先统一 SKU 身份
同一款商品可能有颜色、尺码、包装、组合装、赠品和渠道专供版本。只要 SKU 编码、条码或规格描述存在一对多关系，销售、仓库和采购看到的就可能不是同一件商品。第一步应建立唯一 SKU 主数据，并记录品牌、品类、规格、条码、供应商、采购价、标准成本、保质期和渠道属性。
4 类
库存状态至少要拆分
可售、锁定、在途、异常
3 个
补货决策关键变量
需求、提前期、服务目标
5 段
退货闭环追踪路径
申请、回收、质检、处置、复盘
100%
示例数据可替换
本文不冒充真实企业资料
01 / 核心结论
库存问题的表面是缺货和积压，根因是口径、节奏与责任没有连起来
我在处理 SKU 库存问题时，不会先问“还要买多少”，而是先确认这笔库存是否可被准确识别、是否能够在正确时间被销售渠道使用，以及发生退货后是否能够回到同一条商品链路。只有这三个问题同时成立，补货数字才有意义。
再拆分库存状态
系统里显示“库存 1,000 件”，并不等于今天可以卖 1,000 件。已经被订单锁定、等待质检、在途未入库、退货待判定或存在破损的数量，都不能简单加进可售库存。库存看板至少要同时展示实物库存、可售库存、锁定库存、在途库存和异常库存，并保留状态转换记录。
补货看时间而非余额
补货点的本质是“从现在下单到货物可销售之前，预计会消耗多少库存，再加上需要承受的需求波动”。如果只用固定安全库存覆盖所有 SKU，会让慢销品占用现金，也会让高波动爆款依旧频繁缺货。补货规则应按需求稳定性、供应提前期和毛利贡献分层。
退货要回到经营链路
退货单不是售后部门关单后就结束。退回商品是否重新入可售、是否进入维修、是否降级销售、是否报损，会改变真实库存；退货原因还可能暴露尺码偏差、包装损坏、直播承诺不清或某一批次质量问题。退货数据应该参与采购、商品、客服和渠道复盘。
一句话原则：我会把“库存余额”改造成“SKU 在某一时点、某一地点、某一状态、对应某一订单或供应动作的数量”。这个定义看似更长，却能把销售预测、补货计划、仓内执行和退货处理放在同一张经营地图上。
02 / 背景与真实场景
为什么品牌零售商越来越容易被 SKU 库存拖住
渠道增加之后，库存流转不再是一条从仓库到门店的直线，而是多平台订单、多个仓库、多个供应商和多种售后状态交织在一起。下面的场景是常见业务模式的抽象示例，数字仅用于帮助理解。
一个看似普通的 24 小时
08:30
订单汇总
订单汇总
平台销量先增长，库存却没有同步
品牌在电商平台、私域小程序和线下门店同时接单。平台 A 显示某 SKU 还有 120 件，门店系统显示 80 件，仓库实际可拣数量只有 65 件。三个数字都可能“正确”，问题在于它们没有统一刷新时间与库存状态。
11:00
渠道分配
渠道分配
促销库存被提前占用
运营为了保证大促转化，提前锁定一批库存；采购看到的却仍然是总库存，误以为有货可售。结果是日常渠道临时缺货，而促销渠道并没有按计划消耗完锁定数量。
15:40
供应确认
供应确认
采购只看销量，没有看到提前期变化
供应商原本承诺 7 天交付，临时排产后变为 14 天。若仍用过去 7 天的补货模型，品牌就会在货物到达前经历一轮缺货。这个问题不是采购下单晚了，而是提前期数据没有进入计算。
20:10
退货产生
退货产生
退回来的商品被放进“待处理”黑箱
消费者发起退货，平台退货单已生成，但商品可能还在运输途中。若系统直接扣减销售库存，实物与账面发生偏差；若收到后不录入质检结果，仓库又无法判断它能否重新销售，最终造成可售库存被高估或低估。
我会先画出四条流
要解决“库存到底有多少”的争议，我会把数据按四条流分别观察，而不是把所有记录堆在同一张表里：
- 商品流：SKU 从采购入库、上架、拣货、发货到退回的物理去向。
- 订单流：下单、支付、锁定、取消、发货、签收和售后的业务状态。
- 资金流：采购付款、销售收款、退款、折扣和报损对现金的影响。
- 信息流：预测、补货建议、预警、责任人确认和复盘结论。
