sku库存管理最容易被误解成“库存少了就补、库存多了就停”，但我在实际做补货计划时发现，真正造成缺货和积压的，往往不是不会计算，而是把不同性质的库存混在了一起：把在途货当成可售库存，把促销销量当成日常需求，把供应商承诺交期当成真实交期，把所有SKU都用同一套安全库存公式处理。供应链负责人要做的，不是追求每个SKU都零缺货，而是在服务水平、资金占用、仓容、采购批量和供应风险之间，做出可解释、可复盘的取舍。
sku库存：供应链负责人基础版：补货计划的完整方法与步骤
一个合格的补货计划，至少要回答四个问题：未来一段时间会卖多少，现有库存能撑多久，下一批货什么时候真正可用，以及这批货到达后会不会形成新的积压。只看当前库存数量，无法回答其中任何一个问题。
我通常把SKU的可用库存定义为：现货可售库存，加上已经确认且能在需求发生前到货的在途库存，再减去已分配未发货数量、冻结库存和质量待检库存。这个口径看似基础，却是很多补货表出错的起点。
补货量不是“目标库存减当前库存”，而是“覆盖预测需求、交期需求和风险缓冲后的可用缺口”。如果一款商品在途1000件，但预计到货日已经晚于下一次销售高峰，那么这1000件对当前补货决策的帮助可能接近于零。
在基础版补货计划中，我建议先使用以下四个指标，不要一上来就做复杂算法。
基础公式可以写成：
日均需求 = 观察周期有效销量 ÷ 有效销售天数
再订货点 = 日均需求 × 平均交期 + 安全库存
建议补货量 = 目标库存 – 可用库存 – 确认在途库存
实际采购量 = 向上取整至供应商最小起订量或包装倍数
这里最容易被忽略的是“目标库存”。目标库存不是越大越好，而是要覆盖一个补货周期。对于固定周期检查的企业，可以使用“检查周期加交期”的覆盖天数；对于持续监控的企业，则可以以再订货点和目标库存上限分别管理触发与补足。
SKU数量一旦超过几百个，就不可能每天人工逐个判断。我的经验是，补货系统或表格首先要把SKU分成三类：今天必须处理的红色风险项，本周需要确认的黄色关注项，以及暂时不需要动作的绿色稳定项。
补货计划的成熟度，不体现在表格有多少列，而体现在负责人能否在十分钟内找到最需要决策的十个SKU，并说明每个SKU为什么要补、补多少、由谁确认、何时复盘。
我处理过一类典型场景：某个厨房小家电在直播活动后，三天销量达到平时两周的水平。负责补货的人直接把这三天的日均销量乘以30天，算出下一批要采购两万多件。结果活动结束后，日销量迅速回落，仓库里留下了近一个月的库存。
这不是公式算错，而是需求样本选错。爆发型销量包含了流量、折扣、达人曝光和提前囤货等因素，不能直接当成基础需求。对于促销SKU，至少要把基础销量、活动增量和活动后回落期分开估计。
常规品的需求更适合用近30天、近60天或近90天的加权平均；季节品需要与去年同期、今年季节进度和渠道变化结合；长尾品则不能只按平均销量补货，因为它们可能长期不动，却在某个订单中突然出现集中需求。
库存报表里最危险的一列，往往就是“库存总数”。库存总数可能包含残次品、待检品、展示品、渠道锁定库存和已经分配给订单但尚未出库的货。采购如果直接拿这个数字减预测需求，结果通常会偏向少采购。
我建议至少拆出以下库存状态：
| 库存状态 | 是否计入可用库存 | 补货判断 | 常见风险 |
|---|---|---|---|
| 现货可售 | 是 | 直接用于覆盖需求 | 数量准确但可能被其他渠道锁定 |
| 已分配未发货 | 否 | 先从现货中扣除 | 重复承诺，导致实际缺货 |
| 质量待检 | 通常否 | 视检验周期决定 | 检验不合格后形成虚假库存 |
| 已下单在途 | 按到货可信度折算 | 确认交期后再纳入 | 供应商延期使缺口突然暴露 |
| 残次或不可售 | 否 | 进入报废或返修流程 | 账面库存长期虚高 |
销售通常关心“不能断货”，采购关心“供应商多久能交”，仓库关心“有没有位置放”，财务关心“占用了多少现金”。如果补货表只提供一个采购数量，这四个部门都会认为计划不完整。
