我把SKU补货拆成一条可以被团队执行、被老板看懂、被数据验证的路线：先统一商品、库存、订单和供应商口径，再用需求趋势、库存覆盖、服务水平与现金占用共同判断，最后用到货结果和缺货损失复盘。文中的企业、数字与E数通应用场景均为示例，适合用来搭建自己的补货决策框架。
老板真正需要看的不是“库存总额很高或很低”，而是哪些SKU正在影响销售，哪些SKU正在占用现金，以及下一步应该补、缓补、换供应商还是停止采购。
我会把每一次补货看成一次对销售机会、缺货风险、现金占用和供应弹性的综合下注。
如果只能记住一句话，我建议供应链负责人记住：SKU补货决策的最小闭环，是需求预测、可用库存、补货提前期、目标服务水平和现金约束五个变量同时成立。只看库存余额，容易在慢销品上继续压货；只看销量趋势，容易忽略在途、锁定库存和供应商交期；只看采购价，则可能用低价采购换来高昂的缺货和仓储成本。
老板版路线和执行版路线的区别，不在于报表是不是更复杂，而在于是否把每一个数字连接到一个经营动作。比如“可用库存下降到3天”不能直接等于“立刻下单”，还要追问：未来7天需求是否稳定？在途货什么时候到？这个SKU是否属于核心引流款？供应商是否存在最小起订量？下单后会不会把资金锁在低周转品上？只有这些问题被放到同一张决策表中，补货才不是经验争论。
因此，我推荐把管理动作分为三层。第一层是准备，统一SKU主数据和指标口径；第二层是执行，根据分层规则生成建议订单并由业务负责人确认；第三层是复盘，比较建议与实际，修正预测、交期、库存参数和责任分工。这个顺序不能倒过来，否则团队会忙着做自动补货，却不知道自动化使用的是什么错误数据。
如果看板只能给出库存金额和采购数量，却不能把这三个问题回答清楚，它更像记录系统，不是决策系统。
核心公式不是越复杂越好：建议补货量 = 目标库存 − 可用库存；其中可用库存必须扣除已承诺订单、质量冻结、不可销售库存，并加上可靠的在途数量。目标库存则来自需求、交期、服务水平、采购批量和资金边界，而不是来自某个人的固定天数。
以上数字是本文用于说明方法的结构化示例，不代表任何企业的真实运营结果。
SKU数量增长后，复杂度往往不是线性增加，而是随着渠道、仓库、供应商和促销日历叠加。
仓库系统中的库存余额只是物理数量。对补货来说，我更关心可销售库存、可承诺库存、可用库存和安全库存。物理上有100件，不等于今天可以卖100件：其中可能有20件已经分配给订单，10件等待质检，15件位于异地仓，剩下的才真正能用于新的销售承诺。
如果采购、仓库、销售和财务各自使用不同口径，团队每天都会出现“库存够不够”的争论。争论本身会消耗决策时间，更危险的是，采购可能在系统显示有货时停止下单，而销售已经因为无法承诺交期损失客户。
下面是一个用于说明的示例：某家消费品企业经营约1,800个SKU，同时在电商平台、门店和经销商渠道销售。电商团队根据近7天销量催补货，门店团队根据陈列完整度要求保持安全库存，经销商则会在月底集中下单。采购团队看到的是一张混合订单表，很难判断需求增长来自真实动销，还是一次性促销和渠道提前备货。
当供应商平均交期为12天、促销活动提前5天启动时，简单使用“近30天日均销量×15天”会产生两个相反结果：热销款在活动前仍然不够，慢销款则因为月末经销商订单被高估而形成积压。负责人如果只看总库存，可能会认为库存金额已经超预算；如果只看销售额，又可能认为缺货不可接受。
| 业务信号 | 表面现象 | 可能的根因 | 负责人应该追问 |
|---|---|---|---|
| 库存金额上升 | 仓库越来越满 | 新品备货、采购批量、慢销尾货或在途集中到货 | 增长的是可销售库存，还是不可动销库存？资金占用来自哪一类SKU？ |
| 缺货次数增加 | 销售不断催单 | 预测偏低、供应商交期变长、分仓规则不合理或库存被其他渠道锁定 | 缺货损失最高的SKU是否优先获得供应资源？ |
