旺季最容易出现的补货错误，不是“库存备少了”，而是把旺季预测直接加到安全库存里：需求抬高了，交期却仍按平时估算；供应商延迟、仓库截单、促销提前等变量没有进入模型，结果不是库存堆高，就是热销 SKU 仍然断货。我的判断是，安全库存应当用来吸收需求和供给的不确定性，旺季准备则要先识别不确定性来自哪里，再决定补货点要不要调整、调整多少、何时恢复。
补货点回答的是：当库存状态降到什么位置时，现在下单仍有较大把握在需求发生前补到货。一个常见的表达式是：补货点等于采购提前期内的预期需求，加上安全库存。这里的“库存状态”不应只看货架上的现货，而要看可用库存、已下单未到货、已承诺给订单的数量，以及在途异常。
在需求稳定、采购提前期固定的简化情形下，可以写成：补货点 = 日均需求 × 平均采购提前期 + 安全库存。这个表达式容易理解，但它隐含了两个很强的假设：需求波动可以用当前日均值代表，供应提前期不会明显漂移。旺季往往恰好破坏这两个假设。
因此，我不会建议仓库只在平时补货点上乘一个“旺季系数”。这个做法把季节性增长和不确定性混成一个数，无法解释库存为何增加，也很难在旺季过后及时调低。
假设某 SKU 平日每天销售 40 件，旺季促销期间预计每天销售 55 件。前者是需求水平发生变化，应该调整提前期需求预测；若供应商在旺季还可能把交货时间从 8 天拖到 10 天，且延迟幅度变大，这才是供给不确定性增加，需要反映在安全库存或供应策略里。
两者看起来都会让仓库多备货，管理含义却不同。旺季销量上涨但预测准确时，补货点应随预测需求调整；销量没有明显增加但交期变得不稳定时，增加安全库存、拆单或寻找替代供应才更有针对性。
很多团队能说明旺季前为什么加库存，却没有规定什么时候减库存。结果是季节性需求已经回落，旧补货点仍然有效，采购订单继续到货，库存从保供工具变成现金占用。
我会把旺季规则写成有起止日期、有触发条件、有复核频率的临时策略：何时采用旺季需求预测，何时提高供应风险缓冲，何时冻结临时参数，何时恢复常态参数。没有退出条件的旺季库存方案，不是安全库存管理，而是把风险推迟到旺季之后。
我在梳理补货规则时，首先会问团队：你们说的库存，是仓库现场可拣货数量，还是系统显示的账面库存？采购说“货已下单”，仓库却说“货架没货”，两边可能都没说错。补货决策需要一个统一的库存位置口径，否则就会重复下单，或把不可用库存误当成可售库存。
实务中至少要区分现货、冻结库存、待检库存、已分配库存、已确认采购量、运输中采购量和供应商尚未确认的订单。已下单不等于已确认，已确认也不等于会按期到货。若把所有在途量都按足额、准时计算，补货点会显得充足，实际到货日却可能晚于需求高峰。
我建议用库存位置来判断是否触发补货：库存位置 = 可用现货 + 可信在途量 − 未交订单需求 − 已分配量。其中“可信在途量”必须有明确的纳入标准，例如供应商确认、物流节点可追踪、到货日期仍在可接受范围内。条件不满足的在途订单，应按风险折扣处理或暂不计入。
周平均销量可能没有明显异常，促销日、节前备货日却可能集中消耗库存。若只看月均或周均，仓库会低估补货点附近的短时需求强度。尤其是电商活动、门店集中补货、渠道团购等场景，订单不是均匀到达，日均需求不能充分表达波峰。
这时我会把需求拆成基础销量、已知活动增量和随机波动。已知促销应进入活动需求计划；随机波动才由安全库存吸收。若活动方案尚未批准、渠道订单还未确认，就不能把预测增量当作确定需求，也不应把全部不确定量压给库存。
需要留意的是，历史数据会受到缺货影响。某 SKU 缺货的日子，系统记录的销售量往往低于真实需求。如果直接用销售历史计算日均销量，旺季前的需求基线就可能被低估。遇到缺货时段，我会标记库存可售状态，并结合未满足订单、搜索需求或同类替代品情况，评估销量是否被供给限制。