因此，我会把每个建议补货单拆成四个维度：需求覆盖天数、到货时间、资金占用和库存风险。数量相同的两个SKU，可能因为单价、体积、交期和售后成本不同，决策优先级完全不同。
最近七天数据的优势是新鲜，缺点是容易被活动、节假日、平台流量和缺货影响。假设某SKU平时每天卖100件，活动期间每天卖500件，活动后七天每天卖60件。如果把活动期数据直接延伸到30天，采购量会被放大数倍；如果把缺货期的每天销量当成真实需求，又会低估市场需求。
我在实际判断时会先问三个问题：这段销量是否有价格变化，是否有额外流量，是否出现过缺货。如果答案为“是”，这段数据就不能原样进入基础预测，至少需要做标记、拆分或降权。
供应商说“七天交货”，不代表平均交期就是七天。真正需要记录的是从下单确认到货物完成入库的时间，包括排产等待、生产、质检、装运、清关和入仓。
我建议使用交期分布，而不是只记录一个平均数。例如某供应商过去十批订单的实际交期分别为6、7、8、8、9、10、11、13、16、21天，平均交期是10.9天，但如果企业希望覆盖大多数正常波动，使用第80或第90百分位交期会比使用平均数更稳妥。
平均交期适合估算成本，保守交期适合管理缺货风险。两者不能混用。用平均交期做安全库存，用最差交期做采购周期，通常会造成库存过高；用供应商口头承诺交期做全部计划，则会造成缺货频发。
服务水平是“在补货周期内不发生缺货”的概率目标，不应简单理解为越高越好。关键客户专用件、售后替换件和高毛利爆款可能需要更高服务水平；低毛利、易过期、体积大的长尾品，则可能不值得配置同等安全库存。
如果把所有SKU都设为98%的服务水平，库存资金会迅速上升，但整体销售未必同步增加。更合理的做法是根据缺货损失、替代性、供应风险和库存持有成本分层配置。
模型算出采购437件，但供应商每箱24件，最小起订量为10箱，实际采购就不能停留在437件。向上取整后的数量可能是480件，也可能是720件。两者差异会直接影响仓容、现金和库存周转。
我会把“计算需求”和“执行数量”分成两列。前者用于判断市场需要多少，后者用于判断供应商允许买多少。这样即使最终多买了43件，也能追溯这是包装约束造成的，而不是预测失误。
缺货一般容易被发现，积压却常常在几个月后才暴露。很多企业把积压归因于“卖得不好”，但真正原因可能是预测重复计算了在途、采购提前期过长、促销后没有下调预测，或者采购为了凑起订量多买了一整箱。
我建议每次补货复盘时，至少把积压拆成四类：预测偏高、供应批量过大、需求结构改变、库存状态失真。只有找到形成原因，下一次补货模型才会真正变好。
有效需求的第一步是清洗数据。退货应根据实际可二次销售情况处理，刷单和取消订单不能作为需求，缺货期间的销量只能反映“被满足的需求”，不能代表全部市场需求。
在基础版模型中，我通常先计算近30天、近60天和近90天三个窗口，再观察它们的差异。如果三个窗口相差不大，说明需求相对稳定；如果近30天明显高于近90天，就要判断是增长、活动还是偶然波动。
一个简单的加权预测可以是：
基础日均需求 = 近30天日均需求 × 50%
+ 近60天日均需求 × 30%
+ 近90天日均需求 × 20%
这个公式不是标准答案，而是一个容易解释、便于人工校正的起点。对于季节性明显的SKU，我不会机械使用近30天权重，而会引入去年同期、季节指数和当前渠道结构变化。
ABC分类回答“这个SKU对销售或利润有多重要”，XYZ分类回答“这个SKU的需求有多稳定”。两者组合后，才更适合决定补货方式。
| 组合 | 典型特征 | 建议管理方式 |
|---|---|---|
| AX | 高价值、需求稳定 | 持续监控，较高服务水平，精细计算安全库存 |
| AY | 高价值、需求有波动 | 结合订单、促销和渠道信息滚动调整 |
| AZ | 高价值、需求高度不稳定 | 小批量、多频次，必要时按订单采购 |