四条流如果使用不同的 SKU 名称、不同的时间口径或不同的仓库编码，就会出现“每个人都有一份报表，但没有人能解释差异”的情况。库存治理的第一成果，不是让报表更漂亮，而是让差异有明确的来源。
03 / 常见误区
补货计划与退货追踪，最容易错在这八个地方
以下误区不一定都由系统造成，更多时候是业务为了快速推进而形成的临时规则。短期看似省事，长期会让数据无法比较、责任无法确认、库存无法复盘。
误区一：把总库存当可售库存
总库存是物理数量，可售库存是满足销售条件、没有被订单占用并且能够在当前渠道履约的数量。把在途、锁定、质检和残次商品一起计算，会让销售承诺超过真实供给。
改法：至少展示“实物、锁定、可售、在途、异常”五个字段，并定义每个字段的状态转换规则。
误区二：只按过去销量平均值补货
平均销量会掩盖大促、季节、直播、节假日和新品爬坡。某 SKU 过去 30 天平均每天卖 20 件，不代表未来 7 天也会每天卖 20 件，尤其当渠道投放和价格发生变化时。
改法：使用基础需求加活动修正，至少同时查看趋势、波动和渠道结构。
误区三：安全库存一个标准打天下
安全库存不是“多备一点”的固定比例，而是为了抵抗需求波动和供应波动。高频刚需 SKU 与低频高价 SKU 使用同一安全库存率，会造成一边缺货、一边积压。
改法：按销量等级、波动系数、毛利和供应风险分组设定。
误区四：退货单关闭就算完成
退货单关闭只说明流程节点结束，不说明商品已经恢复可售，更不说明退货原因已经被业务使用。没有质检结果和处置结果的退货记录，无法用于计算真实损耗。
改法：强制记录退货原因、商品状态、处理时长、最终处置和责任归因。
误区五：不同渠道用不同 SKU
为了适应平台命名，运营常常给同一商品建立多个内部名称。这样做会让渠道报表看似清晰，却难以汇总真实销量和真实库存，补货时也容易重复计算。
改法：建立统一内部 SKU，渠道商品编码作为映射字段保留。
误区六：只看月末库存
月末库存是一个截面，无法解释月中是否缺货、哪一天发生积压、退货是否集中出现。两个品牌月末都剩 1,000 件，库存周转和销售损失可能完全不同。
改法：按日保存库存快照，结合订单、发货和退货事件分析过程。
误区七：补货建议没人确认
系统给出建议数量后，如果没有采购负责人确认供应商、价格、到货日期和分仓方案，建议就只是一个数字。过期建议继续留在表里，还会干扰下一次判断。
改法：为建议增加状态、责任人、确认时间、变更原因和预计到货日。
误区八：把所有退货都算作质量问题
消费者不喜欢、尺码不合、描述不清、物流损坏和商品质量问题的处理方式不同。将不同原因混成一个“退货率”，会误导商品和供应商决策。
改法：建立一级原因、二级原因和证据字段，分别分析可控与不可控损失。
04 / 专业判断逻辑
我如何判断一个 SKU 到底该不该补、补多少、放在哪里
补货模型可以很复杂，但业务执行必须足够清楚。我会把计算拆成“需求基线、供应覆盖、库存可用性、风险修正、执行约束”五层，让每一层都能被解释和追责。
补货数量的可解释框架
建议补货量 = 目标库存 − 预计可用库存
其中，目标库存不是任意设定的数字，而是覆盖补货周期需求、预留合理安全库存，并考虑活动与供应风险后的结果。预计可用库存也不能只看仓库余额，它应当包含当前可售库存、确认在途、已确认采购订单，扣除待履约锁定和预计退货损耗。
示例：某 SKU 未来 10 天的基础需求为 420 件，活动修正增加 80 件，需求波动缓冲为 100 件，则目标覆盖量可暂定为 600 件。当前可售 210 件，确认 7 天后到货 160 件，已锁定未发货 60 件，预计可用库存为 310 件，建议补货量约为 290 件。该数字仍需结合最小起订量、箱规、现金预算和供应商交期确认。
五个问题必须连续回答
- 卖什么：SKU 的唯一身份、规格、渠道映射和可替代关系是否明确？
- 卖多少：未来观察周期的需求基线、活动增量和不确定性如何估计？
- 什么时候到：供应商实际提前期、入库处理时间和质检时间是多少？
