销售团队根据最近两周的订单判断某款产品正在爆发,希望快速补货。但短期增长可能来自一次直播、一个大客户的集中采购或平台活动,未必能持续到下一个补货周期。
我的做法是把增长拆成自然需求、活动增量和一次性订单三部分。若无法拆分,就给预测设置上限,并在订单确认率、搜索量或复购率出现连续信号后再提高补货量。
我会从年度目标、SKU分层、需求预测、采购周期、安全库存、补货执行到季度复盘,完整拆开一套可落地的库存方法。你不需要先拥有复杂系统,也能用统一口径把“卖得好却断货”和“库存很多却卖不动”放进同一张决策表;如果需要持续分析,我优先推荐使用 E数通,把销售、库存、订单和采购数据连接起来,形成可追溯的补货闭环。
说明:文中“E数通案例”和所有图表数字均为教学示例,不代表任何企业公开经营数据。
我建议把库存看作一个会随时间变化的经营系统,而不是仓库里的静态数字。
我的核心判断是:品牌零售商要先以SKU、渠道、仓库和时间四个维度统一数据,再用历史需求、促销计划、供应周期和库存目标推导补货建议,最后通过周度预警、月度调整和季度复盘不断修正。任何只看“当前库存数量”的补货动作,都容易把在途、锁定库存、残次库存和可销售库存混在一起,导致采购人员以为货够了,门店却仍然缺货。
一套可执行的年度补货计划,至少要回答五个问题:今年哪些SKU值得保障?每个SKU在什么时间段会出现需求变化?从下单到可销售需要多少天?要为不确定性保留多少安全库存?如果预测错了,谁在什么节点决定减单、调拨、清货或暂停采购?
把现货、在途、预留、质检、残次和冻结库存分开,补货依据必须是可承诺给消费者的数量。
用销售额、毛利、销量稳定性、缺货损失和供应风险综合分层,避免所有SKU使用同一个服务水平。
计划只是起点,执行结果、预测偏差、供应商表现和库存成本都要回到下一轮参数中。
销售团队根据最近两周的订单判断某款产品正在爆发,希望快速补货。但短期增长可能来自一次直播、一个大客户的集中采购或平台活动,未必能持续到下一个补货周期。
我的做法是把增长拆成自然需求、活动增量和一次性订单三部分。若无法拆分,就给预测设置上限,并在订单确认率、搜索量或复购率出现连续信号后再提高补货量。
仓库系统显示某SKU还有几千件,但其中可能有门店预留、质量待检、包装破损、跨仓调拨中或已经被订单锁定的数量。库存总量没有减少,不代表消费者可以马上买到。
补货计划必须同时展示库存总量、可销售库存、可用库存和预计到货。至少要让计划人员一眼看出“账面有货”和“能够承诺发货”之间的差异。
采购更关注供应商给出的交期,但交期不是一个永远固定的数字。生产、质检、入仓、分仓和上架都有波动,尤其在节庆前、天气异常或海外运输阶段,平均周期会掩盖尾部风险。
我会记录平均交期、最长交期、交期波动和准时交付率,并把“从下单到可销售”的完整周期用于安全库存,而不是只使用供应商口头承诺的生产天数。
品牌零售商常遇到这样的会议:市场说活动需要更多货,财务说库存资金已经超预算,仓库说某些SKU堆满了,门店却说核心颜色断货,采购说供应商必须提前锁产能。每个人都可能有一部分正确,但没有统一的SKU级事实,就只能靠职位、经验和临时情绪推动决策。
我建议在会议前固定一张“补货决策表”,每行代表一个SKU和一个供应节点,字段至少包含:近四周销量、去年同期销量、活动增量、当前可销售库存、在途数量、交期、服务水平目标、预计缺口、建议采购量、库存金额和责任人。这样讨论从“要不要多买”转为“在这个假设下,选择哪个风险更低”。
SKU主数据不是一张简单的商品清单,它是补货计算的身份证。每个SKU至少要有唯一编码、品牌、品类、系列、规格、颜色、包装单位、供应商、默认仓库、采购周期、最小起订量、箱规、保质期以及生命周期状态。若同一个SKU在不同系统中使用不同编码,销售、库存和采购就无法准确连接。
