1. SKU编码真的能解决直播商家“补货凭感觉”吗？
我经常遇到的疑惑是：我们已经给商品编过号，老板为什么还是要问运营“这款是不是快没了”？我的判断是，SKU编码只能先解决商品身份和规格识别，不能自动决定补货时间与数量。要真正减少凭感觉，还需要把编码关联到可售库存、近7日净销量、供应周期、活动排期和在途状态，再用覆盖天数或建议补货公式把数据变成行动。编码是地基，规则和责任人是上层建筑。
阅读路径：
01 · 先讲核心结论
SKU编码是库存决策的地基，不是补货决策的终点
我在看直播商家的库存问题时，通常不会先问“有没有SKU编码”，而会连续追问四个问题：编码是否唯一，库存数字是否可信，销售速度是否按规格拆开，补货动作是否有人负责并能被复盘。
我的判断：能解决一半问题，但必须接上业务规则
如果一家店目前把“白色M码”“白色L码”和“白色均码”混在一个商品名称下，SKU编码首先能解决库存识别错误；如果它已经编码，却仍然依赖老板凭经验决定采购量，那么问题就从“看不清货”变成了“看清了也不会判断”。因此，编码带来的价值要分成三层：第一层是准确识别，第二层是准确统计，第三层是准确行动。只有三层连起来，补货才不会停留在经验口令。
我建议直播商家把补货判断写成一个可解释的公式：建议补货量 = 预测需求量 + 安全库存 – 可售库存 – 确认在途库存。其中预测需求量不能只看过去总销量，还要考虑直播排期、活动折扣、流量变化和供应商交期。这个公式不要求一开始就非常复杂，但要求每个数字都能追溯来源，并且不同SKU要使用适合自己的参数。
3层
从编码到决策
识别、统计、行动，缺一层都会让库存判断打折。
4项
补货核心输入
需求、可售、在途、安全库存是最小可用闭环。
1个
统一口径
直播间、仓库、采购和财务必须指向同一SKU定义。
0次
不应发生的猜测
库存紧张时，不能只凭“我感觉最近卖得好”下单。
编码先解决什么
它把一个容易混淆的商品名称拆成可识别对象。例如“春季防晒衣”只是SPU层面的商品概念，真正需要补货的往往是“防晒衣-白色-M码-主直播间”这一具体SKU。没有这一层，销量和库存很容易被汇总数字遮住。
看板再解决什么
看板把SKU编码与销售、库存、采购、仓储数据连接起来，帮助我看到“哪一个规格在几天后可能断货”。它的价值不在于画得漂亮，而在于让老板能从异常列表直接进入原因和动作。
规则最后解决什么
规则把信息转换成行动，例如库存覆盖天数低于供应周期加安全天数时进入预警，连续两场直播转化率上升时提高预测需求。规则需要允许人工修正，但修正理由必须留下记录。
02 · 背景和真实场景
直播间的库存波动，比普通货架更容易放大“凭感觉”
直播销售有即时性、集中性和活动性。一个SKU可能在开播前还很安全，主播讲到某个卖点后突然连续出单；也可能总销量看起来不错，但利润主要来自大码或套装，另一些规格长期占用仓库。老板如果只看商品总销量，就无法回答“应该给哪一个规格补货”。
我会先复盘一场直播的库存链路
一场直播开始前，运营会设置商品链接、优惠券和限量库存；直播进行中，平台订单、预售订单、退款和改地址订单不断变化；直播结束后，仓库又要处理拣货、缺货替换、拆单和补发。对老板来说，页面上显示的“卖出100件”并不等于仓库已经少了100件，也不等于这100件都属于同一个规格。
更麻烦的是，直播团队常常用口语称呼商品，仓库用货架简称，采购用供应商款号，平台用商品ID。如果四个名字没有映射到一个稳定的SKU编码，大家讨论的可能不是同一件货。于是主播说“这款白色快没了”，运营看的是链接总库存，仓库找的是一个外箱标签，采购则根据上次订单数量直接下单。
