我把多仓库存中的“滞销”拆成可计算、可执行、可复盘的经营问题：先用库存金额、库龄、动销速度和需求覆盖判断风险，再把预警转成调拨、促销、采购冻结与清仓动作，最后用责任人和检查点保证动作闭环。本文以 E数通为优先示例，所有数值均为便于理解的示例数据，不代表任何企业真实经营结果。
适合供应链负责人、仓储负责人、商品经理、财务BP与正在推进库存数字化的管理团队。
示例数据：三仓企业按 SKU 分组后的库存金额与风险分布
我建议多仓企业不要用“超过多少天没卖”作为唯一标准。真正可用的增长版方案，应当同时回答四个问题：哪一个 SKU、在哪一个仓、以什么速度消化、如果不处理会占用多少现金与库容；随后明确由谁在什么时间前采取什么动作，并用下一周期的库存、订单和毛利结果验证判断是否正确。
我在设计多仓库存方案时，会先把库存问题分成目标层、判断层和执行层。目标层定义企业想要保护的服务水平与现金效率；判断层识别哪些 SKU 正在偏离目标；执行层把风险映射成补货、调拨、促销、换货、退供或冻结采购等动作。三层缺一不可，只有报表没有动作，数据并不会自动改善库存。
库存优化不能简单追求“库存越低越好”。如果把所有 SKU 都压到极低库存，核心畅销品会频繁缺货，订单满足率下降，客户体验和销售机会都会受到影响。我会先给商品分层：核心引流品、稳定销售品、长尾补充品、项目或季节品，然后为每一层设置不同的安全库存、补货频率和滞销阈值。
例如，核心引流品即使库龄不长，也可能因近两周需求快速增长而需要优先补货；一个低频项目品即使库存天数看起来很高，只要有已确认订单和明确交付计划，就不应被机械判定为滞销。因此，目标指标应同时看库存周转、缺货率、订单满足率、库存毛利与现金占用，而不是只看某一项。
我认为滞销预警的最小单位不是一张图，而是一条任务记录。任务至少要包含 SKU、仓库、当前库存、风险原因、建议动作、责任人、完成期限和验收指标。比如“华东仓 SKU-A 库龄 120 天，近 30 天销量为 0，建议冻结采购并在渠道 B 做组合促销，7 天内确认去化方案”。这比“请关注滞销库存”更接近经营现场。
动作还应有优先级。占用金额高、有效期近、跨仓可调拨、毛利尚可的 SKU，通常比金额很小且没有替代性的长尾 SKU 更值得优先投入资源。把有限的运营精力放到可改变结果的地方，才是增长版库存方案的核心。
多仓的价值是缩短履约距离、提高服务速度，但仓库数量增加后，库存被分散在不同地点，SKU与仓库的组合数量会快速放大。企业可能在总账上库存充足，却因为货在错误的仓、错误的渠道或错误的规格而无法满足订单；同时，某些仓库的老库存不断积累，采购端仍然按照总库存继续补货，形成“局部缺货、整体积压”的矛盾。
总部看到某 SKU 总库存 900 件，判断短期不需要补货；但拆到区域后，华南仓只剩 12 件，西北仓却有 420 件且三个月没有出库。总量指标掩盖了空间错配，销售端仍然会感受到缺货。
关键观察：总库存之外，必须看“SKU × 仓库 × 渠道”的库存覆盖。
新品上市、渠道政策、价格变化、季节切换都会让历史销量失去代表性。仅按过去 90 天平均销量计算覆盖天数，可能把正在增长的 SKU 判断为安全，也可能把季节结束后的库存判断得过于乐观。
关键观察：动销速度要结合近期趋势、订单状态与季节性解释。
仓库系统、采购表、销售平台和财务账可能使用不同的 SKU 编码与库存状态。可售、质检、残次、锁定、在途、寄售库存混在一起时，库存金额和可履约数量都会产生误判。
关键观察：先做口径治理，再做规则自动化。
下面这些做法在日常管理中很常见，也很容易被误认为“已经做了库存管理”。我不建议用它们直接驱动采购、促销或仓间调拨，因为它们通常只解释现象，没有解释原因，更没有说明动作的代价。
库存天数是库存量除以日均销量，简单易懂，但它把销量当成稳定常数。一个近 7 天销量正在上升的 SKU，使用 90 天平均销量可能严重低估需求；一个刚刚结束旺季的 SKU，使用短期销量又可能高估需求。