| BX或CX | 价值较低、需求稳定 | 可采用固定周期补货，降低人工管理成本 |
| BY、BZ、CY、CZ | 价值和需求稳定性较弱 | 控制库存上限，严格审查起订量和滞销风险 |
我特别重视AZ和CZ两类SKU。它们往往不是库存金额最高的，却最容易因为需求不稳定、起订量过大和退货率较高而形成低周转库存。
安全库存不是“拍脑袋加20%”。它至少要覆盖需求波动和交期波动。如果需求每天变化很大，但供应商交期稳定，安全库存主要解决需求不确定性；如果需求稳定但供应商经常延期，安全库存就要更多地承担交期风险。
在数据相对完整时，可以使用需求标准差、交期标准差和目标服务水平计算。基础场景下，也可以采用更容易落地的规则：
采购最小起订量、包装倍数、生产批量、有效期、仓容和现金预算，都会改变理论补货量。理论上需要300件，供应商要求1000件起订，这不是简单的“向上取整”，而是一个需要重新评估的经营决策。
我会要求补货表同时显示“理论需求量”和“执行采购量”，并计算执行后库存覆盖天数。如果执行采购量让覆盖天数从25天跳到90天，采购负责人就应该触发一次谈判：能否拆单、能否寄售、能否改包装、能否与其他SKU共用原料，或者是否应该寻找替代供应商。
下面用一个脱敏样本说明完整过程。该SKU是某类家用设备的替换配件，单位售价不高，但缺货会影响整机售后。近90天有效销量为5400件，平均每月约1800件；供应商承诺交期为10天，最小起订量为1000件，包装倍数为100件。
当时系统显示现货820件，在途1000件，建议采购数量为0。业务团队认为库存足够，但我继续检查后发现，其中现货有120件待检，150件已经分配给售后工单，在途订单过去三批平均延迟6天，且近30天销量比近90天均值高出约28%。
如果直接使用账面库存，库存覆盖判断会明显偏乐观。修正后的库存口径如下：
| 项目 | 数量 | 处理方式 |
|---|---|---|
| 账面现货 | 820件 | 作为原始库存输入 |
| 质量待检 | -120件 | 暂不作为可售库存 |
| 售后已分配 | -150件 | 从新需求可用库存中扣除 |
| 修正后可用现货 | 550件 | 用于覆盖新增需求 |
| 确认在途折算 | 1000件 | 只有确认到货时间后纳入计划 |
近90天日均需求为60件，近30天日均需求为77件。考虑近期渠道增长但不把全部增长永久化，我将基础日均需求暂定为70件，并将10天承诺交期调整为历史较稳定的14天计划交期。
如果安全库存按7天需求计算，则安全库存为490件，再订货点为：
再订货点 = 70件 × 14天 + 490件
= 1470件
当前修正后可用现货为550件，确认在途为1000件。即使在途按时到货，合计可用库存也只有1550件，仅比再订货点高80件，无法覆盖下一次采购周期内的增长和延期风险。因此，“建议采购0件”的结论并不稳健。
考虑最小起订量为1000件，实际建议采购1000件，并要求供应商将交期拆成两批：500件先发，500件在一周后发。这样做的代价是增加一次物流协调，但可以避免一次性把库存推到过高水平。
这个案例的重点不是采购了1000件，而是把原本隐含的风险显性化。原计划如果继续执行，售后库存可能先被消耗，随后在途延期，导致客户等待时间拉长。修正后，供应、采购和售后都知道哪一批货承担什么用途。
在情景推演中，原方案的预计覆盖天数约为22天，若在途延期6天，缺货风险会快速上升；拆单方案的最高覆盖天数约为37天，但资金峰值低于一次性采购2000件。对于低单价配件而言，这是一个更合理的服务水平与库存成本平衡。
补货计划开始前，先确认SKU编码、规格、单位、箱规、供应商、采购价、最小起订量、交期、有效期和替代关系。主数据不统一时，销售按“件”统计，采购按“箱”下单，仓库按“托”入库，最后每个人都认为自己的数字正确。
