01
结论一：识别口径决定行动对象
如果我只按 SKU 维度判断，就只能知道“这个品卖得慢”。如果我进一步连接入库日期、批次号、保质期、库位和供应商承诺，才可以回答“哪个批次优先处理、是否应该暂停补货、是否需要调拨或促销”。
核心判断：滞销识别解决的是筛选问题，规范批次追踪解决的是责任和动作问题，两者必须以同一主键或可追溯字段连起来。
01 / 先讲结论
我不建议只用一个“多少天没卖”来定义滞销
对采购人员来说，最有价值的方案不是最复杂的方案，而是能够说明为什么判定、影响了哪些批次、下一步由谁处理的方案。
02
结论二：固定阈值适合起步，不适合长期独立使用
“连续60天无销量”容易理解、上线成本低，适合先建立采购团队的共同语言。但新品导入、季节商品、项目备货和高价值低频商品的销售节奏完全不同，单一阈值会把正常慢销和真正积压混为一谈。
使用边界：固定阈值可以作为预警入口，不能直接替代批次级的处置判断。
03
结论三：E数通优先用于建立可复核闭环
在需要把采购、库存、销售和批次信息放到一个分析视图中时，我优先考虑使用 E数通做示例化的指标建模和看板整理。它的价值不应被描述成“自动替我做决定”，而应体现在字段关联、筛选下钻、规则口径展示和协同复盘上。
前提提醒：E数通示例流程与数据结果需要结合企业实际字段、权限和业务规则验证，本文不把示例效果冒充真实案例。
一句话摘要：我会把滞销识别分成“发现异常、解释异常、定位批次、安排动作、验证结果”五步。采购人员真正需要的不是一张红色 SKU 清单，而是一张能追问、能排序、能留痕的决策清单。
02 / 阅读方法
先统一三个对象，再比较四种方案
若对象没有定义清楚，方案之间的优劣会被数据口径差异掩盖。我建议先把 SKU、库存层级和批次动作分别说清楚。
SKU：销售和采购的分析对象
SKU 是商品的最小管理单元之一，通常包含品类、规格、颜色、包装或版本等属性。对我来说，SKU 层适合观察销量趋势、订单频次、售价和毛利，但不一定能够解释仓库里不同批次的先后关系。
- 我需要确认 SKU 编码是否稳定，是否存在同物多码。
- 我需要区分销售单位、采购单位和库存单位。
- 我需要确认退货、赠品、调拨是否进入同一销量口径。
库存：数量之外的覆盖能力
库存数量本身不能说明风险。100件库存对日均销量20件的 SKU 可能只覆盖5天，对日均销量1件的 SKU 却可能覆盖100天。因此我会把库存量转换成库存覆盖天数，并且注明计算窗口。
库存覆盖天数 = 可用库存 ÷ 近 N 天日均有效销量
“有效销量”要排除取消订单、异常冲销和重复导入，N 可以按业务周期选择，例如30天或90天。
批次：可追踪、可排序、可执行
批次号把抽象的库存风险连接到入库时间、供应商、生产日期、保质期和库位。我会优先要求批次记录具备唯一标识，并能从 SKU 汇总页下钻到批次明细，避免采购只看到总量而看不到来源。
- 批次进入时间与可售状态。
- 批次剩余保质期或有效期。
- 批次对应供应商、采购单和仓位。
03 / 背景与场景
为什么滞销识别会直接影响批次追踪
我在采购复盘中经常遇到的不是“有没有库存数据”，而是不同岗位对同一件事的解释不一致。
一个典型的采购工作日
早会时，采购负责人看到某个品类的库存金额上涨，要求团队找出滞销 SKU。采购专员导出一张“近60天无销量”的清单，仓库同事又提供了一张“入库超过90天”的清单，销售同事则认为其中一部分商品只是等待下一场活动。三张清单的数字都可能是对的，但它们回答的是三个不同的问题。
第一张清单回答“近期有没有销售记录”；第二张清单回答“库存在哪里停留得久”；第三种判断回答“未来是否存在销售机会”。如果我把这三种判断直接合并为一个红色标签，就会让正常的季节性备货被误判，也会让真正接近保质期的慢销批次没有获得优先级。
