01
识别资金占用
把库存件数转成库存金额、可售天数和资金占用，才能判断“多”到底有多贵。
01 · Decision first
先讲核心结论：滞销识别能解决一半问题
我把老板真正关心的结果拆成四个问题：钱有没有被锁住、什么货正在变慢、哪些货不能断、下一步应该怎么做。
02
发现趋势拐点
销量下降、周转变慢、折扣加深往往同时出现，不能只等库存天数超阈值。
03
保护现金流
补货不是越多越安全，安全库存要和供应周期、需求波动及现金上限一起看。
04
落实动作闭环
每个预警都要对应负责人、动作、截止时间和复盘结果，否则报表只会越来越多。
我的判断标准：不是“有没有滞销报表”，而是“报表能不能改变下一次采购”
很多团队已经有库存日报，但老板仍然在问“这个款到底要不要补”。原因通常不是数据不存在，而是数据没有被整理成决策语言：销售看订单，采购看在途，仓库看库龄，财务看金额，运营看活动，大家各自有一半答案，却没有一张表说明最终应该采取什么动作。
一套真正有用的滞销识别机制，至少需要回答五层问题。第一层是事实：现在有多少库存、在哪些仓、多少钱；第二层是速度：近7天、近30天、近90天的销量和趋势怎样；第三层是覆盖：按当前需求还能卖多少天；第四层是风险：继续补货会不会加深积压，停止补货会不会造成缺货；第五层是动作：补多少、停多久、是否调拨或促销，以及谁在什么时间确认。
核心结论：滞销识别可以消除“完全看不见”的盲区，却不能自动消除季节性、活动波动和新品不确定性。它必须与补货规则、例外审批和复盘机制组合使用。
四种库存状态，不要只用“正常/滞销”二分
我更建议把SKU放进四象限。这样既能识别积压，也不会把暂时低销量的新品或季节品误判成坏库存。
快卖快补需求稳定、覆盖天数偏低，重点防断货。
快卖但过量销量不错但库存过深，重点降低采购批量。
慢卖可改善有毛利或有潜力，重点优化展示和转化。
慢卖且占资周转弱、库龄长，重点停止补货并处置。
02 · Business scene
为什么补货会凭感觉：老板面对的是一个动态系统
库存不是仓库里的静态数字，它同时受到需求、采购、物流、渠道、价格和现金流的影响。
一个常见的周一早会
我把下面的场景标记为示例，并不指向某个真实商家。老板发现某款运动水杯上周卖得不错，运营说短视频还会继续投流，采购建议再订一批以免涨价，仓库却提醒同系列蓝色款已经压了两个多月。财务进一步指出，最近几笔大额采购尚未回款，现金余额不适合同时承接多个供应商的最低起订量。
如果只看上周销量，补货似乎合理；如果把在途、当前库存、颜色拆分、活动结束时间和供应周期放在一起，结论可能完全不同。真正的问题不是“要不要补”，而是“这款SKU的需求信号是否足够强，能否覆盖下一批货到仓后的销售窗口”。
经营现场的矛盾：销售增长让人想补货，但库存结构和回款节奏又要求谨慎。数据分析的价值，就是把相互冲突的声音放在同一套口径下比较。
我会先补齐的五组数据
- 商品主数据：SKU、SPU、规格、颜色、品牌、生命周期和是否可替代，避免把同款不同规格混成一个数字。
- 交易数据：订单量、实付销量、退款、取消、折扣、渠道和日期，避免把下单量直接当成真实消耗。
- 库存数据：可售、锁定、残次、在途、调拨中和各仓分布，避免用总库存掩盖局部缺货。
- 供应数据：供应商、采购批量、采购价、交期、到货稳定性和最低起订量，避免只按销量计算补货。
- 经营约束：毛利、现金预算、活动日历、仓储成本和清仓规则，避免只追求销售额而忽略资金效率。
示例数据的月度观察：库存变多，不等于经营更安全
下面的图表使用一组虚构的月度SKU组合数据，用来说明观察方法。假设某店铺连续六个月的期末库存从8,600件升到13,800件，但月销量只从6,900件升到7,200件，说明库存增长速度明显快于需求增长。这里不能直接得出“库存一定有问题”的结论，还要继续拆解新品备货、活动备货和慢销款占比。
