2024年10月，大促前两周，我帮一家做家居收纳的跨境卖家做库存体检。他们SKU不到400个，主战场是亚马逊美国站加一个独立站，仓库有深圳仓和洛杉矶海外仓。运营总监跟我说"库存很健康"，因为ERP首页显示总库存金额同比涨了38%。但我们把库存拆开看：可售只占41%，在途占33%，剩下26%是待检、退货待处理、以及平台仓里已经断货链接下的"僵尸库存"。也就是说，账面上钱变成了货，货却没有变成能卖的东西。
更麻烦的是，采购负责人手里那套补货Excel和ERP里的库存数差了11万件，谁也不敢下单。
这件事让我确定了一个判断：跨境卖家补货出问题，绝大多数不是ERP功能不够，而是补货这件事从来没有被当成一个"问题清单"来设计。大家习惯先问"哪家ERP能自动补货"，却很少有人先问"我们到底要回答哪几个补货问题、每个问题的主数据由谁负责、口径不一致时以谁为准"。这篇文章不讲ERP功能清单，我想把采购补货拆成一张可以逐条打勾的问题清单，再讲清楚它怎么落到ERP的五层结构里，以及在什么阶段该做什么、该舍什么。
我先把核心结论摆出来，后面所有内容都是在解释这四条判断是怎么来的、边界在哪里。
大部分补货失败的项目，问题不在选型阶段，而在需求描述阶段。企业提需求时写的是"希望系统能自动补货"，供应商听到的是"做一个低库存预警加建议采购量"。双方都以为对齐了，上线后才发现：运营想要的"补货"包含促销排期，采购想要的"补货"包含供应商账期，仓库想要的"补货"包含库容和上架产能，财务想要的"补货"包含现金流窗口。
正确的顺序是：先把补货拆成8个必须回答的问题，再把这8个问题映射到系统的主数据层、计划层、执行层、反馈层和协同层。功能只是答案的载体，问题的完整度决定系统的天花板。
这是我最想强调的一条。跨境场景的库存至少有七个口径：国内可售、国内锁定（已被订单占用）、在途（已发未到）、待检、退货待处理、海外仓可售、平台仓可售。任何一个口径缺失，补货建议都会系统性偏大或偏小。
缺"锁定库存"，会重复采购；缺"在途"，会重复下单导致爆仓；缺"退货待处理"，会把退货当成损失重新采购；缺"平台仓库存"，会误判某个链接缺货而空运补货。我见过最典型的案例是，一家卖家因为ERP没有区分"待检"和"可售"，把一批质检未通过的货算进可售天数，结果两周后链接断货，紧急空运的成本吃掉了这个SKU整个季度的利润。
很多人把补货等同于"预测得准不准"，这是最大的认知偏差。预测再准，也会被MOQ、箱规、头程时效、仓储库容、平台补货限制、供应商产能、现金流这七个约束卡住。补货的实质是在"缺货率、库存周转、现金占用、物流成本"四个目标之间找可行解，而不是找一个数学最优解。
所以我在做补货体系设计时，第一版永远不是去优化预测模型，而是把所有硬约束先列出来。约束清楚了，即使用简单的移动平均，结果也可用；约束不清楚，用再复杂的模型也会给出无法执行的建议。
这句话可能有点反直觉。ERP的价值在于把补货这件事变成可重复、可追溯、可交接的流程，让判断标准沉淀在系统里，而不是沉淀在某个人脑子里。它不会自动让补货变聪明，聪明来自你对品类、交期、平台规则的理解。
我判断一个卖家的补货体系是否成熟，只用问一个问题：采购负责人休假两周，补货还能正常跑吗？如果答案是"不能"，那不管用了多贵的系统，补货依然没有进入运营框架。
我复盘过自己参与和观察的二十多个跨境项目，发现补货被系统化的时间点，几乎总是晚于订单、物流和财务。原因不复杂：订单错了当天就疼，物流慢了客户马上投诉，财务对不上账月底就炸。而补货错了，要等三周到两个月才疼，而且疼的时候往往已经找不到原因。
第一阶段，SKU在300以内、单平台单仓。补货靠人脑加Excel，日均销量乘一个经验天数，看库存低于某条线就下单。这个阶段用Excel是理性的，因为SKU少、交期稳定，人脑的记忆力还够用，上系统的投入产出比反而低。