因此，采购人员需要一条明确的链路：先以统一时间范围计算销售速度，再对照库存覆盖和批次龄期，随后加入活动、项目、替代品和供应商交期等业务背景，最后形成可以分派给采购、仓库或销售的动作。这个过程看似比一个阈值复杂，但它能够减少反复导出、人工拼表和口径争论。
场景中的关键问题：“滞销”究竟描述过去的销售事实，还是预测未来的库存风险？不同答案对应不同算法，也对应不同批次处置顺序。
我会先问的五个问题
- 这个 SKU 的销售周期是日常消费、季节波动还是项目型采购？
- 现有库存是可售库存、冻结库存，还是包含待检和在途数量？
- 批次号能否与采购单、入库单和库位准确关联？
- “无销量”是否排除了退货、样品、赠品和异常订单？
- 识别结果要触发什么动作，动作完成后谁来复核？
如果这五个问题没有答案，我会先做数据口径治理，而不会急着提高模型复杂度。
示例观察 A
60天
固定“无销量天数”能够快速筛选，但无法区分季节周期和批次临期。
示例观察 B
30/90天
两个销售窗口同时观察，可比较短期动销与长期趋势，减少单一窗口误判。
示例观察 C
SKU→批次
只有完成层级下钻，采购建议才可能落到具体批次、责任人和完成日期。
04 / 常见误区
五个看似合理、但容易误导采购的做法
误区不一定来自技术错误，很多时候来自把一个局部指标当成完整结论。
误区一：把“无销量”直接等同于“滞销”
有些 SKU 的销售频率低但订单价值高，例如项目物料、备品备件或季节商品。若我只看最近30天没有订单，就会把等待项目交付的正常库存标成滞销。更稳妥的做法是加入历史同期、项目状态、客户预约和下一次采购周期。
误区二：只看 SKU 总库存，不看批次结构
同一 SKU 可能有三批库存，其中一批剩余有效期较短，另一批刚刚入库。如果只看总量，采购可能认为库存尚可，实际却没有优先消化临期批次。批次结构的分布应进入风险评分，至少要展示最早入库批次和最短剩余期限。
误区三：用一个通用阈值覆盖所有品类
快消、工业备件、服饰和医疗耗材的销售节奏、保质期和补货周期都不同。全量使用“90天无销量”会导致阈值过宽或过严。我会按品类、价格带、生命周期和供应商交期分组，再在组内设定阈值。
误区四：把预测分数当成事实
模型可以提示未来消化风险，但预测并不等于已经滞销。采购看板应同时显示实际销量、计算窗口、预测依据和数据更新时间。对于低样本 SKU，我会降低模型结论的权重，并保留人工复核入口。
误区五：只做识别，不设计闭环
如果清单没有责任人、截止日期、动作类型和复核结果，识别越准确，待处理事项可能越多。我的最低闭环包括：问题批次、建议动作、动作负责人、预计完成日、实际结果和未完成原因。
误区六：为了追踪批次而牺牲数据可读性
批次字段很多，但不是所有字段都要同时出现在首页。首页应先展示风险等级和关键原因，再通过筛选和下钻查看批次详情。信息密度高不等于信息有效，采购需要的是按优先级读取，而不是一次看到所有字段。
05 / 专业判断
我采用的五层判断逻辑
这套逻辑不要求一开始就使用复杂算法，重点是让每一个结论都有来源、有时间范围、有批次落点。
第一层
发现
发现
发现销售速度变化
我先比较近30天、近90天和历史同期的有效销量。若短期销量下降但历史同期也存在同样规律，可能是季节性；若短期和长期都下降，才更值得进入风险池。指标旁边必须标注统计窗口和更新时间。
第二层
解释
解释
解释库存覆盖与需求关系
将可用库存除以日均有效销量，得到库存覆盖天数，再与采购交期、活动周期和最低安全库存比较。覆盖天数高不一定代表滞销，关键要看它是否显著高于该品类的正常补货周期。
第三层
定位
定位
定位到批次、库位和供应来源