采购提前期应从实际业务节点计算，而非只抄采购合同上的承诺值。它可能包含采购审批、供应商备货、出厂等待、运输、收货排队、质检和上架。仓库真正能拣货的时点，才是补货覆盖期的终点。
同一供应商的不同 SKU、不同运输方式和不同订单规模，实际交期可能不同。若旺季仓库收货能力不足，货物到达园区不代表库存马上可用；若供应商把多个客户订单排队生产，旺季交期波动也可能比平时更大。只看采购单上的“预计到货日期”，容易把流程瓶颈漏掉。
如果采购员每天检查补货点，系统一旦触发就能当天处理；如果每周只在固定日期审一次，商品可能在触发后继续消耗数天，等待下一次复核。这段时间通常称为复核周期或检查间隔，它会影响需要保护的库存量。
对定期复核的品类，保护期不应只看采购提前期，而要考虑采购提前期加复核间隔。旺季期间若订单审批、预算审核或供应商确认也有固定周期，这些等待同样会扩大保护期。若只针对交期计算安全库存，系统公式再精细也可能在执行环节失效。
“所有 SKU 多备 7 天”易于沟通，却忽略了销量规模和波动差异。日销 2 件的商品加 7 天是 14 件，日销 200 件的商品加 7 天是 1,400 件，两者资金、库容和过期风险完全不同。固定天数可以作为临时规则，但不适合作为长期、全品类统一标准。
固定天数还会掩盖供应差异。若一个 SKU 交期稳定，另一个 SKU 交期变化很大，统一的天数会给前者造成不必要的库存，对后者又可能保护不足。需要保留固定天数时，至少按商品分层，并为高风险、高价值、长交期商品单独复核。
最保守的组合是把极端高销量和极端长交期同时相乘。它适合用于压力测试，却不宜不加判断地作为日常补货点。两个极端值可能来自不同时间、不同原因，简单拼接会产生一个几乎不可能发生的场景，导致库存长期偏高。
反过来，完全不用极端情形也有风险。对停供后果严重、替代品不足或补货周期很长的 SKU，我会单独做压力情景，核算在供应延迟和需求放大的组合下，缺货会损失多少订单、停线或服务能力。日常参数与压力预案应分开管理，不要让压力测试值悄悄变成永久参数。
目标服务水平越高，通常需要越多安全库存，但额外库存的边际收益会逐渐下降。把所有 SKU 都设成相同的高服务水平，既没有考虑缺货损失，也没有考虑库存成本。低价值、可替代、补货快的商品，与停线关键件、季节性爆款，应该有不同的库存目标。
服务水平也需要明确口径。周期服务水平关注一个补货周期内不缺货的概率；满足率关注需求数量中有多少比例被即时满足。两者不是同一个指标。若团队把“订单满足率”直接代入按周期缺货概率设定的模型，算出来的安全库存可能失真。
安全库存不是预测修正的垃圾桶。促销信息没录入、渠道订单重复、单位换算错误、换季商品混入普通销量，这些问题应先在需求数据和计划流程中解决。若预测的系统性偏差持续存在，仅靠加库存会把错误固化成成本。
我会先区分偏差与波动：预测长期偏低属于偏差，通常要修复预测方法或业务输入；预测有高有低但总体无方向性，才更像随机波动，可由安全库存缓冲。把两者混在一起，会使高估与低估相互抵消，报表看上去“误差不大”，但仓库仍频繁缺货。
采购订单数量不等于可靠供给。供应商未确认、尚未排产、运输节点异常或到货后需要较长质检的货物，都可能无法在目标日期前转成可用库存。如果这些数量被直接纳入库存位置，系统可能认为无需补货，真正缺货时再加急采购，成本更高。
比较可行的方式是给在途订单划分状态，例如“已确认且按期”“已确认但有延迟风险”“未确认”“已超期”。不同状态采用不同的计算规则，并保留人工例外处理。状态必须有责任人和更新时限，否则风险标记会很快失去可信度。