第二阶段，SKU在300到3000之间、多平台、开始用海外仓。这是最危险的阶段。SKU数量超过了人脑记忆上限，但流程还没系统化，于是出现"运营凭感觉催、采购凭关系抢、仓库凭经验压"的局面。我见过这个阶段的卖家，补货表格有七个版本，每个版本的数字都不一样。
第三阶段，SKU超过3000、多平台多仓、同时用平台仓和第三方海外仓。这个阶段补货必须系统化，因为人工已经不可能同时计算MOQ、箱规、头程时效、库容和平台规则。但系统化不等于自动化，核心还是那8个问题有没有被明确定义。
回到开头那家家居卖家。我们后来把断货事故拆开算了一笔账，涉及的是一个旺季爆款收纳箱，日均销量约180件，采购交期35天，头程海运28天，海外仓入库上架约4天，理论上补货提前期是67天。
但他们当时用的规则是"可售天数低于30天就补货"。这个规则在平时没问题，因为海运稳定。那年10月，深圳仓因为一批货质检不合格压了12天，头程又遇到港口拥堵延迟9天，实际提前期变成了88天，而触发补货时只剩30天，中间整整58天的缺口只能靠空运填。空运了3200件，单件运费从海运的约4.2元涨到约19元，多付了约4.7万元，同时因为期间有6天断货，链接权重下滑，后续两周自然流量下降约22%。
这笔账的教训不是"应该早点补货"，而是：补货规则里的提前期必须是"实际提前期"，包含波动，而不是"理想提前期"。质检异常、港口拥堵、海外仓入库排队，这些只要发生过一次，就应该进入提前期的波动区间，而不是当成意外。
断货之后我们做了一次口径盘点，结果很说明问题。运营看的是"链接可售库存"，采购看的是"已下单未到货加国内库存"，仓库看的是"实际在库数量含待检"，财务看的是"已付款未销售的成本"。四个数字都对，但四个数字都不是补货需要的那个数字。
补货需要的数字是：在未来一段时间内，能够被真实卖出、且已经扣除了所有不可售状态的库存，加上确定能按时到达的在途。这个数字没有任何一个部门单独掌握，它必须由系统按统一口径生成。
这就是为什么我说补货是"运营框架的断点"。它不是某个部门的能力问题，是跨部门口径没有在系统里被固化的问题。
下面这八条，前三条我自己踩过，后五条是我在项目复盘里反复见到的。我把它们列出来，不是为了批评谁，而是因为它们几乎构成了补货系统化的全部障碍。
低库存预警只回答"现在够不够"，不回答"该补多少、什么时候补、补到哪"。它是最低级的补货形态，适合SKU极少、交期极稳的场景。一旦SKU上量、交期波动，预警就会变成噪音：天天报警，天天不知道该怎么办。
我判断预警和补货的区别，看的是"有没有建议动作"。如果一条提醒只告诉你"库存低于安全线"，那是预警；如果它告诉你"这个SKU建议在3月12日前下单1850件，走海运到洛杉矶仓，预计5月18日可售"，那才是补货。
"安全库存备30天"这句话在跨境圈流传极广，也极危险。安全库存的本质是对冲不确定性，而不确定性来自两个方向：销量波动和交期波动。只按固定天数设定，等于假设两者都是恒定的，这个假设在旺季、在港口拥堵期、在供应商换产线时全部失效。
我的经验是，安全库存必须同时是销量波动和交期波动的函数。同一个SKU，在淡季可能只需要7天安全库存，在旺季前置期可能要到25天，这不是拍脑袋，是算出来的。
制造业MRP的核心是BOM加生产排程，物料需求是确定的乘法关系。跨境零售完全不同：需求是概率分布、供应是分批到货、履约是多仓多平台、退货还会回流成库存。直接把MRP那套"净需求=毛需求-可用库存"搬过来，会得到一个看起来很专业但完全无法执行的建议。
我见过一个团队照搬MRP做补货，结果系统建议的补货量是国内仓库容的2.3倍，因为模型完全没考虑库容约束。这类失败的根源不是工具不行，是模型假设和业务不匹配。