| 建议单量过大 | 采购系统频繁提示补货 | 在途未回写、库存冻结未排除、单位换算错误或安全库存重复计算 | 建议数量的每个组成部分是否可追溯？ |
| 采购频率过高 | 团队每天都在下单 | 最小起订量和经济批量没有纳入，需求波动被过度响应 | 增加一次采购频率，是否真的比增加库存成本更划算？ |
| 库存周转变慢 | 销售仍在增长 | 增长集中在少数核心SKU，长尾SKU跟着扩张，品类结构失衡 | 周转恶化是规模问题，还是结构问题？ |
我把常见问题分成“看错数据、用错参数、缺少复盘”三组，先排除错误，再谈自动化。
固定阈值适用于需求稳定、交期稳定、SKU生命周期变化较少的场景。但新品上市、季节性商品和促销款的需求分布完全不同。库存低可能是销量突然上升，也可能是一次性订单刚刚发出；如果不看未来需求和承诺订单，自动补货会把异常放大。
替代做法：使用“库存覆盖天数+未来窗口需求+供应不确定性”的组合判断，阈值只是触发提醒，不是最终答案。
销量高通常意味着缺货影响更大，但安全库存还受销量波动、补货交期、供应商稳定性和目标服务水平影响。一个日均销量高但供应稳定的SKU，未必需要比一个销量中等、交期波动很大的SKU更多安全库存。
替代做法：分别估计需求波动和交期波动，再结合缺货成本设置服务等级。
统一参数看起来易于管理，实际会把核心款、长尾款、季节款和新品放在同一条逻辑里。核心款可能因为参数过低反复缺货，长尾款可能因为参数过高不断占用资金。SKU分层不是为了增加报表，而是为了让不同风险接受不同决策规则。
替代做法：先按贡献、波动、生命周期和供应风险分组，再为每组定义例外处理。
预测误差只是结果之一。实际缺货也可能因为采购没有及时下单、供应商延迟、入库质检滞后、库存分配规则错误或销售临时改价造成。只考核预测人员，会把流程问题错误归因到预测模型。
替代做法：把预测误差、到货达成率、库存准确率、订单执行率和缺货损失放在同一复盘框架内。
我不会先问“能不能做自动补货”，而会先问“这条建议单能不能被业务负责人解释”。任何无法解释来源、假设和风险的自动化建议，都会在第一次异常发生时失去信任。
——供应链负责人工作原则，本文示例观点数字不只是结果，也应该携带计算过程、责任人和下一步动作。
根据SKU生命周期、季节性、促销和渠道，选择近7天、近30天或同周期历史作为参考。不要把活动前的预热销量直接当成常态需求，也不要让一次大单改变全部未来参数。
至少区分现货、已分配、冻结、在途、退货待检和不可销售库存。对供应链而言，在途不是“已经拥有的库存”，只有确认供应商、数量、发运状态和预计到货日后，才可以按可信度计入。
库存覆盖天数 = 可用库存 ÷ 预计日需求。它适合快速发现风险，但不能替代价值判断；低覆盖的低贡献长尾款，未必比高覆盖但会影响核心客户交付的主力款更优先。
把采购提前期、最小起订量、包装倍数、供应商产能、付款条件和运输方式加入建议单。否则算法给出一个理论最优数量，采购执行时仍然必须重新修改，团队就会绕过系统。
每一条建议都要标注“补货、缓补、拆单、替代、清理或人工确认”的原因。尤其是例外SKU，要让业务知道系统为什么没有直接下单，减少对黑箱的抵触。
ABC分析按销售额或贡献排序很有用，但如果单独使用，无法识别交期风险和需求波动。我建议至少建立二维甚至三维分层：
例如，一个高贡献、高波动、高供应风险SKU，应该拥有更高的管理优先级；一个低贡献、低波动、容易采购的SKU，可以采用简化规则。分类越贴近决策，维护成本越值得。
把所有SKU都设为99.9%的服务水平，会让安全库存和现金占用迅速上升。服务水平应与缺货后果相匹配：影响核心客户交付的关键零件可以更高，容易替代、毛利低、需求不稳定的长尾品则可以接受更低水平。
我更愿意和老板讨论“每提高1个百分点服务水平，需要增加多少库存资金，以及能减少多少缺货损失”，而不是只讨论一个漂亮的百分比。
