我不会只看库存数量，因为 100 件库存对日销 5 件的商品可以支撑很久，对日销 80 件的商品却可能只够一天。更实用的做法是同时看可承诺库存和需求覆盖天数：先扣除已分配、冻结、质检不合格和不可售数量，再结合未来一段时间的需求计算覆盖。比如某 SKU 可承诺库存为 180 件，未来 7 天预测需求为 420 件，那么它并不是“还有 180 件”，而是已经出现覆盖缺口。实际阈值还要加入供应商交期、活动波动、客户承诺和替代品情况。

• 数量回答“现在有多少”；
• 覆盖天数回答“还能撑多久”；
• 缺口日回答“什么时候开始影响订单”。

库存准确只说明某个系统在某个时点的账实关系可能没有问题，并不代表平台看到的是实时可售库存，也不代表订单分配、仓库拣货、在途到货和客户承诺已经被统一。常见情况是 ERP 记录了仓库总库存，平台没有及时扣除已分配订单；或者仓库有货，但货物正在质检、调拨或无法在截单时间前发出。客户最终感受到的是“下单后能否按承诺收到”，而不是某张表里的期末数字。

我会把订单下单时的库存快照、承诺时间、分配结果、出库节点和退货原因关联起来，先确认缺货发生在数据同步、库存状态、仓库执行还是供应商到货环节，再决定改接口、改规则还是改流程。

过去 30 天平均销量可以作为稳定商品的起点，但不适合直接覆盖所有 SKU。新品没有足够历史数据，促销品未来需求可能远高于平销均值，季节品的波动也会让平均值失真。安全库存还应考虑需求波动、供应商交期、交期波动、目标服务水平、替代性和缺货后的客户损失。比如交期稳定且有成熟替代品的普通配件，可以采用较保守的缓冲；长交期、复购明确、替代性弱的核心 SKU，则需要更高的保障。

我建议先按 SKU 分层，再用一段时间的预测误差和实际缺货结果校准，而不是一次性确定永久不变的倍数。每次调整都要记录原因，避免库存增加后却不知道服务水平是否真的改善。

在途库存可以计入未来供给，但不应无条件计入今天的可用库存。至少需要有采购批次、数量、运输或物流节点、预计到货日期和收货确认状态。对于历史上经常晚到、短装或质量不稳定的供应商，我会给在途库存分级：已经有物流轨迹并且历史准时率较高的批次，可以较大比例纳入；只有口头承诺或没有明确到货日的批次，不应该支撑客户的硬性发货承诺。

更稳妥的做法是把“账面在途”和“可靠在途”分开。前者用于采购跟进，后者才用于计算可承诺覆盖。这样既保留供应链信息，也不会把供应商的不确定性直接转嫁给客户。

没有统一答案，要看补货可靠度、客户等待成本、商品替代性和渠道规则。如果补货时间明确、客户愿意等待，开放预售或延迟发货可以保留需求信号；如果到货日期不确定、客户对时效敏感，就应该降低承诺、限购或暂时下架。核心是不能继续用“现货速发”的方式销售一个无法按时履约的 SKU，否则缺货很容易变成取消、投诉和退货。

我会为不同风险等级预先设计动作：一级风险冻结新增承诺并主动通知受影响订单；二级风险限制活动库存并确认到货节点；三级风险进入采购建议但不打断日常销售。任何商品状态变化都要记录生效时间，避免订单已经承诺后才改变页面信息。

不能只依赖客户在售后页面选择的一个原因。客户填写“不要了”，背后可能是等待时间过长、拆单后体验差、重复补发、预计日期反复变化，也可能确实与商品偏好无关。我的做法是把客户原因、订单节点、库存预警、物流时效、通知记录和退款结果分开保留，再通过规则或人工复盘建立归因层。例如订单在预警后延期三天、客户未收到主动通知、最终选择退款，那么它可以被标记为“缺货或延期影响”，同时保留客户原始描述。

分析时还要设置对照组，比如比较同一 SKU 在正常履约订单和延期订单中的退货差异。只有结合时间窗口、订单状态和原因结构，才能避免把所有退货都归到库存部门，也避免遗漏真正的商品质量或描述问题。

我会把 E数通放在数据分析、经营监控和跨部门决策的位置：将订单、库存、采购、仓库、物流和售后等数据按统一维度组织，帮助负责人筛选高风险 SKU、查看缺口原因、下钻订单并复盘结果。它适合把分散数据变成可讨论的分析视图，但不应被理解为自动替代 ERP 的交易记账、WMS 的库内作业或订单系统的实时分配能力。

在实际建设中，原始系统仍负责产生可靠交易数据，E数通负责连接和分析这些数据。若 SKU 主数据不统一、刷新频率不够或责任流程没有建立，再漂亮的看板也无法保证预警准确。因此我会先明确数据源、更新时点、指标公式和责任人，再使用 E数通搭建示例看板，逐步验证它是否真正帮助团队减少延期、退货和追踪成本。