先统一口径
SKU 编码、可售库存、锁定库存、在途数量、日均销量、预计到货日必须可以追溯。若同一个商品在 ERP、仓库表和电商后台使用不同编码，任何精确到小数点的预警都只是表面精确。
01 / 先讲核心结论
缺货预警不是一个红色数字，而是一套提前量管理系统
我在做库存运营时，最先关注的不是“今天库存还有多少”，而是“按照当前需求、供应周期与渠道承诺，这些库存还能支撑多久”。只有把库存状态翻译成可执行的优先级，运营团队才不会在信息很多的情况下依然错过最重要的动作。
再计算提前量
用覆盖天数、补货提前期和安全库存判断风险。缺货不是库存为零才发生，库存低于“下一批货到达前的需求量”时，风险已经成立。预警要给团队留下运输、验收、上架和异常处理的时间。
最后绑定动作
每一条告警都需要优先级、责任人、截止时间和处置结果。只发消息不分派任务，不能叫闭环；只记录补货不记录原因，也无法在下一次大促前修正模型。
我的判断标准
一个合格的缺货预警系统，应该让团队在 SKU 详情页或分析看板中同时回答五个问题：哪一个 SKU 有风险？风险何时发生？为什么发生？谁应该在何时做什么？动作完成后结果如何？如果看板只能回答第一个问题，就还停留在库存查询，而不是运营管理。
5 个预警必须回答的关键问题
3 层SKU、品类、渠道的分析粒度
4 类常见风险来源：需求、供应、数据、流程
1 个最终目标：在售罄前完成决策
02 / 背景与真实场景
为什么库存不少，团队仍然会缺货？
缺货往往不是单点失误，而是需求变化、库存口径、供应时间和协作机制叠加后的结果。下面的场景为教学案例，人物、数字和业务名称均为示例。
场景一：总库存安全，渠道库存已经见底
某个家居小电器的仓库总库存为 1,200 件，看起来足够销售一段时间。但其中 500 件已经被大客户锁定，300 件处于质检隔离，200 件在不同渠道预留，真正能够在今日发出的可售库存只有 200 件。运营团队如果只看总库存，容易误判为“还有货”；消费者看到的却是核心渠道缺货。
这个场景说明，库存字段必须区分物理库存、可用库存、锁定库存、质检库存、在途库存和渠道可售库存。预警的基础不是数据越多越好，而是先明确哪一个字段直接对应客户承诺。
场景二：销量均值正常，活动日把库存提前消耗
某 SKU 过去 30 天日均销量为 80 件，供应商提前期为 7 天，按均值计算似乎还有调整空间。但活动预热后连续三天销量分别达到 160、220、185 件，需求曲线已经发生结构性变化。继续使用 30 天平均值，会把短期加速当成噪音，预警明显滞后。
我会同时观察短期销量、同比或上期活动基线、加购与转化变化，并给活动期单独设置需求情景。预测不是为了得到一个看似准确的数字，而是为了给采购和运营一个更早的决策窗口。
场景三：货在路上，但承诺日期不可靠
在途数量不能直接等同于可用库存。若运输、清关、质检和上架共需 10 天，而供应商只给出一个模糊的发货日期，那么在途货品只能作为带概率的补充，不能完全抵消未来 10 天的需求。
场景四：告警发出后没人负责
群里每天出现几十条“库存不足”，销售认为采购负责，采购认为仓库负责，仓库认为运营没有说明优先级。信息传递看似完成，结果却没有动作。告警必须以任务形式分派，并留下确认和关闭记录。
场景五：新品没有历史数据
新品不能简单套用成熟 SKU 的日均销量。可以借用相似品类、预售订单、曝光和转化假设建立初始区间，同时把预测置信度标为低，在上线前几天提高人工复核频率。
先做边界判断，再谈自动化
如果库存系统没有可靠的更新时间、仓库范围、渠道范围和可售定义，我不会急着把阈值做得很复杂。先把数据边界标出来，再把不确定性呈现给团队，比生成一个未经解释的“智能预警分数”更安全。
03 / 从准备开始
缺货预警上线前，先完成四层数据准备
我建议把准备工作看成一条从基础资料到业务规则的链路。任何一层缺失，都会在后面的告警中放大。E数通可以作为统一分析入口，将多来源数据按 SKU 和日期关联，再把结果呈现给不同角色。
1
建立 SKU 主数据