| 字段 | 用途 | 常见错误 | 建议呈现 |
|---|---|---|---|
| SKU编码与名称 | 保证主数据唯一，避免同品多码 | 规格、包装单位和销售单位混用 | 编码、品名、规格、单位一起展示 |
| 未来需求 | 说明补货期间预计会卖多少 | 把促销、渠道大单和退货重复计算 | 区分基础需求、活动需求、已承诺需求 |
| 可用库存 | 确定当前真正可以覆盖需求的数量 | 未扣分配、冻结或质检库存 | 现货、分配、冻结、在途拆列 |
| 目标库存 | 确定希望达到的库存位置 | 所有SKU都使用固定天数 | 显示参数来源和适用分层 |
| 建议数量 | 形成采购或调拨动作 | 未考虑MOQ、包装倍数和资金上限 | 理论数量与执行数量并列 |
| 风险说明 | 让负责人知道不确定性 | 只输出红黄绿颜色没有解释 | 标注缺货损失、积压风险和交期风险 |
下面图表均为方法演示，数据经过虚构与简化，不代表E数通或任何真实企业的经营数据。
柱形表示平均库存覆盖天数，折线表示近周期需求波动系数。覆盖天数高不等于安全，必须结合波动与贡献判断。
观察方式：核心组覆盖偏低且波动较高时，优先检查缺货风险；长尾组覆盖偏高且波动较低时，优先检查资金释放和清理策略。
将本周建议动作按“立即补、计划补、缓补/清理、人工确认”拆分，避免把所有提示都当成同等优先级。
图中比例仅用于解释决策分流方式。真正应用时，应同时显示金额、件数、缺货影响和责任人。
单日销量尖峰可能由直播、促销或大客户订单造成。我会把日趋势、周趋势和同周期趋势叠加，再判断是持续增长还是一次性事件。
库存总额上升并不一定是坏事，关键在于增长是否集中于核心SKU、是否被未来订单消化、是否超过现金预算。图表必须支持分层切换。
平均交期12天可能掩盖了8天到28天的巨大波动。补货参数要看到分位数、异常次数和供应商差异，而不是只放一个平均值。
以下是围绕E数通的虚构应用示例，用于说明实施思路，不是E数通客户的真实案例或业绩承诺。
如果我负责一个使用E数通进行经营分析的供应链团队，我不会先把页面做成“更多指标的仓库”，而会先围绕补货会议设计一张决策驾驶舱：老板看到资金、服务和风险；供应链负责人看到SKU分层和例外；采购看到待执行订单和供应商约束；仓库看到在途、质检和可用库存。一个口径服务不同角色，但每个人看到的动作不同。
假设企业有3个仓库、80家供应商、约2,400个SKU和4个销售渠道。历史数据分布在ERP、订单系统、仓储系统和供应商交期表中。第一步不是追求复杂算法，而是通过E数通建立统一的数据模型：SKU主表作为维度，日期、仓库、渠道、供应商作为分析维度，销售、库存、采购、到货、退货和促销作为事实数据。这样才能从“某个SKU为什么要补货”向下追溯到需求、库存和供应的构成。
把“销售数量”“出库数量”“订单数量”分开，并明确退货、取消单、赠品和跨仓调拨是否计入需求。把库存冻结、质检、已分配和在途单独列出，避免一个总数掩盖不同状态。
使用贡献、波动、生命周期和供应风险建立标签。E数通的筛选、联动和下钻能力适合让负责人从品类、供应商一路下钻到具体SKU和采购单。
每一个红色风险都要能落到动作字段：补货数量、建议到货日、供应商、确认人、原因和截止时间。分析结果只有与工作流连接，才不会停留在会议展示。
展示库存总额、可用库存、库存覆盖、服务水平、缺货金额、呆滞金额和未来30天现金占用。总览页不追求指标多，而要让老板知道风险是增长带来的，还是管理失控带来的。
按品类、仓库、渠道、供应商和SKU分层查看缺货风险、过量风险、交期风险。通过筛选定位“高贡献+低覆盖”“低贡献+高覆盖”等需要不同动作的组合。
显示SKU、现货、在途、未来需求、目标库存、理论补货量、执行补货量、MOQ、供应商和最晚下单日。采购不需要再从多个系统拼接一张临时表。