在计算之前，我会先确认补货单位、仓库范围和商品粒度。一个商品可能有多个包装规格、多个仓库或多个供应商。若销售按“件”、采购按“箱”、仓库按“托盘”记录，必须建立可靠的单位换算关系；若把多个仓库合并计算，还要确认库存是否可以跨仓调拨、调拨需要多久。
决策对象也不是所有商品都必须细到同样程度。高价值、长交期、缺货损失高的 SKU 值得按仓库、供应商分别管理；低价值、消耗稳定的商品可以采用较简化的规则。模型复杂度应与决策影响匹配，公式更复杂不等于管理更准确。
我会先检查缺货天、退货、赠品、内部领用、一次性大单、单位换算变化、商品生命周期切换和促销活动。异常值不应一律删除：一次性大单如果来自真实客户需求，未来可能再次发生；若它只是一次临时项目需求，则不适合直接进入常态日均需求。
对有缺货的时间段，要区分“没有需求”和“有需求但无货可卖”。若只有销售出库数据，没有缺货标记，需求估计天然偏低。可以结合订单取消、未交订单、库存为零时段，以及补货后销量恢复情况做修正，并记录采用了什么假设。
旺季前还应拆分基准需求与活动增量。对确定的活动日，可以直接使用经审批的活动计划；对尚未确定的活动方案，不应把猜测当作订单。若历史旺季年份很少，建议用相似活动、相似渠道或相近 SKU 做参照，并把推定区间保留下来，而不是给出一个貌似精确的单点预测。
需求波动可以用日需求标准差、周需求波动或预测误差衡量，选择哪一种取决于补货决策的时间粒度。交期波动则从实际收货记录估算：从采购订单达到既定起点，到库存可拣货的天数。起点和终点必须在所有订单中一致，否则波动值不可比较。
当需求和交期都可能变化，常用的近似安全库存公式之一是：安全库存 = 服务水平系数 × √（平均交期 × 日需求方差 + 平均日需求² × 交期方差）。公式假设需求与交期近似独立，且数据分布和样本足以支持估计。若需求与交期相关、数据稀疏、销量高度间歇，不能机械套用正态分布模型。
当交期基本固定时，可简化为：安全库存约等于服务水平系数乘以日需求标准差，再乘以平均交期的平方根。这里的服务水平系数不是通用常数，应由缺货代价、持有成本和服务目标共同决定。公式的作用是把假设说清楚，并非自动替管理者作出取舍。
缺货成本不只包括丢失的一笔销售。它可能包括客户流失、加急运输、生产停线、替代品处理、渠道罚款和人工补救。持有成本也不只是仓租，还包括资金占用、保险、损耗、过期、跌价和旺季后清仓折价。
在数据不足时，不必假装能精确算出每一种成本。我会先将 SKU 按缺货影响和库存风险分层，用明确的管理目标作为初始服务标准，然后根据缺货频次、积压和加急费用进行复盘。分层标准可以由企业自己制定，关键是把高服务目标留给真正值得保障的商品。
补货触发后还要考虑最小起订量、整箱倍数、供应商配额、预算、库容、保质期和收货能力。理论补货量若按逐件采购计算，实际采购却必须按整箱下单，最终库存轨迹会与公式不同。规则必须模拟真实约束，而不是只给出一个理想化补货点。
若团队每周复核一次，除了采购提前期，也应考虑下次复核前的需求。若供应商最小起订量远大于补货点缺口，建议将“何时下单”和“下多少”分开决策：补货点解决触发时机，订货批量则依据起订量、经济批量、保质期和库容确定。
回测时，我会拿过去的需求和实际交期，模拟当时每天能看到的信息，逐日更新库存位置，记录规则是否触发、采购何时下达、库存何时到达、是否发生缺货，以及平均库存和加急成本。关键是不能让模型提前使用未来信息，例如用最终真实交期去假设当时采购员已经知道它会延迟。