销量波动大家都会看，交期波动几乎没人统计。但在我处理过的断货案例里，交期波动导致的断货数量并不比销量波动少，而且更难补救，因为交期问题没有替代方案。
我建议至少统计三个提前期指标：供应商平均交期、供应商交期标准差、头程平均时效与标准差。没有历史波动的数据，就没法设定合理的安全库存，只能靠猜。这也是很多ERP实施失败的原因，系统准备好了，但企业没有历史数据可喂。
把几百上千个SKU放在一张规则表里跑，是最省事也最贵的做法。爆款和长尾的风险结构完全不同：爆款断货代价极高，长尾滞销代价极高。用同一套安全库存天数，等于同时容忍爆款缺货和长尾积压。
我的做法是至少分四层：高销量稳交期、高销量波动交期、低销量稳交期、低销量波动交期。四层用四套参数，参数数量可控，效果差异立刻显现。
这是我见过最普遍的失败模式。系统上线了，但补货仍然由采购手工做Excel，做完再录进系统当成结果。系统的价值在于协同和留痕，一旦变成"事后录入"，它就退化成了一个记账工具。
判断标准很简单：补货建议是谁生成的？如果不是系统按规则生成、由人做例外审批，那这个系统在补货上没有产生价值。
平台仓补货有额外的外部约束：库容限制、入库计划、绩效指标、补货数量上限。这些约束经常变化，ERP很难做到实时同步所有平台规则。ERP给出的是"库存视角的建议"，能不能发、发多少、什么时候发，必须叠加平台当前的规则再判断。
我通常建议在流程里加一道"平台规则校验"节点，由专门的人或专门的报表负责，而不是把ERP建议直接当成发货指令。所有平台规则的细节，都必须以平台官方最新文档为准。
补货的闭环不在下单，而在复盘。到货是否准时、上架是否及时、实际动销是否符合预期、这批货有没有变成呆滞，这些数据必须回流到下一轮的参数里。没有复盘，参数就永远停留在初始值，系统会一直用三个月前的假设做今天的决策。
把补货讲清楚，我的方法是两步：先列出企业必须回答的八个问题，再把每个问题落到ERP的五层结构上。问题清单负责定义"要什么"，五层结构负责定义"谁来做"。
这八个问题覆盖了从需求到复盘的全链条。我发现很多团队补货混乱，本质是这八个问题里有三到四个从来没有被明确回答过。
| 序号 | 问题 | 要回答的具体内容 | 常见的错误做法 | 对应ERP层 |
|---|---|---|---|---|
| 1 | 卖多少 | 未来一段时间的日均销量预期，包含促销节奏、季节波动、新品爬坡 | 直接拿近7天均值代替未来预期 | 计划层 |
| 2 | 有多少 | 可售、锁定、在途、待检、退货、海外仓、平台仓七类口径 | 只看总库存或只看可售 | 主数据层 |
| 3 | 能卖多久 | 可售天数，以及在不同销量情景下的断货日期 | 用库存金额代替可售天数 | 计划层 |
| 4 | 补多少 | 在MOQ、箱规、运费、库容、平台限制下的可行批量 | 只算理论需求，不考虑约束 | 计划层+执行层 |
| 5 | 何时补 | 补货触发时点，含交期波动和销量波动 | 固定天数触发 | 计划层 |
| 6 | 补到哪 | 国内仓、海外仓、平台仓、直发之间的分配 | 所有SKU统一发同一个仓 | 执行层 |
| 7 | 谁负责 | 审批权限、异常升级、跨部门协同规则 | 没有明确责任人，靠群里喊 | 协同层 |
| 8 | 怎么复盘 | 到货准时率、实际动销、呆滞结果回流到参数 | 下单即结束，从不回看 | 反馈层 |
这张表我建议打印出来贴在采购工位上。因为它最大的作用不是教方法，而是暴露空白：很多团队看完会发现，第2、第5、第8三个问题从来没有被正式回答过。
主数据层的质量决定补货建议的可信度。我要求至少维护这几类字段：SKU基础信息、供应商及其交期统计、MOQ与箱规、包装尺寸重量、以及每个SKU的履约路径。主数据不准，补货建议就是"精确的错误"。