比较建议量与实际采购量、计划到货与实际到货、预测需求与实际出库，并记录偏差原因。连续三期出现同类偏差时，触发参数调整或供应商治理。
SKU-A是某品类的核心款，近14天日均需求为120件，未来促销预计增加600件需求，供应商正常交期为10天，但最近三次交期分别为10天、14天和17天。当前现货200件，在途300件，其中100件已被订单分配。
如果只看现货，库存覆盖不足；如果把全部在途当成可用库存，又会低估风险。更稳妥的解释是：先扣除已分配库存，把可信在途按预计到货日拆开，再为交期波动留出缓冲。最终动作可能是拆成两笔采购：一笔满足活动前的刚性需求，另一笔在供应商确认产能后再决定。
为了避免把“上线报表数量”当成项目成果，我会设定过程指标和经营指标两组目标。过程指标包括SKU主数据完整率、库存状态可识别率、建议单可追溯率、采购确认及时率；经营指标包括核心SKU服务水平、库存覆盖偏差、呆滞金额、预测偏差和供应商准时到货率。这里不预设改善百分比，因为真实结果取决于行业、历史基线、数据质量和执行纪律。
进度条用于展示项目管理方式，数值为虚构示例，不能作为E数通实际能力或客户成果的承诺。
我会先判断问题属于需求、供应、库存状态还是经营策略，再选择补、调、替、缓或停。
| 情况 | 优先动作 | 暂缓动作 | 判断依据 | 老板需要批准的取舍 |
|---|---|---|---|---|
| 核心款低覆盖 | 确认在途、催交期、拆单采购、跨仓调拨，必要时寻找替代规格 | 一次性大批量压满仓 | 缺货损失、客户承诺、未来需求和供应弹性 | 接受加急运输或更高采购成本，换取服务水平 |
| 新品无历史 | 使用相似品、试销批次、渠道反馈和小批量滚动补货 | 直接套用成熟品安全库存 | 上市节奏、试销反馈、供应商柔性和退出成本 | 用小批量试错换取更低的库存风险 |
| 长尾高库存 | 停止自动补货、清理替代、组合销售、退供或转仓 | 为了“保持品类齐全”继续采购 | 未来需求、毛利、保质期、客户承诺和清理成本 | 接受部分折价或缺货，释放现金和仓容 |
| 供应商交期变长 | 提高预警提前期、拆分供应商、重新谈交期和安全库存 | 只提高所有SKU的安全库存 | 交期分布、延迟原因、替代供应商与订单优先级 | 用供应稳定性换取部分价格或采购份额 |
| 促销即将开始 | 单列活动需求，核对活动锁量、到货日与销售承诺 | 把促销预测永久写入基础日均销量 | 活动周期、转化假设、历史同类活动和退货率 | 决定活动规模与库存承诺是否匹配 |
| 库存数据不可信 | 先做盘点、冻结口径、标记异常，在可信范围内人工确认 | 直接启用自动下单 | 系统库存与实盘差异、状态字段完整性、数据更新时间 | 接受短期人工成本，避免错误采购扩大 |
当需求相对可信、可用库存无法覆盖提前期内的需求、缺货后果明确、供应商交期和采购约束已经确认时，补货才是优先动作。补货数量应覆盖需求缺口与合理缓冲，而不是为了让库存曲线看起来平滑。
对核心SKU，我会把“最晚下单日”放在看板上，而不是只显示“当前库存”。真正紧急的不是库存已经为零，而是今天不下单就无法在客户需要的时间前到货。
当需求波动大、在途不确定、活动尚未确认、库存状态不完整或现金预算紧张时，缓补不等于不作为。可以先锁定供应商产能、申请小批量、拆分到货、建立替代方案，等关键事实确认后再释放全部采购量。
缓补的前提是有明确的复查时间和触发条件，否则它会变成无人负责的拖延。
不必一开始追求复杂模型。先用统一表格维护SKU、现货、在途、未来需求、交期和动作，优先治理贡献最高的20% SKU，把每周补货会议固定下来。
重点建立渠道与仓库的统一口径、SKU分层和异常清单。系统应减少数据拼接，让采购把时间用在交期确认和供应商协商上。
需要把参数、权限、版本、审批和复盘纳入治理。自动化可以扩大处理范围，但必须保留高金额、高风险和新商品的人工确认。