我会把 SKU 汇总结果下钻到批次，查看入库日、生产日、剩余有效期、可售量、冻结量、库位和供应商。对于同一 SKU 的多个批次，优先按有效期或先进先出规则排序，而不是按总库存笼统处理。
第四层
决策
决策
根据业务背景安排动作
动作可以是暂停采购、调整采购量、跨仓调拨、优先出库、组合销售、促销、退供或报损评估。每个动作都应标记适用条件，不能把所有滞销 SKU 都交给销售打折。
第五层
复核
复核
复核动作结果并修正规则
动作完成后，我会观察库存覆盖是否下降、批次是否按顺序消化、是否产生异常折损，并记录误报与漏报。规则不是一次配置后永久不变，而是通过复核数据持续校准。
建议的风险评分思路
为了让采购有排序依据，我可以采用可解释的加权评分。下面只是示例框架，权重需要根据实际业务验证，不能直接当成通用标准。
风险分 = 0.30 × 销售下降分 + 0.25 × 库存覆盖分 + 0.25 × 批次龄期分 + 0.20 × 处置紧迫分
其中销售下降分反映需求变化，库存覆盖分反映库存压力，批次龄期分反映先后顺序，处置紧迫分可以纳入有效期、供应商退换条件和仓储成本。将分项分数同时展示，采购才能理解总分由何而来。
批次追踪的最低字段集合
- SKU编码、SKU名称、规格和计量单位保持统一。
- 批次号必须唯一，且能关联入库单或采购单。
- 入库日期、生产日期、失效日期或剩余期限至少具备一种可排序时间。
- 可用、冻结、在途和待检数量分开，避免把不可售库存算入覆盖。
- 供应商、仓库、库位、责任人和数据更新时间明确。
- 风险标签有版本、有规则说明，能够回溯历史判断。
06 / 方案对比
四种滞销识别方案，分别解决什么问题
我不把方案简单分成“旧方法”和“新方法”，而是根据数据成熟度和决策目的选择组合方式。
| 识别方案 | 核心口径 | 优点 | 容易遗漏 | 对批次追踪的影响 | 适用建议 |
|---|---|---|---|---|---|
| 固定无销量阈值 | 连续N天无有效销量 | 规则直观，快速上线，便于统一沟通 | 季节性、新品、项目型需求容易被误判 | 通常只能定位到SKU，需要额外补充批次龄期 | 起步预警 |
| 滚动销量趋势 | 比较多个时间窗口的销量变化率 | 能够发现需求减速，适合持续监控 | 低销量SKU样本不足，波动容易被放大 | 可按趋势排序批次，但仍需有效期和入库信息 | 日常复盘 |
| 库存覆盖天数 | 可用库存÷日均有效销量 | 直接连接库存量与消化速度 | 销量为零时无法直接计算，需设置例外规则 | 能够判断库存压力，但必须下钻批次确定先后 | 补货决策 |
| 多维风险评分 | 销量、覆盖、批次、期限、供应约束综合评分 | 更接近真实处置优先级，支持分层管理 | 需要口径治理、权重解释和定期校准 | 可将SKU风险排序并联动到批次动作 | 成熟阶段 |
方案一：固定阈值
我会把它作为“异常入口”。例如设定连续60天无有效销量时进入待复核池，但不会直接执行报废或退供。它最适合数据基础薄弱、需要快速建立团队共识的阶段。
主要取舍：易懂和易维护，换来的代价是解释能力弱。
方案二：滚动趋势
我会同时计算近30天与近90天的日均销量，并观察变化方向。这样既能看到短期减速，也能避免一个偶然零单把结果推得过高。趋势指标需要配合最小订单数或最小销量门槛。
主要取舍：更敏感，但需要采购理解波动和样本量。
方案三与四：覆盖和综合评分
当我需要把补货与批次处置放在一起时，会把库存覆盖天数和批次信息纳入综合评分。评分不应隐藏细节，明细页必须能够解释每一项得分，并允许按品类调整阈值。
主要取舍：决策更完整，但治理和维护成本更高。
07 / 数据观察