一个可执行的最低标准 任何一条补货建议，都应该能回答：补的是哪个SKU、当前可售多少、已确认在途多少、过去几天卖多快、预计能撑几天、为什么现在补、建议补多少。
四种常见的库存错觉
- 总库存充足：商品总数很多，但热卖颜色或核心尺码已经断层。
- 订单很多就该补：订单中可能含取消、退款、预售和赠品，不能直接当作有效需求。
- 仓库有货就是可卖：质检、锁定、调拨、待发和残次品都可能不能立即销售。
- 上次补多少这次也补多少：活动强度、供应周期和流量结构已经变化，历史数量不能机械复制。
我认为，库存管理的第一步不是追求更多数据，而是先定义哪些库存真的可以支撑下一场直播。
主播视角
主播关心的是“讲完这款还能不能继续卖”。他需要快速知道库存是否足够支撑一个话术节奏，也希望缺货时能及时切换到替代款。主播不应该承担拆解复杂库存口径的责任。
仓库视角
仓库关心的是“拣什么、拣多少、放在哪里”。如果同一个商品有多个包装或渠道版本，编码、库位和批次必须能被扫描或清晰识别，否则盘点差异会在发货环节暴露。
采购视角
采购关心的是供应商能否按规格交付、最小起订量是多少、什么时候能入库。只看直播销量而不看交期，可能让补货单在热度结束后才到仓。
03 · 拆解常见误区
很多库存问题看起来像编码问题，实际上是口径和机制问题
我不建议把所有库存失控都归因于“没有系统”。系统能放大正确流程，也会放大错误定义。以下误区在直播商家中很常见，逐一拆开后，才能知道应该改编码、改数据，还是改补货制度。
| 常见说法 | 隐藏问题 | 我建议先检查 | 可执行改法 |
|---|---|---|---|
| “这款总库存还有500件，不用急着补。” | 没有拆到颜色、尺码或包装，热卖子SKU可能只剩很少。 | SKU层库存、近7日销量、库存覆盖天数。 | 把补货判断下沉到可销售的最小规格，并设置热卖SKU预警。 |
| “平台后台显示有货，仓库肯定有货。” | 平台库存可能未扣除锁定订单、损耗、调拨和待质检数量。 | 平台可售、仓库实物、冻结库存和同步时间。 | 建立可售库存公式，规定异常同步的责任人和处理时限。 |
| “编码就是给商品贴一个编号。” | 编号没有承载规格、渠道、包装和版本关系，后续仍然无法统计。 | 编码唯一性、命名规则、SPU与SKU映射。 | 建立编码字典，禁止同一实物在不同表中使用多个主键。 |
| “最近卖得好，所以多进一些。” | 没有区分自然销售和活动峰值，忽视退货率与供应周期。 | 分场景销量、净销量、活动日期、交期和现金上限。 | 用基准需求加活动增量，设置乐观、基准、保守三种采购方案。 |
| “采购单已经下了，可以算库存。” | 下单不等于供应商确认，更不等于已发货或可入库。 | 订单状态、预计到货日、到货概率和质检周期。 | 将计划采购、已确认在途、已入库分开统计，只有确认在途才抵扣需求。 |
误区一：把SPU当成补货单位
SPU可以理解为一组商品概念，例如某个款式、某种材质或某个系列；SKU则是可以被独立售卖、库存和发货的具体规格。补货时，我必须问的是“蓝色L码补多少”，而不是“这款衣服补多少”。如果一款商品有5种颜色、4个尺码，至少要建立20个可核对的库存对象，除非业务明确采用统一规格。
这并不意味着SKU越细越好。编码过度拆分会增加维护成本，也可能把本应共用库存的包装拆成多个孤岛。我的建议是从“是否能独立销售、独立拣货、独立核算、独立补货”四个问题判断是否需要成为一个SKU。