时间只是示例，真正的节奏应该根据数据质量、SKU数量和组织协同能力调整。
准备期的目标不是做出漂亮大屏，而是消除基础口径冲突。我会组织采购、仓库、销售、计划、财务和IT共同确认SKU主数据、仓库编码、供应商编码、库存状态、订单状态、退货规则和时间口径。每项口径都要留下负责人、数据来源、更新频率和异常处理方式。
接下来建立数据质量清单：缺少单位的SKU、重复编码、供应商交期为空、在途没有预计到货日、库存为负、历史销量异常、已停产但仍在采购的商品，都要被标记出来。不要因为数据有问题就放弃项目，也不要假装数据没问题。可以先限定范围，选择一个品类或一个仓库做可信试点。
明确指标字典、主数据责任人、库存状态和订单状态。产出一页纸的口径说明，所有会议引用同一版本。
计算当前库存金额、覆盖天数、缺货率、呆滞金额、准时到货率和预测误差，保留原始基线。
选择一个有代表性的品类，覆盖核心款、长尾款、新品和交期波动款，验证分层和建议字段。
补货例会不应该从“大家有没有问题”开始，而应从异常清单开始。先看红色风险：核心SKU未来交期内无法覆盖、供应商延迟、库存状态异常；再看黄色机会：库存过量、采购可拆单、替代供应商可降低风险；最后确认绿色事项：已经按规则执行、无需额外讨论的订单。
每条建议至少有一名责任人和一个截止时间。采购确认“下单”不等于动作结束，还需要跟踪供应商确认、发运、到货、质检和入库。跨仓调拨也要有同样的闭环，否则系统里看似有库存，业务现场仍然缺货。
每周复盘短周期异常，每月复盘SKU参数，每季度复盘品类和供应商策略。复盘时不要只看最终库存是否下降，要看是否以更低的缺货代价实现；也不要只看服务水平上升，要看是否通过过度备货换来。
对于连续三次预测偏高的SKU，可以降低基础需求或拆分活动需求；对于连续三次供应商延迟的SKU，应调整提前期分布、供应份额或安全库存；对于连续三次库存状态不准的仓库，应先治理扫描和入库流程。
参数不是一次配置永久使用的答案，而是对过去信息的暂时总结。
这四个偏差分别对应预测、仓储、采购和管理决策，不能全部归结为“系统不准”。
| 复盘对象 | 预期 | 实际 | 差异原因 | 改进动作 |
|---|---|---|---|---|
| SKU需求 | 预计未来14天需求 | 实际出库与取消退货 | 活动变化、渠道集中下单、价格变化 | 调整需求窗口或单列异常需求 |
| 采购到货 | 供应商承诺日期 | 实际收货日期与合格数量 | 产能、运输、质检、包装不合格 | 修正交期、建立供应商预警 |
| 库存覆盖 | 目标覆盖天数 | 期末实际覆盖天数 | 销量波动、采购批量、在途集中到货 | 调整目标库存和批量规则 |
| 服务水平 | 目标订单满足率 | 实际满足率和缺货金额 | 核心SKU未优先、分仓不平衡、数据错误 | 调整分层和调拨规则 |
记录谁在什么时间修改了安全库存、提前期、服务水平和分层规则。没有版本就无法解释为什么同一个SKU本月建议数量突然变化。
促销、新品、供应中断可以使用临时参数，但要写明生效和失效日期。临时规则如果没有到期日，最终会变成新的错误常态。
每个指标要有维护人和使用人。供应链负责人对结果负责，但主数据、库存状态、供应商交期和促销计划也必须各自有人维护。
我对自动化的判断：可重复、规则清楚、错误成本可控的动作适合自动化；高金额、高风险、新品、异常促销和数据不完整的动作应该保留人工确认。自动化的目标不是取消判断，而是把人的判断从数据搬运中释放出来。
每个问题都从实际管理疑惑出发，给出可执行的判断方式。
我经常遇到这个疑惑：系统提示某个SKU只剩5天库存，但供应商交期是3天，我到底要不要现在下单？答案不是固定天数，而是看未来需求、可用库存、在途可信度、交期波动、最小起订量和缺货损失。库存覆盖天数只能作为预警信号，建议补货量还要扣除已分配库存、冻结库存，并考虑采购批量。比如核心款即使覆盖7天，也可能因为交期从8天波动到18天而需要提前采购；低贡献长尾款即使覆盖2天，也可能通过替代品或按单采购解决。用E数通搭建看板时，应把覆盖天数和这些原因放在同一行，而不是只用红色数字代替判断。
