01 / CORE ANSWER
供应链诊断的第一步不是立刻清仓，也不是把所有安全库存一起下调，而是把库存按需求速度、供货风险、资金占用和可替代性分层。
库存数量大，不等于库存问题大；真正需要优先处理的是“需求已经放缓、库存覆盖天数持续升高、未来仍有到货、且替代或退货空间有限”的 SKU。
我会先计算每个 SKU 的近 30 天、60 天和 90 天出库量，观察需求是否连续下降；再将现有可用库存除以日均需求，得到库存覆盖天数；随后把在途、已下单未到货、锁定库存和不可售库存单独拆出来。只有当这些口径一致，库存健康度才有讨论基础。
对滞销识别而言，单看“多少天没有销售”也不够。季节性商品、项目备货、促销前置库存和低频高价值备件，本来就可能长时间不动。我更倾向于把“无动销天数”“需求趋势”“库存金额占比”“未来到货”和“商品生命周期”放在一起判断。
示例观察 / 非真实企业数据
示例：同样是 100 万元库存，健康库存、待观察库存和高风险库存的占比不同，决策优先级也不同。数据仅用于说明分析方法。
我至少需要 SKU、商品名称、仓库、批次、库存状态、可用数量、近 30/60/90 天出库、最近一次出库日期、采购提前期、在途数量、单位成本和生命周期状态。缺少这些字段时，我不会直接给出“滞销”结论。
一个 SKU 在本月无销量，可能只是订单周期较长；如果它连续三个观察周期没有出库、覆盖天数继续上升、在途还在增加，才更接近可行动的滞销风险。标签要能解释，也要能复核。
盘点耗时不只由盘点人数决定。找货、库位混放、条码不清、单位换算、重复录入和差异复核，通常会把一次看似简单的盘点变成长流程。先区分耗时环节，才知道该优化库位还是数据流程。
02 / BUSINESS SCENE
以下场景是通用业务场景，不代表某一家企业的真实经营数据。我用它们来说明负责人每天可能遇到的判断冲突。
销售反馈某个热销款无法承诺交期，仓库系统却显示还有几百件。负责人一查才发现，系统库存里混合了待质检、已分配未拣货、客户退货待判定和实际可发库存。总库存数字是真的，但它没有回答“现在能不能卖、在哪里、给谁用”。
我的处理方式是先定义库存状态：可销售库存可以进入可承诺量，锁定库存需要匹配订单，质检中库存不能直接承诺，不可售库存要进入处置或返工流程。把状态拆开后，销售、采购、仓库看到的是同一套事实，争论才会从“谁的数字对”变成“哪一种状态要改善”。
| 系统显示 | 数量（示例） | 实际含义 | 可否承诺销售 |
|---|---|---|---|
| 可用库存 | 420 | 已入库且满足销售条件 | 通常可以 |
| 锁定库存 | 160 | 已被订单、项目或渠道占用 | 需先核对 |
| 质检中 | 95 | 等待抽检、复检或质量判定 | 不能直接承诺 |
| 不可售 | 70 | 破损、过期、退货或包装异常 | 不可以 |
示例表格只用于展示库存状态拆分方式，数量不是企业真实数据。
在消费品、零部件或项目型业务里，预测并不总是稳定。采购提前期较长时，团队可能按照旧预测下了三个月的货；等商品版本、客户规格或渠道政策变化，库存才突然显得过多。
这时我不会简单把责任归给采购。我要追溯预测版本、订单取消时间、采购下单时间、供应商取消窗口，以及产品替代关系。如果需求变化发生在供应商已经无法取消之后，问题是决策窗口管理；如果变化很早就发生但没有同步，问题是协同机制。
盘点耗时增加，未必意味着仓库人员效率下降。常见原因是库位编码不连续、同一 SKU 分散在多个库位、箱装与散装单位不统一、商品条码与系统编码不一致，或初盘差异没有设置复盘优先级。
我会把盘点工时拆成四段：准备数据、现场找货与计数、差异复核、系统调整。只有把每段的时间和差异量记录下来，才能看出是基础数据问题，还是仓储动作问题。