确认 SKU 编码、商品名称、规格、品牌、品类、上下架状态、供应商、仓库和渠道映射。处理一品多码、同码多名、停产后重复使用编码等问题，并保留映射表的生效日期。
2
定义库存口径
明确物理库存、可售库存、锁定库存、残次库存、调拨中、采购在途和预计可用库存的计算关系。每个字段都要写出负责人、更新时间、来源系统和异常处理方式。
3
准备需求与供应数据
至少保留日粒度的订单量、出库量、退款量、取消量、活动标记、渠道、仓库、供应商和到货记录。需求侧与供应侧使用同一时间区间，才能正确比较缺口和补货窗口。
4
把规则写成字段
将安全库存、补货提前期、最低起订量、包装倍数、服务等级和优先级直接配置为可查询字段，而不是只写在某位采购经理的经验里。
5
检查时间完整性
检查是否有缺失日期、重复订单、跨时区时间、周末不发货、补录库存和批量导入延迟。一个缺失的活动标记，可能让模型把高峰销量平均到普通日，造成严重低估。
6
建立异常清单
把负库存、库存更新时间超过阈值、销量为零但流量很高、在途日期早于下单日期等异常单独列出。异常数据不应悄悄参与计算，而应进入数据治理任务池。
| 字段 | 用途 | 校验方式 |
|---|---|---|
| sku_id | 跨系统关联的唯一键 | 非空、唯一、变更有映射记录 |
| available_qty | 判断当前可售量 | 不能直接等于物理库存；需扣除锁定与隔离量 |
| daily_demand | 预测未来需求 | 区分订单、出库、退款，并保留活动标记 |
| lead_time_days | 计算补货窗口 | 使用实际到货分布，不只使用供应商口头承诺 |
| inbound_qty | 补充未来可用量 | 必须关联预计到货日和到货可信度 |
| owner | 分派预警任务 | 每个 SKU 或品类至少有一位明确责任人 |
以上字段名仅作教学示例，可按企业实际系统命名；重点是定义、来源和责任边界。
我会先做一张数据健康卡
在正式看风险前，先展示数据更新时间、覆盖 SKU 数、缺失字段比例和异常记录数。运营人员看到“今日预警 36 条”时，也应该同时知道这 36 条是基于多少条有效库存记录计算出来的。
- 库存数据更新时间：不超过一个业务日
- 主数据匹配率：示例目标不低于 98%
- 预计到货日期完整率：按供应商分别观察
- 销量时间序列连续率：活动期单独标记
这里的比例是流程设计示例，不是行业统一标准。企业应根据履约承诺和业务节奏设置自己的阈值。
04 / 专业判断逻辑
用覆盖天数、提前期和安全库存，把数字变成判断
库存量本身没有好坏，只有放在需求速度和供应时间中才有意义。我建议先使用容易解释的指标建立共识，再逐步增加季节性、服务水平和供应波动等因素。
库存覆盖天数
它回答“按当前需求速度，库存还能支撑多少天”。为了避免单日异常影响，我通常同时看 7 日、14 日和 30 日口径。
覆盖天数 = 可售库存 ÷ 近 N 日日均需求
当日均需求为零时不能简单显示无穷大，应结合近期曝光、上架状态和历史销售判断是否属于数据缺失或商品滞销。
补货点
补货点是预计补货期间会消耗的需求加上缓冲库存。它不是越高越好，设置过高会增加资金占用和滞销风险。
补货点 = 提前期需求 + 安全库存
提前期需求应结合供应商、仓库、运输和上架的完整时间，而不是只取采购订单到发货的天数。
预计缺口
预计缺口把未来需求、现有可售量与可信在途量放在同一时间轴上，帮助团队判断需要补多少，而不只是判断要不要补。
预计缺口 = 目标库存 − 可售库存 − 可信在途
可信在途需要考虑到货日期、运输稳定性和质检上架耗时。未确认日期的在途量可以单独展示，不能与确定到货量混合。
一套可落地的风险分层
| 等级 | 示例条件 | 建议动作 | 责任角色 |
|---|---|---|---|
| 红色 | 覆盖天数小于完整提前期，或未来窗口预计缺口大于零 | 当天确认补货、调拨、替代品或销售限制方案 | 采购负责人 + 运营负责人 |
| 黄色 | 覆盖天数接近提前期，需求上升或到货日期不确定 | 复核销量趋势，锁定供应资源，设定下一次检查时间 | 品类运营 + 采购 |
