sku库存：电商卖家从数据到行动：用补货计划实现规范批次追踪

很多电商卖家以为库存管理的难点是“库存不够”，但我在实际复盘中发现，更危险的问题往往是：系统显示还有库存，仓库却找不到可销售的货；采购已经补货，运营却不知道新旧批次应该先卖哪一批；商品没有断货，却因为临期、包装变更或供应商批次异常产生退货。真正有效的 SKU 库存管理，不是把数字记得更细，而是把每一个库存数字连接到补货动作、批次责任和销售结果。

本文讨论的不是简单的库存台账，而是一套从 SKU 数据、需求预测、补货计划到批次追踪的完整方法。我会结合电商仓配复盘中常见的商品数据，拆解哪些库存指标值得信任、哪些补货公式经常误导卖家，以及如何在不同现金流和供应链条件下做出取舍。文中的部分数据属于样本推演或情景模拟，用于说明计算逻辑，不代表某个行业的统一平均水平。

一、先讲核心结论：库存管理的终点不是记录，而是行动

1. SKU 库存至少要回答五个问题

一套能够真正支持经营决策的 SKU 库存数据，不能只显示“当前库存 多少件”。我通常要求每一个可售 SKU 至少能够回答以下问题：现在有多少可用库存？其中多少已经被订单占用？哪些库存属于不同生产批次？按照当前销量还能卖几天？在预计到货之前是否会跌破安全线？

• 可售数量：已经入库、质检合格且没有被锁定的库存。
• 在途数量：已经采购或调拨，但尚未完成入库确认的数量。
• 预留数量：已被订单、促销活动或渠道配额占用的数量。
• 批次数量：不同生产日期、保质期、包装版本或供应商批次对应的数量。
• 可覆盖天数：以近期有效日销量计算，现有可售库存还能支撑多少天。

这五类数据必须彼此关联。例如，可售库存为 100 件，不代表还能卖 100 件。如果其中 30 件已被平台订单锁定，20 件属于临期批次，真正可以用于普通销售的库存可能只有 50 件。把不同口径的数量简单相加，是很多补货失误的源头。

2. 补货计划应当从“缺多少”升级为“什么时候、补哪个批次、补多少”

传统补货习惯往往是库存低于某个数字就下单。例如，库存低于 100 件就补 300 件。这种做法在销量稳定、交期固定、批次没有约束时尚且可用，一旦遇到活动、季节波动、跨仓调拨或供应商交期延迟，固定阈值就会快速失效。

我更建议采用“需求覆盖窗口”的方式计算补货。核心公式可以拆成四步：先计算预测需求，再扣除可用库存和可靠在途库存，最后叠加安全库存与批次限制。补货量并不是越多越安全，而是要覆盖从现在到下一次可靠补货完成之间的需求，同时避免形成无法追溯或无法消化的库存。

建议的基础补货量 = 预测日销量 ×（供应商交期 + 入库处理时间 + 计划覆盖周期）+ 安全库存 − 可用库存 − 可靠在途库存。

其中，“可靠在途库存”不是采购单上写着的数量，而是已经确认生产完成、运输节点清晰、预计能够在需求窗口内入库的数量。如果供应商经常延期，就不能把全部在途数量按 100% 抵扣，否则系统会产生虚假的安全感。

3. 批次追踪不是仓库专属功能，而是补货决策的一部分

如果商品存在保质期、生产日期、包装版本、颜色材质差异、供应商变更或质量责任边界，SKU 编码本身就不够用了。SKU 只能回答“这是什么商品”，批次号还要回答“这批商品什么时候生产、由谁生产、经过哪次检验、流向了哪些订单”。

我在处理批次混乱时，最先检查的不是仓库是否贴标签，而是采购单、收货单、库位、出库单和售后单是否使用同一套批次字段。只在入库环节记录批次，出库时不保留批次去向，实际上仍然无法追责。规范的批次链路应该是：采购批次生成、收货批次确认、质检结果绑定、库位分配、出库批次扣减、订单或渠道去向留存。

二、真实场景：为什么库存数字看起来正常，运营仍然不断救火

1. 一个常见的多仓 SKU 案例

下面用一个样本推演说明问题。某电商卖家销售一款售价 129 元的厨房消耗品，主 SKU 下有两个规格，分别存放在华东仓和华南仓。过去 30 天总销量为 1,260 件，平均每天 42 件，但销量并不均匀：周末日销量约 55 件，工作日日销量约 36 件，月底投放广告时曾达到每天 75 件。