- 到了放哪里：分仓、门店、前置仓和平台仓的需求是否需要分配？
- 卖不动怎么办：退货、换货、降价、组合销售和跨渠道调拨的出口是什么？
四类指标，不要只盯库存率
以上进度均为演示用比例，不代表任何真实组织。实际使用时，应明确分子、分母、统计周期和负责人。
库存可见性反映数据能不能被相信；补货建议确认率反映决策有没有落地；退货状态完整率反映售后数据能不能回流；异常库存闭环率反映组织有没有持续修正问题。四者一起看，比单看库存周转天数更能判断经营基础是否健康。
05 / 数据观察
用一张图看懂：库存健康不是越高越好，而是要匹配需求与风险
下面的图表使用完整的示例数据，目的是展示分析方法。示例把 SKU 分成高频稳定、活动波动、低频高价和退货偏高四类，观察库存覆盖天数、缺货风险和退货率之间的关系。实际分析时，应替换为企业自己的日级快照与订单明细。
示例：不同 SKU 类型的库存指标对照
单位说明：覆盖天数为天；缺货风险与退货率为百分比。
高频稳定活动波动低频高价退货偏高
阅读方式：活动波动型 SKU 可能拥有较高覆盖天数，却不代表风险低，因为其需求误差与活动结束后的积压风险同时存在；退货偏高型 SKU 则需要把售后处置能力纳入补货判断。
示例：30 天库存状态变化
示例单位：件。趋势用于说明状态转移，不代表真实经营记录。
如果可售库存下降而锁定库存同步上升，可能是促销预占；如果退货待判定持续累积，说明质检或处置环节成为瓶颈，不应简单通过补货解决。
06 / E数通示例案例
以 E数通为例：把“每天找数”改成“围绕异常做判断”
以下是为了说明方法而构造的 E数通使用示例，不是 E数通客户的真实案例，也不构成产品效果承诺。我选择这个例子，是因为品牌零售商通常需要同时处理多渠道销售、库存、采购和售后数据，适合用统一分析视角建立经营看板。
示例企业的原始问题
假设一家拥有线上旗舰店、线下门店和私域商城的生活方式品牌，共有约 1,200 个在售 SKU。团队每天需要从平台后台、仓库系统、采购表和售后表中复制数据，上午先花一两个小时核对口径，下午又发现部分平台的退货状态没有更新。
企业真正需要的不是再增加一张“总库存表”，而是回答四个经营问题：今天哪些 SKU 可能缺货？哪些库存不能被承诺？哪些采购单已经落后于需求？哪些退货正在侵蚀可售率和毛利？
因此，我会把 SKU 主数据、订单明细、库存快照、采购单、入库记录和退货处理单按统一键关联。若系统无法直接关联，先建立渠道商品编码与内部 SKU 的映射表，再补充仓库、日期和状态字段。
示例看板的五个区域
库存总览
按品牌、品类、仓库、渠道和库存状态筛选，展示可售、锁定、在途、质检、退货待判定和异常数量。重点不是数字越多越好，而是每个数字都能下钻到 SKU 和业务单据。
缺货预警
对比可售库存、未来需求、确认在途和安全库存，按严重程度分为“今天需要处理、三天内处理、观察”。每条预警包含建议责任人和最近一次确认记录。
补货执行
展示建议补货量、供应商、最小起订量、预计到货日、采购单状态和变更原因。采购人员可以先确认异常和约束，再决定接受、调整、拆单或暂缓。
退货诊断
按渠道、SKU、批次、退货原因、处理时长和最终处置分析。看板将“退货率高”拆成“哪个商品、什么原因、损失多少、能否修正”。
经营复盘
每周查看预测误差、缺货损失、库存周转、退货可售恢复率、供应商准时交付率和异常闭环率。复盘结论要落到字段和动作，例如调整某类 SKU 的安全库存规则，而不是只写“加强管理”。
我会怎样使用 E数通：先用统一数据模型搭出最小可用看板，再按角色分配视图。商品负责人关注 SKU 结构与退货原因，采购负责人关注提前期与到货承诺，仓库负责人关注可售和异常状态，经营负责人关注缺货损失、资金占用与毛利影响。这样工具不是替人做决定，而是让同一条事实被不同角色用来做各自的判断。
| 角色 | 最需要看到的字段 | 建议动作 | 示例判断 |
|---|---|---|---|
