奢侈品库存管理的双重悖论：越安全，越危险？
我在2019年参与过一个欧洲腕表品牌在中国区的业务诊断项目。那个品牌当时最头疼的不是销售增长，而是门店库存损耗率，百分之三点七。在奢侈品行业，这个数字意味着每年有超过两千万人民币的货品在物理账面上消失。大部分从业者会将这归结为防盗系统失灵，但当我调出他们三个月的数据后台时，发现的却是另一回事：这家品牌在华南区的一家门店，缺货率达到了百分之二十三，但同一时期，它的安全库存系数却高于华北区门店。换句话说，安全库存水平越高的门店，不缺货，但是也不“安全”。
这件事让我意识到一个严重的认知鸿沟：很多奢侈品企业把安全库存管理和防盗管理割裂成两个完全独立的系统，前者由供应链团队负责，后者由防损部门负责，彼此之间几乎零数据交换。而这种信息孤岛，才是造成库存损耗本质难以根治的真正原因。库存管理系统在奢侈品行业的应用，绝不能只是给每个SKU套一个服务水平公式那么简单。它必须同时成为防盗体系的前置预警装置。
安全库存的核心任务是应对需求波动和供应不确定性，而防盗管理的核心任务是防范物理货品在流转过程中的非正常流失。两者的目标在表面上是冲突的，安全库存鼓励多备货来保障服务，而高库存浓度恰恰为盗窃提供了更多目标。本文的核心观点是：库存管理系统在奢侈品行业若不接入实时防盗数据与损耗分析，安全库存公式本身就存在重大结构缺陷。将安全库存从被动的资金占用管理，升级为主动的防盗策略合作伙伴，是奢侈品品牌真正实现降损提效的唯一路径。
大多数奢侈品品牌的WMS系统，记录的是商品的物理位置（库位、货架号、出入库时间），但不记录“是否处于异常监护状态”。当一件货品被顾客从陈列柜取出，进入试戴区未归还时，WMS只知道它在“试戴”，但如果它在试戴区被转移或掉包，系统不会自动触发库存状态变更。品牌一个月后盘点才发现货品丢失，但此时安全库存已经在无感知的状态下被消耗，导致系统自动触发补货，而事实上那个SKU并未产生销售。
我见过一家奢侈品鞋履品牌的门店经理，每个月的第一周都在重复做一件事情：人工核对防盗系统报警记录与WMS库存变动日志。他两周才能处理完一个月的异常数据，而数据清理完毕时，该补的货已经补了三次，不该补的也从仓库发来了。这种以月为单位的核验周期，在整个奢侈品行业极其普遍，它直接导致安全库存只能按照“黑盒模式”运行，系统完全不知道库存中的X%其实是永远不会产生销售的损耗。
经典的安全库存公式 S = Z × σ × √L（Z为服务水平系数，σ为需求标准差，L为补货提前期），没有给盗窃损耗留下任何输入位置。替换为更精准的服务水平公式时，绝大多数ERP系统内置的算法也不支持用户自定义一个“非销售损耗系数”。当门店实际损耗率达到百分之三点五时，系统假设的库存可用量仍然是百分之百，这意味着安全库存本质上低估了真实需求。
这不是理论问题，每年都会造成真实的交易损失。一个手袋SKU日均销量为5件，标准安全库存为15件，对应7天销量。如果失窃率不纳入计算，当系统提示还有15件可用时，实际上门店货架上可能只有13件，另外2件已经在过去一周内被盗或错放。缺货两周后，明星单品开始断码，客人流失到竞品门店。总部供应链看到的是“安全库存充足”，一线销售看到的是“无货可卖”，这两个事实能出现在同一家公司、同一个门店，就发生在数据断裂的缝隙里。