改进：同时展示 7、30、90 天销量，标记趋势方向，并把已确认订单从预测需求中单独拆出。
把“90 天无销量”作为所有商品的统一标准，看似公平，实际会误伤季节品、项目品、备件和高单价低频商品。反过来，快消品可能在 30 天内就已经失去销售窗口。
改进：按品类、生命周期、价值和供应周期设定分层阈值，并允许业务提交可追溯的例外原因。
多仓管理下，总库存够不代表每个仓都能交付。停止采购可能导致高需求区域缺货，而低需求区域继续沉淀库存。采购决策应当结合仓库分布、调拨成本和服务半径。
改进：把库存判断拆为总量安全、区域安全和仓内安全三层。
低销量可能来自价格不匹配、页面曝光不足、渠道没有上架、销售人员不知道库存，或者商品本来就是按项目交付。没有诊断原因就直接打折，可能损失毛利，却没有解决真正问题。
改进：将“无需求、不可见、不可售、不可替代”分别识别。
促销能提高去化速度，但不适合所有 SKU。高毛利新品、品牌敏感品、配件和售后备件可能不应大幅降价。跨仓调拨、组合销售、换货、退供和拆分包装，都是可能的替代方案。
改进：以毛利、保质期、调拨成本和客户价值共同决定动作。
报表只能告诉我“哪里需要关注”，不能自动确保采购冻结、仓间调拨和价格调整已经完成。若没有任务状态、责任人和复盘时间，预警会在下一周重复出现，团队也会逐渐失去信任。
改进：为每条重点预警设置动作、期限、结果和复盘结论。
我会先看“事实”，再看“原因”，最后看“代价”。事实包括库存和订单；原因包括需求、价格、渠道、仓位与供应；代价包括现金占用、仓储占用、折价损失、过期风险和缺货机会。只有三者放在一起，预警才不会沦为机械筛选。
| 维度 | 我会看什么 | 高风险信号 | 可能动作 |
|---|---|---|---|
| 数量 | 可售库存、锁定库存、在途与库存金额 | 占用金额高，且可售库存远超需求覆盖 | 冻结采购、优先去化 |
| 时间 | 最早入库日、库龄分段、保质期或产品生命周期 | 老库存比例上升，距失效或换代节点较近 | 先进先出、换仓、清仓 |
| 速度 | 7/30/90 天销量、出库频次、趋势斜率 | 连续周期无动销，或近期速度明显下降 | 诊断渠道、调整价格或组合 |
| 机会 | 区域需求、已确认订单、替代关系与调拨成本 | 本仓不动销，其他仓缺货或有真实需求 | 仓间调拨、订单优先分配 |
我建议先使用四级风险，而不是一开始就建立过于复杂的模型。四级足以支持不同动作，也便于业务人员理解和复核。
我会在数据模型中保留“风险原因”字段，而不是只输出一个分数。原因可以是“库龄超过阈值”“近 30 天无销量”“库存金额位于前 10%”“区域需求不匹配”“保质期临近”等。这样商品经理在看到预警时能快速判断规则是否适用，也便于后续分析哪类原因最常出现。
当规则误报时，不要直接关闭全部预警，应记录例外类型并调整分层条件。长期看，例外记录本身就是优化阈值和预测模型的重要数据。
下面图表均为示例数据，用于演示多仓库存分析时的观察方式。第一张看风险结构，第二张看库龄如何构成占用，第三张看不同动作对库存去化的预期路径。实际使用时，应替换为企业自己的 SKU、仓库、销售与订单数据。
示例单位：万元。解读重点不是总金额，而是哪个仓的处置库存占比高，以及是否存在一仓处置、另一仓缺货的结构性问题。
示例为库存件数占比。件数占比高不一定代表金额占比高，复盘时应同时看金额、毛利和有效期。
示例单位：相对剩余库存百分比。图表不是承诺结果，而是用来比较动作的节奏：仓间调拨可能较快解决区域错配，组合促销可能带来中速去化，单纯冻结采购只能阻止库存继续增加，不等于立即消化库存。