如果新规则减少缺货，却让平均库存或过期风险大幅增加，不应直接判定为成功。反过来，平均库存下降但旺季关键 SKU 缺货频率上升，也不能只凭资金占用变好就认定规则有效。至少要同时观察服务、库存、现金和执行四类结果。
下面是一组用于说明计算逻辑的情景模拟数据，不代表任何企业的真实经营结果，也不是行业平均值。设某 SKU 平日需求均值为每天 40 件，日需求标准差为 12 件；平均采购提前期为 8 天，交期标准差为 2 天。暂时假设需求和交期相互独立，且需求可用近似正态分布描述。
若目标周期服务水平暂按 95% 演示，使用常见正态近似系数 1.645。提前期需求均值为 40 × 8，即 320 件。考虑需求和交期共同波动，安全库存约为 1.645 × √（8 × 12² + 40² × 2²），结果约为 143 件。因此，简化补货点约为 463 件。
若误把交期看成固定 8 天，只考虑需求波动，安全库存约为 1.645 × 12 × √8，结果约为 56 件，补货点约为 376 件。两种计算相差约 87 件。这个差值不是“正确答案”，而是提醒我们：忽略交期波动会把供应不确定性隐去，且在平均日需求较高时，交期波动影响可能非常显著。
上述结果依赖独立性、分布形态和参数估计。若旺季延迟与高需求同步发生，例如所有客户都在促销期间集中采购，而供应商也因产能拥堵延迟，需求与交期就可能正相关。此时简单公式可能低估联合风险，需要用历史配对数据、情景分析或压力测试补充判断。
假设活动计划已确认，旺季日均需求从 40 件升至 55 件，而采购提前期均值仍为 8 天。旺季提前期需求均值就应按 55 × 8 计算，即 440 件。若波动参数也经旺季历史数据验证后仍采用前述假设，安全库存仍约为 143 件，旺季补货点约为 583 件。
这里有一个重要限制：旺季需求波动通常不一定与平日相同。若促销造成需求标准差上升，就应重估标准差；若交期也拉长或波动变大，也要更新交期参数。直接沿用平日安全库存，只适用于波动水平没有明显变化的假设，不能因为公式得到了一个数就忽视条件。
假设当前库存位置为 510 件，旺季补货点为 583 件，系统会提示已经触发补货，但并不意味着只采购 73 件。若供应商最小起订量是 200 件，或者按整箱 48 件采购，实际订单还要结合未来需求、下一次复核时间、预计到货量和库容计算。
若库存位置中已包含一笔可靠在途订单，采购量可能需要减少；若在途订单预计晚于需求窗口，或者供应商尚未确认，则不能简单用它抵扣。实际补货量应回答“下单后到下次可用补货之前，库存如何覆盖”，而不是只把当前库存补到某个静态数字。
以九数云为例，我会把它视作数据分析与经营看板的一个候选载体：先核实当前版本的数据连接能力、权限管理、刷新频率和计算方式，再决定是否适合承载库存分析。平台本身不会自动知道“未确认在途是否可信”，这些业务口径需要企业先定义。
我会优先整理销售明细、库存快照、采购订单、供应商确认、收货记录、退货与缺货标记等数据。至少要保证商品编码、仓库编码、采购订单号、单位换算和日期口径能够关联。字段存在但定义不一致，得到的可视化只会让错误更容易被看到。
在看板上，我通常先做三类视图：SKU 日需求与预测偏差，实际采购提前期分布与超期记录，库存位置与补货点之间的差值。再按 ABC 价值、需求稳定性、供应风险和保质期筛选。若平台支持所需的数据处理和权限控制，可将关键指标做成可追溯报表；如不支持某项能力，就应在数据准备或其他系统中完成，不能把未验证的功能当作既有能力。
一个实用的检查路径是从 SKU 单行追到原始单据：为什么该 SKU 补货点是 583 件？旺季需求输入来自哪个活动计划？交期标准差由哪些采购订单算出？当前 510 件库存位置包括哪些在途订单？如果分析人员和采购员不能回答这几个问题，看板就还没有成为决策工具。