库存状态建议分成以下几类:现货可销售、现货待检、现货锁定、门店可调拨、在途已下单、供应商未发货、退货待处理、残次或报废。计算补货时,我通常先算“可承诺库存”,再把能够在需求窗口内到达的在途纳入“预计可用库存”,而不是把所有状态直接相加。
年度计划不是把去年销量复制一遍。我会先列出影响需求的假设,并给每个假设指定来源、置信度和复核日期。
每个假设都要标注“已确认、待确认、仅作示例”三种状态,避免把计划中的愿望误当成已发生事实。
同一个库存数字,对不同角色的意义不同。管理层关心现金和服务水平,采购关心交期和供应商履约,运营关心销售机会,仓库关心准确性和作业效率。因此我不建议给所有人推送同一张堆满字段的表。
| 角色 | 首要问题 | 推荐指标 |
|---|---|---|
| 管理层 | 库存是否支持增长 | 库存金额、周转天数、缺货损失 |
| 采购 | 何时采购多少 | 覆盖天数、交期、建议量、MOQ |
| 运营 | 哪里影响销售 | 缺货率、动销率、活动达成 |
| 仓储 | 账实是否一致 | 库存准确率、异常量、可调拨量 |
年度层解决方向问题,例如品类预算、供应商产能、重点SKU和库存资金上限;月度层解决结构问题,例如活动排期、区域分配、新品爬坡和老品退出;周度层解决执行问题,例如异常缺货、实际到货、销售偏差和临时调拨。
确认销售情景、库存预算、重点SKU、供应商能力和年度活动日历,输出年度需求基线与风险清单。
比较预测、实际销售和库存覆盖,更新活动增量、到货承诺、区域分配和采购优先级。
只聚焦高风险SKU、临近缺货SKU、超龄库存和交期异常SKU,给出明确责任人和截止时间。
公式不是为了制造复杂度,而是为了让不同团队在同一套假设下讨论。
我会先用过去一段时间的销量建立需求基线。最简单的方法是加权移动平均:最近一周权重更高,较早周期权重更低。对于强季节商品,还要参考去年同期并校正渠道变化。基线之后,才叠加已经确认的活动增量、新店增量和新品爬坡。
示例公式:计划日需求 = 历史基线 × 趋势系数 × 季节系数 + 已确认活动增量。这里的每一个系数都要有解释,不能为了让采购量好看而随意调高。
1000件库存对日销20件的SKU意味着50天覆盖,对日销200件的SKU只意味着5天覆盖。库存数量脱离需求速度没有意义。覆盖天数 = 可用库存 ÷ 计划日需求,补货点则要结合完整交期和安全库存。
我会同时看当前覆盖天数、到货后覆盖天数和目标覆盖区间。对高价值、低频、交期短的SKU,覆盖天数不必过高;对核心引流品或交期长的SKU,则需要更多缓冲。
安全库存是为了应对需求波动和供应波动,不是为预测错误无限买单。简化教学场景下,可以使用“日需求波动 × 交期波动 × 服务系数”的思路估算,再根据商品价值、缺货影响和供应可替代性调整。
基础逻辑可以写成:建议采购量 = 目标库存 – 可销售现货 – 预计到货 + 已确认需求。预计到货必须考虑到货日期和可销售日期,已经取消、延迟或质量存疑的订单不能继续当作确定供给。
计算结果是137件,但供应商最小起订量为240件、每箱30件时,最终下单量必须经过业务取整。取整后的额外库存要进入资金影响和超龄风险分析,不能只在采购单里默默增加。
我建议至少使用“价值贡献、需求稳定性、缺货影响、供应风险”四个角度对SKU分层。A类不一定只是销量最高的商品,也可能是品牌核心款、搭配销售的关键款或缺货会导致消费者转向竞品的商品。C类和长尾SKU则要防止为了追求高服务水平而积压资金。
| 分层 | 典型特征 | 预测与服务策略 | 补货节奏 | 例外处理 |
|---|---|---|---|---|
| A:核心保障 | 贡献高、缺货影响大、需求相对稳定 | 周度更新预测,设置较高服务目标,重点监控门店和渠道分配 | 周度滚动 | 优先调拨、优先排产,出现异常立即升级 |