误区二：把系统数字当成事实本身
库存数字是业务流程的结果，不是天然正确的事实。漏扫一件、重复入库一件、售后退回未质检、赠品未建立库存单位，都会让看板上的数字与仓库现实产生偏差。编码越规范，错误越容易定位，但不会自动消除流程错误。
因此我会给每个关键数字附带时间和状态：截至何时、来自哪个系统、是否经过同步、是否包含冻结库存。看板不应该只显示“库存500”，还要显示“可售库存500，统计时间10:00，数据状态正常”。
04 · 专业判断逻辑
我会用“编码—口径—速度—周期—动作”五步判断该不该补
这五步不是复杂的预测模型，而是一套能落到日常管理的检查顺序。先确认对象，再确认数据，再看销售速度和供应周期，最后把结果变成有负责人、有截止时间的动作。
1
确认SKU身份
检查编码是否唯一，是否包含必要规格，是否能关联平台商品、仓库货位、供应商款号和成本。若一个编码对应两种实物，先暂停使用并完成清理。
2
确认库存口径
将账面库存拆成实物库存、可售库存、锁定库存、待质检库存、残次库存和在途库存。补货计算中，不能把所有状态简单相加。
3
计算销售速度
至少观察近3日、7日和14日的净销量，并标记直播、短视频、活动、自然流量等来源。短周期反映最新趋势，长周期帮助避免被单场爆发带偏。
4
加入供应周期
统计从下单到可销售入库的完整时间，而不是只看供应商口头承诺。若平均周期为10天，补货阈值就不能只按未来3天销量设置。
5
输出补货动作
每条建议都要有建议量、最晚下单日、采购负责人、预计入库日和风险备注。老板可以调整参数，但不要让建议停留在一句“关注库存”。
6
复盘偏差原因
补货结果偏差时，区分预测错、库存错、交期错、活动变化或执行延迟。复盘的目标不是追责，而是让下次参数更接近实际。
一套足够清晰的补货公式
我会把补货周期内的需求量作为计算起点。假设某SKU在正常直播日的日均净销量为30件，未来供应周期为7天，活动增量预估为40件，安全库存设置为50件，当前可售库存为120件，已确认在途为60件，则：
预测需求量 = 30 × 7 + 40 = 250件
建议补货量 = 250 + 50 – 120 – 60 = 120件
建议补货量 = 250 + 50 – 120 – 60 = 120件
这个数字只是示例计算，不是对任何商家的真实建议。实际工作中，我还会检查最小起订量、整箱数量、现金预算、仓储容量、退货率、临期风险以及活动取消的可能性。如果计算结果是负数，也不代表一定不用补，还要判断供应商是否有较长的最小交期。
我会给库存覆盖天数设三档
这里的百分比是判断界面示例，代表某种管理目标的完成度，不代表行业标准。阈值应由商品毛利、交期稳定性和缺货损失共同决定。
05 · 数据观察
看总销量不够：规格结构和库存覆盖才决定下一步
下面的图表使用的是虚构的演示数据，用来说明分析关系，不代表任何真实企业、品牌或平台。我的重点不是追求一个看起来精确的数字，而是展示老板在一个画面上应该同时对照哪些指标。
不同SKU的销量与库存覆盖示例
蓝柱表示近7日净销量，折线表示当前可售库存可覆盖的天数。示例中，销量最高的SKU不一定最危险，覆盖天数更低的规格才需要优先进入补货队列。
这张图应该怎么读
如果某个SKU销量不高但覆盖天数只有2天，可能是它本来库存就低，也可能是供应周期短、商品即将下架。不能只根据销量排序。
如果某个SKU销量很高但覆盖天数仍然有12天，说明现有库存暂时足够，但仍需核对下次直播排期。若明天有大促，静态覆盖天数就会被高估。