模拟回测可以先比较补货点、缺货天数、满足率、平均库存、超期库存和加急采购次数。所有结果都要写明统计窗口与分母。例如满足率是按订单行数、需求件数还是订单金额计算，结论可能不同；平均库存是按每日快照平均，还是只取月末库存，也会带来偏差。
对旺季尤其要分开看活动期、活动前和活动后。活动期服务水平改善，不等于整体策略更优；如果活动后库存滞留、折价出清增加，旺季策略的总成本可能更高。我的建议是把旺季结束后的库存回落速度列为复盘项，而不是只看活动当天有没有缺货。
这类商品适合使用较简单的统计规则。先确认需求数据没有明显缺货截断，再按固定复核周期计算日均需求和波动，定期检查实际交期是否仍稳定。若参数长期变化不大，可以降低人工逐 SKU 复核频率，但要设定补货点偏差、连续缺货或交期超限的告警条件。
如果商品价值低、补货快且替代性强，不必为追求极高服务水平设置过大的缓冲。对于整箱采购的商品，先评估批量约束造成的库存波动，避免把由最小起订量导致的高库存错误归因于安全库存公式。
这类商品应重点改善需求识别，而不是先增加采购缓冲。把促销、节日、渠道补货和新品发布信息单独建档，尽可能提前纳入预测。对活动计划频繁变化的 SKU，可以设置短周期复核和人工审批，防止已取消的活动需求仍驱动采购。
若销量呈间歇性，简单日均和标准差可能给出难以执行的结果。例如一个 SKU 每周只在两天销售，日需求大量为零，正态近似不一定合适。可以按周或按订单事件建模，或采用“基础备货量加活动专项量”的规则，并把适用范围写清楚。
先拆解交期在哪个节点波动：供应商排产、出口或运输、收货排队、质量检验，还是采购审批。若交期风险源于内部审批，增加安全库存只能掩盖流程延误；若供应商长期不守约，应考虑供应商协同、备选来源、拆分到货或调整订货提前量。
短期内无法改变供给时，可以把交期波动纳入安全库存，并用超期风险状态折扣在途量。对高价值商品，应评估建立第二供应源或小额提前锁量的成本，而不是默认用更多现货库存解决全部问题。
这类商品不适合只靠系统自动下单。应建立旺季前的联合评审，采购、销售、计划、仓库共同确认需求情景、供应产能、到货窗口和应急路径。对关键 SKU，可以同时准备常态计划、延迟情景和需求激增情景，明确每种情景的触发阈值和可执行动作。
如果缺货可能造成停线、重大服务违约或不可替代的订单损失，库存目标可以相对高一些，但仍要核算库容、资金和过期风险。库存不是唯一的保险方式；替代料、跨仓调拨、供应商寄售、优先排产和客户分配规则，可能比单纯加库存更有效。
这类商品的安全库存上限应受到有效销售窗口约束。若采购提前期加复核周期接近剩余销售窗口，常规补货公式可能得到一个数学上合理、商业上不可接受的数。此时应在补货规则中加入保质期、剩余销售天数和旺季结束日期。
我会把“最后可下单日”和“最大可接受余货”纳入审批，而不是仅看补货点。旺季末段可以降低服务目标、减少采购批量或转用更快的供应渠道。降低服务目标并非管理退步，而是承认临近季末时，多余库存的损失可能高于少量缺货。
加库存的优点是简单、见效快，适用于缺货损失较高、供应改善需要时间、商品不易过期且仓库容量足够的场景。缺点是资金和空间占用立即增加，需求回落后库存可能滞留；若根因是预测偏差或供应商履约问题，增加库存还会掩盖问题。
我会要求每次提高安全库存都有数量依据和失效日期。若参数在旺季结束后没有自动复核，临时保护量容易变成永久库存。对按箱、按托采购的商品，安全库存增加可能还会触发一个完整采购批量，实际增加量远大于模型结果。