安全库存的存在逻辑是多备货以防万一，但在奢侈品线下门店，货架上的陈列密度越高，盗窃的机会窗口就越宽。我曾在杭州一家高端购物中心做过单店行为观察：一个腕表陈列柜里集中摆放超过十二块同系列腕表时，顾客翻看时间和柜台营业员注意力分散概率显著上升。更极端的案例来自某珠宝品牌，他们在一家旗舰店的VIP区设置了多组高密度托盘，事后发现该区域失窃率比低密度陈列区域高出百分之四十。高库存密度在这一实证下，不只是资金占用问题，而是直接放大防盗压力的安全隐患。
这个观点在一线品牌里非常普遍。供应链部门认为自己只需要管好“该备多少货”，防损部门则觉得自己需要管好“怎么防偷”，两班人马使用两套独立的系统，开互不牵涉的会议。但在我经历的项目里，真正发生过一件颠覆认知的事：一家知名皮具品牌的中国区供应链总监说他们的安全库存很健康，从不缺货。我请防损部门拉了一个单店失窃清单，发现缺货的主力SKU恰好就是失窃率高于百分之五的几个款式。因为失窃导致的实际可售量远低于系统记录，系统才开始补货，但补货周期三到四周，等货到了，旺季已过。
供应链在不了解失窃损耗的前提下调整安全库存，就像在一间没有窗户的房间里判断外面的天气。每一次调整，本质上都是赌博。
技术的推广者总会过度承诺。RFID可以在库房端实现快速的批量盘点，EAS可以确保出口的警报响应，但两者都解决不了一个核心问题：防盗系统产生的大量事件数据（某SKU何时尝试离开店铺、某试戴柜的人次、某时段高频进出记录），如何回流到安全库存的计算算法里？事实是，很多品牌在软硬件上投入千万级，却没有任何流程把防盗系统的每日事件记录写入库存主数据。
我参与过RFID标签在腕表和珠宝品类的测试。一个奢品腕表本身带有金属表带，金属会对RFID信号产生屏蔽和反射，导致读取准确率在下行百分之二十以上。为了解决这个问题，一个品牌采购了特制抗金属标签，每个成本增加近乎五元。五元对几千上万的货也许不算什么，但如果全渠道年发件量达到五十万，额外成本就达到两百五十万，而效果只是让库房盘点失窃损耗的准确率从百分之七十一提升到百分之八十五，依然无法做到实时追踪零售柜台的单件流动。硬件部署不等于管理问题消失。
这是最原始也最顽固的思维。安全库存越多，不代表盗损会显著下降，反而可能带来更大的隐形成本。某轻奢女装品牌把安全库存系数从百分之十五调整到百分之三十，缺货率确实下降了六个点，但库存周转天数却暴涨了十八天。后者的后果更严重：现金流被大量占用，现金流紧张就缩减营销投放，营销一缩，销售跟着跌，缺货率又回升。更不提高库存中的货品会因为尺码、颜色过季而产生产品贬值，这部分间接损失甚至高于被盗直接损失。安全库存不是多多益善，而是要在“防盗损耗”和“资金占用”之间找一个精确的平衡点。
经典的S = Z × σ × √L公式可以修正为： S' = Z × (σ + μ) × √L，其中μ为月度非销售损耗偏移量，可以从RFID盘点差异、EAS报警记录、人工抽查损耗三个渠道加权计算。μ的初始值可以通过历史三个月门店盘点差异率均值来估算。如果一家门店前三个月的盘点差异率分别为百分之二点一、百分之二点四、百分之二点七，则μ = (2.1% + 2.4% + 2.7%) / 3 = 2.4%。将这个比例乘以门店日均销量，就得到μ的具体件数。这个数值一旦嵌入系统，安全库存就不再只是应对需求变化，也同时预留了防盗损耗的空间，不再让系统在无意识中补来填补被盗库存的货。
不同SKU、不同门店的失窃风险差异很大。我不建议一门店一策地做精细到每日，那样管理层看不懂也承受不了维护成本，但可以做三层水位：
