在多平台卖家身上尤其重要。不同平台的回款周期差异很大，亚马逊回款通常 14 天一轮，独立站可能更慢，如果不把这些差异纳入现金账，很容易出现"账面有货、手里没钱"的局面。
| 账本名称 | 核心字段 | 责任人 | 复盘频率 | 对应的 ERP 能力 |
|---|---|---|---|---|
| 销售预测账 | 平台、品类、SKU、月份、生命周期阶段 | 运营负责人 | 月度滚动 | 销售预测、SKU 主数据、生命周期标签 |
| 供应交期账 | 供应商、平均交期、P90 交期、MOQ、批次 | 采购负责人 | 季度更新 | 供应商档案、采购提前期、交期统计 |
| 库存健康账 | 可售天数、周转天数、滞销占比、售罄率、缺货率 | 供应链负责人 | 周度监控 | 库存看板、异常预警、库龄分析 |
| 现金占用账 | 月度备货预算、单 SKU 上限、账期分布 | 财务负责人 | 月度 | 采购预算控制、付款计划、资金看板 |
四本账定完之后，ERP 升级的重点就清晰了。下面四类动作，是我认为跨境卖家在采购补货场景下最应该优先解决的，顺序也建议按这个来。
这是最基础也最容易被低估的一环。跨境卖家的库存分散在平台仓、海外仓、在途、国内仓，还可能有寄售和代发。如果连"现在到底有多少货可以卖"都不能在一处看清，后面的补货计算全是空谈。
我要求的可见性标准是：一个 SKU，在同一个视图里能看到各仓可售数量、在途数量、待上架数量、平台预留数量，并且口径定义在系统里写死。数据更新频率至少每日一次，头部 SKU 建议接近实时。
这是 ERP 的核心价值点。系统需要支持按 SKU 分层设置补货参数：补货点、安全库存、最小起订量、补货周期、最大库存水位。并且要能根据实际销量和交期数据自动滚动更新这些参数，而不是让人手动改。
下面这段是我常用的安全库存与补货点计算逻辑，可以直接作为和 ERP 厂商沟通需求的技术说明：
# 安全库存与补货点计算（按 SKU 分层）
Z: 服务水平系数, 95%服务水平对应 1.65, 98% 对应 2.05
sigma_d: 日销量标准差
LT: 平均补货提前期(天)
sigma_LT: 提前期标准差(天)
d: 平均日销量
import math
def safety_stock(z, sigma_d, LT, d, sigma_LT):
需求量波动与交期波动同时考虑
return z * math.sqrt(LT * sigma_d 2 + (d 2) * (sigma_LT ** 2))
def reorder_point(d, LT, ss):
补货点 = 提前期需求 + 安全库存
return d * LT + ss
def eoq(annual_demand, order_cost, unit_cost, holding_rate):
经济订货批量, 用于非爆款控制下单频次
return math.sqrt(2 * annual_demand * order_cost / (unit_cost * holding_rate))
示例：爆款A，日销 120 件，标准差 35，交期 45 天，交期标准差 9 天
ss = safety_stock(z=2.05, sigma_d=35, LT=45, d=120, sigma_LT=9)
rop = reorder_point(d=120, LT=45, ss=ss)
print(f"安全库存 {ss:.0f} 件, 补货点 {rop:.0f} 件")关键在于参数的来源要可追溯：sigma_d 来自历史销量，LT 和 sigma_LT 来自供应商交期统计，Z 值来自运营和供应链商定的服务水平目标。这三个输入任何一个是拍脑袋的，输出就没意义。