特别要检查同一商品是否存在多个SKU编码、颜色和规格是否混卖、老包装是否仍被计入库存。SKU主数据清理通常不会直接增加销量，却能减少大量人为判断。
建议至少提取近90天的每日销量、订单数、退货数、取消数、促销标记、缺货天数和渠道来源。不要只拉一张月度汇总表，因为月度数据会掩盖活动峰值和断货影响。
基础版可以使用加权移动平均，高阶一点则使用指数平滑、季节指数或分渠道预测。无论使用什么方法，我建议都保留一个人工调整字段，但人工调整必须填写原因，例如“下月价格上涨”“已签订大客户订单”“平台活动已取消”，不能只输入一个拍脑袋的百分比。
对于无法稳定预测的SKU，不要强行输出一个看似精确的数字。可以输出需求区间，例如未来30天需求预计在800至1200件之间，再用供应风险和采购批量决定安全库存。
在库存表中至少加入现货可售、已分配、冻结、待检、残次、在途和在途预计到货日。对于延期频繁的供应商，可以给在途订单增加可信度等级：已装运、已出库、已生产、已确认未排产。
我不建议把所有在途都直接加入可用库存。较稳妥的做法是：已装运且有物流追踪的在途全额计入；已生产但未出库的在途按计划可信度计入；只有口头确认、没有排产证明的订单暂不计入。
每个SKU至少要有预计缺货日。预计缺货日可以用可用库存除以日均需求估算，再与最早可到货日比较。如果预计缺货日早于最早可到货日，就进入红色风险列表。
建议补货量可以按以下顺序计算：
基础版阶段，我建议把系统输出叫“采购建议单”，不要直接叫“采购订单”。自动下单适合规则非常稳定、供应商交期可靠、SKU标准化程度高的场景；对于促销品、季节品和交期波动大的商品，保留人工确认更安全。
采购建议单至少包括SKU、建议采购量、理论需求量、预计到货日、供应商、采购价、预计金额、当前覆盖天数、预计缺货日、触发原因和审批人。这样管理者看到的不只是“买多少”，而是“为什么现在买”。
补货闭环不能在采购单审批后结束。到货后要比较预测销量、实际销量、计划交期、实际交期、理论采购量和实际采购量。如果只统计“有没有缺货”，无法知道模型到底哪里需要修正。
我建议每月固定复盘以下指标：
这类SKU最适合采用固定周期补货或再订货点补货。可以每周检查一次，设定目标覆盖天数，并以包装倍数向上取整。管理重点不是每天修改预测，而是保持主数据准确、记录异常订单和监控库存周转。
如果连续三个月需求波动很小，且供应商准时交付率高，可以逐步减少人工审批，把精力放到高风险SKU上。
增长型SKU不应只看历史平均值。需要同时观察搜索量、加购量、渠道订单、销售团队预测和产能计划。如果近30天销量连续高于近90天均值，建议采用滚动预测，并把预测增量拆成“已验证增长”和“待验证增长”。
采购上可以采用小批量、高频次方式，先保证供应弹性，再逐步提高采购量。对尚未验证的增长，宁可保留供应商产能和快速补单能力，也不要一次性把全部预期需求变成库存。
促销SKU要建立活动前、活动中和活动后三个库存阶段。活动前按照预计活动销量和补货交期准备；活动中按实时销售速度校正；活动后立刻下调预测，并把未售库存纳入清仓、换购或渠道转移方案。
最危险的做法是活动结束后仍沿用活动前的日均销量。活动期间形成的销售高峰可能包含消费者提前购买，活动后的自然回落速度通常比负责人想象得快。
季节品的补货窗口非常重要。错过窗口后，即使继续补货，供应商也可能因为旺季排产无法按时交付；但提前太多又会增加季末清仓风险。
我建议将季节品拆为三个决策点：季前备货量、旺季补单量、季末剩余量。季前备货更多参考去年同期和今年渠道计划，旺季补单更多参考实时销售和竞争环境，季末则要提前设定库存退出机制。
对于交期波动大的SKU，先不要简单增加安全库存。可以依次尝试四种办法：缩短确认节点、拆分批次、增加第二供应商、替换通用规格。如果每次延期都用库存填补，企业会逐渐习惯用现金掩盖供应问题。
如果该SKU是关键零件，供应商管理应增加交期分布、准时交付率、延期原因和补救时间，而不只是记录一个合同交期。