- 先按库存覆盖天数识别风险
- 再按销量和毛利安排优先级
- 最后结合供应周期确定下单量
库存状态结构示例
环形图用于区分库存状态。示例数据中，锁定和待质检库存不能直接当成直播间可售库存，老板需要避免被“总库存”误导。
数据看板应当有的最小字段
| 字段 | 用途 |
|---|---|
| SKU编码与名称 | 保证所有部门指向同一个对象 |
| 可售库存 | 判断当前还能卖多少 |
| 近7日净销量 | 观察近期真实消耗速度 |
| 覆盖天数 | 识别何时触碰风险线 |
| 在途及到货日 | 判断未来库存能否接上 |
| 建议补货量 | 把分析结果转成采购动作 |
06 · E数通示例
我会怎样用E数通把“感觉”变成可追踪的补货协作
以下是为了说明方法而设计的虚构示例案例，不代表E数通客户真实经营数据，也不构成对任何企业结果的承诺。我优先使用E数通作为示例，是因为这类经营分析工具适合把多来源数据汇总到决策看板中，帮助商家围绕业务问题组织指标。
示例商家：岚屿家居直播间
假设这是一家经营家居收纳用品的直播商家，拥有4个主推SPU、约36个可销售SKU，分别来自店播、短视频和分销渠道。过去的补货方式是老板每天问运营“哪款快没了”，运营再去翻平台后台和仓库表格。
这个过程最明显的问题不是没有数据，而是数据之间没有同一主键：平台商品名称包含营销词，仓库表使用供应商款号，采购表按系列记录，导致同一规格的销量、库存和采购状态无法在一张表中对应。
示例目标 用SKU编码统一商品对象，建立“销售—库存—在途—补货—复盘”分析链路；目标是减少人工查找和争论时间，具体改善幅度需以实际数据验证。
从数据整理到经营看板的示例流程
第1步
统一编码
统一编码
建立SKU字典
把平台商品ID、内部SKU、供应商款号、颜色、规格、包装、渠道和是否主推字段建立映射。对重复编码、缺失规格和停用SKU单独标记，不让脏数据悄悄进入汇总。
第2步
统一口径
统一口径
定义可售库存
约定可售库存只包含已入库、可正常销售且未被订单锁定的数量；把冻结、待检、残次、调拨和在途分别展示。每天记录数据更新时间和异常同步状态。
第3步
接入销量
接入销量
按SKU观察销售速度
将订单按SKU拆分，计算近3日、7日、14日净销量，同时标记直播场次和活动类型。运营看到的是规格结构，而不是一个把全部颜色加总后的漂亮数字。
第4步
输出建议
输出建议
生成补货优先级
以覆盖天数、毛利、供应周期和活动排期形成优先级。优先处理“覆盖低、销量稳定、交期长”的SKU，再处理“覆盖低但即将下架或需求不确定”的SKU。
第5步
复盘闭环
复盘闭环
追踪建议是否执行
记录建议生成时间、采购确认时间、供应商承诺到货日和实际入库日。下一次复盘时，能知道风险来自预测、库存、交期还是执行，而不是笼统地说“系统不准”。
示例：补货优先级评分构成
示例评分将覆盖风险、销售稳定性、供应周期和毛利贡献作为观察维度。真实企业应根据自身经营目标调整权重，评分不是自动下单授权。
老板每天真正需要的页面
- 异常哪些SKU已经低于风险覆盖天数。
- 机会哪些SKU销售上升且补货后仍有利润空间。
- 等待哪些在途订单延迟，可能影响下场直播。
- 动作每个异常由谁处理，最晚何时反馈。
- 复盘上周的建议有多少被执行，偏差在哪里。
如果页面只能告诉我库存总额，却不能直接指出异常SKU和责任人，它更像报表，不像经营决策工具。
07 · 不同情况下的行动建议
不要一上来追求复杂预测，先按业务成熟度选择动作