| B:经营优化 | 贡献中等、可替代性较高或有季节性 | 月度校正,按活动和季节调整安全库存 | 半月或月度 | 使用促销、组合和跨仓调拨消化波动 |
| C:长尾控制 | 低频、低贡献、需求不稳定 | 低库存或按单采购,重点防止超龄和起订量造成积压 | 按需 | 暂停补货、清仓、替代或退出 |
表格中的A、B、C只是通用教学分层。实际阈值应根据企业的品类结构、毛利、供应周期和服务承诺进行校准。
同比增长只说明结果变化,不说明原因。去年同期可能有一次性大促、渠道扩张或缺货导致基数偏低。如果今年销售增加是因为价格下降,销量和收入的增长也不能简单等同。
纠偏:把销量变化拆成价格、渠道、活动、门店数、转化率和复购率,至少找到一个可验证的业务原因。无法解释的增长,应进入观察清单,而不是直接变成长期库存。
库存总额下降可能是高价值核心款断货,低价值长尾款却仍然占据库容。库存总额增长也不一定坏,可能是新品上市前的合理备货。真正重要的是金额结构、库龄结构、品类结构和可销售结构。
纠偏:同时跟踪核心SKU缺货率、库存周转天数、超龄库存金额和库存准确率,把总额指标放到结构指标之后解释。
平均交期为20天,不代表每一单都在20天到货。若波动很大,使用平均值会让安全库存失真。应记录实际下单日、出货日、到仓日和上架日,观察中位数、最长交期和准时交付率。
所有SKU都设定98%的服务水平,会把资金大量投入低频商品。不同SKU的缺货损失、替代可能、毛利和生命周期不同,服务目标应该有差异,并且要经过经营者确认。
预测偏差可能来自活动临时变更、价格变化、供应延迟、门店配额不合理或数据漏记。只问预测员为什么错,不能改善系统。复盘要区分需求偏差、供给偏差、执行偏差和数据偏差。
以下为虚构的教学场景,仅用于说明分析方法,不代表E数通或任何品牌零售商的真实数据。
我设定一家拥有电商、直营门店和分销渠道的品牌零售商,使用E数通建立销售、库存、采购和活动计划的统一分析视图。企业共有约680个SKU,其中核心商品约80个。教学场景中,管理层发现:季度销售额增长,但库存金额也快速上涨;同时,三款核心SKU在活动期间断货,五款长尾SKU连续超过120天没有动销。
问题不是单纯的采购多或采购少,而是不同团队看到了不同切片:电商按订单量看需求,仓库按物理库存看供给,采购按供应商交期看风险,财务按金额看资金。E数通的价值在这里不是替人做决定,而是把多来源数据按SKU、渠道、仓库和日期连接起来,让每个决定都能回到明细。
连接后先做数据质量检查,再做预测和补货。缺少关键字段时,先标记为待确认,不用臆测补齐。
这张图用来观察库存速度与分层策略是否匹配。覆盖天数上升不一定代表风险,必须结合A、B、C层级和下月需求判断。
教学示例:单位为天。目标区间应由企业根据服务水平、交期和资金约束确定。
我会把“缺货损失”和“超龄占用”放在一张图中看,因为只压低其中一个指标,可能把问题转移到另一个指标。
教学示例:缺货率为百分比,超龄库存金额为相对指数,仅用于展示趋势。
| SKU分组 | 观察到的信号 | 建议动作 | 需要关注的代价 |
|---|---|---|---|
| A类核心款 | 近四周需求上升,活动已确认,供应交期存在波动 | 分批下单,提前锁定产能;优先供应高转化渠道;设置到货节点检查 | 可能产生短期资金占用,需要跟踪活动后的回落速度 |
| B类季节款 | 去年同期有明显峰值,但今年渠道排期尚未完全确认 | 采用基准和保守两种情景;先采购确定部分,保留追加窗口 | 可能因谨慎而错过部分销售,需要准备快速追加方案 |
| C类长尾款 | 库龄超过120天,近八周销量接近零,供应商MOQ较高 | 暂停自动补货,评估组合销售、跨渠道清理或退出 | 清货可能影响毛利和品牌价格体系,应设置最低折扣边界 |