补货建议只是起点，从下单到入库中间的环节才是真正考验执行的地方。ERP 需要能覆盖：询价比价、下单、生产进度跟进、出货、头程、清关、入仓、质检、对账。每个节点都要有时间和责任人，超期自动提醒。
我的经验是，供应商跟单环节的效率提升往往比补货算法更快见效。一个中等规模的卖家，采购跟单如果还在用微信加 Excel，通常会有 15%，25% 的订单出现交期信息滞后，这直接影响后续所有补货计算的准确性。
最后是预警。好的预警体系不是把所有数据都推给人，而是只推需要人做决策的异常。我建议至少覆盖五类：缺货预警、超储预警、交期延误预警、售罄异常预警、滞销库龄预警。
每类预警都要有明确的处理动作和责任人。比如"交期延误超 7 天"推给采购员，"缺货风险超 15 天"推给运营和供应链共同确认。没有处理动作的预警，就是噪音。
讲完方法，说一个具体的落地参照。我在给几个中型卖家做数据梳理时，用过数跨境（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为数据分析层，配合他们原有的 ERP 做口径对齐和补货决策支持。这里不是做产品推荐，而是借它讲清楚"数据层"和"执行层"的分工。
跨境场景最麻烦的不是算法，是口径。同一个 SKU，在亚马逊后台、在海外仓系统、在 ERP 里，可能有三个不同的库存数字。如果不在数据层先做聚合和对齐，后面所有补货计算都会漂。
我在这类项目里的第一步，通常是先把多平台、多仓的订单与库存数据汇聚到一处，统一"可售""在途""锁定""待上架"四个状态的判定规则，再往上做补货建议。数跨境在这类多平台数据聚合场景里，比较适合承担这个"口径对齐层"的角色，它不替换 ERP 的采购执行，而是把分散在各处的数据整理成可信的输入。
这一步听起来不性感，但它决定了后面所有事情的上限。数据层不统一，再智能的补货算法也是在错误输入上做计算。
很多团队做库存分析只看"当前快照"，忽略了时间维度。但对补货来说，最重要的恰恰是趋势：过去 7 天、14 天、30 天的日均销量分别是多少，最近一周有没有异常波动，在途货什么时候到。
（1）短周期看波动。7 天销量波动大，说明可能有促销或断货影响，不能直接作为补货依据。
（2）中周期看趋势。30 天趋势线向上，说明需求在增长，安全库存要相应上调。
（3）长周期看基线。90 天基线用于判断这个 SKU 是稳定款还是季节款。
把这三个时间维度都算出来，补货建议的合理性会明显提升。这也是纯 ERP 记录层往往做不到的部分，因为它通常只保存结果，不擅长做多维度的趋势分析。
我在项目里一直坚持一个原则：系统负责算，人负责定例外。具体分工是：常规 SKU 的补货量和补货时点由系统按参数算出，采购直接采纳；重点 SKU 和新品的补货建议，系统给出参考区间，由运营和供应链共同确认。
这个分工的好处是责任清晰。系统算错了，去查参数为什么错；人判断错了，去复盘决策依据。如果全部由人拍板，出问题永远归因不清；如果全部由系统决定，出了异常没人敢改参数。
我见过太多"看板很漂亮但没人用"的案例。根本原因是看板只呈现状态，不产出动作。我的做法是在数据层之上加一个异常清单，把需要处理的问题按优先级列出来：本周必须补货的 SKU、交期延误超阈值的订单、库龄超过 90 天的滞销品、临近缺货的爆款。
每个条目都带责任人和建议动作，处理完就关闭。这样看板才真正进入工作流，而不是每周例会上翻一翻的装饰品。
年度规划最容易失败的地方是"只有年度目标，没有季度动作"。下面这张日历是我在实践中反复调整出来的版本，可以直接拿去改造成你们自己的节奏。