卖家当时看到系统总库存为 820 件，于是判断库存足够支撑约 19 天销售。但拆开后发现，华东仓可售 430 件，华南仓可售 210 件，120 件待质检，60 件已经被订单预留。按照可售库存计算，实际可销售数量只有 640 件，覆盖天数约为 15.2 天。

更关键的是，华南仓的 210 件中有 80 件属于旧包装批次，平台页面已经切换为新包装。运营为了避免发错货，实际上只敢使用 130 件。这样一来，真正适合当前页面销售的可用库存只有 560 件，覆盖天数下降到约 13.3 天。

2. 交期波动让“刚好够用”变成断货

这款商品的供应商标称交期为 8 天，实际历史交期却在 8 至 15 天之间波动，平均为 10.6 天。仓库收货和质检还需要 2 天，卖家如果按照 12 天交期计算，只需要覆盖 504 件需求；但当实际交期达到 15 天时，需求量会增加到 630 件。

此时，卖家手里的合格库存只有 560 件，理论上已经不足以覆盖最长交期。由于补货单又把 200 件在途货物全部视为“即将可用”，采购没有继续追加订单，最终在第 14 天出现华东仓断货。问题表面上是销量增长，实质上是把不确定的在途库存当成确定的供应能力。

3. 批次混乱会把一次异常变成全量损失

另一个常见场景是质量异常。某批次商品在售出后出现密封不严问题，售后团队只知道商品 SKU 和订单日期，却不知道哪些订单使用了异常批次。仓库也没有在出库单中保留批次号，只能按照入库时间和订单时间进行倒推。

倒推的结果通常不够可靠：同一 SKU 可能被多个仓库混发，仓库之间发生过调拨，部分订单还经过人工换货。为了降低风险，卖家最后只能暂停整个 SKU 的销售，排查 3,000 多件库存，损失了广告窗口，也增加了不必要的仓储和人工成本。

如果每个出库批次都与订单绑定，异常处理就可以缩小为“某供应商、某生产日期、某仓库、某时间段”的集合。召回范围更小，售后通知更准确，剩余正常批次也不必全部冻结。批次追踪的价值，不只是让仓库更规范，而是让异常处理从全量停摆变成局部隔离。

三、常见误区：看似专业的做法，为什么仍然会导致库存失真

1. 误区一：用月均销量预测所有 SKU

月均销量是一个便于汇报的数字，却不一定适合补货。新品、爆款、季节品、活动品和长尾品的需求结构不同，把它们都用过去 30 天平均值处理，会掩盖趋势变化。

例如，一个 SKU 前 20 天每天只卖 10 件，后 10 天因为短视频曝光每天卖 60 件，30 天平均值是每天 26.7 件。若供应商交期为 12 天，按平均销量补货，预计需求只有 320 件；但如果曝光持续，实际需求可能达到 720 件。平均数没有错，错的是把不稳定需求当成稳定需求。

我通常会同时看三组数字：近 7 天销量、近 28 天销量和去年同期或上一个相似活动周期销量。近 7 天用于捕捉变化，近 28 天用于降低偶然波动，相似周期用于识别季节性。三者差异超过一定阈值时，补货计划必须进入人工复核，而不能自动执行。

2. 误区二：把所有在途库存都当作确定供应

采购单状态“已下单”只能说明卖家表达了需求，不等于供应商已经完成生产。就算供应商已经发货，也还要确认物流节点、预计到仓时间、清关或质检状态。不同状态的在途库存，应该采用不同的可用系数。

这些比例不是行业标准，而是建议基准。卖家应根据自己的历史数据校准。例如，某供应商过去 20 次交付中有 6 次延迟超过 3 天，那么“已发货在途”的计入比例就不应直接按 90%处理。

3. 误区三：安全库存设置得越高越稳妥

安全库存的本质是为需求波动和供给波动买保险，而不是把所有不确定性都转化成库存。安全库存过低会断货，过高则会占用资金、增加仓储费，并且让批次老化问题更加严重。

我更关注安全库存的来源是否可解释。它应该来自销量波动、交期波动、活动增量、供应商稳定性和缺货损失，而不是某个管理者凭经验指定的固定百分比。对于售价低、毛利低、保质期短的商品，安全库存的财务代价可能高于断货损失；对于高毛利且复购稳定的核心 SKU，适度提高安全库存则可能更合理。