| 异常在途款 | 系统仍显示已下单,但供应商实际尚未排产 | 要求确认排产与可交付日期,必要时取消、改量或更换供应 | 取消订单可能损失订金或影响供应商关系 |
在这个案例中,E数通应承担的是数据汇总、维度切换、异常筛选和指标追踪功能。真正的采购决策仍然需要业务人员结合合同、客户承诺、品牌策略和现金状况做最终确认。工具可以让证据更完整,但不能替代经营判断。
这组数据用于检查年度计划是否真正进入执行,而不是只停留在预测表里。完成度低的环节需要指定责任人与截止日期。
我会先确认缺口是否真实:排除锁定库存、可调拨库存和即将上架的合格库存,再计算从现在到下一批可销售到货之间的缺口。如果缺口真实存在,动作顺序通常是:优先跨仓调拨,其次压缩非核心渠道配额,再与供应商确认加急或拆批交付,最后才是采购替代品。
取舍在于,调拨会增加物流和仓储操作成本,压缩渠道配额可能影响分销关系,加急采购可能提高采购价。决策记录中必须写明缺货损失估计和每种方案的成本,不能只凭“核心款不能断”做无限加急。
我会把活动SKU分成已确认订单、历史高置信活动款和首次测试款。已确认订单按承诺备货;历史高置信款采用分批到货;首次测试款设置小批量试投和追加触发条件。这样即使活动效果低于预期,也不会形成无法消化的大量库存。
追加触发条件可以包括:活动前七天预售达成率、加购率、转化率、每天消耗速度和供应商追加交期。条件达到才释放第二批采购,不达到则保持原计划或减少后续批次。
先区分季节性低谷和真实衰退。若品类需求整体下降,需要同步下调补货参数;若只是某个渠道下降,可以尝试跨渠道转移。对超过库龄阈值的SKU,制定价格、组合、赠品或退出策略,并记录毛利影响。
新品不应被迫使用成熟品的历史预测。可以用相似SKU、门店试销、预售、市场容量和供应能力建立初始区间,并设置更短的观察周期。首批采购量要保证验证机会,同时限制最坏情况下的库存成本。
不要平均砍掉所有SKU的采购量。优先保护高毛利、高转化、交期长且缺货损失高的SKU;延后低贡献、可替代、交期短的SKU;与供应商协商分批交付。这样减少的是低效库存,而不是把销售机会一起削掉。
| 目标 | 提高它通常意味着 | 可能牺牲 | 适用情境 |
|---|---|---|---|
| 服务水平 | 增加安全库存、提前采购、优先保障重点渠道 | 库存资金、库龄和损耗 | 核心款、交期长、替代性弱、客户承诺明确 |
| 库存周转 | 减少批量、降低安全库存、加快清理长尾 | 部分缺货概率和紧急采购风险 | 需求稳定、供应灵活、SKU可替代 |
| 现金占用 | 延后下单、分批交付、缩短覆盖周期 | 活动准备度和供应议价能力 | 现金约束强、需求不确定、供应商交期短 |
| 供应稳定 | 锁定产能、增加供应商、提前备料 | 采购价格、库存复杂度和管理成本 | 关键原料稀缺、供应波动大、替代困难 |
没有一种策略能同时把四个目标做到极致。我建议管理层明确当前阶段的第一优先级,并允许不同SKU采用不同策略。最怕的是目标没有说清楚,却要求采购人员既不能缺货、不能积压、不能占现金、还不能增加成本。
月度复盘不是把报表重新念一遍。我会先看目标与实际之间的差异,再追问差异来源,最后决定参数是否需要调整。建议按照“结果—原因—动作—责任—日期”的顺序展开。
周会不需要讨论全部SKU,重点看触发规则的例外项:
比较预测、实际和活动影响,区分可预见变化与不可预见事件。不要只给出一个整体准确率,要按品类、渠道、SKU层级观察偏差。
比较承诺交期和实际交期,记录延期原因、质量问题、最小起订量影响和供应商沟通成本,为下一年度谈判提供事实。
观察期末库存是否由核心品类构成,超龄库存来自哪些决策,哪些SKU的安全库存参数过高,哪些SKU实际服务水平不足。
确认数据是否有人维护、指标是否有人负责、例外是否按时关闭。系统看板只有进入会议和责任流程,才会产生经营价值。