从每周复核改为每日复核，可以减少需求突然变化后的等待时间，尤其适合高波动、高价值或旺季活动商品。但频率提高后，采购员需要处理更多提醒，供应商也可能收到零散订单；如果数据刷新不及时，频繁复核只会更频繁地重复错误。
短周期复核不是所有商品的最佳选择。应先确认库存和订单数据更新速度、采购审批时限、供应商接单能力和仓库收货能力。如果补货执行仍要等待三天审批，每日看板并不会让货提前到达，反而可能制造虚假的响应速度。
备用供应商、分批交付或跨仓调拨可以减少对单一交期的依赖。它们尤其适用于缺货损失高、交期波动来自供应集中度、且有合格替代来源的商品。代价包括多供应商管理、质量一致性检查、价格差异、订单协调和额外运输成本。
拆分到货也不是无成本的保险。小批量可能增加运输和收货次数，供应商也未必愿意为小订单优先排产。实施前应核对产品质量要求、采购合同、物流成本和收货能力，并明确发生延迟时各批次如何进入库存位置。
如果产品结构允许替代，维护替代关系可能比把每个 SKU 都备到很高更经济。但替代关系必须由产品、质量或业务负责人确认，不能只凭名称相似或规格接近判断。还要记录替代比例、客户限制和系统库存扣减方式。
关键商品还可以约定缺货时的分配顺序，例如优先保障重点订单、维持生产线连续运行，或按订单先后满足。分配规则若到缺货当天才讨论，仓库和销售会同时承受压力。预先约定规则，能让有限库存被用在业务影响最大的地方。
方案比较不宜只列安全库存差异。我会把持有成本、缺货损失、加急运输、采购批量、过期折价、人工处理和供应商配合成本放进同一个决策视图。若成本数据不完整，至少把各项列为可观察指标，并注明哪些是实测、哪些是估算。
一个方案的服务水平提高 2 个百分点，并不自动代表它值得采用；如果多出的库存一年只换来很少的缺货减少，资金效率可能变差。相反，若一件关键零件缺货会造成高额停工损失，较高库存即便周转较慢，也可能是合理保险。取舍取决于缺货的业务后果，而不是库存周转率单一指标。
先选取一批有代表性的 SKU，不必一开始覆盖全仓。优先包括高销量、长交期、旺季敏感、易过期和曾经缺货的商品。逐项核实日需求、库存状态、采购提前期、供应商确认、单位换算和仓库收货时间，记录每个字段的来源与负责人。
如果数据无法追溯，不要急着输出看似精确的安全库存。先标出缺口，例如缺货期间销售被截断、在途订单没有状态、实际交期起止点不一致。让管理者看到“参数的不确定性来自哪里”，比给出一个没有可信基础的补货点更有价值。
建议至少比较常态规则和旺季规则，并把执行约束带入模拟。检查两种规则在历史旺季或相似活动中的缺货、平均库存、过期、加急采购和订单调整次数。若没有足够历史数据，就采用明确标注的情景模拟，区分已观测事实与推定结果。
回测不要只挑表现最好的 SKU 展示。应当抽查表现差的商品，判断失败原因是模型不适用、需求数据错误、供应商延迟，还是下单没有按规则执行。失败案例往往比平均值更能揭示补货方案的真实边界。
每个临时补货点都应记录适用 SKU、仓库、开始日期、结束日期、预测版本、服务目标、审批人和恢复条件。若促销延后、活动取消、渠道订单减少或供应商交期变化，参数要有重新评估的触发条件，而不是等到月末报表出来再发现异常。
参数变更记录还应保留旧值与新值，以及调整原因。这样复盘时可以识别：库存变化来自需求预测修正、交期风险变化、服务目标调整，还是采购批量约束。没有变更记录，旺季结束后就很难判断哪些库存是策略需要，哪些是执行遗留。
旺季期间每周至少查看需求预测偏差、供应商确认率、实际交期、在途超期、库存位置与补货点差值、缺货与加急采购。若某个 SKU 连续偏离预期，不应只手动改数，还要判断是活动需求发生变化，还是供给端出现了新约束。
