01 / FIRST ANSWER
补货决策真正要回答的是：当前这个SKU，在指定地点、指定时间、指定库存状态下，究竟有多少可以被承诺给顾客。
系统库存、物理库存、可售库存和可承诺库存，不能被一个“库存数”替代。
在品牌零售商的补货现场，我经常看到这样的冲突：ERP显示某个鞋款蓝色42码还有18件，门店店长说货架只有2件，仓库同事说后仓没有找到，电商团队却因为系统可售数为12件而继续投放广告。表面看是盘点差了14件，实际上至少混合了库存状态、库存地点、订单锁定、调拨在途和数据刷新延迟五个问题。
因此，我不会先问“谁的数字错了”，而会先定义查询条件：SKU编码是否一致，尺码和颜色是否完整，仓库与门店是否明确，截止时间是否相同，是否排除残次、冻结、质检、已拣货未发和已分配未出库的数量。只有条件一致，两个数字才有资格进行相减。
我会把“可补货量”写成一条业务可解释的关系，而不是直接拿账面库存做减法：
这里的目标库存还要结合未来覆盖周期、预测需求、补货提前期、陈列底数和渠道优先级。若物理库存没有被准确归类，就会出现“账上不缺、货架缺货”或者“账上缺货、仓库其实有货”的两种反向误导。
02 / SCENE
补货把销售、库存、采购、仓配和财务的不同口径压缩到一次决定里，任何一个环节的延迟都会被放大。
以一个虚构的运动服饰品牌“北岸跑步”为例。该品牌有线上商城、直营网店和区域经销渠道，核心SKU是“轻量跑鞋-云灰-42码”。周一上午，系统账面可用库存显示为36双，近7天平均日销为8双，补货提前期为5天。按常规公式，门店运营人员认为这个SKU已经接近补货点。
但现场信息并不一致：中央仓有10双已拣货未发，门店A有4双顾客预留，门店B有3双退货待质检，区域仓有6双调拨在途，电商订单已经锁定5双，另有8双在盘点冻结状态。若所有这些数字都被简单加在“库存”里，补货人员很容易认为库存充足；若全部从系统可用库存中扣除，又可能重复扣减。
我在复盘时会先把这些数量放回对应的业务状态，再看它们是否真的能在承诺时间内服务某一个渠道。库存不是静态池子，而是一条在时间和状态中不断流动的链路。
第一，销售看的是“卖得出去多少”，仓库看的是“手上有多少”，财务看的是“账上值多少”，门店看的是“眼前能不能拿到”。这四个问题都合理，却并非同一个问题。
第二，很多企业把日库存快照和实时订单混在一起。上午9点的库存报表可能没有包含9点05分产生的订单，下午的门店盘点却把尚未回传的销售当成现货。只要时间窗口不一致，差异就会被错误归因于仓库或门店。
第三，SKU主数据经常发生变体。颜色名称、尺码编码、包装单位、组合装和单品编码不一致时，系统会把相似商品分到不同位置。业务人员看到的是“同款”，系统对账看到的却是不同SKU。
| 来源层 | 要核对的对象 | 典型异常 | 对补货的影响 |
|---|---|---|---|
| 主数据层 | SKU、条码、尺码、颜色、包装单位 | 同款多编码、箱码与单品码混用 | 销量和库存被拆散，需求看起来偏低或偏高 |
| 交易层 | 销售、退货、取消、订单锁定 | 订单已生成但未扣减，退货已入库但未释放 | 把不可售数量误认为可售，或重复补货 |
| 物流层 | 收货、上架、拣货、发运、调拨在途 | 已到仓未上架、调拨单未签收、拣货单挂起 | 补货时点和到货承诺被错误估计 |
| 现场层 | 货架、后仓、退货区、残次区、寄存区 | 串码、漏盘、错放、未贴标或未回传 | 系统有货但门店无法销售，产生假库存 |
| 分析层 | 库存快照、日销、覆盖天数和安全库存 | 时间口径不同、异常销量未剔除 | 补货模型触发过早、过晚或触发错误 |
03 / MISJUDGMENT
我不建议用“先下单、后查原因”的习惯掩盖库存数据问题，尤其是高价值、低周转或尺码结构敏感的SKU。