| 绿色 | 库存高于补货点，供应稳定，数据质量正常 | 按周期观察，关注周转与过量库存 | 运营分析 |
| 灰色 | 关键字段缺失、库存过期或 SKU 状态不明 | 先修数据，不直接依据该记录做自动补货 | 数据管理员 |
我不会只用一个阈值
“库存低于 100 件就预警”对不同 SKU 并不公平。日销 10 件的 SKU 有 100 件库存可能很安全，日销 300 件的爆款有 100 件库存则可能在几小时内售罄。
阈值应该至少由需求速度、供应提前期、销售渠道和商品优先级共同决定。对于高价值或高复购商品，还要把缺货造成的客户流失纳入优先级。
原则：先用可解释的规则建立稳定流程，再用历史命中率调整参数，而不是一开始就追求复杂模型。
安全库存要对抗波动，不是对抗所有不确定性
安全库存可以缓冲需求波动和供应波动，但不能替代供应商管理、主数据治理和活动预测。若供应周期从 5 天变成 18 天，单纯增加安全库存会掩盖供应问题，团队应先把提前期变化呈现出来，再决定是否调整库存策略。
05 / 让预警真正被执行
从“发现问题”到“关闭问题”，设计一条团队协作链
一个有效告警的生命周期包括识别、确认、分派、处置、验证和复盘。E数通的价值不只是把数据画成图，而是让同一套指标能够被运营、采购和管理者使用，减少人工复制表格造成的版本分裂。
T-14 至 T-7 天
识别未来风险
按 SKU、品类、渠道查看覆盖天数与提前期差值。优先筛选高销量、高毛利、重点活动和替代性弱的 SKU，将潜在风险提前放进观察清单，而不是等到红色告警才开始搜索原因。
T-7 至 T-3 天
确认数据和需求假设
运营核对活动、价格、流量和销量趋势；仓库核对可售量、锁定量和异常库存；采购核对供应商承诺、在途数量和预计到货日。任何一个关键字段不可信，都要标记为“待确认”，不能直接关闭。
T-3 至 T-1 天
形成处置方案
根据预计缺口选择加急采购、跨仓调拨、拆分渠道库存、替代品推荐、限购、调整投放或下架。方案要写清数量、截止时间、成本和对客户体验的影响。
T 日
验证动作是否落地
不是“采购已下单”就算完成。需要验证订单是否被供应商确认、库存是否已锁定、调拨是否出库、活动页面是否已更新，以及客户承诺是否仍然成立。
T+1 至 T+7 天
复盘命中与损失
比较预警时间、实际售罄时间、到货时间、缺口数量和业务结果，判断是需求预测偏低、供应延迟、库存口径错误还是执行超时，并把结论写回规则。
告警标题要能直接行动
不要只写“SKU 123 库存不足”。更有用的写法是：“蓝牙耳机 X，华东仓，预计 3 天后低于安全库存，缺口 420 件，供应商提前期 8 天，采购负责人今日 17:00 前确认”。标题中包含对象、时间、影响和下一步，减少来回追问。
每条告警只设一个主负责人
可以有协作者，但不能让“采购、运营、仓库共同负责”成为无人负责。主负责人负责推动任务状态变化，协作者提供事实和资源，管理者只在超过 SLA 或需要取舍时介入。
关闭条件必须可验证
告警关闭应至少满足一个可检查条件：库存恢复到目标区间、替代方案已上线、渠道承诺已调整、数据异常已修复。仅在群里回复“收到”“处理中”不应改变风险状态。
06 / 以 E数通为例的教学案例
把多表数据汇成一张能追问的缺货预警视图
下面是一组完整的虚构示例，用来展示分析过程。示例中的“E数通”用于说明如何组织数据、指标和协作，不代表 E数通客户的实际经营数据，也不构成对结果的承诺。
案例背景：某电商团队的 1,280 个 SKU
团队同时经营自营商城和两个电商渠道，仓库分布在华东、华南两个区域。运营每天从订单表、库存表、采购表和活动排期表中手工复制数据，通常要花 2 至 3 小时生成一份库存表。由于表格生成时间不同，采购看到的在途量与运营看到的可售量经常不一致。
团队决定用 E数通建立统一分析视图，先不追求复杂预测，只做三个变化：把 SKU 主数据统一；把可售库存与在途日期放在同一张明细中；将红黄绿状态绑定负责人和检查时间。
上述时间、数量与团队规模均为教学示例。
示例观察一：覆盖天数正在下降