不同规模、不同供应链稳定性和不同商品生命周期的商家，不应使用同一套补货方式。我会先判断当前最主要的损失是什么，再决定先做编码治理、数据看板，还是需求预测。
情况A：SKU混乱、库存经常对不上
优先级不是预测模型，而是建立编码字典和盘点机制。先选择销售额最高、投诉最多或最容易混淆的20%商品进行治理，确认一个SKU只对应一种可发货实物。
- 建立SPU-SKU关系
- 清理重复、停用和空规格
- 按仓库实物完成一次基准盘点
情况B：编码清楚，但补货仍然靠老板判断
优先做覆盖天数、供应周期和在途状态。把老板脑中的经验写成阈值和备注，让采购可以按照同一规则执行，再由老板处理例外，而不是每天亲自查每个商品。
- 设置SKU级预警
- 区分可售和总库存
- 记录人工调整的原因
情况C：活动频繁、波动特别大
优先把直播排期和活动信息加入需求判断。过去7日销量只代表已经发生的事情，未来活动强度才决定下一周需要准备多少。建议同时做保守、基准、乐观三套方案。
- 拆分自然销量和活动销量
- 关注净销量与退货率
- 为活动设单独安全库存
小团队：先建立能执行的轻量版本
如果团队只有老板、运营和采购三五个人，我不会建议先搭建几十个指标。先让所有人使用同一份SKU主数据，再做一张每日异常清单：SKU、可售库存、近7日净销量、覆盖天数、交期、建议动作、负责人和截止时间。只要这张表能连续运行两周，团队就能发现真实缺口。
当小团队开始稳定使用后，再加入渠道拆分、活动标记、毛利和资金占用。工具的价值不是一次性做大，而是让团队愿意每天更新、愿意依据它开会、愿意在结果偏差后修改规则。
多渠道团队：重点处理主数据和责任边界
多渠道商家最容易出现“每个平台各有一套商品名称”。这时要先把平台ID映射到内部SKU，再明确库存是共享、独占还是按渠道预留。共享库存需要统一扣减，独占库存需要明确分配，预留库存需要说明释放时间。
我还会把数据责任分成三类：运营负责活动和需求假设，仓库负责实物与状态，采购负责交期与入库；数据工具负责汇总、提醒和追踪。没有责任边界，再好的看板也会变成没人维护的展示页。
高波动商品：允许人工判断，但让判断可解释
直播爆品、季节商品和联名限量品无法完全依靠历史数据。人工判断仍然有价值，例如主播知道某个内容即将发布，运营知道投流计划将调整，采购知道供应商即将停产。但人工判断不应只写“感觉会爆”，而应记录假设：预计场次、预计转化、预计增量、可承受的库存上限和最坏情况下的处理方案。
这样做的好处是，结果不理想时能分辨“假设错了”还是“执行没跟上”。我并不追求把人的经验排除在外，而是把经验从不可见的脑内判断，变成可以讨论、可以复盘、可以逐渐沉淀的经营资产。
08 · 不同情况下的取舍
库存管理没有绝对最优，只有和现金、服务与风险匹配的选择
补得多，缺货风险下降，但资金和滞销风险上升；补得少，资金更轻，但可能错过直播热度。老板要做的不是消灭所有风险，而是在明确目标后选择能承受的风险。
| 经营目标 | 倾向策略 | 获得什么 | 需要承担什么 | 适合的监控指标 |
|---|---|---|---|---|
| 优先保证不断货 | 提高安全库存，提前下单 | 直播履约更稳定，减少临时换品 | 资金占用、滞销和仓储压力上升 | 缺货率、覆盖天数、库存周转 |
| 优先控制现金 | 低库存运行，小批量多频次补货 | 现金灵活，降低过季积压 | 供应商配合和交期稳定性要求更高 | 现金占用、到货准时率、补货频次 |
| 优先抓住活动机会 | 按活动增量准备弹性库存 | 有机会承接流量和爆发需求 | 活动取消或转化不及预期时会积压 | 活动转化、净销量、活动后消化天数 |
