我经常遇到团队一发现差异就开始查导入文件，结果在不同时间点重复下载数据。更稳妥的第一步是固定核对时点，保留切换前快照、导入后快照和异常发现时快照，再明确仓库、SKU、单位和库存状态四个对象。只有口径固定后，才能判断差异是导入造成的、首日业务造成的，还是盘点时点不一致造成的。若示例中系统多 286 件，也应先拆到仓库和 SKU，而不是直接在总库存上调整 286 件。

我会把总库存和可用库存分开看，因为总量相等并不代表库存状态正确。待检、冻结、已占用、在途和不良品可能都被计入总量，却不能用于销售承诺；同时，已拣货未发运的货物也可能在不同系统中有不同处理方式。实际排查时，我会逐个对照新旧系统的状态字典、占用规则和扣减节点，再用一个高周转 SKU 做订单分配回放，确认客服看到的可用数是否真的对应仓库可发数量。

我不会用商品名称做模糊匹配，也不会把一对多映射当成普通导入。首先要确认拆分依据是颜色、容量、包装、批次还是业务版本，再确定旧库存如何按实物和业务规则分配到新 SKU；多对一则要检查是否允许合并，以及不同单位是否需要换算。迁移表至少保留源编码、目标编码、映射类型、数量分配、换算比例、验证人和证据。若无法确定分配，应先进入待确认状态，不要直接加入可用库存。

我会把调拨拆成调出、运输、接收和上架四个节点，而不是只看调拨单是否创建。若调出仓已扣、接收仓未加，且运输记录存在，可能是正常在途；若接收仓已经把旧系统在途量导入为可用，同时新系统又在接收时加了一次，就可能发生重复计入。判断关键是核对每个节点的时间、数量、仓库、批次和状态，并确认在途库存是否已经被纳入承诺规则。正负差异相互抵消时，也不能直接判定总量正确。

差异大小不能单独决定是否调整，因为少量高价值 SKU、关键备件或促销爆款可能带来很高的业务风险。即使最终确实需要手工调整，也应先保留原始快照，记录原值、理论值、实盘值、差异原因和审批关系，并确认不会和待过账单据重复扣减。对于低风险且能被明确单据解释的差异，可以采用轻量闭环；对于重复出现或涉及可用库存的差异，直接调平只会把根因留到下一次盘点。

我会优先选择业务低峰，并明确盘点开始和结束时间；对重点库位可以临时停止移动，或记录每一笔盘点期间的出入库作为调整项。如果无法完全冻结，就必须把盘点前余额、盘点期间入库、盘点期间出库和盘点后余额全部留档，再把实盘结果换算到统一时点。盘点人和复核人也要确认库位范围、包装单位和异常货物状态，否则即使数字相等，也不能说明盘点质量可靠。

我不会把工具描述成自动替代业务判断的“万能修复器”。以本文标注的 E数通示例为例，数据分析工具更适合把多源数据汇总到同一口径，按仓库、SKU、状态和时间下钻，展示差异矩阵、事件趋势和异常清单，帮助团队更快找到首个断点；但 SKU 映射是否正确、实物是否存在、单据是否真实发生，仍需要商品、仓库、运营和财务共同确认。工具负责提升透明度和协作效率，业务团队负责定义规则、验证事实和承担修正决策。