示例口径：库存为期末可售件数，销量为当月实际发货件数；数据为演示数据，不代表E数通或任何客户的真实经营数据。
先问三个现场问题
- 库存增长主要来自哪些SKU，而不是只看总量？
- 高库存SKU是否仍然有正向毛利和明确销售窗口？
- 如果今天停止采购，现有库存能否覆盖供应周期后的需求？
这三个问题能把讨论从“感觉库存很多”引导到可核验的范围、时间和金额。
03 · Common mistakes
四个常见误区：看起来在分析，实际上仍在猜
我并不反对经验，成熟老板的经验很有价值；我反对的是经验没有被数据验证，也没有形成可复制规则。
误区一：只看库存数量，不看库存覆盖
库存10,000件对一个日销1,000件的SKU来说可能只够10天，对一个日销20件的SKU来说则可能覆盖500天。数量本身没有意义，除非它被放在需求速度和供应周期中解释。
我通常会同时看库存覆盖天数、近30天日均销量、近7天销量变化和在途数量。如果近7天销量因为活动突然上涨，不能直接用高峰值预测未来；如果近30天销量持续下降，也不能只用历史平均值掩盖趋势。
误区二：把“30天没卖”直接定义为滞销
统一阈值很容易执行，但会误伤季节性商品、低频高客单价商品、礼赠品和刚上架的新品。反过来，有些SKU每天仍有零星订单，却因为库存太深、毛利太低和仓租持续增加，已经属于低效库存。
更稳妥的做法是把库龄、销量趋势、毛利、退货率、生命周期和预计销售窗口组合起来。阈值可以保留，但阈值只能触发人工或自动复核，不应该直接替代判断。
误区三：只按销售额给SKU排序
销售额高不代表值得无限补货。某些商品销售额大但毛利薄、促销依赖强、退款率高，最终可能占据大量仓储和现金。另一些长尾商品销售额不高，却有稳定毛利和较低库存深度，反而适合保留。
我的排序方式会增加毛利贡献、库存金额、周转天数、缺货损失和履约成本。至少要把“卖得多”和“赚得多”“占资多”“风险高”分开呈现。
误区四：报表做得很细，动作却没有负责人
如果预警只停留在“红色SKU 127个”，老板下一步仍然不知道谁来处理。运营可能等采购，采购可能等财务，仓库只能继续存放。最终下周报表再次出现同样的红色数字。
每条预警都应该输出建议动作，例如停止采购、减少批量、跨仓调拨、优化主图、设置组合销售、限时清仓或保留观察，并写清责任人、完成日期、预计释放金额和复盘结论。
04 · Decision logic
专业判断逻辑：从识别到补货，至少经过六步
这套流程既可以用表格先跑起来，也可以在E数通中配置成固定分析页面和周期性预警。
统一口径
确认销量、可售库存、在途库存、退货和库龄的定义，先解决“每个人看到的数字不同”。
分层SKU
按销售贡献、毛利贡献、生命周期、季节属性和价格带分组，避免一条规则覆盖所有商品。
计算覆盖
把现货、在途和未来需求放进同一时间轴，识别过量、合理、临界和缺货风险。
判断趋势
比较短期与中期销量、转化、退款和价格变化，区分偶然波动与持续拐点。
生成动作
按照风险和收益输出补货、停采、调拨、促销或观察，并给出预计影响金额。
复盘偏差
记录预测销量、实际销量、到货时间和动作结果，让下一轮规则更接近真实经营。
三个最实用的计算指标
库存覆盖天数 = 可售库存 ÷ 近30天日均销量库存周转率 = 期间销售成本 ÷ 平均库存成本补货点 = 交期内预测需求 + 安全库存 − 可用库存这里的公式是管理口径，不是自动适用于所有品类的标准答案。对活动商品，可以增加活动期权重；对间歇性需求，可以使用更长观察窗或按订单概率判断。
库存覆盖和缺货风险要一起看
只看覆盖天数容易出现两个相反错误：日销突然上涨时，系统可能认为库存快用完而过度补货；日销长期下滑时，使用过期的平均值又会低估积压风险。因此我会把覆盖天数与需求趋势、交期波动和在途可信度组合起来。