这类SKU不适合完全按照平均销量自动补货。可以采用订单触发、低库存保留、供应商备货或替代品策略。尤其是价格高、有效期短或技术迭代快的商品，库存持有成本可能高于一次缺货损失。
如果客户可以接受等待，按订单采购更合理；如果客户不接受等待，则要把安全库存视为服务承诺的成本，明确由业务部门承担，而不是让采购单独背负。
补货决策首先要比较缺货成本和持有成本。缺货成本不仅包括失去一笔订单，还可能包括客户流失、平台处罚、售后补偿、销售机会成本和整机无法交付的连带损失。
库存成本也不只是采购金额，还包括仓储、保险、资金利息、损耗、过期、降价和管理成本。对于电子产品和时效性商品，库存贬值可能比仓储费更大。
| 情景 | 优先目标 | 适合做法 | 主要代价 |
|---|---|---|---|
| 关键客户不能断供 | 提高服务水平 | 提高安全库存，建立专用库存 | 资金占用和呆滞风险上升 |
| 商品易过期或快速迭代 | 降低库存损失 | 小批量、高频次、按订单采购 | 缺货概率和采购频次上升 |
| 供应商交期不稳定 | 提高供应弹性 | 双供应商、拆单、替代规格 | 管理复杂度和采购单价增加 |
| 现金流紧张 | 控制资金峰值 | 分批到货、寄售、延迟付款 | 可能牺牲部分数量折扣和即时供应能力 |
服务水平从95%提高到98%，通常需要增加更多安全库存，但新增库存带来的销售收益未必能覆盖持有成本。对高价值、高缺货损失SKU，这种投入可能值得；对低毛利、易滞销SKU，则可能是不经济的。
我建议把服务水平设置为分层参数，而不是全公司统一参数。例如关键售后件设置95%至98%，一般常规品设置90%至95%，长尾低毛利品设置80%至90%，再根据实际缺货损失进行调整。
一次性采购通常享有价格折扣，且能减少运输和下单次数，但会把需求预测错误、质量问题和库存贬值风险一次性放大。分批采购可能单价更高，却能让企业根据实际销售修正后续订单。
如果商品需求稳定、保质期长、供应商交期可靠，一次性采购更有优势；如果需求波动大、商品迭代快或活动结果不确定，分批采购通常更稳妥。
某项目管理工具可以用于跟踪采购任务、审批责任、异常处理和到货节点，但它不能替代需求预测、库存口径和供应商交期数据。把一个流程工具当成补货算法，通常只能让任务流转更清楚，不能自动让采购数量变准确。
如果企业准备引入系统，我会优先检查四个能力：是否能区分库存状态，是否能维护交期历史，是否能记录预测调整原因，是否能把建议补货量与采购订单、到货和复盘结果关联起来。系统的价值不是把错误计算得更快，而是让错误更早暴露、更容易追责和修正。
基础版不需要几十个复杂字段，但必须覆盖需求、库存、供应和决策四个维度。建议字段如下：
| 维度 | 建议字段 | 用途 |
|---|---|---|
| 需求 | 近30天销量、近90天销量、日均需求、预测调整率 | 判断未来需求基线 |
| 库存 | 现货可售、已分配、冻结、待检、残次 | 计算真实可用量 |
| 供应 | 供应商、平均交期、计划交期、最小起订量、包装倍数 | 判断补货是否能执行 |
| 风险 | 预计缺货日、库存覆盖天数、服务水平、库存金额 | 确定处理优先级 |
| 决策 | 理论补货量、执行采购量、触发原因、审批人 | 保留可追溯的决策记录 |
每日管理重点是红色风险：预计缺货、关键订单、供应商延期和库存状态异常。每日不需要重新计算全部SKU，而是处理真正可能影响当天履约的事项。
每周管理重点是补货建议和供应确认。采购、销售、仓库应共同确认高优先级SKU的需求、库存和到货时间，必要时调整采购批量或拆分交付。
每月管理重点是参数复盘，包括安全库存、目标覆盖天数、服务水平、供应商交期、ABC分类和呆滞库存。参数不复盘，补货表会逐渐失效，即使每天都有人在使用。
不要只看补货建议数量是否减少，也不要只看缺货次数。一个真正变好的模型，通常会同时出现以下变化：高价值SKU的缺货减少，低价值长尾品的库存覆盖下降，供应商延期被提前识别，人工处理时间减少，预测偏差原因更容易解释。