Q1 是复盘和打基础的季节。核心任务有四件：清理 SKU 主数据（下架无效 SKU、补齐重量体积品类信息）、更新供应商档案（交期、MOQ、产能）、重算各 SKU 的销量基线和波动、确定全年的库存健康目标值。
这一季度通常不会有明显的业绩改善，但它的质量决定了后面三个季度所有补货决策的质量。我建议把 Q1 的目标定为"数据准确率达到 95% 以上"，而不是销量目标。
Q2 是全年最关键的备货窗口。要完成三件事：确定旺季主推 SKU 清单（通常不超过在售 SKU 的 20%）、锁定这些 SKU 的备货量和到仓时间、和主力供应商确认旺季产能与交期承诺。
我建议在 Q2 中期做一次"旺季压力测试"：假设旺季销量是预测的 1.5 倍，现有供应商产能和资金能不能支撑？如果支撑不了，这时候还有时间找备选供应商，到了 Q3 就来不及了。
Q3 是执行旺季备货和做风险预案的阶段。重点是把货备到位，同时准备应对方案：头程如果延误怎么办、某个 SKU 突然爆发怎么快速补、滞销品怎么处理。
这个阶段我建议每周开一次短会，只看三个数：主推 SKU 的到仓进度、在途货物的预计到仓时间、当前库存可售天数。任何一项偏离计划超过 10%，立即启动预案。
Q4 一边卖货一边要做两件事：回收现金和为次年做规划。库存方面，要在 11 月底之前明确哪些 SKU 属于"必须在年底前清掉的"，清库动作要前置，不能拖到次年 1 月再处理。
规划方面，Q4 中期就要启动次年的销售预测和备货预算，把本年度的实际数据作为基线。很多卖家习惯在次年 1 月才开始规划，那时候旺季数据还没消化完，规划质量很难保证。
| 季度 | 核心目标 | 关键动作 | 衡量指标 |
|---|---|---|---|
| Q1 | 数据治理与基线建立 | 清理 SKU 主数据、更新供应商交期、重算销量波动、设定库存目标 | 主数据准确率、供应商交期覆盖率 |
| Q2 | 旺季前备货锁定 | 确定主推 SKU、锁定备货量、确认供应商产能、做压力测试 | 主推 SKU 备货完成率、产能确认率 |
| Q3 | 执行与风险预案 | 到仓进度跟踪、在途监控、缺货预案、滞销处理 | 到仓及时率、缺货天数、滞销清理率 |
| Q4 | 现金回收与次年规划 | 清库、回款、启动次年预测与预算 | 库存周转天数、现金回收率、次年规划完成度 |
ERP 升级最怕的是"上线了但说不清有没有变好"。我在项目里会提前准备一份验收清单，分成四组，每组都有可量化的通过标准。
这份清单的价值不在于"打分"，而在于让升级目标从一开始就写在纸面上。我见过不少项目，上线后大家感觉"好像好了一点"，但没人能说清好在哪里、好多少。有了清单，争议就变成数据问题。
方法讲完了，但不同规模的卖家，切入点完全不同。下面按三种典型情况给建议。
这个阶段最该做的不是买系统，而是把 Excel 用规范。建议先建立三个表：SKU 主数据表（含供应商、交期、MOQ）、库存台账（含在途、可售、库龄）、补货计划表（含补货点和安全库存）。
这三个表跑顺了，你对补货逻辑的理解就建立起来了，后面选系统时也不会被功能清单牵着走。如果 SKU 数量在 200 个以内、平台不超过 3 个，Excel 加一个轻量的数据看板基本够用。
这是最容易出现"系统有但用不好"的区间。我的建议是分两步走：第一步补齐数据层，把多平台多仓的库存和订单数据统一到一处，解决口径问题；第二步优化 ERP 的补货参数配置，把分层策略和真实交期写进系统。
这个阶段不建议一上来就做复杂的智能预测。先把基础参数跑准，把异常预警跑通，把采购流程搬到线上，收益通常比上算法更快、更稳。
这个规模下，单点优化的空间已经不大，重点转向组织协同和资金效率。具体来说：建立跨部门的月度 S&OP; 会议机制、把备货预算和现金账打通、对头部 SKU 做供应商产能绑定、对滞销和长尾做系统性的退出机制。