| 状态 | 主要信号 | 建议动作 | 优先关注 |
|---|---|---|---|
| 缺货临界 | 覆盖低于交期，近7天需求仍上升 | 确认在途、拆单采购，必要时调拨 | 缺货损失、供应商交期 |
| 健康库存 | 覆盖处于目标区间，趋势稳定 | 按规则补货，保持周期复盘 | 毛利和服务水平 |
| 过量风险 | 覆盖高于目标，销量未同步增长 | 降低采购量，暂停非必要在途 | 现金占用、仓租 |
| 低效滞销 | 长库龄、低销量、低毛利或持续下滑 | 促销、组合、退供或清仓 | 可释放金额、处理成本 |
为什么趋势比单点阈值更重要
我经常把“库存天数超过60天”当作复核触发器，而不是最终判断。如果一个SKU过去三个月的覆盖天数是42天、48天、57天，它正在向风险区靠近，即使还没越过60天也应该提前检查。如果另一个SKU覆盖天数是85天，但它是每年固定销售的春节礼盒，且销售窗口将在两周后开始，直接清仓可能反而损失利润。
趋势分析的重点不是制造复杂模型，而是让系统同时呈现基准线、最近变化和未来窗口。E数通这类分析工具的价值，可以体现在把订单、库存、采购和商品属性关联起来，再通过筛选器快速切换店铺、渠道、类目、仓库和SKU，减少人工拼表。
05 · E数通 example
以E数通为例：把库存问题变成老板看得懂的经营看板
以下案例全部为方法演示，数据经过虚构和简化，不代表E数通公开客户案例、官方承诺或任何真实商家的结果。
示例背景：三类目、四仓、1,280个SKU
假设一家经营家居小件、运动用品和数码配件的电商团队，拥有四个仓库，近90天累计发货约18万件。老板过去每周从多个平台导出表格，再让采购根据上周销量估算下月订单。商品数量扩大后，手工合并耗时增加，问题也变得明显：同一SKU在A仓积压，在B仓却缺货；采购单已经下达，但活动结束后需求下滑；看似热销的款式因为退货率高，实际库存消耗速度低于订单量。
在这个示例中，我会优先建立三个页面，而不是一开始追求复杂预测。第一张是老板总览，展示库存金额、库存覆盖、滞销占资、缺货SKU和待处理动作；第二张是SKU诊断页，支持从类目、渠道、仓库和生命周期下钻；第三张是采购复盘页，对比建议采购量、实际采购量、到货偏差和后续销售。
落地原则：先让老板在5分钟内知道“哪里需要决定”，再让团队在15分钟内知道“如何处理”，最后把处理结果沉淀为下一轮规则。
示例看板中的四个数据卡
¥86.4万示例库存成本，占用金额，需要结合可变现价值查看。
18.6%示例滞销占资比例，定义为长库龄低效库存成本占比。
47个示例缺货临界SKU，需进一步核验在途和需求趋势。
63天示例整体库存覆盖，不能替代类目和SKU级判断。
上述数字仅用于展示看板信息密度。真实项目需要以企业自身数据字典、财务口径和业务规则为准。
示例：库存周转与缺货风险的关系
下面的散点图用虚构SKU展示一个常见观察方向：周转天数越高，通常越需要检查积压；但高周转也可能伴随缺货，因此点位还要结合销售贡献和供应周期判断，不能机械地追求某一个数值。
横轴为示例库存覆盖天数，纵轴为示例缺货风险指数；点位仅用于说明分析方法。
示例：滞销占资的可能构成
库存处置不能只看SKU数量，还要看它占用了多少现金。示例中把滞销占资拆成季节错配、采购批量过大、转化下降、退货影响和主数据错误五类，帮助团队判断是经营动作问题还是数据治理问题。
构成比例为演示数据，合计100%；真实分析应按库存成本或可释放金额确认口径。
用E数通搭建分析闭环时，我会这样组织字段
| 分析层 | 关键字段 | 老板要看什么 | 团队要做什么 |
|---|---|---|---|
| 经营总览 | 库存成本、可售件数、覆盖天数、滞销占资、缺货SKU | 本周最需要处理的风险是什么 | 确认风险金额和责任人 |