账面库存是一个会计或系统记录概念，可售库存则要排除已锁定、质检、残次、冻结、待处理和渠道专属保留数量。两者在理想流程中可能接近，在真实零售场景中往往存在明确差异。
如果我把全部账面库存都用于计算覆盖天数，系统可能显示还能销售10天，于是建议暂停补货；但其中一半可能已经被订单占用，门店真正能售的只够3天。反过来，如果把所有异常状态都视为损失，又会在货物可以恢复销售前重复采购。
改进办法：报表至少增加“库存状态”字段，并让可售、锁定、质检、残次、在途、冻结分别可筛选、可汇总。
全量盘点当然能提供一次现场结果，却未必能说明差异为什么产生。如果系统主数据错了，盘点越认真，越可能得到一组无法与历史交易连接的新数字；如果差异只集中在几个高风险SKU，全量盘点还会拖慢正常出货。
我更倾向于先做差异分层：按差异金额、销量影响、门店数量、SKU生命周期和异常状态排序。先盘点最可能影响补货判断的20%对象，再根据结果决定是否扩大范围。
改进办法：设置盘点触发条件，例如差异率超过5%、差异金额超过阈值、连续三天出现同方向差异，或者爆款可售库存低于一个销售日。
总库存充足，不代表顾客想要的颜色和尺码充足。鞋服、珠宝、食品规格和配件类目尤其明显。一个鞋款总库存有100双，但如果40码只剩2双、42码有18双，直接用总量计算补货会掩盖真正的断码风险。
我会把SKU分析从“款式级”下沉到“款式×颜色×尺码×地点”层级，然后再看结构性缺货。结构性缺货的机会成本通常高于总量缺货，因为顾客不会用42码替代自己需要的40码。
改进办法：补货规则至少使用销售单位SKU，而非只使用SPU或款式编码；同时将替代关系单独建模，避免把不可替代的库存合并。
库存是有时间属性的。昨天收盘库存可能在夜间经历了订单、退货、调拨、收货和盘点调整，今天上午的现场数字自然不会与昨天的报表一一对应。若没有统一的截止时间，所谓差异只是两个时点的差。
我会在每次复盘中记录数据快照时间、抽取时间、最后一笔交易时间和现场盘点时间，并用“截至某时点”的方式表达结论。报表标题里写清楚时间，比在备注中补充说明更有效。
改进办法：建立库存对账快照，所有系统数和现场数都带时间戳；对于跨日调拨和夜间订单，明确归属到前一日还是后一日。
04 / METHOD
这套方法适用于门店、中央仓和区域仓，也适用于E数通中按SKU、门店、仓库和业务状态建立分析看板的场景。
记录异常SKU、地点、异常发生时间、发现人和补货动作。不要从“所有库存都可能有问题”开始，而要先形成一张可复核的异常清单。
核对条码、SKU、SPU、颜色、尺码、包装系数和仓库编码。若一个商品在不同系统使用不同编码，先建立映射表，再继续对账。
选择统一截止时间，例如“2025年示例周期第12周周三18:00”。将系统快照、现场盘点和业务单据都换算到这个时间点。
分别列出可售、锁定、拣货、待质检、残次、冻结、在途和待上架。任何未定义的“其他库存”都应该被继续拆解。
从采购入库到销售出库，逐笔检查收货单、上架单、调拨单、拣货单、退货单和盘点调整单的状态是否闭合。
按照差异金额和业务风险选择现场样本。检查货架、后仓、异常区和顾客预留区，并核对实物条码，不只依赖口头反馈。
把异常分成可立即修复、需要流程处理、需要主数据治理和需要调整补货参数四类，给每类指定负责人和完成时限。
单纯看绝对差异会让大库存SKU天然排在前面，但小库存爆款的风险可能更大。因此我通常同时看绝对差异、相对差异和服务影响。
进度条为分析维度的示意权重，不是任何企业的真实完成率或运营结果。
举例来说，系统显示10件、现场少2件，数量差异率是20%；系统显示1000件、现场少20件，数量差异率只有2%。如果只按差异率排序，可能优先处理了金额很低的长尾商品。如果只按差异数量排序，又可能遗漏影响当天销售的核心SKU。