系统层面，这时候需要关注的是 ERP 与数据平台、财务系统、物流系统的打通能力，而不是某个单一功能好不好用。数据流转的顺畅度，直接决定了决策的速度。
做供应链决策，本质上是做取舍。下面四组取舍，是我在项目里被问得最多的。
自研的优势是贴合业务，劣势是维护成本和人员依赖。我的判断标准是：如果你的补货逻辑有真正的业务独特性（比如特殊的组套、定制、寄售模式），可以考虑自研部分模块；如果只是常规的备货补货，标准化产品加参数配置完全够用。
要警惕的是"为了自研而自研"。我见过一家公司花了 8 个月自研补货系统，上线后发现核心逻辑和市面产品一样，但少了三年的功能迭代积累。
我的建议永远是试点先行，而且试点范围要足够小：一个平台、一个品类、或者 20，30 个 SKU。跑满一个完整的补货周期（从下单到入仓到销售），验证参数是否合理、流程是否顺畅，再推广。
全量上线最大的风险不是系统崩，而是参数错。参数错了，全公司同时受影响，纠正成本极高。
精细补货对数据质量要求高，粗放管控对资金效率不友好。我的建议是按 SKU 分层取舍：贡献前 20% 的 SKU 做精细补货，参数按 SKU 单独维护；中间 30% 按品类统一参数；后 50% 用简单的固定周期补货，甚至只做清仓不补货。
如果对所有 SKU 都做精细补货，管理成本会吃掉大部分收益。
这是一个典型的成本与风险权衡。提前备货的单位成本低，但滞销风险高、资金占用长；小单快反的响应快，但单位成本高、供应不稳定。
我的取舍逻辑是看三个变量：需求可预测性、毛利率空间、交期弹性。需求可预测、毛利厚、交期长的品，提前备；需求波动大、毛利薄、供应商响应快的品，快反。同一个公司里，这两种模式完全可以并存。
回到开头那个问题，"是不是该升级 ERP 了"。我的答案始终是：先把年度规划做出来，把四本账定下来，把季度节奏排出来，然后再看 ERP 缺什么。顺序对了，升级的投入才会变成可衡量的业务改善；顺序错了，再贵的系统也只是换了个地方存数据。
这几年我最大的一个体会是：跨境电商的供应链管理，难点从来不在工具，而在于有没有人愿意把不确定的事情提前想清楚。年度规划就是这么一个动作，它逼着你在淡季去想旺季的事，在需求明确之前去定义供应的边界。
如果你现在就想动手，我建议的下一步是这样：
补货这件事没有一劳永逸的解法，但有一套可以持续优化的机制。年度规划就是这套机制的起点，ERP 是让它跑起来的引擎。先有点火顺序，再谈引擎马力，这是我做过这么多项目之后，最想分享给你的一条经验。
我去年是10月才开始想明年备货的事，结果Q1就断了一次爆款，临时空运把利润吃掉了大半。我问过几个做供应链的朋友，有人说先做销售预测，有人说先把系统上了再说，我现在有点分不清顺序。
先定“四本账”，顺序是：销售预测账→供应交期账→库存健康账→现金占用账。销售预测账要按平台×品类×生命周期×季节波动拆到月，只给一个年度总数等于没做；供应交期账要把每个供应商的MOQ、生产周期、头程时效、清关入仓时间全部换算成天数加总，这个总天数才是你真实的补货提前期；
库存健康账记录可售天数、在途、锁定库存；现金占用账设定采购预算上限和分月备货上限。判断依据很简单：如果四本账里任何一本只能给出一个总数、给不出按月的数，那年度规划就是空的，系统上线也只是把拍脑袋搬进了软件。
执行上建议先开一次销售、采购、仓储、财务的四方会，把四本账各自的责任人、数据来源和复盘频率写进会议纪要，销售预测每月滚动更新，供应商交期每季度重新核一次。
我们去年换了系统，补货建议我基本没采纳过，因为它让我补的SKU要么在清仓要么早就停产了，仓库还压着一堆货。老板问我为什么花了钱还在用Excel，我也答不上来。