| 商品诊断 | SKU、类目、生命周期、近7/30/90天销量、毛利、退货率 | 哪个商品正在变坏或变好 | 定位原因并制定动作 |
| 供应协同 | 供应商、交期、MOQ、在途、到货差异、采购价 | 哪些订单应该暂停或拆分 | 与供应商确认交付和数量 |
| 动作复盘 | 预警日期、处理动作、负责人、预计金额、实际结果 | 这次判断是否有效 | 修正阈值和补货规则 |
Evidence and action
看数据时，先看异常，再看原因
好的看板不是把所有指标堆在一起，而是帮助我按优先级处理异常。
示例：动作完成度进度条
假设本周识别出80个需要处理的库存事项，进度条只用于展示工作推进，不代表真实团队绩效。更重要的是区分“已查看”和“已完成”：查看只是确认，完成应当有采购单变更、促销上线、调拨完成或清仓结案等证据。
异常优先级：先处理可释放金额最大的风险
一个库存量很小但覆盖天数很高的SKU，未必比一个库存量大、毛利高且正在持续下滑的SKU更紧急。我的排序会综合风险概率和影响金额，并把处置成本算进去。
| 优先级 | 判断方式 | 处理时限 |
|---|---|---|
| 高 | 高占资、持续下滑、无明确销售窗口 | 48小时内确认停采或处置 |
| 中 | 库存偏深，但仍有毛利或活动机会 | 一周内制定改善动作 |
| 低 | 短期波动、数据不完整或新品观察期 | 纳入下次周期复核 |
06 · Action playbook
不同情况下怎么做：不要把所有预警都变成清仓
库存策略的目标不是把仓库清空，而是在服务水平、毛利、现金和仓储成本之间找到可解释的平衡。
情况A：销量上涨，库存偏低
这类SKU最容易因为“怕缺货”而一次性补太多。我会先核对上涨是否来自短期活动、单一渠道或偶发大客户，再确认供应商交期和补货批量。
- 按交期内需求计算临时补货量。
- 优先拆单或分批到货，减少一次性占资。
- 设置缺货预警和替代SKU提示。
情况B：销量稳定，库存覆盖合理
这类SKU不需要频繁人工干预，重点是保持规则稳定，并观察供应商到货、毛利和渠道结构是否发生变化。
- 按目标库存区间自动生成建议。
- 每月复核需求波动和供应周期。
- 将人工精力转移到高风险SKU。
情况C：销量下滑，库存偏深
这类SKU不能只等待自然消化。先判断是流量下降、价格竞争、评价变化、季节结束还是商品本身失去需求，再选择动作。
- 停止或减少后续采购。
- 尝试组合销售、阶梯优惠或跨渠道分销。
- 对无法改善的库存设置退出时间。
情况D：新品没有历史销量
新品不能直接套用老品的滞销阈值。此时我会把首批订单拆成小批量，设置观察窗口，并用曝光、加购、转化和退款等早期信号辅助判断。
- 预先定义试销周期和补货触发条件。
- 根据渠道反馈更新需求区间。
- 把未售库存和营销预算一起评估。
情况E：季节品即将进入窗口
季节品的低销量可能是正常等待期，长库龄也不一定是坏事。需要把活动日历、历史同期、剩余销售窗口和到货时间放到一条时间线上。
- 按销售窗口倒推最后采购日。
- 区分本季可售库存和跨季风险库存。
- 提前设计季末折扣和退供方案。
情况F：多仓结构不均衡
总库存正常不等于每个仓都正常。局部缺货会带来履约延误，局部积压又会增加仓储成本。先判断调拨成本和时效，再决定是否跨仓移动。
- 按区域需求和履约半径计算可用库存。
- 比较调拨成本与新采购成本。
- 对慢仓库存建立定向销售计划。
07 · Trade-offs
每个选择都有代价：把取舍写清楚，团队才不会反复争论
我建议在会议中明确“为什么这样做、放弃了什么、什么时候重新检查”，避免用一句“稳妥一点”掩盖成本。
库存决策的四组典型取舍
多备一些
换取服务水平，承担资金和仓储成本
适合供应周期长、缺货损失大、需求相对稳定的商品；不适合生命周期短、价格下降快或退货率高的商品。多备货前要确认现金上限和退出方案。