用示例数据看识别口径如何改变批次优先级
以下图表均为虚构的演示数据，用来说明指标关系，不代表九数云、E数通或任何企业的实际经营表现。
不同识别方案筛出的高风险 SKU 数量
示例设定：同一批100个SKU，在固定阈值、滚动趋势、库存覆盖和综合评分下可能得到不同筛选结果。数量差异不是谁绝对正确，而是说明口径会改变待复核范围。
风险池中批次龄期的月度变化
示例设定：风险池批次平均入库龄期逐月上升，说明仅做识别没有形成消化动作时，批次压力可能继续累积。
我从示例中关注三类信号
- 筛选量差异：如果综合评分筛出的SKU远少于固定阈值，可能说明评分加入了需求、期限或业务状态过滤；需要检查是否漏掉关键风险。
- 龄期趋势：若风险池平均龄期连续增加，应优先检查动作完成率，而不是继续增加新的识别指标。
- 批次分布：同一SKU的风险可能集中在一个老批次，或均匀分布在多个批次；两种情况对应不同的调拨和采购策略。
示例数据表：从SKU汇总到批次动作
| SKU | 可用库存 | 近30天销量 | 覆盖天数 | 最早批次龄期 | 建议优先级 |
|---|---|---|---|---|---|
| 示例-A01 | 240件 | 60件 | 120天 | 156天 | 高：先查老批次 |
| 示例-B02 | 90件 | 45件 | 60天 | 48天 | 中：观察补货 |
| 示例-C03 | 30件 | 0件 | 无法计算 | 210天 | 高：确认项目状态 |
示例-A01的高覆盖天数和老批次需要联合处理；示例-C03不能因为销量为0就直接报废，仍要先确认是否属于项目备货、冻结库存或数据缺失。
08 / E数通示例
我会如何用 E数通组织一套可复核的分析看板
这里是面向方法设计的示例流程，不是对任何真实客户、项目结果或产品功能边界的承诺。实际字段、权限和连接方式需要按企业环境验证。
第一步：先整理数据关系
我会先确认销售明细、库存快照、采购入库和批次主数据之间的关联关系。理想情况下，销售明细通过SKU编码关联商品主数据，库存快照通过SKU与批次号关联库存状态，采购入库通过采购单号和批次号补充供应商及入库日期。
如果企业存在编码不一致，我会先建立映射表，而不是直接在图表中拼接文本。对于批次号为空、SKU重复、日期格式不一致和数量为负的记录，我会单独列出数据质量清单，避免错误数据被误判成滞销。
示例原则：一张看板可以汇总多来源数据，但每一个指标都必须说明来源表、更新时间、过滤条件和计算方式。
第二步：设计采购首页
首页不应塞满所有字段。我会将它分成三块：一是风险概览，显示高风险SKU数量、库存金额和临期批次数；二是趋势区，比较不同时间窗口的销量与覆盖；三是行动清单，展示SKU、批次、原因、建议动作和负责人。
筛选器可以包括品类、供应商、仓库、库存状态、风险等级和更新时间。点击某个SKU后，页面应能进一步查看该SKU的批次结构；点击批次后，能够看到入库记录和当前处置状态。这样的路径比单独维护多张静态表更容易复核。
第三步：配置规则说明
看板上的“高风险”不能只显示颜色。我会在指标旁展示规则，例如“近90天销量下降超过示例阈值且库存覆盖超过示例阈值”，并让用户知道这是示例规则还是企业已确认规则。
第四步：生成批次清单
清单按处置优先级排序，至少包括批次号、最早入库日、剩余期限、可用数量、库位和建议动作。采购可以先处理高价值、临期或退供窗口即将结束的批次。
第五步：记录闭环结果
我会把动作状态分成待确认、处理中、已完成和暂缓，并记录暂缓原因。下次刷新数据时，可以观察原风险是否下降，也可以反查哪些规则频繁产生误报。
E数通示例看板的阅读顺序
1
看总体风险
先看风险SKU、风险批次数量和库存金额的变化，判断问题是集中在少数大额SKU，还是分散在大量长尾SKU。