我会采用三维排序：
当一个SKU同时具备高经营价值和高服务风险时，先保障供应，再并行定位；当它只具备高治理难度而没有近期销售风险时，可以安排在专项治理中处理，不必影响当天补货节奏。
05 / DATA VIEW
下面的图表全部是演示数据，重点展示如何把账面、现场和可承诺库存放在同一分析框架中。
演示周期：虚构品牌某周库存快照；单位：件。系统账面不等于门店可售，也不等于可承诺数量。
示例中，跑鞋云灰42码系统账面为36件，现场确认可售为24件，可承诺数量只有19件。差异并不意味着全部丢失，其中一部分已经被顾客订单锁定，另一部分仍在处理流程中。
如果未来三天需求预测为24件，直接看账面库存会认为无需补货；如果使用可承诺库存，则需要通过调拨、释放可恢复库存或下达采购来补足缺口。
演示数据：差异率从盘点前的高位，在修复单据回传和异常状态拆分后逐步下降。
演示数据：按已确认的差异件数分类，合计为100%，不代表真实企业比例。
06 / E数通 EXAMPLE
以下是我设计的示例性复盘，不对应任何真实企业、客户或经营结果。E数通在这里作为业务分析和决策协同的示例工具。
虚构品牌“行野生活”有32家直营网店、2个区域仓和一个中央仓。春季活动开始后，SKU“轻羽外套-雾蓝-M”在门店端连续两天出现顾客询问，但系统可售库存仍显示47件，自动补货规则没有触发。
运营团队最初认为是门店未及时上架，仓库团队认为是门店销售回传滞后，采购团队则看到中央仓库存，认为不需要追加采购。三方都有一部分事实，却没有看到完整链路。
我在E数通示例看板中设置了四个联动维度：SKU、地点、库存状态和业务日期；同时展示库存余额、近7天销量、在途数量、锁定数量、差异件数和覆盖天数。这样做的目的不是增加图表，而是让每个数字都能回到一张明细表。
第一段是中央仓的18件已收货未上架。仓库实际上已经接收货物，但上架任务未完成，系统状态仍被归入“仓内库存”，因此销售端无法承诺。
第二段是门店的11件顾客预留和电商锁定。它们从物理上存在，却不能被新的订单自由占用。若不从可承诺库存中扣除，会造成虚假的供应充足。
第三段是18件调拨在途，其中6件已经到店但签收单未回传，12件仍在运输。若把全部在途都算入今日可售，门店依旧会在今天缺货；若把全部在途都排除，又会让采购重复下单。
| 字段 | 示例值 | 为什么重要 | 对应动作 |
|---|---|---|---|
| SKU与地点 | 轻羽外套-雾蓝-M / 门店07 | 锁定责任范围，避免同款不同码混淆 | 核对条码、货架和后仓位置 |
| 系统账面 | 47件 | 提供原始记录，不直接等于可售 | 关联库存状态明细 |
| 物理确认 | 39件，示例盘点数 | 判断现场是否存在实物差异 | 复核差异件和盘点时间 |
| 锁定与异常 | 11件锁定，18件待上架 | 说明为什么账面数不能被新订单使用 | 释放、履约、上架或转异常处理 |
| 未来覆盖天数 | 示例为2.3天 | 判断是否需要立即保供 | 调拨、加急采购或调整渠道分配 |
| 负责人和时限 | 仓配负责人 / 当日18:00 | 让分析结论落到管理动作 | 回填处理结果并关闭任务 |
覆盖天数不应使用总库存除以平均日销这么简单。示例中，我用可承诺库存除以未来三天的预测日均需求，并把正在运输且预计可在承诺窗口到达的在途数量单独列出。
若80%的差异集中在少数三个仓库，说明问题更可能是作业或单据流程；若差异分散在大量门店且集中于同一编码，说明主数据和培训问题更值得优先处理。
一次差异可以是偶发错放，连续四周在同一状态出现，则是流程缺口。看板应保留历史异常记录，避免每周从零开始排查同一问题。
07 / ACTIONS
我会将“补货、调拨、盘点、调整参数和流程治理”视为不同工具，根据缺口的原因和时间压力组合使用。