“库容使用率高”与“库存周转好”是两个指标。库位被占满，可能是低价值慢动销商品长期占据黄金库位；库存金额下降，也可能只是高价值商品被消耗，低价值长尾 SKU 仍在堆积。负责人要同时看数量、金额、库容和订单服务水平。
我建议建立一个四象限：横轴是需求速度，纵轴是库存覆盖天数，气泡大小表示库存金额，颜色表示供应风险。这样可以快速找到“速度慢、覆盖高、金额大”的优先治理对象，也避免把“金额小但不可替代”的备件误判为可以清掉。
03 / COMMON MISTAKES
我在诊断时会特别警惕“只看一个指标、只问一个部门、只做一次清理”这三类短期动作。
90 天是一个筛查阈值，不是自动处置规则。季节性商品要结合销售季节，备件要结合设备保有量，项目物料要结合交付节点，定制品还要看是否可以复用。没有业务语境的阈值，只会把风险从库存转移到缺货和赔付。
总库存覆盖天数可能被少数高销量 SKU 拉低，从而掩盖大量长尾库存；也可能因为没有剔除锁定和不可售数量，导致覆盖天数看起来很高。我的原则是先在 SKU、仓库、渠道三个粒度检查，再汇总到部门和公司层面。
如果差异集中在某几个库区、单位换算或某类包装，系统和流程通常比个人因素更值得检查。把所有问题归因于“认真程度”，既不能减少差异，也会让现场人员不愿意暴露真实问题。
库存金额下降可能来自低价甩卖，也可能带来毛利损失、客户等待和紧急采购成本。我会同时记录处置收入、毛利影响、服务水平、缺货次数和现金占用，避免把一项指标的改善误写成经营质量的改善。
合理的目标应该是：在可接受的服务水平下，降低无效库存和不必要的波动，而不是让库存越低越好。
工具能帮助我连接数据、统一口径和持续追踪，但不会替代业务定义。如果团队没有明确“什么叫滞销”“谁负责处置”“异常多久必须处理”，再漂亮的看板也可能只是另一个报表入口。
所以我会先用一张小范围清单跑通规则，再把可复用的口径沉淀到 E数通等分析工具中，逐步扩展到更多仓库和品类。
04 / DIAGNOSIS LOGIC
我会把诊断拆成“事实、速度、原因、动作、闭环”五层，确保结论可以追溯到明细，也可以落到负责人和截止时间。
同一个 SKU 在 ERP、WMS、采购表和销售表里可能有不同编码和时间口径。第一轮不是急于做分析，而是确定主键、统计截止时间和库存状态。至少要明确以下规则：
我常用以下指标形成初筛，不把它们当作最终裁决：
确定仓库、品类、SKU、统计截止日和库存状态，输出一份可复用的字段字典。
比较近 30/60/90 天出库，区分稳定、波动、下降和长期无动销。
将可用、锁定和在途拆开，找出覆盖天数高且未来还会增加的 SKU。
串联预测、采购、订单取消、质量、库位和主数据变更，不以现象代替原因。
为每一类异常指定采购、销售、仓库、财务或商品负责人，以及完成期限。
按周追踪库存金额、覆盖天数、缺货率、盘点差异和处置收益，确认问题是否真正关闭。
ABC 关注库存价值或出库贡献，XYZ 关注需求波动。A 类高价值、X 类需求稳定的 SKU，适合精细补货和较高盘点频率；C 类低价值、Z 类波动大的 SKU，则更适合降低管理复杂度、设置批量采购或建立替代方案。
| 组合 | 典型特征 | 建议策略 |
|---|---|---|
| AX | 价值高、需求稳定 | 精确预测、重点盘点 |
| AZ | 价值高、需求波动 | 逐单评估、谨慎备货 |
| CX | 价值低、需求稳定 | 规则化补货、简化操作 |
| CZ | 价值低、需求波动 | 合并采购、减少库位 |
第一道门是时间：距离最近出库多久；第二道门是趋势：需求是在恢复、平稳还是持续下降；第三道门是业务例外：是否季节性、项目性、备件性、替代性或受质量状态影响。