少备一些
降低积压风险，承担缺货与加急成本
适合新品、趋势变化快或供应商交期稳定的商品；不适合核心引流款和大促期间的确定性需求。少备货不是不管理，而是要更及时地获取销售反馈。
打折处理
尽快释放现金，可能牺牲单件毛利
适合长库龄、需求持续下降且没有明确销售窗口的SKU。需要同时计算折扣后的贡献毛利、仓储节省和资金释放，而不是只看折扣比例。
继续观察
保留潜在机会，承担继续积压的机会成本
适合新品试销期、季节窗口临近或数据质量不完整的商品。观察必须有截止日期和触发条件，不能成为无人负责的暂缓处理。
一张可以直接执行的周会清单
- 本周库存金额增加最多的前20个SKU是什么？增加原因是否清楚？
- 覆盖天数超过目标的SKU中，有多少仍然有明确销售窗口？
- 缺货临界SKU中，有多少是因为在途延迟，而不是需求异常？
- 上周确定的停采、促销和调拨动作，实际完成了多少？
- 本周要释放的库存金额是多少，预计会付出哪些折扣或履约成本？
- 哪些判断与实际结果偏差最大，是否需要调整阈值或数据口径？
从表格走向E数通，建议分三阶段推进
| 阶段 | 目标 | 要做的事 | 验收标准 |
|---|---|---|---|
| 第1阶段：看清 | 统一库存和销量口径 | 整理商品、交易、库存、采购字段，建立老板总览和SKU明细 | 不同部门对关键数字的解释一致 |
| 第2阶段：看懂 | 解释异常并分配责任 | 增加趋势、库龄、覆盖、毛利和供应周期分析，标注异常原因 | 每个高风险SKU都有负责人和下一步动作 |
| 第3阶段：行动 | 让分析进入采购和运营节奏 | 建立周期预警、动作台账、采购复盘和结果追踪 | 动作结果可回溯，规则可以基于偏差持续调整 |
FAQ · Search friendly answers
热门问答：关于SKU库存和滞销识别，我最常被问什么
每个问题都用业务语言展开，并保留必要的技术术语，方便老板、采购、运营和数据人员共同讨论。
滞销识别到底能不能解决电商卖家补货凭感觉的问题？我已经有库存报表了，为什么采购还是经常依赖经验做决定？
能解决一部分，但不能单独解决全部问题。滞销识别可以告诉我哪些SKU库龄长、销量下降、库存覆盖过深以及占用了多少资金；要真正减少凭感觉补货，还需要把需求趋势、在途库存、供应周期、毛利、活动日历和补货动作连接起来。很多报表没有改变决策，是因为只展示结果，没有给出优先级、负责人和截止时间。以E数通为例，我会把库存总览、SKU下钻和采购复盘放在同一分析链路中，让经验可以被验证，让例外情况仍然保留人工判断。
SKU库存多少天算滞销？我看到很多文章用30天、60天或90天作为标准，但不同类目的销量差异非常大，应该怎么设置阈值？
没有一个适用于所有SKU的固定天数。日用品、高频消耗品、低频耐用品、新品和季节品的合理覆盖区间完全不同。我会把库存覆盖天数作为预警信号，再叠加近7天与近30天销量趋势、库龄、毛利、退货率、生命周期和销售窗口来判断。比如日销稳定的核心品可以使用相对明确的目标区间，季节品则要按剩余销售窗口倒推，新品应设置试销观察期。30天或60天可以触发复核，但不应直接等同于清仓。
库存覆盖天数和库存周转率有什么区别？我应该在老板看板上放哪一个指标，才能更快判断库存是否健康？
库存覆盖天数回答“按当前销量还能卖多久”，更适合采购和运营做短期补货判断；库存周转率回答“在一段时间内库存被消耗和更新了几次”，更适合观察资金效率和长期经营质量。两者不能互相替代。老板看板可以同时展示整体周转率、类目周转率和高风险SKU的覆盖天数，再补充库存金额和毛利贡献。这样既能看到资金效率，也能定位具体商品。E数通示例看板中，建议通过筛选器从整体下钻到类目、仓库和SKU，避免只看平均数。