4. 误区四：只记录总量，不区分可售、冻结和待处理

仓库常见的“库存差异”，并不一定是丢货。有些是待质检，有些是退货待判定，有些是包装破损待处理，还有些已经分配给订单但订单状态没有及时同步。如果这些状态全部混在一个库存总数里，运营会高估供应能力，仓库会频繁收到不合理的出库要求。

• 可售库存：可以立即进入正常订单履约。
• 待质检库存：已经到仓，但没有完成质量确认。
• 冻结库存：因投诉、抽检、召回或版本争议暂时不能销售。
• 残次库存：需要返工、换包装、降价或报废处理。
• 预留库存：已经被订单、渠道或活动锁定，不能重复承诺。

四、专业判断逻辑：如何把 SKU 数据转化为补货计划

1. 先判断 SKU 属于哪种需求类型

补货逻辑必须先分类。稳定日销品可以用滚动平均和标准差管理；趋势增长品需要提高近期销量权重；活动品要单独建立活动需求曲线；季节品必须参考同期周期；长尾品则应防止小批量频繁采购。

2. 计算有效日销量，而不是机械平均日销量

有效日销量需要剔除明显异常数据，但不能为了让预测更好看而随意删除高销量。我的做法是先给每个异常点标注原因：大促、投放、断货、平台限流、价格变化、竞品缺货或自然增长。只有能够解释原因的异常值，才会在预测模型中单独处理。

例如，某 SKU 近 14 天销量为 320 件，其中 2 天因为断货只卖出 3 件。如果直接平均，日销量为 22.9 件；但这两个低销量日并不代表真实需求，剔除后有效销量可能接近 29 件。相反，如果其中 3 天是大促造成的 70 件高峰，就不能简单把高峰全部当作长期日销，而应拆成基础需求与活动增量。

一个实用的基础方法是：近 7 天占 50% 权重，近 28 天占 30% 权重，相似周期占 20% 权重，再由人工调整活动和断货因素。对数据量不足的新 SKU，可以使用同类商品的转化率和流量预估，但必须标记为低置信度预测。

3. 用服务水平决定安全库存，而不是凭感觉加库存

服务水平可以理解为“在补货周期内不发生缺货的目标概率”。核心 SKU 可以追求较高服务水平，长尾 SKU 则不必为极少发生的高峰支付过高库存成本。

在简化计算中，可以用需求波动和交期波动共同估计安全库存。若日销量波动明显，但供应商交期稳定，重点是应对需求变化；若日销量稳定而交期经常延迟，安全库存则应更多覆盖交期风险。两者都不稳定时，单纯堆库存并不是唯一方案，还需要缩短采购批量、增加供应商或设置分批到货。

4. 把补货建议拆成“数量、日期、批次”三项

一张合格的补货计划不应只有“采购 500 件”。至少还应包括建议下单日期、预计到仓日期、目标批次、可接受的生产日期范围、计划分配仓库和异常触发条件。

1. 确定预测周期：明确覆盖未来 14 天、30 天还是整个销售季。
2. 计算需求量：区分基础销量、活动增量和渠道锁定量。
3. 核对供应能力：查看供应商最小起订量、生产能力和历史交期。
4. 扣除可用资源：只扣除合格可售库存和经过可靠性折算的在途库存。
5. 加入安全边界：根据服务水平、缺货损失和库存成本设置安全库存。
6. 检查批次条件：确认保质期、包装版本、生产日期和先进先出要求。
7. 输出行动单：明确采购、调拨、促销消化或停止补货的责任人和截止日期。

五、批次追踪的落地方法：从入库编码到订单去向

1. 先定义批次，而不是先买系统

批次不是越复杂越好。对大多数电商仓库来说，批次字段应当围绕实际业务风险设计。常见的批次识别要素包括供应商、生产日期、入库日期、质检结果、包装版本和仓库来源。

我建议批次号具备可读性，但不要把过多业务信息硬塞进编码。批次号可以作为唯一标识，其他字段独立保存。这样做的好处是：供应商更换、仓库调拨或商品版本变化时，不需要重新设计整套编码规则。

2. 先进先出不等于所有商品都按入库时间出库

对保质期商品，通常需要优先处理最早失效的批次，而不是简单按照入库时间排序。因为有些货物虽然先入库，但生产日期更新；也有些货物先到仓，却因为质检或包装问题延迟上架。真正合理的规则应是“在符合销售和质量条件的前提下，优先出库剩余有效期更短的批次”。