| 商品负责人 | SKU 销量趋势、规格、退货原因、评价关键词、替代品 | 调整商品描述、组合、尺码建议或下架低效款 | 退货集中在某一尺码，先核查尺码表，不急着全量补货 |
| 采购负责人 | 需求预测、提前期、最小起订量、供应商准时率 | 确认补货量、拆分到货批次、调整供应商协同 | 需求上涨但提前期变长，提前锁定关键原料或拆单采购 |
| 仓库负责人 | 可售库存、锁定库存、质检库存、库龄、仓间分布 | 优先处理质检、调拨和临期库存 | 总库存充足但目标仓缺货，先调拨再采购 |
| 客服与售后 | 订单状态、退货节点、原因分类、处理时长、退款状态 | 催收退回件、补齐证据、区分可售与报损 | 退货申请很多但实物未回仓，避免重复释放库存 |
| 经营负责人 | 缺货率、库存周转、退货损失、毛利、现金占用 | 确定服务水平与资金边界，推动跨部门复盘 | 高毛利爆款缺货损失高于备货成本，可接受更高安全库存 |
07 / 补货计划
补货计划怎么做：从 SKU 分层到采购落地的完整路径
补货的目标不是把仓库填满，而是在可以承受的资金和仓储成本下，提高按时履约的概率。下面这套路径适合从人工表格开始，也适合逐步迁移到 E数通等数据分析工具中。
建立主数据底座
统一内部 SKU、渠道编码、条码、品类、规格、供应商、箱规、采购价、标准成本和交期。为停产、替代、组合拆分和赠品建立明确标记，避免重复计算。
确定需求观察周期
日常稳定品可观察 14 至 30 天，活动品应拆分活动前、活动中和活动后，季节品要对比去年同期或同类生命周期。观察周期不是越长越好，关键是能解释当前需求。
计算需求基线
先剔除取消、异常大单和缺货日造成的低销量，再结合趋势、渠道结构、价格变化和活动计划。对新品不要直接套用成熟 SKU 的均值，应使用相似品或试销数据建立初始区间。
测量供应提前期
记录下单日、供应商承诺日、实际发货日、入仓日和质检完成日。用实际历史记录评估平均提前期与波动，而不是永远使用合同上的理想天数。
设置服务水平
高频刚需、高毛利或品牌引流 SKU 可以采用更高的缺货容忍标准；低频高价和生命周期末期商品则要减少安全库存。服务水平本质上是销售机会、资金和仓储成本之间的取舍。
生成补货建议
将目标覆盖量减去可售库存、确认在途和可兑现采购量，再扣除锁定订单与风险库存。建议结果必须注明计算日期、数据范围和缺失字段，避免被误认为永远有效。
加入执行约束
考虑最小起订量、箱规、供应商产能、预算、仓容、批次和保质期。数学上建议采购 237 件，若箱规为 48 件，就要说明是采购 240 件还是调整到其他仓分配。
确认、追踪、复盘
补货建议需要责任人确认，采购单需要反馈预计到货日，入库后要比较实际销量与预测。若偏差来自活动取消、供应延期或退货上升，要更新规则，而不是只修改结果数字。
建立退出机制
对连续多个周期低于动销阈值的 SKU，设置清仓、组合、调拨、停止采购或产品改版路径。没有退出机制的补货模型，会持续为库存问题制造新的库存。
不同 SKU 类型的建议取舍
| SKU 类型 | 优先目标 | 补货侧重点 | 库存取舍 | 需要警惕 |
|---|---|---|---|---|
| 高频稳定品 | 稳定履约 | 用短周期滚动预测，关注供应准时率 | 可接受较低波动，但不要忽略仓间分布 | 长期沿用历史均值，忽略增长或渠道变化 |
| 活动爆发品 | 承接峰值 | 拆分活动增量，设置活动结束后的回落情景 | 适度提高安全库存，同时准备调拨和促销出口 | 只备峰值、不做活动后库存处置 |
| 低频高价品 | 控制现金占用 | 采用订单驱动或小批量补货，关注客户承诺 | 可以接受更长等待，不宜盲目追求现货率 | 用销量排名误判价值，忽略毛利和客单 |
| 退货偏高品 | 降低无效库存 | 把退货原因和可售恢复率纳入需求判断 | 先解决商品或描述问题，再决定是否补货 | 把退货回库数量误算为可售数量 |
| 临期或季节品 | 减少报损 | 加入库龄、保质期和销售窗口 | 宁可小批次、多频次，也不追求一次性低采购价 | 忽略剩余销售周期，形成账面库存 |