这种水位机制不是重新发明一套系统，而是在现有WMS的补货审批中增加一个“防盗风险标志位”。技术实现难度不高，对现有业务流程的改动也很小，但它能从根本上避免高损耗门店被系统无脑补货的问题。水位机制的核心理念是所有补货动作，都必须通过安全库存和防盗数据双重校验。
传统库存管理最看重的指标是缺货率和库存周转天数。这两个指标在防盗视角下都不够全面。我建议所有奢侈品品牌在供应链仪表盘里增加一个“安全库存健康度”指标，计算公式为：
健康度 = 1 – (当月盘点损耗率 + 当月因补货过度导致的贬值率) / 当月库存持有成本率
当健康度低于百分之七十时，系统自动激活改进机制：需要风险库存水位干预。这项指标会迫使业务部门不再只关注缺货，而是将库存和防盗当作一枚硬币的两面。我在前面提到的那家腕表品牌，后来采纳了这个指标并运行了一个季度，将门店层面的盘点差异率从百分之三缩减到了百分之一点四。驱动变化的不再是某个人的警觉，而是指标本身在滚动。
我的一位客户在上海和南京的两家门店做过为期四个月的AB测试。A门店（上海）继续使用原来的安全库存逻辑，B门店（南京）在WMS中嵌入了一个简易风险水位逻辑，并与已有的EAS报警系统和RFID盘点数据做了接口对接。B门店比A门店多做什么？仅仅是在每日的早间补货清单上增加了一个“今日防盗风险预警”列，列出过去24小时内发生过2次以上EAS异常提示的SKU，这些SKU的补货量会在系统建议量基础上自动下调百分之十五。
测试结果：B门店四个月的盘点损耗率从百分之二点九降到了一点六，缺货率反而只微增了不到一个点（从百分之三点六升到百分之三点七）。因为扣除了被盗套利空间，补货反而更加精准。而A门店的盘点损耗率一直徘徊在百分之二点七到三之间。B门店的操作并不复杂，没有增加编制，没有换系统，只增加了一个新的库存状态字段和一个条件判断。
珠宝品类与腕表、皮具不同，很多高价商品（单价超过十万元）往往不会放在正常的安全库存计算范围，而是采取订制或预售方式。但该品牌的安全库存包含的“在柜标准品”在某些门店仍然面临频繁的试戴后掉包问题。内部数据统计显示：一个钻石戒指在柜台上展示超过4天，被盗概率是展示1天的接近两倍。这意味着安全库存的“时间维度”比“数量维度”更关键。
他们的做法比较巧妙：在RFID系统中设置一个“停留时长”字段，当某件货品在一个陈列柜中的连续停留时间超过48小时且未被顾客拿取试戴时，系统自动触发“陈列旋转”，营业员需要把该货品放入内库保险柜，换一件同款不同批次或同系列不同款到展柜。同时，该货品的库存状态会从“展示中”改为“内库待轮换”，不再计入预估的安全可用库存量，直到下次轮换指令释放。这么一来，安全库存包含了“防盗轮空”，不是单纯加量，而是在时间维度上稀释了每件货品的被盗风险。该品牌在四个重点门店试运行半年后，钻石品类的短周期失窃（试戴区转移）下降了接近四成。
别急着上RFID集群和大规模水位机制。先从建立失窃损耗和安全库存的关联清单做起：每月盘点后，把每个SKU的盘点差异也作为一列放在库存安全计划表的旁边，然后用一个简单的Excel公式算出“考虑损耗后的安全库存建议量”。具体做法是在现有安全库存公式里手工增加一个简单系数：建议安全库存量 = 传统公式值 × (1 + 近三个月平均盘点差异率)。
这个做法没有技术难度，成本为零，但它能立刻暴露出过去账面库存与实际可售库存之间的黑洞。历史上最早解决这个问题的品牌，往往都是从这里开始的。一个月后，你会拿到证据说服管理层启动系统对接。