对版本变更商品，规则又不同。新旧包装不能只按先进先出处理，还要结合平台页面、渠道要求和消费者认知。如果页面已经明确展示新包装，旧包装可能需要转到允许销售的渠道，或者通过页面说明和价格策略消化，不能直接与新包装混发。

对高价值商品，批次追踪还应与序列号、保修期或供应商质保关联。批次适合管理一组商品，序列号适合定位单件商品。两者混用或互相替代，都会造成售后追踪范围过大或操作成本过高。

3. 设置批次异常预警，比事后盘点更有价值

批次管理不应只在发生质量问题后使用。以下预警值得在日常运营中持续监控：同一 SKU 出现多个包装版本、同一批次分布在过多库位、剩余有效期低于渠道要求、批次数量与出库数量不一致、供应商批次连续出现异常，以及退货商品无法回填原批次。

• 剩余有效期低于销售承诺周期时，自动限制普通补货。
• 某批次退货率高于 SKU 平均值两倍时，进入质量复核。
• 某仓库批次库存为负或出库量超过入库量时，暂停自动扣减。
• 新旧包装同时存在且页面未标明时，提示运营确认销售策略。
• 供应商交期连续两次超过承诺值时，重新校准在途库存折算比例。

五、案例与数据观察：一份补货计划如何改变库存结果

1. 案例背景与原始数据

下面继续使用一组情景模拟数据。某卖家经营 12 个核心 SKU，过去采用固定库存下限补货。每个 SKU 低于 100 件时采购 300 件，采购人员每周一集中处理。由于没有区分 SKU 需求类型，结果是 3 个 SKU 经常断货，4 个 SKU 库存周转超过 60 天，另有 2 个保质期商品出现临期积压。

经过重新整理，卖家为每个 SKU 增加了可售库存、预留库存、冻结库存、可靠在途库存、供应商交期分布和批次有效期字段。补货不再按统一下限触发，而是根据未来覆盖周期和商品属性生成建议。

这组数据不能被理解为“只要做批次管理就一定能降低 20% 的库存资金”。库存结果还受到采购价格、销售增长、仓储费和渠道结构影响。它真正说明的是：当库存状态、补货周期和批次责任被统一后，卖家才有机会同时优化缺货风险和库存占用，而不是在两者之间被动摇摆。

2. 为什么缺货率下降，库存资金也能下降

很多人认为降低缺货率必然需要增加库存，但上述变化并不矛盾。调整前，库存主要堆在低销量 SKU 和错误批次上，真正容易断货的核心 SKU 反而没有及时获得资源。库存总量很高，库存结构却不匹配需求。

调整后，卖家把采购预算向高贡献、高复购和高缺货损失 SKU 倾斜，同时减少长尾商品的固定批量。对于活动品，采用“首批到货加后续可追加”的方式，而不是一次性押注完整活动销量。这样做的结果是，总库存减少，但关键销售窗口的可用库存增加。

3. 批次数据带来的隐性收益

批次追踪的收益并不只体现在报表中。仓库拣货时能够明确先出哪一批，运营可以知道哪些库存适合活动，客服能够快速判断客户收到的是否为问题批次，采购可以用历史异常数据与供应商谈判。过去需要多人反复查找的工作，变成了系统或表格中的一次筛选。

从管理角度看，批次数据还改变了责任认定方式。没有批次时，质量异常通常只能追究“这个 SKU 有问题”；有批次后，可以进一步判断是供应商生产、运输存储、仓库操作还是渠道发货环节出现问题。责任颗粒度越清晰，改善措施越具体，重复犯错的概率就越低。

六、不同经营情况下的行动建议：不要用同一套库存规则管理所有卖家

1. 现金流紧张的小卖家

现金流紧张时，最重要的不是建立复杂模型，而是先确保库存数字可信。可以从销量最高、退货损失最大或保质期最短的 20 个 SKU 开始，手工拆分可售、预留、冻结和在途状态。

1. 每天确认核心 SKU 的可售库存和订单预留数量。
2. 每周复盘供应商实际交期，不使用口头承诺作为唯一依据。
3. 长尾 SKU 尽量减少起订量，必要时采用预售或按单采购。
4. 对保质期商品设定最低剩余有效期，低于阈值就停止常规补货。
5. 优先保证一个主仓或一个主要渠道的履约稳定，避免库存过度分散。