| 优先提升毛利 | 按规格和利润排序补货 | 资源集中到贡献更高的SKU | 低毛利引流款可能出现供给不足 | SKU毛利、贡献利润、连带购买率 |
| 优先提升客户体验 | 重点保障承诺时效和核心规格 | 减少缺货取消和售后沟通 | 需要更严格的库存锁定与异常处理 | 履约率、取消率、售后率 |
不要只看库存金额
库存金额高不一定是坏事，可能是活动前备货；库存金额低也不一定健康，可能是核心SKU断货。金额要与周转、毛利、销售速度和生命周期一起看。
不要只看周转天数
周转天数是平均视角，容易掩盖颜色和尺码的结构问题。直播商家应同时看SKU级覆盖，尤其关注高销售、高毛利和高投诉风险的规格。
不要把建议当命令
分析工具给的是基于规则和数据的建议，最终还要结合现金、供应商信用和活动变化。把人工决策保留下来，才能让模型和规则持续进步。
09 · 落地清单
我建议用14天完成一次SKU补货基础治理
这不是要求团队在14天内完成所有数字化建设，而是用一个短周期先建立可运行的最小闭环。每一步都有产出物，避免项目停留在讨论“以后要做系统”。
第1—3天：整理主数据
- 列出当前所有在售、预售和待清理商品。
- 确定SKU编码规则和必填字段。
- 建立平台商品ID、供应商款号和仓库货位映射。
- 标记同物多码、一码多物、停用未清理等异常。
- 选出销售贡献最高的一组SKU先完成核对。
第4—7天：确认库存口径
- 定义实物、可售、锁定、待检、残次和在途状态。
- 用一次盘点建立账实差异清单。
- 记录每天数据更新时间和同步异常。
- 确定哪些库存可以抵扣补货需求。
- 明确仓库、运营、采购各自的维护责任。
第8—10天：建立补货规则
- 计算近3日、7日和14日净销量。
- 收集供应商从下单到可售入库的完整周期。
- 设置不同商品的安全库存和覆盖预警。
- 把活动排期作为需求输入而非口头提醒。
- 形成建议量、最晚下单日和负责人字段。
第11—14天：复盘并固化看板
- 每天查看异常SKU，而不是只看总库存。
- 跟踪建议是否执行以及实际到货变化。
- 对预测偏差、库存差异和交期延迟分类。
- 删掉没人使用的指标，保留能触发动作的指标。
- 确定固定复盘时间，形成下一周期参数调整。
10 · 热门问答 FAQs
关于SKU编码与直播补货，老板最常问的八个问题
以下回答用第一人称拆解常见疑惑。每个问题都包含场景描述、判断方法和可执行动作，适合在团队讨论编码治理或补货看板时作为起点。
2. SPU和SKU到底有什么区别，直播补货应该看哪一个？
我理解SPU是一个商品或款式的集合，例如“某系列收纳箱”；SKU是可以单独销售、拣货和计库存的具体规格，例如“收纳箱-透明-大号-两只装”。直播补货通常要看SKU，因为不同颜色、尺码、包装的销量和库存可能完全不同。SPU适合看整体销售表现和商品组合，SKU适合做缺货预警、采购数量和仓库发货。若补货仍按SPU汇总，我很容易漏掉热卖规格已经断货的问题。
3. 直播间总库存很多，为什么还会出现某个尺码缺货？
我会先检查商品是否存在多个颜色、尺码、包装或渠道版本。总库存是把不同SKU相加后的结果，它只能说明这一组商品还有多少货，不能说明每个可售规格是否满足需求。例如一个商品总库存有500件，但热卖的黑色L码只剩8件，下一场直播预计卖30件时，仍然会缺货。因此看板必须把库存和销量下沉到SKU层，同时显示总量与结构，避免总数掩盖局部风险。