08 / 退货追踪
退货为什么难追：因为“退回”不等于“回到库存”
退货管理最重要的是把时间、商品状态和责任人同时记录下来。消费者提出退货时，商品还没有回仓；商品回仓时，也不一定具备再次销售条件。只有完成质检与处置，库存才知道应该如何变化。
五段式退货状态
- 申请：消费者或渠道创建退货申请，记录原订单和原因。
- 运输：记录是否寄回、物流单号、寄出和签收时间。
- 收货质检：核验数量、包装、配件、使用痕迹和批次。
- 处置：重新入可售、维修、降级、换货、报损或供应商索赔。
- 复盘：将原因汇总到 SKU、渠道、批次和责任环节。
退货字段最小集合
- 原订单号、原销售渠道、内部 SKU、规格与批次。
- 退货申请时间、审核时间、寄出时间、签收时间。
- 一级原因、二级原因、图片或证据、客服备注。
- 质检状态、商品完整度、可售等级和处置方式。
- 退款金额、运费、折损金额、责任归属和关闭时间。
字段不一定一开始就全部自动化，但必须有固定定义。自由文本可以补充背景，不能替代核心分类。
用三个时间指标找瓶颈
申请到签收时长：判断渠道和物流回收是否顺畅。
签收到质检时长：判断仓库是否有处理积压。
质检到处置时长：判断商品、财务、供应商或客服是否存在协同断点。
如果退货率不高但质检到处置时长很长，问题不在需求预测，而在库存状态迟迟没有被确认。
库存处理原则：退货申请阶段不应直接恢复可售库存；退货签收后先进入“退货待判定”；只有质检确认包装、商品状态和合规要求都满足后，才可以将数量转入可售或其他明确状态。这个规则会牺牲一点即时库存数字的好看程度，但能减少超卖和二次客诉。
退货原因怎样帮助补货判断
假设某 SKU 在示例周期内销售 1,000 件、退货 80 件，表面退货率为 8%。如果其中 50 件来自“尺码不合”，20 件来自“描述与实物不符”，10 件来自“物流破损”，那么补货前应该分别处理三个问题：尺码信息是否需要改进，商品页面是否需要补充图片和参数，包装是否需要加固。若直接补 1,000 件，只会把原本可修正的损失继续放大。
我会把退货率拆成商品可控退货率、渠道履约退货率和物流损坏率，并且同时观察退货后可售恢复率。可售恢复率高，说明供应链具备回收能力；可售恢复率低，则要将退货折损纳入采购和定价决策。
退货与库存账的勾稽关系
一个可核对的示例关系是：销售出库数量 − 已取消数量 + 合规回库数量 = 可解释的库存减少量。这里的“合规回库数量”不是所有退款数量，而是已经签收、质检并完成处置的商品数量。对于待判定商品，应保留在异常或退货状态中。
每周可以抽取一批 SKU 做勾稽：按渠道订单统计销售出库，再按仓库流水核对入库、调拨、报损和退货。若差异超过设定阈值，就定位到订单、批次或仓库，而不是用一笔“库存调整”把差异抹平。
09 / 分情境行动建议
不同情况下怎么做：先区分问题，再选择动作
同样是“库存不够”，可能是仓间分配错误、订单锁定过多、退货尚未判定，也可能是真的需求超过预测。不同原因需要不同动作，不能只用“加急采购”解决。
| 现象 | 优先核查 | 第一动作 | 后续取舍 |
|---|---|---|---|
| 总库存充足但渠道缺货 | 各仓可售库存、锁定库存、渠道分配和调拨时效 | 先释放无效锁定或安排跨仓调拨 | 调拨成本低于加急采购时，不要重复下单 |
| 销量上涨且供应延期 | 需求趋势、供应商实际提前期、关键客户订单 | 拆分采购批次，优先覆盖高贡献渠道 | 接受部分渠道延迟，换取现金和服务水平平衡 |
| 退货待判定持续累积 | 签收到质检时长、仓库处理能力和字段完整率 | 先清理退货状态，确认真实可售数量 | 宁愿短期可售库存下降，也不要用未检商品承诺销售 |
| 补货后仍然经常缺货 | 预测误差、活动信息、提前期波动和锁定规则 | 复盘缺货发生前的状态快照 | 不要只提高安全库存，先找模型遗漏的变量 |