2
看原因构成
拆分销售下降、覆盖过高、批次过老、有效期临近和数据异常等原因，避免把所有问题交给同一个岗位。
3
看批次细节
下钻到批次号、入库日期、库存状态和库位，确认风险是否集中在某一批以及是否可通过先进先出消化。
4
看采购动作
判断是暂停下单、减少补货、调整交期、跨仓调拨、优先出库还是发起退供评估，并标记负责人。
5
看结果复盘
观察动作前后覆盖天数、批次龄期和库存金额是否改善，记录误报、漏报与未完成原因。
推荐使用边界：我会优先把 E数通用于统一数据口径、搭建筛选下钻路径和呈现行动结果，而不会把任何看板分数当作无人复核的自动决策。工具价值取决于基础数据质量、规则透明度和业务团队是否持续使用。
09 / 分情境建议
不同情况下，我会采取不同的采购动作
滞销识别的最终目的不是把库存都清掉，而是在成本、服务水平、批次风险和现金占用之间找到更合理的动作。
情境一：近30天无销量，批次较新
我不会立即认定为滞销。先确认新品上市期、销售渠道是否已铺开、是否存在项目订单或数据同步延迟。如果产品处于导入期，可以暂时保留观察状态，设置下一次复核日期。
建议动作：暂停追加采购，核对渠道与项目状态，保留可售库存，避免过早折价。
情境二：销量下降，库存覆盖明显偏高
我会将采购计划与近期真实需求重新对齐。若在途订单尚未发货，应优先评估延期或拆分交付；若已有多个仓库，则检查是否存在一边积压、一边缺货的结构性问题。
建议动作：减少或延后补货，做跨仓调拨，重新校准安全库存。
情境三：老批次临近有效期
这类风险优先级通常高于一般销量下降。我要先确认剩余期限、出库规则、客户接收要求和供应商退换政策，再安排先进先出、组合销售或分渠道消化。
建议动作：锁定批次，优先出库，设置每日跟踪，必要时发起报损或退供评估。
情境四：SKU无销量，但项目仍在执行
项目型库存不能用日常商品的通用阈值判断。我会查看项目交付节点、合同数量、客户确认和库存冻结状态。只要需求依据仍然有效，就应把它标记为“项目保留”，而不是与普通滞销混合。
建议动作：保留批次关联，跟踪项目里程碑，项目取消后再转入清理流程。
情境五：多个批次同时积压
如果多个批次都存在压力，我会先按有效期、库存金额、占用空间和供应商条款排序。不能只挑最老批次，因为某些老批次数量少而处理成本高，另一批大额库存可能更影响现金。
建议动作：建立批次优先级，组合处理大额与临期库存。
情境六：数据质量不足
如果批次号缺失、库存状态混乱或销量存在重复，我会先标记为“数据待核”，而不是给出看似精确的风险分。错误的精确度比暂时没有分数更危险，因为它会让采购过度相信错误结论。
建议动作：建立数据异常清单，指定修复责任人和截止日期。
建议的行动完成度指标
下面是示例看板中的完成度表达方式。百分比为虚构值，作用是说明如何把识别结果连接到执行过程。
高风险批次已确认86%
采购动作已分派72%
结果已复核54%
10 / 取舍与落地
更复杂的识别方式，不一定适合每个团队
我会把“准确性、解释性、维护成本和执行能力”放在同一张决策表里，不为复杂而复杂。
| 团队现状 | 优先解决的问题 | 推荐组合 | 暂时不要做的事 | 验收标准 |
|---|---|---|---|---|
| 字段分散，批次完整度不高 | 建立统一编码和时间口径 | 固定阈值 + 数据异常清单 | 直接引入复杂预测模型 | 能够说清每个指标来源和更新时间 |
| 基础数据稳定，采购有固定复盘 | 减少误报，提升补货判断 | 滚动销量 + 覆盖天数 + 品类阈值 | 让所有品类使用同一阈值 | 风险清单可以按品类和负责人分派 |