旺季结束后，按预设规则恢复常态参数，并检查未到货采购订单、可取消订单、可调拨库存和过期风险。复盘应同时回答三个问题：哪些商品确实需要更高缓冲，哪些商品是预测输入不准，哪些商品应通过供应链动作解决。答案不同，下一轮改进动作也不同。
最终规则应让采购员、计划员和仓库主管能在同一口径下做判断。以下表格不是固定标准，而是一个便于启动讨论的框架；企业应按缺货代价、商品特性和供应能力调整分类条件。
| 商品与供应特征 | 优先处理动作 | 补货点管理方式 | 复核重点 |
|---|---|---|---|
| 需求稳定、交期稳定 | 建立基础参数并自动监控 | 按常态需求与需求波动计算 | 关注参数漂移、起订量和库存准确率 |
| 活动敏感、需求波动高 | 维护活动计划和预测版本 | 按活动窗口临时切换需求基线 | 确认活动日期、渠道订单和缺货截断 |
| 供应商交期波动高 | 跟踪确认与超期，评估备选来源 | 纳入交期波动并谨慎计算可信在途 | 检查采购审批、排产、运输和收货节点 |
| 高缺货损失、难替代 | 跨部门评审并准备应急情景 | 服务目标与缓冲由业务影响决定 | 核算停线、违约、调拨和加急成本 |
| 易过期、旺季后价值下降 | 设置最后下单日与余货上限 | 补货点受销售窗口和保质期约束 | 跟踪活动结束后的库存回落和折价风险 |
无论用表格、ERP 报表还是九数云这类分析平台，最终都应让使用者从异常数字回到业务记录。补货点升高，要能看到是需求均值、需求波动、交期均值还是交期方差改变；库存位置偏低，要能看到可用现货、冻结量、未交需求和在途状态各自贡献了多少。
看板还应区分事实、预测和规则。实际销量属于已发生事实，活动销量属于计划或预测，安全库存属于管理政策。三者若在同一图上混为一谈，容易让使用者误以为预测已经实现。通过标签、日期和数据来源说明清楚区分，能减少错误下单和无效争论。
我的最终判断是：安全库存不是一个“多备多少”的孤立数字，而是一套关于需求、交期、服务目标和执行约束的公开假设。旺季准备做得好，不是把所有 SKU 的库存一起抬高，而是找出哪些商品的需求真的变了、哪些供应承诺更不可靠、哪些缺货后果值得付出额外库存成本。
下一步可以从一小组高风险 SKU 开始：统一库存位置口径，核实实际交期，分开录入旺季需求与随机波动，回测两个可执行方案，再设定参数的生效和退出日期。只有当每个补货点都能解释“为什么是这个数、什么时候失效、失效后谁来处理”，旺季库存才真正从经验判断变成可复核的管理决策。
我负责的仓库有几个 SKU 平时销量不高，但一到活动周就容易断货。我不确定安全库存应该按固定天数备货，还是按需求波动和供应商交期计算；如果用公式，具体该怎么代入数据？
补货点不是单独的安全库存，而是“交期内预计需求＋安全库存”。如果日需求和交期都可能波动，可用安全库存公式：服务水平对应的系数 × √（平均交期 × 日需求标准差²＋平均日需求² × 交期标准差²）。这个算法适用于需求波动与交期波动近似独立的场景；
数据存在明显相关性时，应进一步用历史交期内需求分布校验。用一组演算数据说明：某 SKU 平均每天出库 40 件，日需求标准差 12 件，平均补货交期 10 天，交期标准差 2 天。
若目标周期服务水平约为 95%，取系数 1.65，则安全库存约为 146 件，补货点约为 40 × 10＋146＝546 件。这里的 95% 指一个补货周期内不缺货的概率，不等于订单满足率。实际执行时要先统一口径：需求应按实际出库量统计，并标记缺货导致的未满足需求；
交期应从下单日记录到可销售入库日，而不是只看供应商承诺日。否则，缺货期间被压低的销量和被忽略的收货延迟，都会让补货点看起来比真实需要更低。