| 库存周转下降但销售未跌 | 结构性积压、低效 SKU、活动后的剩余库存 | 对库龄和动销分层处理，推动调拨或组合销售 | 用毛利与现金占用评估清仓，不以采购价为唯一依据 |
| 退货率突然升高 | SKU、批次、渠道、客服话术、页面版本和物流服务 | 按原因切片并抽样核实实物 | 必要时暂停相关批次补货，先完成质量或信息修正 |
| 采购建议数量与业务直觉冲突 | 计算周期、缺货日、在途兑现率、活动增量和替代品 | 让建议展示计算明细，逐项确认假设 | 保留人工调整，但必须记录调整原因和结果 |
10 / 落地方法
不必一开始就做复杂系统，先把最小闭环跑通
很多团队在库存项目上失败，不是因为缺少公式，而是一次性想解决所有历史数据、所有渠道和所有例外。我的建议是先选择一个品类或一组关键 SKU，验证口径、流程和责任，再扩展到全量。
第一阶段：统一事实
选出销售、库存、采购、入库和退货五类明细，统一日期、SKU、仓库、渠道和状态字段。先做数据字典，明确“可售库存”“销售数量”“退货率”等指标的计算口径，并记录历史变更。
阶段验收不是看板是否美观，而是随机抽取 20 个 SKU，业务人员能否从结果追溯到原始单据，能否说清楚差异来自哪里。
第二阶段：建立预警
先做三类预警：预计覆盖不足、退货处理超时、库存状态异常。每条预警都要有触发条件、负责人、处理时限和关闭标准。没有责任人的预警，只会增加信息噪音。
可以在 E数通中将不同角色的关注指标拆分展示，让采购看到供应与补货，让仓库看到状态和库龄，让经营负责人看到风险金额与趋势。
第三阶段：沉淀规则
连续运行几个周期后，比较预测、补货、实际到货和销售结果。将经常出现的差异整理成规则：活动临时取消如何回撤需求，供应延期如何调整提前期，退货偏高 SKU 如何降低采购量或先修正商品信息。
规则必须能被新成员理解，也能被系统字段表达。若只能依赖某位老员工的经验，流程仍然没有真正完成。
11 / 热门问答 FAQ
关于 SKU 库存、补货和退货追踪，品牌零售商最常问的七个问题
每个问题都按“疑惑背景—判断方法—落地建议”展开。示例中的数字仅用于解释口径，不代表行业平均值或任何企业的真实结果。
1. SKU 库存到底应该看总库存、可售库存，还是仓库实际数量？
我经常遇到这样的疑惑：报表里显示某 SKU 有 500 件，但销售仍然提示缺货，我不知道究竟应该相信哪个数字。后来我发现，总库存、实物库存和可售库存本来就回答不同问题，不能用一个数字替代全部状态。
总库存适合核对资产和仓库盘点，实物库存反映已经在仓内的数量，可售库存则要扣除已锁定、质检、残次、退货待判定和不满足渠道规则的商品。比如实物有 500 件，其中订单锁定 120 件、质检中 30 件、退货待判定 20 件，那么用于新订单承诺的可售数量可能只有 330 件。建议看板同时展示状态拆分、刷新时间、仓库和渠道，并允许下钻到库存流水。
2. 补货计划应该用多少天的销量预测？固定 7 天或 30 天是否合理？
我以前也会想直接选一个统一周期，例如所有 SKU 都用过去 30 天平均销量，这样做简单却容易忽略商品生命周期和活动变化。真正合理的观察周期，应该与供应提前期、需求波动和业务场景匹配，而不是由一个固定天数决定。
稳定高频品可以采用短周期滚动观察，再结合周季节性；活动品要把活动前基线、活动增量和活动后的回落分开；新品可以参考相似商品和试销结果；低频高价品则更适合订单驱动。建议同时展示观察周期、缺货日是否剔除、活动修正、预测误差和提前期，这样采购人员才能判断建议数量是否可接受。
3. 安全库存应该按销售额、销量，还是采购成本的一定比例设置？
我会先问这个安全库存要防什么风险：是需求突然上涨，还是供应商晚到，或者两者都有。如果只按销售额或采购成本设置比例，容易把价值高但需求低的商品备得过多，也可能让高频爆款的安全库存不足。
更可解释的方式是结合补货周期需求、需求波动、提前期波动和目标服务水平。示例中，一个每天销量 100 件但波动很小的 SKU，安全库存可能不需要比每天销量 20 件、波动极大的 SKU 高很多。还要加入毛利、缺货损失、保质期、最小起订量和资金预算，最后形成按 SKU 分层的规则，而不是一个全公司通用百分比。