按顺序查三件事：主数据、补货参数、异常过滤。主数据先看SKU状态（在售、清仓、停产）和供应商交期字段是否准确，如果交期还是三年前填的30天，建议必然失真；
补货参数看是不是所有SKU共用一套安全库存和补货点，正确做法是分层，爆款用“日均需求×交期+安全库存”严格算，长尾品走低频小批或按需采购，季节品按旺季倒推上架时间备货，新品先人工兜底、不自动出建议；异常过滤确认系统有没有把清仓品、停售品、已下单未到货的量正确剔除。
判断标准是采购建议采纳率，如果连续一个月低于50%，问题在参数不在系统，先改参数再谈换工具。参数可以参考：补货点=日均需求×平均交期+安全库存，安全库存=Z×根号下（交期×需求波动²+日均需求²×交期波动²），想要约95%的服务水平，Z取1.65左右。
我们在亚马逊、独立站和两个海外仓都压着货，上次一个爆款在两个仓同时补，结果一个仓爆仓、一个仓断货，资金还被占了一大截。我到现在也没搞清楚在途库存到底该不该并进可用库存里算。
核心是先统一“可用库存”的口径，再让系统按这个口径出数，别让不同的人各算各的。可用库存=本地可售-已锁定（未发货订单）-安全预留+在途（按预计到货日分段）+可调拨净额。三个关键动作：第一，在途必须按预计到货日拆成时间轴，不能当成一个总数，否则你会拿两个月后才到的货去覆盖下周的需求；
第二，跨仓调拨要设优先级和成本规则，近仓优先，只有调拨成本明显低于空运损失时才跨区调，避免填了一个仓挖空另一个仓；第三，补货建议要按“仓+平台（或店铺）”维度分别计算，不能按总SKU算，否则多店铺会把同一份需求重复计算。
判断依据盯两个数：跨仓调拨占比，以及同一SKU在同一个月里既出现断货又出现超储的次数。如果后者频繁发生，基本可以确定是库存口径问题，不是运气问题。
项目上线那天大家都很开心，但过了三个月老板问我到底有没有变好，我只能说“感觉顺畅了一点”。我不想下次复盘还这么答，得有一套能拿出来讲的数据。
上线前先冻结一组基线数据，上线后按季度对比，不要只看单月。建议固定四个指标的口径：缺货率=断货SKU天数÷在售SKU总天数（按平台分别算）；库存周转天数=平均库存成本÷日均销售成本；售罄率=周期内销量÷（期初库存+期间到货），用来判断是不是备多了；
采购建议采纳率=被采纳的补货建议数÷系统生成建议总数，这个指标最能反映系统到底有没有被真正用起来。节奏上按季度看：Q1对基线，确认数据口径一致；Q2看旺季前备货的准确度；Q3看交期延误次数和应急预案触发情况；Q4看清滞销进度和现金回收。
判断依据是趋势不是单点，如果周转天数在降、缺货率没升、采纳率在涨，方向就是对的；如果三项里有两项同时变差，先回头查主数据和交期参数，而不是急着加功能模块。
读者评论
文章核心观点很实在，ERP升级解决不了补货决策问题。很多公司采购模块用得不错，但安全库存默认、交期固定、MOQ填1，系统建议自然不可信。先把销售节奏、供应交期、库存水位和现金上限定清楚，再谈系统参数，顺序对了才有效。
图表数据样本只有23家且非随机，不能当行业基准，但趋势有参考价值。缺货率、周转天数、滞销占比和空运次数的差距，确实反映年度规划对补货的约束作用。看的时候要结合自身品类和规模，别直接套数字。
多平台库存口径不一致这点太真实了。运营、采购、仓储各拿一张表，可售、在途、待上架混着说，开会永远对不齐。文章建议在年度规划阶段写死“可售库存”口径，我认同，否则ERP里数据再多也做不出可靠补货建议。
采购执行角度看，SKU分层和交期维护是落地难点。爆款、长尾、季节款用不同服务水平没错，但谁维护交期、多久更新、预算月度额度怎么卡，必须落到人和审批规则。否则年度规划还是归档文件，采购照样月底救火。