很多库存问题不是没有分析,而是过几个月后没人记得当时为什么这样决定。决策日志可以很简单,包含日期、SKU或SKU组、当时的需求假设、可用库存、供应风险、决策内容、负责人、预计结果和实际结果。下次类似情境出现时,团队可以复用经验,而不是重新争论。
在E数通中,可以将决策日志与SKU分析、采购订单和库存快照关联起来,复盘时直接查看当时的事实。即使暂时没有系统,也可以先用统一模板执行,重点是保证字段和责任稳定。
以下问题按照品牌零售商常见搜索和决策场景整理,回答均以可执行为导向。
我在做补货时经常看到仓库还有很多库存,但门店或电商仍然提示缺货,所以不确定究竟应该相信库存数量还是销售预测。更稳妥的做法是先定义可销售库存,再结合经过解释的需求预测看覆盖天数:例如1000件库存对日销20件可以覆盖50天,对日销200件只能覆盖5天。库存数量负责说明“现在有什么”,预测负责说明“接下来会消耗多少”,两者缺一不可。
我过去也容易把安全库存理解成越多越保险,但实际结果往往是资金占用和超龄库存增加。安全库存应该对应需求波动、供应波动、缺货损失和商品可替代性,核心款、交期长且替代性弱的SKU可以设置更高保障,低频长尾品则应降低库存或改为按单采购。教学上可以从日需求波动和交期波动估算,再用服务水平和库存预算校准,而不是为所有SKU套同一个百分比。
我理解年度计划是方向和边界,主要确定品类目标、重点SKU、活动假设、库存资金和供应产能;月度计划是根据实际销售、活动确认度和到货情况调整结构;周度计划则处理缺货、延期和异常调拨。如果只在年初做一次,计划很快会被价格变化、渠道变化、新品上市和供应波动推翻。年度计划必须保留滚动修正机制,才能既有方向,又不脱离现场。
我面对新品时不会直接套用一个成熟SKU的销量,因为新品的认知、渠道、价格和上市节奏可能完全不同。可以先找相似品建立区间,再结合预售、试销门店、预计铺货量、活动排期和供应周期设定保守、基准、积极三种情景。首批采购量要控制最坏情况下的资金和库龄风险,同时提前约定追加触发条件,例如试销七天的日均消耗达到目标并且供应商能够在窗口内交付。
在这个教程的教学场景中,我优先推荐E数通用于连接销售、库存、采购、商品和活动数据,按SKU、渠道、仓库和日期进行筛选,形成补货看板、异常清单和复盘分析。它的作用是让数据口径更统一、分析更及时、决策更容易追溯,但不能替代采购人员对合同、供应商关系、质量风险、客户承诺和现金状况的判断。系统提供证据和协作基础,最终决策仍应由业务负责人确认。
我不会只根据库存多就立即打折,也不会因为不想损失毛利而一直等待。先判断需求下降是季节性、渠道变化、价格竞争、商品老化还是数据错误,再观察库龄、未来活动、可转移渠道和供应商退换条件。对超过库龄阈值、未来需求没有证据支持且继续占用现金的SKU,应设计组合销售、赠品、分渠道清理或退出方案;对短期季节低谷但即将进入销售窗口的SKU,则可以保留部分库存并设定复查日期。
我会先保留理论建议量,再把最小起订量、箱规、供应商交期和资金影响单独展示。比如理论需求是137件,供应商要求240件起订且每箱30件,最终订单可能需要按箱取整,但多出的数量必须进入超龄风险和库存金额分析。如果长尾SKU经常因为MOQ被动增加库存,就应该谈判更小批量、寻找替代供应、改为组合采购,或重新评估该SKU是否值得长期保留。
我会至少同时看服务水平、缺货率、库存周转天数、库存金额、超龄库存、库存准确率、预测偏差和供应商准时交付率,并按SKU层级、品类、渠道和仓库拆开观察。漂亮报表只有在能推动动作时才有价值,所以每个异常指标后面都应有原因分类、责任人、截止日期和下一次检查点。用E数通或其他工具建立看板时,建议将指标与明细、采购订单和库存快照关联,保证结论可以下钻验证。