计划层负责把销售目标、库存目标和供应约束转化成可执行的补货建议。这里的关键不是算法多先进，而是参数是否可解释、是否可调。我偏好规则清晰、可人工覆盖的建议，而不是黑箱模型输出的一个数字。
执行层要保证补货计划能落到实际动作：采购申请怎么提、PO怎么下、货到国内仓怎么检、什么时候安排头程、到海外仓怎么调拨。这一层断掉，计划层再准也没用。
反馈层是把"实际发生"回灌到"参数设定"的通道。我通常要求每月做一次参数回顾，重点看三组差异：预测销量与实际销量、承诺交期与实际交期、建议补货量与最终执行量。
协同层最容易被低估。补货不是一个人的工作，它天然是运营、采购、供应链、仓库、财务的共同决策。系统必须支持"例外处理"，因为正常流程走不动的部分，才是真正消耗人的部分。
公式不复杂，难的是每个变量的数据来源。下面这套是我在实际项目里用的简化版本，可以直接落到表格或系统里。
补货点 = 日均销量 × (采购交期 + 头程天数 + 入库上架天数) + 安全库存
安全库存 = Z × √( 交期标准差² × 日均销量² + 日均销量标准差² × 平均交期 )
建议补货量 = max(0, 目标覆盖天数 × 日均销量 − 可售库存 − 在途库存 + 安全库存)
最终下单量 = CEILING(建议补货量 / 箱规) × 箱规
且 必须 ≥ MOQ
且 受单次库容上限约束
Z 为服务水平系数，服务水平95%时约等于1.65
所有变量建议按SKU分层分别统计，不要全店统一
说一下这套公式的适用边界。它假设需求近似正态分布，且供应交期相对独立。对于大促这种极端需求尖峰，正态假设会失效，这时候更适合用情景模拟：按保守、基准、激进三种销量情景分别算一遍，取一个自己现金能承受的结果。
另外，Z值不要盲目取1.65。服务水平的选择本质是财务决策：缺货成本高的SKU（比如爆款、广告重投的链接）可以用更高的服务水平；长尾SKU用较低的服务水平反而更健康。
如果每个SKU单独调参，工作量会失控。我的做法是按两个维度分层：日均销量和交期波动。销量用ABC分类，交期波动用高/低两档，形成四个象限，每个象限一套参数。这样参数总量控制在四套，既有效又可控。
前面讲的是框架，这一节讲怎么落地。我拿"数跨境"（官网：https://shukuajing.jiushuyun.com/?utm_source=seo&utm;_plan=est&utm;_unit=gys）作为操作载体来讲，原因很直接：它本身定位在跨境电商的数据整合与运营分析，适合用来验证"口径统一"这件事能不能在系统层面做掉。需要说明的是，具体功能、字段定义、接入范围和计费方式，请以官方页面和实际开通版本为准。
我用的是一个脱敏后的场景：SKU约860个，主战场亚马逊美国站和欧洲站，另有一个独立站；仓库三个，分别是深圳国内仓、洛杉矶海外仓、以及平台仓。日均订单约1200单，年GMV规模在中型卖家区间。这个场景的典型特征是：SKU数量已经超过人脑管理上限，但还没到需要专业供应链团队的程度。
我做的第一件事不是算补货量，而是把七个库存口径拉到一起对齐。具体做法是把各平台、各仓库的库存数据统一汇总，然后按"可售、锁定、在途、待检、退货、海外仓、平台仓"七个维度拆开，逐个SKU核对。
这一步花了大约三天，也是最枯燥的一步。但做完之后立刻发现两个问题：一是有197个SKU在国内仓有"待检"库存超过30天没处理，二是海外仓有63个SKU的库存和平台后台显示不一致。如果直接算补货建议，这两个问题会造成大概11%的补货量偏差。
口径统一之后，我在数跨境里搭建补货分析视图，把日均销量、可售库存、在途库存、交期、MOQ、箱规这些字段放到同一张明细表里，然后按前面那套公式生成建议补货量。