只有通过前两道门并排除合理例外，我才会把 SKU 放入高风险清单。清单里还要保留“判定证据”和“下一步动作”，否则它会在下个月继续重复出现。
05 / E数通 EXAMPLE
本案例全部为虚构示例，用于展示分析方式，不代表 E数通客户的真实经营结果、产品承诺或行业平均值。
我设定一个拥有 3 个仓库、约 1,200 个 SKU 的示例企业。供应链负责人每周需要从 ERP、仓库台账、采购在途和销售订单中拼出库存表，通常先花大量时间核对字段，再用筛选找出无动销商品。会议上各部门经常拿着不同版本的表格，导致“哪些库存真的危险”无法快速达成一致。
为了说明方法，我把数据整理成五类状态：可用库存、锁定库存、在途库存、近 90 天无动销库存，以及盘点差异。示例目标不是宣称某个工具能自动解决所有问题，而是展示当数据口径统一后，我如何把异常排序并分配动作。
示例数据 / 处置优先级
示例图将库存金额和覆盖天数放在不同坐标轴，避免把金额大的库存误认为周转慢，也避免忽略金额不高但覆盖天数极高的长尾 SKU。
第一，看高金额与高覆盖是否重合。如果重合，它通常是现金占用和需求风险同时较高的优先项。第二，看在途库存是否会进一步推高覆盖天数，采购动作可能比仓库动作更紧急。第三，看锁定库存是否真的有对应订单，若订单已取消，应及时释放并重新评估。
使用 E数通时，我会优先搭建“SKU库存诊断”主题分析，将库存、出库、订单、采购和仓库维度关联起来，再通过筛选器按仓库、品类、负责人和风险等级切换视图。这样，管理层看趋势，业务负责人看明细，大家仍然基于同一套数据。
这里的重点不是报表数量，而是让每张图都对应一个动作：暂停采购、调整安全库存、安排转仓、启动促销、核对库位，或者进入例外观察。
假设某 SKU 近 90 天没有出库，但它是一个与在役设备配套的替换件，历史上每 120 天才有一次需求，供应商交期却要 60 天。如果我直接清理，可能把库存成本换成紧急采购和客户停机风险。
我会再看设备保有量、替代件兼容性、供应商最小起订量、最近一次需求来源和未来项目计划。如果这些证据支持保留，就把它从“高风险滞销”调整为“低频战略备件”，降低补货频率但保留最低保障量。
另一类 SKU 当前库存覆盖 55 天，采购在途还能增加 80 天覆盖，而近期出库连续下降。只盯着现有库存会错过窗口；我会先询问供应商能否暂停、拆分、改规格或延迟发货，再决定是否做价格、渠道或组合策略。
如果采购合同不允许取消，我会把“在途不可取消金额”“可转用数量”和“最晚到货日”纳入行动清单，安排销售和商品团队提前设计去化方案，而不是等到货后才发现仓库没有位置。
| 风险信号 | 示例证据 | 建议动作 | 主责角色 | 复盘指标 |
|---|---|---|---|---|
| 覆盖天数持续升高 | 60 天出库下降，在途未减少 | 暂停或拆分采购，重算补货点 | 采购负责人 | 覆盖天数、在途金额 |
| 账实差异集中 | 某库区差异率明显高于其他库区 | 核对库位、单位、条码与移库记录 | 仓库负责人 | 差异率、复盘工时 |
| 锁定库存长期不动 | 订单取消或交期改变 | 释放库存，重新进入可售与去化评估 | 销售运营 | 锁定天数、释放数量 |
| 高价值低频备件 | 低频需求但替代成本高 | 保留最低保障量，建立例外规则 | 商品与售后 | 缺件次数、保障库存 |
06 / ACTION PLAYBOOK
我不会把所有 SKU 放进同一个处置流程，而是依据需求状态、库存状态和供应风险选择不同动作。
先暂停可暂停的采购与调拨，核对订单取消和预测版本；再根据毛利、渠道和替代关系设计分级去化。优先处理金额大、可替代、保存期有限的 SKU，不要先动关键备件。