示例数据：某重点 SKU 连续 14 天的覆盖天数与安全线。图表用于说明趋势关系，不代表真实业务记录。
覆盖天数安全线
示例观察二：告警数量减少，不等于风险消失
示例数据：优化流程前后，按周统计高风险告警、已确认告警和按时关闭告警。评价重点应是风险是否被提前识别和按时处置，而不是单纯追求告警数量变少。
案例中最重要的三个看板切片
- 全局层：展示高风险 SKU 数、预计缺口、今日待确认任务、数据更新时间，让负责人先知道全局是否可信。
- 品类层：按品类、渠道和仓库聚合，识别是某个供应商、某个区域还是某个活动带来的集中风险。
- 明细层：回到 SKU，查看库存构成、销量曲线、在途明细、阈值、责任人和历史处置记录，支持追问原因。
案例结论：分析工具要服务于追问，而不是替代判断
当运营看到一个红色 SKU 时，应该可以继续下钻到渠道、仓库、供应商和时间序列；当采购确认货期延迟时，应该能回到该 SKU 对活动和客户承诺的影响。E数通这类分析工具适合承接“多来源数据关联、指标计算、分层筛选和协作展示”，但补货数量和客户策略仍然需要结合业务规则做判断。
07 / 不同情况下的行动与取舍
同一个红色预警，在不同业务情境下不一定采取同一个动作
缺货处置既要考虑销售机会，也要考虑现金流、仓储成本、供应可靠性和客户体验。我会先识别风险类型，再选择动作，避免把“多买货”当成唯一答案。
| 情境 | 优先动作 | 主要收益 | 需要承担的代价 | 判断问题 |
|---|---|---|---|---|
| 爆款需求快速上升，供应商稳定 | 提前锁量、分批补货、提高高峰期检查频率 | 减少售罄损失，保持活动曝光承接 | 库存资金占用和预测失误风险上升 | 增量需求是否有流量、转化或预售证据？ |
| 需求平稳，但供应商延期 | 跨仓调拨、寻找备选供应商、调整承诺日期 | 降低单一供应商依赖 | 调拨成本、采购价格或品质验证成本增加 | 替代供应的总成本是否低于缺货损失？ |
| 低销量长尾 SKU 低于安全库存 | 按订单采购、设置替代品、降低安全库存 | 减少滞销和仓储占用 | 个别客户等待时间变长 | 客户是否愿意等待？是否有同功能替代品？ |
| 库存字段不可信或长时间未更新 | 暂停自动补货，先修数据并人工核验 | 避免基于错误数据大量采购 | 短期内增加人工工作，决策速度变慢 | 当前数据是否足以支撑客户承诺？ |
| 大促前 3 天出现缺口 | 分渠道保障、限制投放、替代推荐、优先满足已付款订单 | 保护履约和重点渠道体验 | 可能损失新增流量和部分毛利 | 哪些客户承诺不能被打破？ |
取舍一：更高安全库存，还是更高现金效率？
高波动、高毛利、缺货替代性弱的 SKU，可以接受相对高的服务水平和安全库存；低周转、易过时、供应稳定的 SKU，则应降低缓冲，避免资金沉淀。不能把全品类统一设置为同一个安全库存倍数。
我会按销量贡献、毛利贡献、客户重要度、供应波动和生命周期做分层。分层之后，每层使用不同的检查频率与补货规则，比为每个 SKU 手工维护一套复杂参数更容易持续。
取舍二：自动化速度，还是人工确认质量？
稳定、低风险、字段完整的 SKU 可以自动生成任务；高价值、活动期、新品、数据异常 SKU 应保留人工确认。自动化的边界要由错误成本决定：一次误补货可能造成大量积压，一次漏预警可能导致核心客户流失。
比较稳妥的方式是先采用“自动识别 + 人工确认 + 结果回写”，在积累足够的命中率和例外记录后，再逐步扩大自动化范围。
08 / 团队版执行手册
把规则放进每日、每周、每月节奏
库存预警不能只在项目上线时讨论一次。团队需要把它嵌入日常运营节奏，使数据检查、任务分派和结果复盘成为固定动作。
每日：看今天会不会出问题
- 检查数据是否按时更新，异常记录是否增加。
- 筛选红色预警，确认当前可售量与客户承诺。
- 查看今日到货、调拨和应关闭任务。
- 对活动期与高销量 SKU 做人工二次确认。
- 在看板中记录动作、负责人和预计完成时间。
每周：看风险从哪里来
- 比较各品类的预警数量、命中率和平均提前天数。
- 按供应商分析延期率、实际提前期和缺货关联。