这里我刻意没有追求自动化下单，而是保留人工审批环节。原因是我认为补货是一个需要判断的动作，尤其在参数还没校准完的前三个月，系统的作用是"给出一个可解释的起点"，不是"替人做决定"。
实操中有个细节值得说：我要求每一条人工调整都必须填写调整原因，比如"供应商通知涨价提前备货"或"平台库容不足延后"。这个字段后来成了最有价值的数据，因为它暴露了大量系统外的约束条件。
补货建议生成后，进入采购执行：下单、供应商生产、国内仓收货、质检、安排头程、海外仓入库。我要求记录三个时间点：下单日期、国内仓收货日期、海外仓可售日期。这三个时间点相减，就是真实的采购交期、头程时效和入库时长。
这一步是整个案例里最有价值的。因为我们发现，供应商承诺交期平均是32天，但实际平均是38天，标准差达到6.4天；头程承诺28天，实际平均31天，标准差5.1天。把这两个标准差代入安全库存公式后，A类SKU的安全库存需要从原来的10天提高到约19天。这就是为什么固定天数会失效，它不是保守或激进的问题，是根本没有反映真实的不确定性。
最后一步是做看板。我的原则是：看板只显示需要动作的例外，不显示一切正常的数据。四个例外视图分别是：未来14天内断货风险SKU、在途超期批次、建议补货量与实际下单量偏差超过30%的SKU、以及90天无动销的呆滞库存。
上线一个月后，采购负责人跟我说了一句让我印象很深的话："以前我每天看三百行数据，现在每天看十二行，但每一条都得处理。"这句话基本上就是补货系统化的价值定义。
下面这组数据是场景模拟下的观察结果，不是行业基准，仅用于说明变化方向。第一周作为基线，第四周作为对比，中间逐步调整参数和例外规则。
| 指标 | 基线（第1周） | 第4周 | 变化 | 我的判断 |
|---|---|---|---|---|
| A类SKU缺货率 | 6.8% | 2.1% | 下降4.7个百分点 | 主要来自安全库存被正确提高 |
| 紧急采购比例（空运/快船） | 18% | 7% | 下降11个百分点 | 提前期识别准确后，紧急补货自然减少 |
| 库存周转天数 | 78天 | 69天 | 缩短9天 | 呆滞清理的效果，不是靠压缩安全库存 |
| 采购人工处理耗时 | 约96人时/月 | 约41人时/月 | 下降约57% | 主要来自例外看板替代全量核对 |
| 建议补货量采纳率 | 不适用 | 73% | ， | 27%的人工调整说明仍有系统外约束 |
| 90天无动销库存金额 | 约86万元 | 约52万元 | 下降约40% | 需要通过清货动作配合，系统本身不解决 |
我想特别说明"建议补货量采纳率73%"这个数字。很多团队会把它当成KPI往上冲，我不这么看。采纳率过高反而可能是危险的信号，说明人工没有在发挥判断作用。比较健康的状态是70%到85%，剩下15%到30%的人工调整，恰好反映了那些系统还覆盖不到的约束。
补货体系没有通用方案，只有匹配当前阶段的方案。我按规模分四种情况给建议，你可以直接对号入座。
这个阶段不建议上重型系统。要做的是三件事：第一，把库存拆成可售、在途、待检三个口径，哪怕用三个Excel列也行；第二，记录每个SKU的实际到货日期，积累交期数据；第三，给TOP20的SKU单独设定安全库存，其余用统一规则。
这个阶段的核心目标是建立数据习惯，而不是提高效率。因为SKU少的时候人脑还能兜住，但数据不积累，等SKU涨到800的时候就要从零开始。
这是最需要系统化的阶段，也是最容易踩坑的阶段。我的建议是：先做库存口径统一，把七个口径落到一张表里；然后做SKU分层，按销量和交期波动分四象限；最后只对A、B两类生成精细化补货建议，C、D两类用简单规则管理。