新品没有历史销量，系统怎么判断要不要补货？如果一开始销量很低，是否会被错误识别成滞销商品？
新品不应该直接套用老品的滞销规则。新品应先设定试销期、首批采购上限和补货触发条件，同时观察曝光、点击、加购、转化、退款、评价和渠道反馈等早期指标。库存判断可以使用需求区间，而不是单一平均销量；当转化率改善、供应周期较长且库存即将低于试销安全线时再分批补货。若销量低但曝光不足，问题可能在运营而不是商品；若曝光充分、转化持续低，则要及时控制后续采购。
仓库里有库存但店铺仍然缺货，为什么会出现这种情况？我应该如何把多仓库存纳入SKU补货分析？
总库存不等于可服务库存。货物可能分布在需求很弱的仓库，或者处于锁定、残次、质检、调拨中和不可售状态。多仓分析需要按仓库、区域需求、履约半径、调拨时效和调拨成本计算“可用库存”，再与各渠道的需求和安全库存比较。如果调拨时间短且成本低，可以优先调拨；如果调拨会错过销售窗口，才考虑新采购。看板中应同时呈现总库存、可售库存、在途库存和仓间不均衡，避免被一个总数字误导。
滞销SKU应该直接清仓吗？我担心打折会损失毛利，也担心继续放在仓库里会产生仓租和占用现金，如何做取舍？
不建议把所有滞销SKU都直接清仓。我的判断会先看是否仍有销售窗口、毛利贡献、可替代性、组合销售机会、退供条件和仓储成本，再比较继续持有与折价处理的预期结果。可以把SKU分成保留观察、优化转化、组合销售、跨渠道分销和限时清仓几类，并为每一类设定截止日期。决策时不仅要看单件毛利，还要看能够释放的库存金额、预计仓储节省、折扣成本和现金回收速度。
使用E数通做SKU库存分析，最先应该搭建哪些页面？我不希望一开始做出很复杂的系统，却没有人真正使用。
我建议先搭建三张页面。第一张是老板总览，回答库存金额、滞销占资、缺货风险和待处理事项；第二张是SKU诊断，支持按照类目、渠道、仓库、生命周期和供应商筛选，并展示销量趋势、覆盖天数、库龄和毛利；第三张是动作复盘，记录停采、促销、调拨、采购调整及其结果。先让关键用户在固定周会上使用，再根据问题补充字段和规则。所有案例和指标口径都应以企业自身数据为准，本文中的E数通数据仅为示例。
库存预警设置得越多越好吗？我希望尽早发现问题，但团队已经收到很多提醒，反而越来越不愿意处理，应该怎样控制预警数量？
预警越多不代表管理越好，过多的低质量提醒会造成预警疲劳。我会先按风险金额、缺货损失、趋势持续性和处理时效分级，只把真正需要决策的异常放到老板或采购的主视图。低优先级问题可以进入周期列表，高优先级问题需要说明原因、建议动作、负责人和截止日期。每月复盘一次预警命中率：哪些提醒最终被证明有效，哪些是数据错误或规则过严，再调整阈值。这样系统会逐渐从“提醒很多”变成“提醒有用”。
Final summary
最后总结：把补货从直觉问题变成经营问题
- 滞销识别是起点，不是终点。它负责让风险被看见，补货规则和动作闭环负责让风险被处理。
- 不要只看SKU数量。要同时看库存成本、覆盖天数、销量趋势、毛利、库龄、供应周期和可释放金额。
- 不要用一个阈值管理所有商品。新品、季节品、核心引流款和长尾商品应当有不同的观察窗口和处理策略。
- 不要把所有异常都交给算法。数据可以筛选和排序，老板仍然需要结合活动、竞争、供应商和现金流作出取舍。
- 优先选择可落地的分析工具。以E数通示例来说，先把总览、SKU诊断和动作复盘跑通，再逐步增加预测和自动化能力。
Next 7 days
我建议马上执行的五件事
- 列出库存金额最高的前100个SKU，补齐库龄、销量趋势和在途字段。
- 把库存状态从“正常/滞销”改为缺货临界、健康、过量和低效四类。
- 为每个高风险SKU指定动作和截止时间，区分查看、确定和完成。
- 在周会上比较建议采购量与实际采购量，记录偏差原因。
- 用一周时间验证看板是否能减少人工拼表，再决定是否扩大范围。