- 检查长期黄色预警是否被习惯性忽略。
- 复核安全库存与补货点是否仍符合当前需求。
- 把高频异常纳入数据治理或流程改进清单。
每月：看策略是否有效
- 计算缺货天数、售罄损失、取消订单和库存周转。
- 比较预警提前量与实际售罄之间的误差。
- 评估过量库存、临期库存和紧急采购成本。
- 调整品类分层、责任人和服务水平目标。
- 沉淀成功与失败案例，形成团队培训材料。
推荐的责任分工
| 角色 | 主要关注 | 必须输出 |
|---|---|---|
| 运营 | 需求变化、活动、渠道承诺、替代品 | 需求假设、活动影响、销售策略 |
| 采购 | 供应商、订单、交期、最小起订量 | 确认货期、补货数量、供应风险 |
| 仓储 | 可售库存、锁定库存、质检和调拨 | 库存事实、异常库存、可用时间 |
| 数据分析 | 口径、指标、数据质量、趋势 | 看板、异常清单、命中率报告 |
| 负责人 | 成本、客户体验、资源冲突 | 优先级、例外审批、策略取舍 |
用三个指标检验预警质量
提前量：首次有效预警距离实际售罄还有多少天。太晚说明规则滞后，太早且长期不变则可能噪声过多。
命中率：被标为高风险的 SKU 中，最终确实发生缺货或需要特别处置的比例。命中率低时要分原因，不要简单把阈值调高。
关闭时效：从告警生成到确认、从确认到采取动作、从动作到验证关闭分别用了多久。时效能揭示流程瓶颈。
09 / 复盘：把一次缺货变成下一次的提前量
复盘不追责先找断点：是看错、算错、没做，还是做了没验证？
高质量复盘不是把会议开成责任追究会，而是沿着时间线重建事实。只有把“当时看到了什么、当时知道什么、当时能做什么”还原出来，结论才有机会改善下一次决策。
看错
数据源没有更新、SKU 映射错误、可售库存被误当成物理库存，导致团队从一开始就看到了错误事实。
算错
活动需求被平均、提前期只算采购环节、安全库存没有反映供应波动，导致风险被计算在错误的时间点。
没做
告警已经出现，但没有责任人、截止时间或升级路径，团队在信息明确的情况下依然没有形成行动。
没验证
采购下单、货物发出或调拨完成被当作结果，却没有确认库存实际可售，造成告警过早关闭。
一份可复用的复盘记录模板
- 事件定义：哪个 SKU、哪个渠道、哪个仓库、在什么时间发生了什么缺货或近缺货。
- 影响量化：缺货持续时间、未满足订单、取消订单、替代销售、加急费用和客户投诉。所有金额与数量都标明统计口径。
- 时间线还原：首次需求异常、首次预警、责任人确认、采购下单、供应商承诺、实际到货、重新可售的时间点。
- 原因分类：需求、供应、库存、数据、流程、人员能力或外部事件，允许一个事件有多个原因，但要区分主因和诱因。
- 改进动作：每项动作写负责人、截止日期、验收指标和验证方式，避免只写“加强管理”。
- 规则回写：更新提前期、活动标记、分层、阈值或数据校验，并记录规则变更日期。
复盘后的行动优先级
一级：立即修复事实。例如修正库存口径、清理重复 SKU、补齐到货日期，防止同类错误每天重复出现。
二级：修复流程。例如增加红色告警升级人、设置活动前检查节点、要求采购确认承诺日期。
三级：优化模型。例如增加分层安全库存、引入活动情景、用实际提前期分布替换单一平均值。
我会先做能降低重复错误的动作，再做复杂模型优化。数据错了，模型越复杂，错误传播越快。
10 / 热门问答 FAQs
关于 SKU 缺货预警，团队最常问的 7 个问题
以下回答按照实际运营疑问组织，每个问题都给出判断边界、示例和可执行建议，适合作为团队培训或项目上线前的讨论材料。
SKU 库存低于多少才需要做缺货预警？
我经常遇到的问题是：是不是给每个 SKU 设置一个固定数量，例如低于 100 件就报警？答案通常不是。预警应结合日均需求、供应提前期、安全库存和渠道承诺，例如日销 20 件且提前期 3 天的 SKU 有 100 件库存可能仍然安全，而日销 300 件且提前期 10 天的 SKU 即使有 1,000 件也可能已经处在高风险区。建议先用“可售库存 ÷ 日均需求”得到覆盖天数，再和完整补货提前期比较。