这个阶段我强烈建议引入类似数跨境这样的数据整合工具，把多平台、多仓的数据拉到同一套口径下。原因不是算法多强，而是这个阶段的瓶颈是数据分散，不是计算能力。
到这个规模，报表已经不能解决问题了。要做的是把补货变成一条有明确责任人的流程：谁生成建议、谁审批例外、谁负责平台规则校验、谁负责到货跟踪、谁负责参数回顾。
同时必须建立平台规则校验节点，因为平台仓的库容和补货限制会直接否决ERP建议。这个节点不能省，也不能靠记忆，要有明确的检查清单和最新规则来源。
这种情况我见得太多了。我的建议是不要急着换系统，而是先在现有系统里把补货流程跑通一遍：把补货建议的生成逻辑搬进系统、把审批流放进系统、把到货反馈录入系统。哪怕流程很粗糙，先跑三个月。
原因很简单：如果流程切换失败，换任何系统都会失败；如果流程切换成功，现有系统可能已经够用。很多团队换系统的真实原因不是系统不行，而是流程没走通，换系统只是把问题延后了。
补货没有完美解，只有取舍。下面五组取舍我在项目里反复遇到，每一组我都会给出自己的默认选择，但你要根据自己的现金状况和品类特性调整。
这两个指标天然对立。降低缺货率要备更多安全库存，备得越多周转越慢。我的默认选择是：A类SKU优先保缺货率，C、D类SKU优先保周转。因为A类断货的连带损失（广告浪费、权重下滑）远高于库存成本，而C、D类积压的损失是确定的。
具体阈值我通常这么设：A类SKU缺货率目标控制在3%以内，周转天数可以放宽；C、D类SKU周转天数目标控制在60天以内，缺货率容忍到10%以上。
追求预测精度需要时间和数据，而市场不会等你。我的做法是用响应速度换预测精度：把多出来的不确定性交给安全库存和更灵活的补货频次，而不是追求把预测误差从25%压到15%。
具体表现是：宁可接受预测误差20%，也要把补货评审频次从每月一次改成每周一次。周频评审带来的信息更新速度，对结果的影响往往大于模型优化。
系统要求标准，业务要求灵活。完全的标准化会扼杀业务判断，完全的灵活等于没有系统。我的做法是把流程标准化、把参数留口子：走什么流程、谁审批、多久复盘必须固定；但安全库存天数、Z值、目标覆盖天数这些参数允许业务按SKU分层调整。
自建适合两种情况：一是有稳定的技术团队且补货逻辑高度特殊；二是数据量极大，外部工具难以承载。其余情况我都建议采购。
原因是补货系统的难点不在开发，在数据接入的广度和维护成本。平台接口、仓库系统、物流轨迹这些东西的对接和维护，会持续消耗技术资源，而这些工作对业务本身没有增量价值。
我的默认选择一定是试点。选一个品类或一个平台，跑通从建议到采购到入库到复盘的完整闭环，周期控制在四到六周。跑通后再扩品类、扩仓、扩平台。
全量上线最大的风险不是失败，而是失败了却看不出哪里失败。因为所有环节同时变动，问题定位不了。试点能在可控范围内把问题暴露出来，代价最小。
补货指标最大的问题是容易堆。我见过一个看板放了37个指标，结果没人看。我的原则是：结果指标控制在3到5个，过程指标控制在3到4个，其余全部放进例外视图。
我通常选四个：A类SKU缺货率、库存周转天数、呆滞库存金额、以及紧急采购比例。前两个是效率指标，后两个是风险指标。四个放在一起看，基本上能判断补货体系的状态。
有一点要提醒：不要同时把缺货率和周转天数都设成必须改善的KPI，它们天然对立。同一时期只能主攻一个，另一个设为约束条件。
过程指标我用三个：供应商准时交货率、头程时效达成率、建议补货量采纳率。前两个用于提前预警交期风险，第三个用于判断系统与业务的匹配度。
其中供应商准时交货率是我最看重的。因为它下降的趋势通常比缺货发生早两到四周，是最有效的领先指标。当准时交货率连续两周下滑超过5个百分点，就应该开始检查在途批次，而不是等断货再反应。
例外看板我固定四个视图：未来14天断货风险、在途超期、建议与实际偏差超30%、90天无动销。每个视图都要求有明确的责任人和处理时限。