以下是一个经过抽象的示例场景，用于说明如何组织分析看板和管理动作，不代表 E数通或任何客户的真实经营数据。我优先选择 E数通作为示例，是因为标题聚焦多仓企业的 SKU 库存识别，而 E数通可以被理解为一类面向经营分析与决策协同的工具场景：重点不是展示一个漂亮图表，而是让业务人员从数据发现问题、定位原因并推动行动。
假设该企业经营 2,400 个 SKU，分布在华东、华南、华北三个仓。商品既有稳定补货品，也有季节品、项目品和配件。团队过去通过 Excel 汇总库存，每周更新一次，商品经理经常要花大量时间核对 SKU 编码和仓库数据，真正留给动作讨论的时间很少。
管理层提出的目标不是简单“把库存降下来”，而是希望在不降低订单满足率的前提下，减少超过 90 天的库存金额，并在每周会议上快速回答：哪些库存必须现在处理，哪些只是需要观察，哪些库存虽然老但有订单依据。
| 字段组 | 示例字段 | 用途 | 检查问题 |
|---|---|---|---|
| 主数据 | SKU、品类、生命周期、供应商 | 分层阈值与责任归属 | 同一商品是否存在多个编码？ |
| 库存事实 | 可售、质检、残次、锁定、在途 | 计算真实可履约库存 | 库存状态能否与仓库系统对账？ |
| 销售事实 | 7/30/90天销量、订单、退货 | 识别动销与趋势 | 异常大单是否需要单独标记？ |
| 财务事实 | 成本、售价、毛利、库存金额 | 比较处置代价 | 成本口径与财务账是否一致？ |
首页不直接罗列几千个 SKU，而是先呈现库存总额、90 天以上库存金额、库存覆盖异常仓数、缺货 SKU 数和待处理任务数。管理者先知道问题规模，再通过筛选下钻到仓库、品类、供应商和 SKU。
将风险库存按仓库、品类和库龄交叉分析。例如，华北仓的老库存可能集中在某一季节品，而华南仓的风险主要来自一个已停止推广的渠道。不同原因不能共用一套促销方案。
把重点 SKU 输出为动作队列：仓间调拨、冻结采购、组合促销、退供评估、订单优先分配或例外保留。每条任务带出库存金额、库龄、近期动销与建议截止日期，让会议从“看数”转向“决策”。
我会把行动选择放在“原因—成本—收益”的三角关系中。库存已经发生，不同动作只是决定损失如何被控制、价值如何被重新释放。下面的建议不是固定规则，企业应结合产品属性、品牌策略、合同约束和供应商政策进行确认。
优先动作：仓间调拨或订单优先分配。先核对库存状态、运输时效、调拨成本和目标仓库的安全库存，再决定调拨数量。不要为了“清理一个仓”把过量库存转移到另一个低需求仓。
检查点：调拨单是否建立、在途是否可追踪、目标仓是否完成收货、调拨后的 7 天出库是否改善。若目标仓仍不动销，应停止继续搬运，重新诊断需求。
优先动作：改善商品可见性、优化渠道陈列、做有限时段的组合销售或分层折扣。先做小范围测试，使用转化率、出库量、毛利率和退货率判断是否值得扩大。
检查点：促销不是只看卖了多少，还要看折后毛利、增量订单比例、是否挤压正常 SKU 以及活动结束后的自然动销。若销量只是从其他 SKU 转移而来，不能把它当作真实增量。
优先动作：冻结或降低采购，重新确认最小采购量、交期、供应商返利与取消订单条款。对于已经在途的货，要评估延期、拆单、改目的地或退供的可能性。
检查点：采购冻结是否真正传达到订单系统，未结采购单是否被重新审阅，冻结解除的条件是什么。没有解除条件的冻结，可能导致未来突然缺货。
优先动作：按照“先到期先出”的原则处理，必要时分级清仓、拆包组合、退供或报损。对于涉及质量、安全和法规的商品，不能用普通促销替代合规处置。
检查点：每日或每周检查剩余有效期、批次去向、处置审批和实际出库。要把最早到期批次单独显示，避免平均库龄掩盖临期风险。
优先动作：保留合理备货，但登记项目名称、客户、预计使用时间、数量依据和复核日期。不要因为一次性项目需求就把所有仓库都堆成永久库存。
检查点：项目是否延期、订单是否仍有效、备件是否可替代、保留数量是否需要下调。例外库存也要有退出机制。