这类卖家的取舍是：接受部分长尾商品偶尔缺货，换取现金不被低周转库存锁住。只要能够提前向消费者表达交期，局部缺货有时比大量库存积压更容易控制。

2. SKU 较多、仓库较多的成熟卖家

多仓卖家最容易出现“总库存充足，局部仓库断货”的问题。补货计划不能只看全渠道总量，还要按仓库、区域订单结构和调拨时效计算可用库存。

• 按仓库计算日销量，而不是把所有仓库销量简单相加。
• 为每个仓库设置最低履约库存和最大库存上限。
• 在采购补货和仓间调拨之间比较成本与时效。
• 对共享库存设置渠道优先级，避免低贡献渠道占用核心库存。
• 将调拨在途与采购在途分开记录，避免重复抵扣需求。

如果华东仓每天需求 30 件，华南仓每天需求 8 件，即使华南仓多出 200 件，也不代表可以立刻解决华东仓的断货。还要考虑调拨运输、入库时间、调拨成本和平台发货承诺。多仓库存的核心不是总量最小，而是库存位置与订单位置匹配。

3. 活动驱动型卖家

活动型卖家不能把活动期间的销量直接外推到全年，也不能只按历史销量准备库存。应当将活动需求拆成基础销量、活动增量和活动后衰减三个部分。

例如，活动前基础日销为 40 件，活动期预计增加 80 件，活动持续 3 天，活动后预计有 5 天回落到每天 55 件。补货计划需要覆盖这三个阶段，而不是简单按照每天 120 件乘以活动天数，再把剩余库存全部视为正常库存。

活动品最好采用分批到货：第一批满足确定性需求，第二批根据预热期的加购、收藏、转化和广告消耗决定是否追加。这样会牺牲部分采购单价，却能减少活动失败后的库存压力。

4. 保质期和质量风险较高的卖家

这类卖家应当先建立批次准入规则，再讨论补货数量。采购合同中要明确生产日期范围、最短剩余有效期、批次标识方式、抽检比例和异常处理责任。仓库收货时如果批次标识无法识别，宁可进入待处理区，也不要直接并入可售库存。

补货时除了看库存覆盖天数，还要看“库存可销售窗口”。假设某商品剩余有效期为 45 天，供应商交期为 10 天，平台和仓库要求至少保留 20 天有效期，那么真正可用于销售的窗口只有 25 天。若预计销售周期超过这一窗口，继续补货可能会把未来问题提前锁定。

5. 新品或数据不足的卖家

新品没有稳定历史数据时，不要假装预测结果很精确。应把首批采购拆成测试批、验证批和扩量批，明确每个阶段的观察指标。首批的任务不是追求最低采购单价，而是验证转化率、退货率、质量稳定性、生产交期和批次可追溯性。

新品测试期建议每天观察销量、流量来源、加购率、转化率、退款原因和履约时效。若销量增长来自单一达人或单一广告位，还不能直接判断为自然需求。只有当多个流量来源都出现相近的购买表现，扩量采购才更可靠。

七、不同方案的取舍：精细化管理也有成本

1. 表格管理、系统管理和专业平台管理

不同阶段的卖家不一定需要同样的工具。表格的优点是成本低、修改快，适合 SKU 数量少、仓库少、流程简单的团队；缺点是多人协作容易出现版本冲突，批次出库和订单关联也容易依赖人工。

当 SKU、仓库和渠道数量增加后，某项目管理工具或某项目管理平台可以用于分配采购任务、跟踪补货审批、记录异常处理节点，但它们通常不能替代专业库存系统中的实时库存、批次扣减和仓储作业逻辑。选择工具时要先划分边界，不要因为有任务看板，就认为已经完成库存追踪。

2. 追求实时库存，还是接受合理延迟

实时库存听起来最好，但并非所有业务都值得为实时同步支付高昂成本。高频订单、库存数量少、缺货损失高的 SKU，应尽量缩短同步延迟；低频订单、库存充足且单价较低的商品，可以接受小时级或日级同步。

我建议按照风险而不是按照技术理想分配实时能力。对于核心爆款，订单、预留、出库和调拨最好接近实时；对于低频长尾 SKU，重点是保证每日库存准确和批次信息完整。库存系统的目标不是让所有数据都实时，而是让高风险动作足够及时。