这套机制的核心价值是把"看数据"变成"处理问题"。全量报表的问题是它只提供信息，不产生动作；例外视图的每一条都自带动作要求。
讲完框架和取舍，最后给一条可执行的路径。四步的顺序不能颠倒，每一步都有明确的完成标准。
这一步不需要系统，需要的是时间和耐心。具体动作是：列出你现在的补货决策全部依赖哪些数字，然后逐条追问这个数字的口径是谁定义的、和谁的口径冲突、冲突时以谁为准。
完成标准是：七类库存口径有明确定义，且运营、采购、仓库、财务四个部门认可同一套定义。这一步通常要一到两周。
选一个品类或一个平台，把从补货建议生成到采购执行、到货反馈的完整链路跑一遍。范围要小到五周内能跑完，又要完整到能暴露真实问题。
完成标准是：试点范围内能产出可解释的补货建议，且每周能产出一次例外清单。这一步三到五周。
这一步的关键是把流程里的责任人和时限定下来。异常由谁发现、谁判断、谁审批、多久闭环，必须写清楚，而不是靠群里喊。
完成标准是：连续四周内，例外清单上的每一条都有处理记录，且平均闭环时间有明显下降。这一步四到六周。
跑通后做一次完整复盘，重点看三组差异：预测与实际销量、承诺与实际交期、建议与实际执行。根据差异调整参数，然后再扩品类、扩仓、扩平台。
完成标准是：参数至少经历过一轮基于真实数据的校准，且扩展后缺货率和周转天数没有恶化。这一步持续进行。
有必要，但只需要做最低版本：拆三个库存口径（可售、在途、待检），记录实际到货日期，给TOP20 SKU单独设安全库存。这三件事加起来每周不超过两小时，但能在SKU涨到500的时候省掉几个月的补课时间。
大概率是两个原因：一是库存口径不统一，系统里只有笼统的库存数字；二是没有交期波动数据，安全库存只能拍脑袋。这两个问题都不是换系统能解决的，需要先把数据基础补上。
我建议在70%到85%之间。低于70%说明系统建议和业务实际脱节严重，需要检查参数和主数据；持续高于90%反而要警惕，可能意味着人工判断被弱化，系统外约束没被捕捉。
从今天开始。没有历史数据的时候，可以用供应商承诺交期作为起点，然后每批货记录实际到货日期，两个月后就能算出初步的标准差。不需要等完美数据才开始。
不建议直接执行。系统建议反映的是库存视角，而平台仓还受库容、入库计划、绩效指标等外部约束影响，这些规则会变化。建议在流程里加一道平台规则校验节点，所有规则细节以平台官方最新文档为准。
回到最开始那个判断：补货不是采购部门的一个动作，而是跨境电商运营框架里的一个断点。它断在数据口径上，断在责任归属上，断在跨部门决策上。把补货纳入问题清单，本质上是承认这件事需要被当成一个系统问题来对待，而不是靠某个人的经验硬撑。
我自己的独特判断是三条。第一，补货的价值不在于预测多准，而在于约束有没有被完整表达，MOQ、箱规、库容、平台规则这些"不性感"的东西，往往才是决定成败的部分。第二，ERP在补货上的作用是让流程可重复、可交接，而不是让决策更聪明，判断仍然要由人来做。第三，采纳率不是越高越好，保留15%到30%的人工调整空间，反而是体系健康的表现。
如果你本周想动手，我建议就做这四件事，不需要任何新系统：
这四件事做完，你会对补货这件事有完全不同的认识。到那时候再考虑要不要引入系统工具、引入哪一种，判断会清晰得多。工具的意义是把已经想清楚的事情固化下来，而不是替你想清楚。
我们公司做了三年亚马逊，SKU从几十个涨到八百多，补货一直靠运营在Excel里拉销量然后拍脑袋下单。最近老板要求上ERP，但我看了一圈，每家销售都在讲功能，没人告诉我到底该从哪里下手。我担心一上来就被带着买功能，最后落不了地。