我过去会在旺季前把所有商品的安全库存统一上调 20%，但有些货压了很久，有些热门款还是断货。我想知道旺季补货到底该提前多久准备，应该按什么信号调整？
不要先设一个全仓统一的加成比例。旺季补货点应使用旺季期间的日均需求、需求波动和实际交期重新计算；同时把旺季产能拥堵、预约入库和运输延误反映到交期数据中。只抬高安全库存、却不调整预计需求或交期，容易把准备方向做反。
例如，前述 SKU 旺季预计日均需求升至 60 件，日需求标准差升至 18 件，平均交期变为 14 天、交期标准差变为 3 天。按同一公式估算，安全库存约 317 件，补货点约 60 × 14＋317＝1,157 件。
这个结果不是建议直接照搬，而是说明：旺季平均需求和供应不确定性同时变化时，补货点可能大幅改变。可以按旺季开始倒推：先用历史订单、促销排期或已确认的大客户需求估算旺季日需求，再按供应商实际交期倒推最晚下单日，并至少留出一次纠偏机会。
若交期跨越旺季起点，计算时应按交期内各阶段的需求分别累加，不能把淡季日均需求乘整个交期。
我手上的新品只有几周销量记录，老品又有过多次缺货，销量数据看起来忽高忽低。我担心直接算标准差不可靠，也不想因为怕断货就把库存堆得太多，有没有更稳妥的做法？
数据少时，公式不会自动变可靠。先把销量拆成正常需求、促销需求和缺货影响：缺货期间的实际出库量只是被满足的需求，不一定代表顾客真实想买多少。可以用未缺货日期的销量、订单取消记录或相似 SKU 的销售曲线补充判断，并明确哪些数字是估计值。
新品可先找生命周期、价格带和销售渠道相近的替代 SKU，采用其日需求区间，而不是只借用一个平均值。比如预测日需求可能在 20 至 35 件之间，就先以区间做情景测算，再用短周期小批量补货验证；验证结果更新后，再逐步替换初始假设。
当数据不足以稳定估计标准差时，可暂用“预计日需求 × 供应缓冲天数”作为简化安全库存，但应标注这是临时规则，并设定复核日期。旺季高价值、缺货损失大的商品可以采用偏保守区间；低周转、易过时商品则应更谨慎，避免把不确定性全部转化成库存。
我担心补货点设置一次后就被当成长期标准，等到供应商交期变长或商品销量换季时才发现已经失效。除了定期看库存，我还应该关注哪些指标，才能尽早发现参数需要重算？
复核频率应跟波动速度走，而不是所有 SKU 一律每月重算。旺季商品、新品和交期不稳定的商品，可以每周检查需求预测、在途库存和供应商交期；稳定商品可按月复核。即使定期检查，促销计划、采购限制或供应商变更也应触发即时复算。
至少追踪四项：缺货发生次数、补货周期内是否断货、供应商实际交期及其波动、库存覆盖天数。若实际交期连续偏离设定值，或需求连续数周明显高于预测，不应只临时加单，而要检查交期和需求分布是否已经改变；反过来，库存覆盖天数持续上升且缺货风险低，也要检查是否仍沿用过时的旺季参数。
建议保留参数变更记录，包括变更日期、旧值、新值、触发原因和验证结果。这样复盘时能判断库存增加究竟改善了缺货，还是只增加了积压。对有保质期、季节淘汰或资金占用压力的商品，安全库存还应设置上限，并由补货负责人确认例外。
读者评论
把促销增量和安全库存分开计算这点很实用。我们之前按旺季系数统一加库存，活动结束后参数没及时调回，确实容易留下积压。
在途库存要看供应商确认和物流状态，不能只凭采购单数量判断，这个提醒很关键。实际落地时还得明确谁更新订单状态，否则库存位置很快就不准了。
文章把收货、质检到可拣货都纳入交期，补上了容易忽略的仓库环节。不同 SKU 的流程差异较大，按实际可用时间统计，比直接采用合同交期更有参考价值。