这是我最常见的客户状态。WMS是独立的，EAS报警系统的数据只停留在防损部门。第一步是把EAS每日报警记录（按SKU、门店、时段）以CSV方式导出，每周导入WMS的临时表，与库存变动日志做一次关联查询，找出那些报警次数高但库存变动日志上无销售出库记录的SKU。这些SKU就是“虚假库存”，已经不存在但WMS仍记为可用的库存体。一旦识别出来，WMS应该对这些SKU的安全库存计算逻辑进行手动标记下调，或者至少人工核减再执行补货。
这一步只需一个人每周花半天处理，但完全不需要采购新硬件。在此基础上，再做店铺级梳理，将安全库存健康度指标纳入月度经营会议，推动按风险分组管理。
你们已经具备落地安全库存-防盗协同模型的条件。分三步走：
第一步，在WMS中增加字段“非销售损耗偏移量μ”，由RFID月度盘点差异自动计算，参与安全库存S'公式的更新。
第二步，在WMS的补货模块中加入前文的三层水位规则（警戒水位、干预水位、冻结水位），规则数据源来自RFID异常事件和EAS报警。
第三步，在供应链看板上增加“安全库存健康度”指标，与缺货率、库存周转天数并列，让业务部门同时看这三个指标，而不是只看一个。
技术层面没有难点，难点在于观念：安全库存不再只是供应链的事情，它也应该是防损的事。
做水位机制，意味着某些高损耗门店的某些SKU会自动降低备货量。短期内的缺货率也许会暂时上升一个百分点。这不是坏事，因为它是在淘汰虚假库存，是在用短期的缺货倒逼防盗管理提升。如果你不敢承受这个百分点的临时性缺货上升，你就始终无法斩断虚假库存的循环。取舍的核心在于：你是愿意面对百分之三的真实缺货，还是愿意容忍百分之三点五的失窃伴随百分之三的账面库存“不缺货”？
防盗数据如果不能对供应链公开，安全库存就只能在盲区中运行。很多防损部门担心数据开放后被业务部门问责。我会建议采取折中：只共享聚合后的μ值，不共享具体事件详情。μ是一个没有个人责任指向性的损耗偏移量，它不指向具体某个人某条记录，供应链拿到它唯一的作用是改善库存算法，不是追责。数据全部公开会产生抵触，完全不公开则造成结构性浪费，关键在于选择共享何种聚合粒度。
在奢侈品行业，有百分之百完美的安全库存，往往意味着有百分之十五左右的资金被压在仓库里；而这种高水位对盗窃的隐性推动，还会增加一条最终也会摊入成本。我见过最理性的奢侈品品牌，给缺货率设定的目标是百分之三到五之间。在这个范围内，他们通过库存健康度指标平衡资金成本和防盗风险。精确到令人煎熬的缺货率目标，并不适用于奢侈品行业。因为奢侈品追求的从来不是存量效率，而是单品价值的最优管理。
库存管理系统在奢侈品行业的价值，从来不应该被局限在“管好仓库里有什么”。它天然应该是整个企业管理体系的骨骼，而防盗，是骨骼上无法脱离的肌肉。当安全库存公式里包含了盗损变量，当补货流程被防盗水位校验，当陈列密度被风险数据动态调节，库存管理系统的角色就从记录工具变成了决策中枢。
下一步你要做三件事：打开你的库存系统，查看是否有字段能记录每日失窃损耗；审查当前的安全库存公式是否了解门店真实的物理损耗率；找防损部门聊一次，明确告诉他们，你想让他们的报警数据连入WMS，不是为了盯人，而是为了让库存补得更有价值。这三件事做完，你已经在把自己的品牌往“数据驱动防盗”的方向推进了一步，从被动的事后清算，转变成主动的事前干预。