先别选系统，先盘问题清单和口径。具体做法是拉上运营、采购、仓库、财务开一次半天会，把当前补货中最常出错的场景列出来，例如断货、紧急空运、呆滞积压、在途说不清、责任互相推。然后逐条定义字段口径：可售库存、锁定库存、在途库存、待检库存、退货库存、平台仓可用库存分别怎么算、数据来自哪里、多久更新一次。
判断依据很简单，如果同一个SKU在运营表、采购表、仓库表里数量对不上，就说明口径没统一，此时上任何ERP都只是把混乱搬进系统。这一步产出物是一份问题清单加一份字段定义表，后面选型和实施都围着它转。
我们之前一直用‘可售天数低于30天就补货’的规则，淡季还行，一到旺季或者物流一堵就完全乱套，要么补早了压一堆库存，要么补晚了直接断货。我一直想搞清楚，是不是我们算补货点的方法本身就有问题。
固定天数确实容易失效，因为它只看了销量这一个变量，没看波动。可执行的做法是把补货点拆成两部分：交期内的平均需求，加一段安全缓冲。安全缓冲要同时考虑销量波动和交期波动，销量忽高忽低、或者头程时效不稳定的品类，缓冲就要留得更厚；反之可以薄一些。
判断依据是回看历史数据，把过去几次断货和压货的案例调出来，看当时是销量突然涨了，还是供应商或头程延期了，对应补哪一段缓冲。另外不同履约路径要分开算，国内仓、海外仓、平台仓的交期和限制都不一样，不能一套参数打天下。落地时先从一个高动销品类试点，用实际到货和动销数据反过来校准参数，再推广。
我们团队就五个人，管着三个平台、四个店铺、上千个SKU，仓库还分了国内仓和海外仓。我不是不想用ERP做补货，而是怕系统一上来就要填一堆主数据、配一堆规则，光维护就累死人，最后大家又回去用Excel。
核心原则是分层管理，别对所有SKU用同一套精细度。先把SKU按销量和金额分成三档：头部高动销高价值的，重点维护供应商、交期、MOQ、箱规这些主数据，补货建议人工复核；腰部用系统默认规则加定期抽查；长尾低动销的用统一简化策略，比如固定周期集中补。
落地路径建议先选一个平台加一个品类跑小闭环，从补货建议到采购单到入库到实际动销复盘走通一遍，再扩品类扩仓。判断依据是看紧急采购比例和呆滞金额这两个结果指标有没有下降，如果跑了一个季度没变化，说明规则或数据口径还要调。系统是帮你减少重复劳动，不是让你给系统打工。
我们上了补货模块以后，断货确实少了，但库存金额涨得比销售额还快，财务天天说现金被压住了。我发现大家只盯着不能断货，没人管库存是不是健康。我想知道该用哪些指标来平衡，别把公司现金流拖垮。
不要只盯缺货率一个指标，要同时看结果和过程。结果指标建议选三到五个：缺货率、库存周转天数、呆滞库存金额、现金占用。过程指标看供应商准时率、在途准确率、紧急采购比例，用来提前发现问题。防止越补越多的关键动作有三个：一是给不同品类设库存上限和周转目标，补货建议超过上限要触发审批；
二是建例外看板，重点盯断货预警、超期在途、超量采购、低动销这四类，用例外管理代替每天看全量报表；三是每个月做一次补货复盘，看到货准时率、实际动销和呆滞结果，用真实数据反过来修正预测和补货参数。判断依据是周转天数在改善而缺货率没有明显恶化，说明补货在往健康方向走。
如果库存涨了但动销没跟上，就要先停下来收紧参数，而不是继续加库存。
读者评论
看完非常有共鸣，我们公司年销几千万，补货还是采购拍脑袋，ERP里的库存数跟实际差了一大截，每次大促前都像赌博。文章里说的七类库存口径，我们至少缺了四个，难怪总出现断货和积压同时发生的情况。
作者把补货当成问题清单来设计这个思路很对，但实际落地太难了。我们曾尝试推统一库存口径，运营、采购、仓储各说各话，谁也不愿意改自己的报表。系统上线容易，跨部门权责重组才是真正的门槛。
断货事故的成本拆解那张图真是扎心，我们上个月刚经历一次类似情况，紧急空运加广告浪费，最后算下来吃掉了一个爆款整个季度的利润。文章提醒要统计交期波动，这点之前完全没重视，准备回去把供应商历史交期数据拉出来看看。