我不建议所有SKU统一使用同一个安全库存天数，因为SKU的需求波动和供应风险不同。安全库存通常需要结合需求波动、补货提前期波动和目标服务水平来估计；在业务落地中，还要加入最小起订量、包装倍数、保质期和资金约束。举例来说，日均销量高但供应商每天稳定到货的成熟款，可能不需要极高缓冲；日均销量中等但交期在10到25天之间波动的关键零件，反而需要更高保护。可以先按贡献、波动、生命周期和供应风险分层，再为各层设置参数，并通过每月复盘修正，而不是一次配置后长期不动。
我会先区分物理库存余额和可销售、可承诺的库存。仓库里看到的100件，可能有30件已经分配给订单，15件正在质检，10件因包装破损不可销售，20件位于不支持当前渠道发货的仓库，真正能承诺给新订单的数量可能只有25件。若系统把这些状态都汇总成一个库存数字，采购会误判不需要补货，销售则会持续反馈缺货。建议把现货、已分配、冻结、质检、在途、可用和可承诺字段拆开，并标注数据更新时间。使用E数通分析时，可以从SKU下钻到仓库和库存状态，先解决口径问题，再讨论补货数量。
新品没有历史销量时，直接套用成熟SKU的日均销量风险很高，因为新品可能处于试销、快速增长、活动推广或渠道铺货阶段。我的做法是建立相似品参考组，同时使用首批试销量、渠道覆盖、价格、活动曝光、销售反馈和供应商柔性进行滚动判断。第一批可以采用小批量、多频次补货，设置明确的观察周期和停止条件；如果销售连续几个周期超过预期，再逐步提高目标库存。相似SKU只能提供初始假设，不能替代真实反馈。看板中应标记新品状态、假设来源、试销周期和下一次评估日期，避免新品参数被长期遗忘。
库存过高不代表所有采购都应该立即停止，关键要判断高库存是核心款的必要保护，还是长尾款、错误预测或集中到货造成的结构性积压。先看未来需求、库存覆盖、保质期、客户承诺、在途数量和替代关系，再决定停止、延迟、拆单、退供、转仓或清理。比如核心款虽然覆盖较高，但未来有已确认的大型活动，停止全部采购可能在活动后期造成缺货；相反，低贡献长尾款即使单品金额不大，多个SKU叠加也会占用大量仓容和现金。老板需要看到的是“继续采购的收益与风险”，而不是一条简单的停止采购指令。
只展示库存周转率通常不够，因为周转率是结果指标，不能直接说明下一步该买什么。老板版补货汇报建议同时回答四个问题：哪些SKU存在缺货风险，缺货可能损失什么；哪些SKU库存过量，资金何时可以释放；哪些供应商交期正在恶化，是否需要替代或加急；本次建议订单会占用多少资金，带来什么服务水平改善。可以把库存金额、核心SKU服务水平、缺货金额、呆滞金额、未来需求、在途和建议动作放在同一视图。E数通这类分析工具的价值，不是增加图表数量，而是让老板从总览追到品类、供应商、SKU和具体订单，看到数字背后的取舍。
好的补货体系不会消灭所有波动，但会让波动更早被看见、被解释和被处理。
不用等所有数据都完美。可以从一个品类、一个仓库或一组核心SKU开始，但必须把口径、责任和复盘时间写清楚。
| 检查问题 | 是 | 否 | 如果是否，下一步 |
|---|---|---|---|
| 我能否说清楚“可用库存”排除了什么、包含什么？ | □ | □ | 整理库存状态字典并指定维护人 |
| 每个高风险SKU是否有未来需求、到货日和责任人？ | □ | □ | 建立异常清单和截止时间 |
| 建议补货量是否考虑MOQ、包装倍数和现金边界？ | □ | □ | 增加执行数量与理论数量字段 |
| 新品、促销、长尾和核心SKU是否采用不同规则？ | □ | □ | 先做分层，再设置参数 |
| 我能否在下一次会议解释上一次建议为什么偏差？ | □ | □ | 保留建议版本并记录偏差原因 |