重点检查安全库存、补货点、最小起订量和采购提前期。如果需求稳定，问题通常不是需求预测，而是补货参数或批量策略与现实不匹配。
先区分真实波动与数据噪声，检查促销、项目、季节和一次性大单。对高价值波动 SKU，不要简单用平均销量补货，可设置情景预测和人工审批门槛。
建议先做小范围循环盘点，而不是等到年度盘点才集中暴露问题。按 ABC 分级设置盘点频率：高价值、高流动 SKU 更频繁，低价值长尾 SKU 可以采用抽盘或合并盘点。每次差异都要记录差异原因，而不仅是调整数量。
进度条为项目管理示例，不代表真实系统状态。
我会先选择一个仓库或一个品类做最小闭环：定义字段、清理编码、建立异常规则、让负责人能看到明细并反馈结果。E数通适合用于把多个来源的数据集中分析、制作可下钻的看板和持续追踪指标，但上线前仍需要业务参与确认口径。
第一版看板不必包含所有指标。只要能回答“哪些 SKU 要处理、为什么、谁负责、什么时候复盘”，就已经比堆叠几十张静态表更有价值。
07 / TRADE-OFFS
库存决策的本质是在现金、服务、风险和复杂度之间做平衡。我的目标不是让某一个数字达到最低，而是让选择透明可解释。
降低库存可以释放现金和库容，但当供应提前期长、供应商稳定性差或客户对交期敏感时，库存过低会增加缺货、加急运输、替代采购和客户流失风险。对于关键物料，我会把“缺货损失”纳入库存决策，而不是只计算持有成本。
高库存有时是为了应对季节波动、进口交期、原材料涨价、供应商最小批量或重大项目交付。关键不是看到高覆盖就批评，而是验证它是否有明确的风险假设、失效日期和退出机制。
| 策略 | 适合 | 风险 |
|---|---|---|
| 提高现货 | 交期敏感、需求稳定 | 资金占用 |
| 降低现货 | 可快速补货、需求波动 | 缺货与加急 |
| 按单采购 | 定制、低频高价值 | 交期与供应波动 |
每项重大库存调整都保留四个字段：当时使用的数据、做出的假设、选择的动作、预期复盘日期。比如“因近 60 天需求下降 35% 且在途可延期，将下月到货拆分为两批；两周后复核订单转化和渠道库存”。这样，即使结果不如预期，也能找到假设哪里失效，而不是只讨论谁当时拍了板。
对于清仓、报废和大额采购，更应该记录备选方案和未选方案的代价。决策透明不代表所有人意见一致，而是让团队能用证据快速调整。
08 / IMPLEMENTATION ROADMAP
如果团队还没有统一的库存诊断机制，我建议先小范围验证，不要一开始就试图覆盖所有仓库、所有品类和所有例外。
确定 SKU 主数据、仓库与库存状态定义，清理重复编码，形成近 30/60/90 天出库基线。选择一个业务范围做示例看板，记录库存金额、覆盖天数、无动销金额、在途压力和盘点差异率。
用 ABC×XYZ 和业务例外规则分层，给每类风险绑定动作、主责和截止时间。将采购、销售、仓库、商品和财务放到同一周会节奏中，避免异常只停留在分析人员手里。
比较行动前后的覆盖天数、缺货次数、在途金额、去化收益和盘点工时，删除无法产生动作的指标。验证有效后，再把口径和看板扩展到更多仓库与品类。
09 / FAQ
下面的问题采用第一人称和场景化描述，方便我把术语翻译成可以执行的判断方式。示例阈值需要结合企业实际校准。
我经常看到团队直接用 30 天、60 天或 90 天做一刀切判断，但我担心季节性商品和低频备件会被误伤。更稳妥的方式是什么，是否应该同时参考库存覆盖天数、需求趋势、商品生命周期和未来订单？