如果库存总额下降，但关键SKU缺货增加，说明企业只是压低了库存，没有改善补货质量；如果服务水平提高，但库存周转和现金流恶化，也不能称为成功。
第一周不要急着做高级预测。先选择销售额前80%的SKU，核对库存状态、供应商交期、最小起订量和包装倍数。只要这些基础字段不可靠，任何算法都只是把错误包装得更漂亮。
将所有SKU按预计缺货日、库存覆盖天数、供应风险和库存金额排序。红色清单要有明确责任人和处理时限，黄色清单要在周会上确认，绿色清单暂时不做人工干预。
这一步的价值在于让团队从“所有SKU都需要关注”转向“只关注会影响经营结果的SKU”。管理注意力本身也是一种稀缺资源。
每次采购完成后，记录当时的预测、实际销量、计划交期、实际交期和最终库存。不要只保留修正后的结果，原始判断同样重要。没有原始判断，就无法知道问题是数据错误、模型错误还是业务变化。
如果SKU数量少、供应关系简单，一张结构清晰的表格也可以完成基础管理；如果SKU数量多、渠道多、库存状态复杂，就需要让系统自动汇总数据、计算覆盖天数、生成风险清单和追踪采购节点。
选型时应优先看数据是否能闭环，而不是界面是否复杂。系统能否把销售、库存、采购、到货和复盘连接起来，决定了它能不能真正改善补货计划。
sku库存管理的核心，不是找到一个永远正确的补货公式，而是建立一套能持续修正的经营机制。销量会变，促销会变，供应商会延期，客户订单会临时插入，任何静态参数都会失效。真正可靠的计划，必须让需求变化、库存状态、供应约束和资金代价同时出现在决策桌面上。
我最建议供应链负责人记住的一句话是：先把库存口径做真实，再把需求预测做合理，最后才讨论算法是否高级。如果现货中有大量待检和已分配库存，如果在途没有可信到货时间，如果促销销量没有拆分，那么再复杂的模型也无法替代基本管理。
下一步可以从前20%高价值SKU开始，建立一张包含可用库存、日均需求、实际交期、再订货点、预计缺货日和建议采购量的补货表。连续运行四周后，复盘预测偏差、交期偏差和库存资金变化，再决定哪些参数需要调整、哪些SKU需要提高服务水平，以及哪些采购批量应该重新谈判。这样做虽然不炫技，却能最快把补货计划从“凭经验下单”变成“有证据、可解释、能复盘的供应链决策”。
我负责过一个包含约3200个SKU、6个仓库的消费品供应链，最初按销售额排序补货，结果畅销品缺货、长尾品积压同时发生。我想知道，一套真正能落地的补货计划，应该从哪些数据开始，具体按什么顺序执行？
补货计划不是简单回答“什么时候买、买多少”，而是先判断每个SKU是否值得持续备货，再计算需求、库存和供应周期。我的经验是，先做SKU分层，再做需求预测，最后才计算补货量；如果顺序反过来，公式越精确，错误放大的速度越快。第一步是统一基础数据。
至少需要近6至12个月的日销量、订单取消量、缺货天数、当前可用库存、在途库存、锁定库存、采购提前期、最小起订量、箱规、保质期和供应商交付准时率。缺货期间的销量不能直接当作真实需求，否则会低估市场需求。第二步是做SKU分层。建议同时使用销售贡献和需求稳定性，而不是只按销售额排序。
下面是一种适合基础版计划的分层方式： 层级判断标准管理方式 A类累计贡献约70%的销售额每日监控，设置安全库存，优先保障供应 B类累计贡献约20%的销售额每周复核，按周期补货 C类累计贡献约10%的销售额低频采购，控制起订量，必要时改为订单采购 第三步是计算补货点。
基础公式是：补货点＝日均需求×采购提前期＋安全库存。以某A类SKU为例，近30天正常日均销量为84件，供应商平均交付周期为12天，安全库存为420件，则补货点为84×12＋420＝1428件。当可用库存加确定到货量低于1428件时，系统才触发采购建议。第四步是计算补货数量。