这属于空间错配，不一定是真正的供应缺口。先看调拨成本、运输时效、渠道优先级和门店销售速度。如果调拨可以在缺货前到达，我会优先调拨而不是新增采购；如果运输时间超过销售窗口，再评估临时采购。
我会先把商品标记为“不可承诺”，防止电商继续销售，再进行现场定位。检查顺序通常是货架、后仓、收货暂存区、退货区、顾客预留区、员工借用区和相邻SKU位置。找到实物后，再补齐条码和库存状态，而不是只做一个数量调整。
这类数量通常不是损失，而是承诺关系没有被报表表达清楚。补货时不能再把它当作自由库存，但也不应直接冲销。重点是确认订单是否有效、预计何时履约、是否超期，以及超期后能否释放库存。
此时最重要的是建立“预计可用时间”，而不是笼统地把在途数量加到库存。运输中的货物、已到未签收的货物和已签收未上架的货物，对当日补货的价值完全不同。
筛选未来覆盖天数低、销售速度快、系统与现场差异大的SKU，先保护顾客承诺和活动商品，不等待全量报表完全清洗。
确认SKU、地点、库存状态和时间戳，排除因数据窗口不同产生的假差异，并生成第一版异常清单。
对高优先级对象查货位、查扫描记录、查收货和调拨单据，必要时将电商可售状态临时降级为人工确认。
按照可承诺库存和预计缺货时间做决策，给采购、仓配和门店分配动作，不把未确认的“在途”当成确定供应。
记录差异原因、修复动作、责任人和关闭时间。第二天检查同一SKU是否再次出现相同异常，判断问题是否真正结束。
08 / TRADE-OFF
补货不是越快越好，也不是库存越低越好。我会把服务水平、库存成本、现金占用和数据可信度放在一起衡量。
这类SKU的缺货损失通常高于短期库存增加成本。只要供应来源和库存状态仍有不确定性，我会保守计算可承诺库存，并保留一定的供应缓冲。
先保障服务，再追踪差异；可采用临时调拨、加急采购和渠道分配。
长尾商品的需求不稳定，过度补货会形成滞销和折价风险。此时我会优先处理真实可售数和现有库存消化，不因一条未经确认的差异立即追加采购。
先确认是否真缺，再决定调拨或销售策略，必要时暂停自动补货。
库存金额高但销售速度低，盘点差异的财务影响可能很大。补货决策要和库存准确率治理绑定，避免系统错误造成重复采购和资金占用。
提高盘点频率和审批要求，重点追踪金额差异、位置变更和责任交接。
| 选项 | 适用条件 | 优势 | 主要风险 |
|---|---|---|---|
| 立即采购 | 未来需求确定，缺口大于可恢复库存，提前期可接受 | 快速增加供应确定性 | 差异未查清时可能重复采购 |
| 跨店或跨仓调拨 | 其他地点有真实可售库存，运输时间短 | 利用现有库存，减少新增采购 | 可能把缺货转移到另一个地点 |
| 等待状态恢复 | 货物已到达，预计很快完成质检、上架或签收 | 不增加库存成本，减少重复动作 | 处理延误会直接影响服务水平 |
| 临时限制销售 | 系统库存可信度低，无法确认实物和承诺 | 避免超卖和顾客投诉继续扩大 | 短期损失订单机会，需要清晰沟通 |
如果组织只考核“当天把库存调平”，员工可能倾向于直接做数量调整；如果考核原因归类和复发率，团队才会真正修复收货、上架、退货和主数据流程。
09 / DASHBOARD DESIGN
我不建议把看板做成指标堆砌。每个指标都应回答一个决策问题，并能下钻到异常明细。
顶部适合放缺货SKU数、可承诺库存、未来三天预计缺口、差异金额和待处理异常数。它们帮助负责人快速判断今天是否需要升级处理。
中部可以展示SKU×地点矩阵、库存状态构成、近七天差异率、在途年龄和渠道库存分布。趋势能够帮助我判断问题是偶发还是持续。
底部必须能够下钻到异常单据和现场任务。没有明细的预警只能告诉人“有问题”，却不能告诉人“下一步找谁、查什么、何时完成”。