3. 批次越细，管理越好吗

批次颗粒度越细，追踪能力越强，但仓库操作成本也越高。如果每个包装箱、每次搬运都产生新的批次，系统记录会变得复杂，拣货人员容易选错，盘点成本也会增加。

我通常建议先按“质量责任和销售规则”确定批次边界。生产日期不同、供应商不同、包装版本不同或质量状态不同，应当分批；单纯因为从一个库位移动到另一个库位，不必产生新批次，只需要保留库存移动记录。这样既能追溯，又不会把库存切割得过细。

八、执行清单：用四周完成一次可验证的库存改造

1. 第一周：清理 SKU 主数据

第一周不要急着上线复杂流程，先统一 SKU 主数据。检查商品名称、规格、包装版本、供应商、采购单位、销售单位、箱规、保质期和仓库编码。尤其要处理同一商品多个名称、同一 SKU 多个规格和采购单位与销售单位不一致的问题。

1. 删除重复 SKU，保留历史映射关系。
2. 统一规格、颜色、容量和包装版本字段。
3. 明确采购单位与销售单位之间的换算关系。
4. 为保质期商品增加生产日期和失效日期字段。
5. 为多供应商商品增加供应商批次和质检结果字段。

2. 第二周：建立库存状态和批次规则

第二周要把“库存”拆成可售、预留、待质检、冻结、残次和在途。每种状态必须定义进入条件、退出条件和责任人。例如，待质检库存不能被运营当作可售库存，冻结库存不能通过人工改名重新进入销售库存。

同时确定批次生成规则和出库规则。对于保质期商品，明确按剩余有效期排序；对于包装版本商品，明确不同渠道的可销售范围；对于质量异常商品，明确冻结后是否允许调拨或退回供应商。

3. 第三周：回填历史批次并进行小范围验证

历史数据不完整时，不必追求一次性全部补齐。可以先选择最近三个月入库的核心 SKU，依据采购单、收货单、仓库照片、物流单和售后记录逐步回填。对于无法确认的商品，单独标记为“批次未知”，不要为了让报表看起来完整而随意猜测。

验证时选择一个仓库和一个销售渠道，连续观察 7 天。重点检查订单预留是否重复扣减、退货是否能回填库存、批次出库是否符合规则、调拨是否改变批次归属，以及实际盘点与系统数量的差异。

4. 第四周：建立补货审批和复盘机制

第四周开始运行补货计划。每日查看核心 SKU，隔日查看活动 SKU，每周查看稳定 SKU，每两周或每月查看长尾 SKU。补货建议生成后，采购、运营和仓库不能只点击通过，还要对异常原因进行备注。

• 需求突然增长：确认是自然趋势、广告投放还是短期事件。
• 在途延期：调整可靠在途折算比例，并重新计算断货日期。
• 批次不符合要求：从可售库存中剔除，不允许自动抵扣补货需求。
• 仓库分布不匹配：比较调拨成本和新增采购成本。
• 库存长期不动：判断降价、换渠道、组合销售或停止采购。

九、结语：最好的库存系统，是让每一次采购都能被解释

1. 从“库存有多少”转向“库存为什么在这里”

库存管理的成熟标志，不是报表上有更多字段，而是团队能够解释每一批库存为什么存在。它是为了覆盖哪段需求？预计什么时候销售？属于哪个供应商和生产批次？如果销量没有达到预期，谁负责调整？如果批次出现异常，哪些订单会受到影响？

当这些问题都能被快速回答时，库存就不再是仓库里的静态资产，而是可以被计划、分配、追踪和复盘的经营资源。

2. 下一步先做三件事

如果你现在的库存数据还比较混乱，我不建议立刻追求复杂预测。先从最容易产生损失的环节开始：清点核心 SKU 的真实可售库存，建立供应商实际交期记录，为保质期或质量风险商品补齐批次字段。

1. 选出销售额最高、缺货损失最大或批次风险最高的 20 个 SKU。
2. 将账面库存拆分为可售、预留、冻结、待质检、残次和在途。
3. 用过去 8 至 12 次采购记录计算真实交期，而不是只看供应商承诺。
4. 为每个核心 SKU 写出下一次补货的数量、日期、批次要求和责任人。
5. 连续运行四周，比较缺货率、库存周转天数、临期占比和异常定位耗时。

我的判断是：SKU 库存管理最值得投入的地方，不是把预测数字做得看起来很精确，而是建立从预测到行动、从批次到订单的证据链。预测允许有误差，库存也可以有波动，但每一次偏差都应该能被发现、解释和修正。对电商卖家而言，这比一张看似精确却无法指导采购和仓库动作的库存报表更有价值。

免费注册

咨询方案

扫码咨询方案