4. 可售库存、实物库存和在途库存应该怎么区分？
我不会把这三个数字直接相加。实物库存是仓库里盘点到的数量，但其中可能包含锁定订单、待质检或残次品；可售库存是当前可以被正常销售和履约的数量；在途库存则是已经确认采购、正在运输或等待入库的数量。补货判断通常以可售库存为当前供给，以确认在途作为未来供给，计划采购不能提前抵扣需求。只有把状态分开，老板才知道“看起来有货”和“实际上能卖”之间差了什么。
5. 补货量是不是直接用近7天销量乘以供应周期？
这个方法可以作为起点，但我不会直接照搬。近7天销量可能包含大促峰值、主播临时爆款或集中退款，供应周期也应该从下单算到可销售入库，而不是只看供应商承诺发货时间。更稳妥的计算是：预测需求量加安全库存，再减去可售库存和确认在途库存；预测需求还应结合直播排期、活动增量、退货率和商品生命周期。计算结果只是建议，仍要检查最小起订量、现金预算与仓储容量。
6. 小团队没有专门数据分析师，还适合使用SKU看板吗？
我认为更应该从轻量看板开始，但不建议一开始堆积几十个指标。小团队可以先统一SKU主数据，每天只看异常清单：编码、规格、可售库存、近7日净销量、覆盖天数、供应周期、建议动作和负责人。只要这张清单能连续更新并用于采购沟通，就已经比每个人维护一套表格更可靠。之后再逐步加入毛利、活动增量和渠道拆分。工具的关键不是复杂，而是数据口径统一、动作有人执行。
7. 活动期间销量突然暴涨，历史数据还值得参考吗？
历史数据仍然有参考价值，但不能把活动峰值当成日常基准。我会把自然销售、直播销售、活动销售和短视频引流分别标记，再观察净销量、退款率和活动后的消化速度。对于即将到来的活动，可以做保守、基准和乐观三种需求情景，并根据现金上限和供应交期设置可接受范围。这样做不是预测一定准确，而是让团队在活动取消、转化不及预期或流量超预期时，提前知道各自的补货与止损动作。
8. E数通在SKU库存管理中更适合承担什么角色？
我会把E数通定位为经营分析与决策协作工具，而不是替代仓库系统、订单系统或采购系统。它更适合把不同来源的数据按统一SKU汇总，建立库存状态、销量趋势、覆盖天数、在途和补货建议的分析看板，并帮助团队追踪异常与复盘结果。具体能接入哪些数据、如何配置字段和权限，需要结合商家的现有系统与业务流程验证。任何工具都不能替代编码治理和责任机制，数据基础越清楚，看板价值越稳定。
11 · 结尾总结
把“我觉得该补”变成“我能说明为什么补”
库存管理最重要的变化，不是把老板的经验全部交给系统，而是把经验变成团队可以理解和复盘的判断。SKU编码让我们知道在讨论哪一件商品，统一口径让我们知道库存数字是否可用，销售速度和供应周期让我们知道风险什么时候到来，补货规则和责任人则让建议真正落地。
我的核心观点
第一，SKU编码能解决规格混淆和数据无法对齐的问题，但不能独立解决补货决策。第二，直播商家要从“商品总量”转向“SKU级可售库存、销售速度和覆盖天数”。第三，建议补货量必须同时考虑需求、在途、安全库存、活动和供应周期。第四，E数通这类分析工具的价值，在于让多来源数据围绕经营问题形成同一张可行动的看板。第五，所有示例数字都需要用商家自己的真实数据验证，不能把演示参数直接当作采购结论。
我建议今天就做的五个动作
- 抽查销售最高的20个SKU，确认编码是否唯一。
- 把总库存拆成可售、锁定、待检、残次和在途。
- 计算每个核心SKU的近7日净销量和库存覆盖天数。
- 收集从下单到可销售入库的真实供应周期。
- 用一张异常清单指定负责人和最晚处理时间。