| 字段层 | 字段示例 | 使用问题 | 建议频率 |
|---|---|---|---|
| 识别字段 | SKU、SPU、条码、颜色、尺码、地点 | 我分析的是不是同一个商品和位置 | 主数据变化时更新 |
| 库存字段 | 账面、可售、锁定、冻结、质检、残次 | 有多少真实可用、多少暂时不能用 | 按业务需要实时或小时级 |
| 需求字段 | 日销、预测、活动系数、覆盖天数 | 未来会消耗多少，何时会缺货 | 日更，活动期间提高频率 |
| 供应字段 | 采购在途、调拨在途、预计到货、提前期 | 哪些数量能在缺货前到达 | 单据变化时更新 |
| 治理字段 | 差异原因、责任人、处理时限、复发次数 | 问题有没有被关闭，是否需要治理 | 异常产生后持续跟踪 |
10 / FAQ
以下回答按照常见搜索问题组织。我用第一人称描述疑惑，并给出可以落地到报表、盘点和补货流程中的判断方式。
我通常不会用“先补货”或“先盘点”二选一来处理，而会先判断缺货时间、SKU价值和差异原因。如果是爆款且预计当天缺货，我会先临时保护可售承诺，同时对高风险数量做快速盘点；如果是长尾SKU或差异主要来自在途、锁定和待上架状态，则先统一口径，再决定是否采购。这样可以避免一边重复补货，一边让顾客继续看到错误库存。
我把系统库存理解为系统记录的余额，把可售库存理解为当前状态下可以正常销售的数量，把可承诺库存理解为在特定履约时间内可以对新订单作出承诺的数量。例如仓库里有10件，但其中4件已被订单锁定、2件待质检、2件尚未上架，那么新订单真正可以承诺的数量可能只有2件，不能直接使用10件做补货判断。
我会先检查三个数字的统计对象是否一致，而不是马上判断某个部门出错。门店可能看的是现场可售数，仓库看的是仓内账面数，电商后台看的是扣除安全库存和锁定订单后的可售数；如果再叠加不同刷新时间、不同SKU编码和不同渠道保留规则，出现三个数字并不奇怪。真正需要治理的是这些口径能否被解释、关联和追溯。
我会做一次实物、条码和单据的交叉验证。若实物能在后仓、退货区或相邻货位找到，但系统状态仍停留在待收货、待上架或调拨中，通常更像单据回传或状态流转问题；若单据已经闭合、系统也显示已上架，但现场找不到，才需要重点检查错放、漏盘、串码和损溢。两类问题的负责人和修复动作不同，不能都用库存调整解决。
我不会把安全库存当作一个固定比例来掩盖库存准确率问题。安全库存应该反映需求波动、供应提前期、服务目标和数据可信度；当库存差异率持续偏高时，可以在短期内提高风险缓冲，但同时必须安排盘点和流程治理。否则安全库存越加越高，只是用更多资金和库存掩盖系统不知道真实库存的事实。
在本文的示例中，我会把E数通用于统一查看SKU、地点、日期、库存状态、销量、在途和异常任务，而不是只做一张漂亮的库存总览。具体做法是先建立可追溯的数据口径，再通过筛选和下钻定位差异，最后将异常负责人、截止时间和处理状态一起纳入看板。工具不能替代现场盘点和流程管理，但可以减少人工拼表，让复盘从一次性解释变成持续监控。
我会同时看三个结果：第一，系统与现场的差异是否在可接受范围内；第二，同类差异是否在后续周期重复发生；第三，补货准确率、缺货率、超卖率和库存周转是否改善。只做一次盘点调整，可能让差异率当日下降，却没有解决收货、上架、退货或主数据问题。只有异常复发率下降，且补货和履约结果同步改善，才算完成闭环。
11 / TAKEAWAY
账实不符的定位不是一次性的数字修正，而是把库存事实、业务单据和补货决策连接起来的管理过程。
如果我只在缺货发生后临时拼表，团队就会一直被动追赶；如果把SKU、库存状态、需求、在途和异常责任放在同一分析路径中，就能更早识别账实不符，减少重复补货、错失销售和无效盘点。你可以使用本文的七步方法开始一次小范围复盘，再逐步扩展到品牌、仓库和门店全链路。