基础版可使用“目标库存－预计库存”的方式：补货量＝目标库存－当前可用库存－确认在途库存。目标库存通常覆盖一个采购周期、一个审核周期和安全库存。例如采购周期12天、内部审核周期3天、日均需求84件、安全库存420件，则目标库存约为84×15＋420＝1680件。第五步是人工复核异常。
促销、换季、价格调整、渠道切换和一次性大客户订单，都会让历史均值失真。我通常把补货建议分成“自动通过、人工确认、暂不采购”三类，而不是让系统直接生成全部采购单。实际执行时，建议每天只处理A类和临近缺货SKU，每周处理B类，每月处理C类。
这样一个3200个SKU的仓库，日常需要人工查看的SKU可以从3200个降到约250至400个，计划会议也从两小时压缩到40分钟左右。关键不在于预测模型多复杂，而在于让有限的注意力集中到真正会影响销售和现金流的SKU上。
我以前直接按“7天销量”设置安全库存，供应商一延迟交货就会缺货，销量一回落又出现积压。现在我想把需求波动和供应商交付波动都纳入计算，但不确定基础版场景下应该采用什么公式，以及什么时候不能迷信公式。
安全库存不是越高越好，它本质上是用库存资金购买履约确定性。我的判断是，基础版补货计划不需要一开始就上复杂模型，但必须区分两种波动：需求波动和交付周期波动。只看销量标准差，通常会低估供应商不稳定带来的风险。
在数据较完整时，可以使用近似公式：安全库存＝服务水平系数×√（平均交付周期×需求波动²＋日均需求²×交付周期波动²）。其中，服务水平系数可按目标选择，约95%服务水平可取1.65，约90%可取1.28。
举例来说，某SKU日均需求100件，日需求标准差30件，平均交付周期10天，交付周期标准差2天，目标服务水平为95%。安全库存约为1.65×√（10×30²＋100²×2²），结果约为1085件。这个数字看起来很高，但它反映了“需求每天波动”和“供应商偶尔晚两天”同时发生时的风险。
如果暂时没有足够数据，可以采用更容易维护的简化法：安全库存＝日均需求×风险缓冲天数。
风险缓冲天数不要拍脑袋，可按供应商准时交付率设置： 供应商准时交付率建议缓冲适用判断 95%以上1至3天交付稳定、替代供应商较多 85%至95%4至7天偶发延迟，需要关注关键SKU 85%以下7天以上或改换供应商不建议只靠堆库存解决 我在实际项目中踩过一个坑：把缺货天数也计入销量波动。
某SKU连续5天缺货，恢复供货后销量突然升高，系统把这段波动当成正常需求，安全库存被推高了近40%。正确做法是标记缺货区间，使用正常供货日的数据，或者对缺货期进行需求修正。安全库存还应设置上限。对保质期短、款式迭代快或退货率高的SKU，即使公式建议较高安全库存，也应设置资金或库存天数上限。
我的建议是每月复盘“缺货损失”和“库存占用”两项结果：如果安全库存增加后缺货率没有明显下降，就说明问题可能出在采购执行、入库效率或需求分层，而不是库存数量不足。
我负责过新品上线，第一批备货主要靠销售团队的乐观预估，结果首批库存两周就卖完，第二批又因为供应周期太长错过了活动。我想知道，没有完整历史数据时，如何设置首单数量、补货触发点和风险上限？
新SKU最危险的做法，是把销售预测当成事实。没有历史销量时，补货计划的核心不是预测得多准，而是把错误预测的损失限制在可承受范围内。我通常采用“小批量验证、快速复盘、分阶段放量”的方法，而不是一次性备足一个季度。首单数量可以拆成三部分：验证需求量、供应周期覆盖量和风险缓冲量。
公式可写为：首单量＝预计日销量×首个销售窗口＋预计日销量×供应周期＋风险缓冲。风险缓冲建议控制在预计首批销量的10%至30%，具体取决于供应商能否快速补单。例如，某新品预计首个销售窗口为14天，销售团队估计日销量为60件，供应周期为20天，首批风险缓冲取20%。
首单量约为60×14＋60×20，再乘以1.2，结果约为2448件。但这个结果不能直接采购，因为销售团队预测通常存在系统性乐观偏差。我会先用三个参照修正预测：相似SKU上市前30天销量、同渠道同价位商品销量、预售或加购数据。