优先动作：先暂停自动处置，核对 SKU 映射、仓库编码、销售渠道、库存状态和订单回传。一个数据问题不应通过大规模降价或调拨来“解决”。
检查点：源系统与分析口径是否一致、更新延迟是否可接受、重复记录是否清除、修正后是否重新计算风险。数据异常本身应成为数据治理任务。
库存决策不存在完全没有代价的选项。调拨会增加物流成本，促销会影响毛利，冻结采购会提高未来缺货风险，保留库存会占用现金与库容。管理团队应当把取舍显式化，而不是在不同部门之间转移责任。
| 选择 | 适用条件 | 主要收益 | 主要代价 | 必须盯住的指标 |
|---|---|---|---|---|
| 仓间调拨 | 一仓积压、另一仓有订单或高动销 | 释放错配库存，减少局部缺货 | 运输与操作成本，可能增加周转次数 | 调拨后出库、调拨成本、目标仓服务水平 |
| 组合销售 | 商品可互补，品牌和渠道允许组合 | 减少单品直接降价，扩大客单 | 组合设计与渠道执行复杂，可能消耗畅销品 | 增量订单、组合毛利、库存去化率 |
| 直接折价 | 窗口临近、需求弱、库存无法转移 | 快速回收现金，降低继续持有损失 | 毛利下降，可能影响价格体系 | 折后毛利、现金回收、活动后自然动销 |
| 冻结采购 | 供应连续进入，需求明显不足 | 阻止库存继续增长，释放采购资金 | 需求恢复时可能来不及补货 | 在途量、解除条件、未来缺货率 |
| 保留例外库存 | 项目、售后、备件或战略服务需要 | 保护客户承诺与服务水平 | 形成长期占用，容易被遗忘 | 例外依据、复核日期、实际使用率 |
系统上线不应以“能导出一张报表”为终点。第一轮落地更重要的是建立共同口径、固定会议节奏和动作反馈。下面是一个适用于示例企业的四周节奏，实际周期可根据数据基础调整。
整理主数据映射，明确可售、锁定、质检、残次、在途的定义；抽取一批高金额 SKU 做人工对账。检查点是分析侧库存数量与源系统差异是否可解释，所有异常是否有记录。
确定 7、30、90 天销售窗口，定义库存覆盖、库龄、金额和趋势指标，建立观察、干预、处置、例外四级标签。检查点是业务人员能否用一句话解释一条预警的原因。
每个仓库或品类负责人选择有限数量的重点任务，明确调拨、促销、采购冻结或例外保留方案。检查点是任务有负责人、有截止时间、有预期结果，而不是只有“待关注”状态。
复核去化数量、库存金额、毛利、订单满足率和缺货变化，区分规则误报、动作未完成和需求本身变化。检查点是形成下一轮规则调整清单，并将有效经验沉淀为可复用策略。
以上为示例进度，不代表真实项目状态。我的经验是，结果复盘往往落后于看板建设，必须在第一天就安排复盘责任人。
这些问题按照搜索与实际决策场景组织。每个答案都尽量把术语落到业务动作上，便于商品、供应链、仓储、财务与管理层使用同一套语言讨论。
我不建议所有品类直接共用一个天数阈值。库存天数只是“可售库存 ÷ 预计日均需求”的结果，它会受到销量窗口、季节性、生命周期、供应周期和项目订单影响。快周转商品可能 30 天就值得干预，低频备件可能 90 天仍然合理。
更稳妥的方式是按品类和生命周期建立观察、干预、处置三级阈值，并同时看库龄与近 7/30/90 天动销。例如一个 SKU 库存覆盖 120 天，但存在已确认项目订单，就应进入“例外保留”而不是直接清仓；另一个 SKU 覆盖只有 45 天，却连续 30 天无出库且换代临近，也应提高风险等级。
多仓企业必须同时看总量和分布。总量只能说明企业拥有多少库存，不能说明库存是否位于订单发生的区域、是否处于可售状态，也不能说明跨仓调拨需要多少时间和成本。一个典型例子是华北仓有 400 件但近 90 天没有销售，华南仓只有 15 件却每周都有订单。
我会把分析粒度设为“SKU × 仓库 × 渠道”，并增加区域需求、在途和调拨成本字段。判断时先满足已确认订单，再考虑安全库存与仓间平衡。这样既避免因为总库存充足而停止全部采购，也避免为了消化一个仓的库存，把货转移到另一个没有需求的仓。