答：无动销天数适合做初筛，不适合单独做结论。我会同时查看近 30/60/90 天出库趋势、历史季节性、现有可用库存、在途数量、供应提前期和替代关系。比如一个每 120 天才发生一次需求的关键备件，即使 90 天无出库，也可能属于低频保障库存；而一个连续 3 个周期需求下降、覆盖天数快速升高且仍有在途的普通商品，更值得进入高风险处置清单。企业可以先设示例阈值，再用历史结果复盘调整。
我用“可用库存除以日均出库”计算时，采购、仓库和销售经常会得到不同答案。有人把锁定库存算进去，有人按订单量，有人按发货量，我想知道应该统一哪些字段，才能让这个指标真正用于决策？
答：先统一分子和分母。分子通常建议使用可用库存，并把锁定、质检、不可售和在途单独列示；分母可使用近 30、60 或 90 天的日均实际出库，但要说明是否剔除一次性项目、退货和内部调拨。对于波动较大的 SKU，可以同时展示多个窗口或使用加权需求。只要口径写入字段说明，并在图表旁标注统计日期，跨部门比较才有意义。
我不希望为了降低库存金额，把本来应该保留的商品清掉。面对近几个月没有销售但业务又说“不能动”的 SKU，我应该要求哪些证据，怎样建立既不放任也不误伤的例外规则？
答：我会要求例外必须有可验证的依据，例如销售季节、项目合同或交付节点、设备保有量、历史需求间隔、供应商提前期、替代件兼容性和客户服务承诺。例外不是永久豁免，而是要记录保留数量、失效日期和复核人。到了复核日期，如果原有理由不再成立，SKU 就重新进入普通库存治理流程。
我发现增加盘点人数并不一定让盘点更快，有时人越多，复核和录入反而越混乱。面对找货慢、数量差异大、条码不一致等问题，我应该如何判断真正的瓶颈，避免把钱花在错误的地方？
答：先把总工时拆成准备数据、找货计数、差异复核和系统调整四段，并记录每段占比。若找货时间高，先检查库位编码、同 SKU 分散和动线；若复核时间高，检查盘点规则、单位换算和差异阈值；若录入时间高，检查扫码、接口和重复录入。人员配置只有在流程和数据基础稳定后才容易产生收益。
我现在有 ERP、WMS、采购和销售多套数据，每周需要人工拼表，想用 E数通减少重复整理。但我也担心工具上线后只是多了一个看板，业务并没有真的改变，应该怎样规划第一版分析主题？
答：我建议先从一个仓库或一个品类开始，把 SKU、仓库、库存状态、出库、采购在途、订单和成本字段对齐，再围绕“高覆盖、低动销、在途压力、盘点差异”设置可下钻的分析视图。第一版不需要覆盖所有指标，关键是每条异常都能看到证据、负责人和动作状态。E数通可以作为数据分析与看板承载工具，但业务口径、例外规则和复盘机制仍需要团队共同定义。
我有时会看到库存金额下降、周转率上升，但同时缺货投诉和加急采购也增加了。单纯以库存金额或周转率作为供应链目标，可能会造成什么问题，应该补充哪些指标？
答：库存金额下降可能来自折价、报废、停止备货或消耗关键库存，并不自动代表效率提升。我会同时观察订单满足率、缺货次数、加急运输费用、毛利影响、交付及时率、在途金额和关键 SKU 保障率。更合理的目标是，在明确的服务水平下减少无效库存和波动，而不是让库存数字无条件下降。
我遇到过同一个 SKU 在不同仓库使用不同简称，甚至单位也不一致，导致汇总结果总要人工修正。除了建立主数据表，我还应该在哪些地方设置规则，才能让跨仓分析稳定运行？
答：需要同时治理主数据、字段字典、更新频率和异常反馈机制。主数据定义 SKU、单位、仓库和状态；字段字典说明每个指标的来源与计算方式；更新机制固定快照时间；异常反馈则要记录新增编码、单位转换和状态变化。将这些规则沉淀到统一的数据模型或 E数通分析主题中，比依赖某位员工记忆更可靠。
10 / FINAL CHECKLIST
我把全文浓缩成一份可以带到周会上的清单，帮助供应链负责人在复杂信息中快速找到下一步。