假设三个参照分别给出日销量45件、52件和48件，可以取加权结果约49件，而不是直接采用60件。修正后首单量为49×34×1.2，约1999件，较原方案少449件，既降低库存风险，也保留了增长空间。
阶段观察指标补货动作 上市第1周点击转化、加购率、日销量、退货原因只处理明显缺货风险，不急于放大采购 上市第2至4周滚动7天销量、复购或连带购买、渠道差异按实际销量更新供应周期库存 第2个月起销量稳定性、毛利、库存周转决定进入常规补货、限量销售或退出 季节性SKU则不能使用全年平均销量。
应至少拆成旺季、平季和淡季，并把活动日历、天气、节假日和渠道促销纳入判断。一个冬季用品全年日均销量可能只有30件，但旺季日均销量达到260件，如果使用全年平均值，旺季一定会严重缺货。我还会给新品设置“库存止损线”：首批库存周转超过45天且连续两周销量下降，就暂停追加；
库存覆盖低于供应周期加安全缓冲时，才允许加急补货。新品计划的成功标准不是一次预测准确，而是把滞销金额、加急物流费和缺货损失控制在预算内。
我曾经用Excel维护过两千多个SKU，刚开始觉得灵活，后来发现采购、仓库和销售各自保存一份文件，库存数字经常对不上。对于供应链负责人基础版，究竟应该先把表格做到什么程度，哪些信号出现后才值得引入系统？
Excel不是问题，失控的口径和流程才是问题。对于SKU数量少于500、仓库少于2个、供应商交付稳定的团队，结构化Excel完全可以支撑基础补货；但如果多人同时编辑、库存频繁变动或在途订单较多，表格很快会从计算工具变成风险源。我建议基础表至少拆成五张，不要把所有内容堆在一张表里。
第一张是SKU主数据，保存编码、规格、箱规、供应商和保质期；第二张是每日库存流水；第三张是采购订单和预计到货日；第四张是销售及退货数据；第五张是补货建议和人工审批结果。
补货建议表至少应包含以下字段：SKU、可用库存、锁定库存、确认在途、近7天日均销量、近30天日均销量、采购提前期、供应商准时率、安全库存、补货点、目标库存、建议采购量和异常原因。没有“异常原因”这一列，负责人很难判断系统建议是否值得执行。
我做过一次表格治理，把“库存余额”改为“期末库存＋已确认入库－已分配订单”的可用库存口径，并统一时间截点。调整后，采购和仓库之间的库存差异从约8%降到2%以内。这个结果说明，很多所谓的预测问题，其实首先是库存定义不一致。
场景Excel可支撑程度建议 少于500个SKU、单仓较高先建立固定模板和审批规则 500至3000个SKU、多仓中等使用统一数据源，减少手工复制 超过3000个SKU、订单频繁变化较低考虑库存系统或业务系统集成 存在批次、保质期、序列号管理较低优先使用支持批次追踪的系统 出现三个信号时，我通常建议升级工具：第一，人工每天花费超过1小时合并库存文件；
第二，采购建议经常因数据过期而失效；第三，盘点差异连续两个月超过3%。如果只是为了“看起来更智能”而上线系统，却没有统一SKU编码、库存状态和入库流程，系统只会把错误数据更快地展示出来。因此，基础版最稳妥的路径是先用Excel跑通一套可审计流程：谁更新数据、何时更新、谁审批、哪些情况允许人工覆盖。
连续运行4至8周后，再根据错误率、人工耗时和缺货损失决定是否上系统。工具选择应服从业务复杂度，而不是反过来让团队迁就工具。
读者评论
这篇把“在途库存”和“可用库存”分开讲得很实用。以前我们做补货时只看库存总数，后来发现已分配、待检和残次品占比不低，导致系统显示库存充足，实际却频繁缺货。建议再补充一个库存状态更新的责任和频率。
促销销量不能直接外推这一点很有共鸣。活动期间的销量往往受折扣和流量影响，若直接按近7天数据采购，积压风险确实很高。文中的基础销量、活动增量和回落期拆分，比较适合先用表格落地。
ABC与XYZ组合比单纯按销售额排序更接近实际管理。尤其是高价值但波动大的SKU，既不能盲目备大量库存，也不能完全按长尾品处理。实际执行时还应把供应商交期波动、起订量和仓储成本一起纳入优先级。