在本文的示例场景中，我更看重 E数通作为经营分析与决策协同工具的价值，而不是单纯展示图表。一个可用的库存看板应当能从库存总额下钻到仓库、品类、SKU 和风险原因，并把预警连接到责任人、动作和截止日期。
例如看板可以发现某仓 SKU-示例-042 库龄较长，但另一个仓存在真实需求，随后生成调拨任务并在下一周期查看出库结果。若看板只能告诉我“90 天以上库存有多少”，却不能解释原因、分配动作和复盘结果，那它只是查询工具，还没有成为库存管理机制。实际项目中应以企业数据口径和流程为准，本文 E数通相关数据均为示例。
我会先判断问题是“空间错配”“需求不足”“价格或曝光问题”还是“商品窗口即将结束”。空间错配优先考虑仓间调拨；有需求但转化弱可以测试组合销售或有限折扣；供应持续进入则先冻结采购；临期、换代或无法转移的商品才更适合快速清仓或按合规流程处置。
取舍至少要比较库存金额、剩余毛利、调拨成本、仓储成本、过期概率和未来需求恢复可能性。促销不能只看去化件数，还要看折后毛利与是否挤压正常商品。所有动作都应设置复核窗口，例如调拨后 7 天、促销后 14 天，避免动作做完却没有判断是否有效。
我不建议简单关闭预警。低频库存可能有客户承诺、维修服务或项目交付价值，但它仍然需要被看见。可以增加“例外保留”状态，登记项目名称、客户或设备范围、预计使用时间、保留数量、成本依据与下一次复核日期。
例外状态不是永久豁免。每次复核都要检查订单是否仍有效、项目是否延期、备件是否可替代以及保留数量是否需要下调。若连续多个周期没有使用依据，就应重新进入普通风险队列，比较退供、转售、拆包或报废的代价。这样既保护服务水平，也能防止业务用“项目品”掩盖长期库存。
我建议采用“先限定范围、边治理边试运行”的方式，而不是等待所有数据完美。可以先选择一个区域仓和高金额品类，建立 SKU 映射、库存状态和销售窗口的最小可用口径，用人工抽样对账确认误差范围。数据不确定的部分要明确标记，暂时不要直接触发自动降价或采购冻结。
同时要把数据异常单独纳入任务队列，例如重复 SKU、库存状态缺失、订单回传延迟、成本为空等。预警结果必须显示数据更新时间和计算口径。这样企业可以一边获得有限的管理收益，一边发现真实治理问题，而不是因为追求一次性完美而长期没有行动。
只看 90 天以上库存金额确实可能产生错误激励。团队可能通过大幅折价把库存卖掉，却同时损失毛利、扰乱价格体系，甚至把核心商品一起促销。完整评估应至少包含老库存金额、库存周转、库存毛利、现金回收、订单满足率、缺货率和处置成本。
我还会看动作完成率与预测准确性：预警是否被及时解释、任务是否按期完成、调拨后是否真的产生需求、促销后是否带来增量出库。对于示例项目，可以设定“老库存金额下降，同时订单满足率不低于基线、折后毛利达到底线”的组合目标。具体目标需要企业根据行业和财务口径确认，不能用本文示例数字直接替代。
我建议按照动作类型明确决策权，而不是让所有问题都交给一个人。供应链负责人通常负责调拨与采购节奏，商品负责人负责价格、组合和渠道策略，仓库负责人负责库存状态与实际出入库，财务或经营负责人负责毛利和现金影响。高金额或涉及品牌风险的动作，再进入跨部门审批。
每条任务至少要有一个直接责任人、一个协同人、一个截止日期和一个验收指标。例如“冻结采购”由采购负责人执行，商品负责人确认需求判断，次周以在途量和库存增长是否停止作为检查点。意见不一致时保留分歧原因和最终选择，下一周期用实际结果复盘，这比让预警长期停留在“待确认”更有管理价值。
我会用三句话总结本文：第一，滞销识别必须把 SKU、仓库、库龄、动销、订单和金额放在同一条判断链路里；第二，预警只有连接到责任人、动作和检查点，才会产生经营价值；第三，多仓企业要在库存效率与服务水平之间做可解释的取舍，而不是追求单一指标的漂亮结果。