可售库存、物理库存和在途库存到底应该怎么区分？
我会把物理库存理解为仓库里实际存在的数量，把可售库存理解为在当前渠道和质量状态下能够承诺给客户的数量；锁定、质检、残次和已分配库存不能直接算作可售。在途库存还要增加预计到货日期与可信度字段，因为货物在路上不等于今天能够发货。比如 500 件在途货物预计 10 天后到，而未来 10 天需求是 800 件，这 500 件不能完全消除当前缺口。
新品没有历史销量，应该怎样设置缺货预警？
新品上线时我不会假装拥有精确预测，而会建立一个带置信度的需求区间。可以参考相似品类的销量曲线、预售订单、曝光量、点击率、加购率和计划投放，再设置保守、基准、乐观三种情景。上线后的前 3 至 7 天提高人工复核频率，用实际转化逐步替换假设。示例来说，如果预估日销 50 至 100 件，就不应只按 50 件配置补货，而要提前约定何时根据真实数据升级供应。
为什么每天都有很多库存预警，运营人员却越来越不重视？
我通常会先检查告警质量，而不是责怪执行人员。如果告警没有优先级、同一 SKU 重复出现、数据经常过期、关闭条件不明确，团队很快会形成“反正都是红色”的告警疲劳。可以按风险等级限制通知频率，把高风险告警绑定责任人和截止时间，把低风险问题放入每日清单，并用每周命中率和关闭时效评估规则。告警数量减少不是唯一目标，减少无效告警、增加有效提前量才更有价值。
使用 E数通做库存分析时，最先应该搭建哪些看板？
如果我是第一次搭建，我会先做全局概览、风险明细和复盘分析三张视图，而不是一开始做几十张图。全局概览显示高风险 SKU、预计缺口、数据更新时间和待确认任务；风险明细支持按品类、渠道、仓库和供应商下钻；复盘分析比较预警时间、实际售罄、到货延迟和处置结果。这样既能让管理者快速判断，也能让运营回到 SKU 级别追查原因。文中的数据与结果均为示例，实际字段应以企业系统为准。
安全库存设置得越高，是不是就越不容易缺货？
不一定。提高安全库存确实可能降低一部分缺货概率，但也会增加资金占用、仓储成本、过期和滞销风险，而且无法解决错误库存、供应商延期或需求突增等根本问题。我会先按销量贡献、毛利、供应波动、商品生命周期和替代性进行分层，再为不同层级设定服务目标。对于供应周期极不稳定的 SKU，除了增加缓冲，还要推动供应商改善交期或准备替代方案，否则库存只是把问题暂时藏起来。
一条缺货预警什么时候才算真正关闭？
“采购已下单”或“供应商说已经发货”都不必然代表关闭。预警至少要满足约定的可验证条件，例如库存已经恢复到目标区间、调拨货物已在目标仓库入库并可售、替代品页面已经上线，或者客户承诺已经调整并完成通知。关闭时还要保留实际到货数量、到货时间和剩余风险。如果只是暂时把通知关掉，后续没有结果验证，下一次复盘仍然无法判断流程到底哪里出了问题。
11 / 最后总结
把缺货从“意外事件”变成“可提前管理的经营信号”
回到标题中的问题，我的核心答案是：运营团队要先把 SKU、库存、需求、供应和责任人放进同一套可追溯的口径，再用覆盖天数、提前期、安全库存和预计缺口建立分层预警；预警产生后，必须进入确认、分派、处置、验证和复盘的流程。E数通可以作为多来源数据汇总、指标计算、下钻分析与团队协同的承载工具，但工具的效果最终取决于口径是否清晰、规则是否可解释、动作是否有人执行。
我希望团队记住的 6 个观点
- 库存数量离开需求速度，就没有判断意义。
- 缺货预警的价值在提前量，不在红色样式。
- 在途库存必须与到货日期和可信度一起看。
- 活动、新品和异常数据不能直接套用普通规则。
- 每条告警都要有主负责人、截止时间和关闭条件。
- 复盘要把事实、原因、动作和规则更新连起来。
上线后的第一周可以这样做
- 选择一个品类或一个仓库作为试点，先统一 SKU 与库存口径。
- 整理近 8 至 12 周销量、库存、采购和到货数据，标记活动与异常。
- 用覆盖天数和提前期建立红黄绿规则，先人工确认再逐步自动化。
- 在 E数通中建立概览、明细和复盘视图，明确各角色使用方式。
- 一周后检查告警命中率、确认时效和数据质量，按事实调整规则。