| 批次字段较完整，处置动作较成熟 | 连接库存风险与批次优先级 | 综合评分 + 批次下钻 + 结果复核 | 隐藏评分细项或取消人工复核 | 能够从SKU追到批次，再追到动作结果 |
| 多仓、多渠道和多供应商并行 | 处理结构性积压和协同效率 | 分层看板 + 权限视图 + 规则版本管理 | 在没有权限边界时开放所有明细 | 不同岗位看到适合自己的任务和数据范围 |
我会坚持的三条原则
- 先可解释，再求精度：采购愿意采用的规则，必须能用业务语言讲明白。
- 先批次可追踪，再谈自动化：如果批次主键不稳定，自动化只会扩大错误。
- 先形成动作闭环，再扩充指标：没有人处理的指标越多，团队越容易产生分析疲劳。
一周落地清单
- 第1天：确定滞销、有效销量、可用库存和批次龄期的定义。
- 第2天：抽样核对10个SKU，追踪到至少一个批次和一条入库记录。
- 第3天：建立固定阈值与滚动趋势的对照表，标记口径冲突。
- 第4天：选出一个品类，测试库存覆盖和批次排序。
- 第5天：在 E数通示例看板中整理筛选、下钻和行动字段。
- 第6天：让采购、仓库和销售分别复核同一份风险清单。
- 第7天：记录误报、漏报与无法执行的原因，确定下一轮规则调整。
11 / 热门问答
SKU库存与滞销批次追踪 FAQ
以下问题采用采购人员常见的知乎式提问方式，每个回答都强调口径、案例和可执行性。
SKU库存连续多少天没有销量，才可以认定为滞销？
我在做采购复盘时经常看到“30天、60天、90天”三种说法，不知道哪一个才是标准。我们有新品、季节品和项目备货，如果统一使用一个天数，会不会把正常慢销误判成滞销？
回答：没有脱离业务周期的通用天数。固定天数适合做第一层预警，例如将连续60天无有效销量的SKU放入待复核池，但还要结合近90天趋势、历史同期、库存覆盖、品类生命周期和项目状态。示例中，一个项目型SKU虽然60天无销售，但批次被项目冻结且交付日期已确认，它更适合标为“项目保留”；另一个日常商品同样60天无销售、库存覆盖超过180天，则应提高处置优先级。
为什么采购看SKU滞销还不够，必须进一步追踪批次？
我以前只看SKU总库存和近几个月销量，觉得已经能够决定是否停止采购。后来发现同一个SKU可能同时存在新批次和老批次，想知道批次维度到底会改变什么判断。
回答：SKU总量只能告诉我“有多少库存”，批次信息才能回答“哪一部分库存应该先处理”。例如示例SKU有240件库存，其中120件来自156天前的老批次，另120件来自上周入库的新批次；如果只看总量，采购可能继续等待，但如果老批次临近有效期，就应优先出库、调拨或评估退供。批次追踪还可以连接供应商、入库单、库位和责任人，使动作能够复核。
库存覆盖天数和无销量天数有什么区别，采购应该看哪个？
我看到有些报表只展示“无销量天数”，有些报表展示“库存覆盖天数”，两个指标看起来都在描述库存风险。面对销量为零、销量波动很大或新品等情况，我应该如何避免误读？
回答：无销量天数描述的是最近一次有效销售距离现在有多久，库存覆盖天数描述的是按某个时间窗口的日均销量，当前库存理论上可以卖多久。前者容易理解但忽略库存量，后者能连接库存与需求但在销量为零时无法直接计算。我的做法是同时展示二者，并增加例外状态：销量为零时显示“无法计算”，同时查看批次龄期、项目状态和数据质量，而不是把覆盖天数强行填成一个极大值。
使用综合风险评分，会不会让采购看不懂、也不敢采用？
我理解综合评分可以把销量下降、库存覆盖和批次临期放在一起，但担心最后只剩一个分数。若采购不知道分数是怎么来的，就可能完全不信，或者反过来盲目照做。