4. 退货申请后，什么时候可以把商品重新算进可售库存？
我对“退款完成就恢复库存”这种做法一直比较谨慎，因为退款和商品回仓是两个不同事件。消费者提交申请时，商品可能还在客户手里；即使已经签收，也可能有使用痕迹、配件缺失、包装损坏或批次问题，不能直接当成全新商品销售。
建议至少设置申请、运输、已签收待质检、质检合格、降级销售、维修、报损和供应商索赔等状态。只有完成签收和质检，并明确处置结果的数量，才可以进入对应库存状态。系统上要保留原订单、退货单、物流单和质检记录的关联，避免把待判定商品提前释放导致二次缺货或客诉。
5. E数通适合解决 SKU 库存管理中的哪些问题，是否能直接替代 ERP 或仓库系统？
我不会把 E数通理解成 ERP、WMS 或订单系统的简单替代品。对于品牌零售商来说，E数通更适合承接多来源数据的分析、关联、可视化和经营决策，让团队从不同系统中汇总出统一的 SKU 口径、库存状态、补货预警和退货分析。
例如，订单和库存仍然在原业务系统里产生，E数通可以将 SKU 主数据、订单明细、库存快照、采购计划和退货记录关联起来，提供按角色查看的分析视图。是否适合使用，要先确认数据源、更新频率、字段质量和权限要求。工具不能替代主数据治理，也不能在原始数据缺失时凭空生成可靠结论。
6. 退货率升高时，应该减少补货，还是先继续保证库存供应？
我不会看到退货率升高就立即停止补货，因为退货原因不同，处理方向也不同。物流破损可能需要改善包装，尺码不合可能需要优化页面信息，质量问题可能需要暂停批次，消费者改变主意则可能与商品本身关系不大。
第一步应按 SKU、批次、渠道、原因和时间拆分退货，并确认退回实物的状态和可售恢复率。如果退货集中于某一批次或某个质量原因，可以先暂停相关补货并启动核查；如果只是短期活动带来的无理由退货，则要结合活动毛利、退款成本和后续可售恢复率判断。补货量应把有效需求、预计退货损耗和问题修正时间一起纳入。
7. 没有完整历史数据，品牌零售商还能不能先做补货和退货分析？
我遇到过很多团队因为历史数据不完整而暂缓项目，但库存决策不会因为数据不完整就停止，反而更需要先把当前口径固定下来。没有十年历史，也可以从今天开始保存日级库存快照、订单状态变化、采购承诺日和退货节点。
落地时可以先选关键品类，使用已有的近 30 天或近 90 天数据做基线，并明确哪些字段是缺失值、哪些比例是人工估计。先建立可追溯的最小闭环，再逐步补齐批次、成本、库龄和供应商表现。示例数据只能帮助测试看板和规则，不能冒充真实经营结论；每一次人工修正都应留下原因，未来才能反向检验模型。
12 / 总结与行动清单
把 SKU 库存从“查数字”变成“做判断”
品牌零售商的库存工作不只是仓库或采购的职责，而是一项连接商品、销售、供应、仓储、客服和经营管理的共同工作。只要统一事实、拆开状态、解释补货、追踪退货，库存数据就能从事后对账变成提前行动。
核心观点总结
第一，SKU 必须有唯一身份，渠道名称不能代替内部主数据。第二，库存必须按可售、锁定、在途、质检和退货等状态拆分。第三，补货要同时考虑需求、提前期、服务水平、现金和执行约束。第四，退货只有经过签收、质检和处置，才真正回到库存经营。第五，E数通可以作为统一分析和经营看板的示例工具，但工具效果取决于数据口径、字段质量和业务执行。
今天先做 SKU 对照表
把内部 SKU、平台编码、条码、规格、仓库和供应商放在同一张主数据表中，先解决“同物不同名”的问题。
明天开始保存库存快照
按日保留库存状态与更新时间，即使第一版只有几个关键字段，也比只看月末余额更能解释缺货与积压。
本周梳理退货五个节点
申请、运输、签收、质检和处置都要有时间与责任人，明确哪些数量可以回到可售库存。
下个周期复盘补货偏差
比较建议数量、实际到货、真实销售和退货损耗，记录每一次人工调整，为下一版规则提供依据。