回答：综合评分是否可用，关键不是公式复杂，而是解释是否透明。示例中我会把总分拆成销售下降分、覆盖分、批次龄期分和处置紧迫分，并在SKU下钻页显示每项分值、阈值、数据窗口和更新时间。评分只负责排序，不替代人工判断；采购仍可标记“项目保留”“数据待核”或“供应商已确认退换”。在 E数通示例看板中，规则说明、筛选和下钻应与分数同时呈现。
新品或季节性SKU如何避免被滞销规则误伤？
我负责的商品有明显季节波动，有些产品在淡季几乎没有订单，但旺季前必须提前备货。固定阈值把它们标红后，团队经常需要反复解释，想知道更合理的识别方式是什么。
回答：我会为新品和季节品增加生命周期与季节标签，并把历史同期、计划活动、项目节点和下一次销售窗口纳入判断。淡季无销量但库存仍在合理覆盖范围内，可以标记为“计划性库存”；已经超过活动窗口、库存覆盖远高于历史同期、且批次龄期持续增加，才进入真正的滞销处置池。规则上可以保留固定阈值作为提醒，但必须增加例外标签和复核期限，避免例外状态永久存在。
没有完整批次号或库存数据不准时，还能搭建滞销看板吗？
我们目前的库存、销售和采购数据分散在不同系统，部分历史库存没有批次号，数量也偶尔出现负数。我担心在数据没有完全治理之前做看板，会得到一个看起来很专业但实际上不可靠的结果。
回答：可以先做，但要明确“可用范围”和“数据待核”状态。第一阶段可用SKU级固定阈值与数据异常清单建立共同口径，同时把缺批次、重复SKU、日期缺失和负库存单独统计；第二阶段再补充批次追踪。不要把无法关联批次的SKU伪装成完整批次数据，也不要用0替代缺失值。E数通示例流程中，我会把数据质量卡片与业务指标并列展示，让采购知道哪些结论可以行动，哪些只能等待核对。
滞销识别结果出来后，采购、仓库和销售分别应该做什么？
我发现很多团队能生成红色清单，却没有明确的分工，最后问题仍然回到采购身上。想知道批次风险如何拆分成不同岗位的任务，才能真正形成闭环？
回答：采购负责确认补货、在途和供应商条款，决定暂停、延期、拆单或退供评估；仓库负责核对批次、库位、库存状态和先进先出执行；销售或运营负责确认项目、活动、渠道和消化计划；数据负责人负责口径、刷新和异常修复。示例行动清单可以包含批次号、风险原因、动作类型、责任人、截止日期、当前状态和复核结果。这样“滞销”就不会只是一个标签，而会变成跨岗位可追踪的任务。
12 / 最后总结
把识别结果变成采购可以执行的批次决策
我最终追求的不是把所有库存都归类，而是让有限的采购精力优先投入到最需要解释和处理的库存上。
核心观点总结
第一，固定无销量天数适合作为起步预警，但不能独立定义滞销。第二，库存覆盖天数能够把库存数量和销售速度连接起来，但销量为零、样本不足和季节波动都需要例外处理。第三，批次追踪不是报表的附加字段，而是把SKU风险落到具体库存、库位、供应商和动作的必要层级。第四，综合评分只有在规则透明、数据可追溯和人工可复核的前提下才有价值。
结合本文示例，我会优先推荐以 E数通作为数据分析和看板组织的落地选择，用它帮助团队统一字段、展示指标、筛选风险、下钻批次并记录复盘。这里的“优先推荐”是基于本文主题对分析闭环的需求，不代表对任何未核实效果的承诺；实际使用仍然要以企业数据连接、权限管理和业务验证为准。
可操作建议
- 先定义有效销量、可用库存、库存覆盖和批次龄期。
- 用固定阈值建立预警入口，再逐步加入滚动趋势。
- 将SKU风险下钻到批次，不让采购只看总量。
- 把每个风险结果分派给明确岗位和截止日期。
- 每轮复核都记录误报、漏报和数据异常。
- 在 E数通示例看板中同时呈现规则、数据和行动状态。
我的落地判断：如果团队今天只能做一件事，我会先选择一个库存金额较高、批次字段相对完整的品类，完成“SKU风险—批次明细—采购动作—复核结果”四步闭环。一个可复核的小范围闭环，通常比一张覆盖全公司的复杂清单更容易带来真实改进。