这不是技术难题，这是信息权限和合作意识的联合打通。我见过不少品牌在技术栈上已经具备了所有这些条件，却十年如一日在两个孤岛里分别挖井。是时候打破这堵墙了，因为在一个高货值、高体验、高风险的行业里，最危险的库存永远不是缺货或积压的那一部分，而是你以为还在货架上、实际上早已消失的那一部分。
我在一家奢侈品包袋品牌做供应链，我们现在的安全库存只考虑了销售波动和补货周期，但我发现每个月总有几件货品因为失窃直接消失，导致系统显示的库存数据虚高，然后就经常缺货被门店抱怨。我想把盗窃量也纳入安全库存的计算里，但又怕拍脑袋设个系数太粗暴，反而让库存资金占用翻倍。请问有没有业内成熟的做法？
传统安全库存公式（基于需求波动和补货提前期）在奢侈品行业有一个致命盲区，它假设所有账面库存最终都能转化为销售，但失窃带来的‘非销售性库存消耗’会让账面数字失真、实际可用库存偏低。
我过去帮一个珠宝连锁做库存模型时，直接把历史盗窃率乘以同期出货量作为修正项，发现效果并不好，因为盗窃集中在几款高货值产品上，平均化会低估风险。真正的做法是分层建模：按门店、陈列区、时段和SKU单价设定盗窃风险系数，然后对每款单品重新定义‘有效安全库存’。
例如，一款镶钻手镯历史月均卖出30件，失窃2件，那么实际‘消耗率’是32件，安全库存基准就应该按32件对应的波动率去设，而不是30件。这需要系统能打通WMS和防损记录，并且至少用过去6~12个月的数据做回归，抠掉促销期和盘点调整的噪音。
我在实操中还踩过一个坑：如果直接将盗窃亏损作为成本计入财务端，而库存端还维持旧公式，财务就会觉得‘安全库存太高压资金’，双方扯皮。后来把盗窃率分层后放到看板里，和店铺运营的KPI挂钩，才真正落地。
所以答案很简单：必须计入，但要按SKU-门店-时间片细分，用加权盗窃损失率替代固定比例，然后重新计算再订货点。具体公式可以是：调整后安全库存 = Z × σ(D+L) + θ，其中θ是预测周期内的期望盗窃量，而σ只反映可控制的需求变异（建议用剔除盗窃后的纯销售数据计算）。这样才既保供货又不超储。
我是区域运营经理，我们刚在核心门店推了RFID防盗+盘点方案，但我发现虽然盘点快了很多，可库房还是按老规矩每周盘一次，店长说每天都能自动出库存报告却不知道怎么用。安全库存还是按以前那么高，我感觉没发挥出实时数据降低不确定性的价值，到底该怎么调整安全库存算法来享受RFID带来的红利？
这事儿我四年前在一家高端腕表零售集团做过，当时也是上了RFID+DVR联动，但安全库存水平一点没降，等于白花钱。核心原因很反直觉：大家以为RFID只是提高了盘点效率，却没搞明白它真正改变的是‘库存信息的不确定程度’。
传统安全库存公式里有一个关键项是需求偏差的估计，但这个偏差其实混合了真实需求波动和库存记录误差。当库存不准确时，你会被迫用更保守的公式来吸收误差。
RFID提供的高频、高准确度（可达99%以上）库存数据让你可以把公式里的‘误差项’拿掉，只保留纯需求波动，这样安全库存系数能直接下降20%~30%，而且不会增加缺货风险。具体操作上，我要求系统做到三点： 1. 每两小时自动生成一次‘实时库存快照’，不再依赖日盘。
把每周全盘改为循环盘点，用RFID定期核对高价值、高盗窃风险区域。3. 更新安全库存模型，改用更短的滚动预测窗口（例如从4周改为2周），因为数据更新快，短期预测更准。但有个很实际的教训：RFID只能告诉你‘现在有什么’，无法直接预测盗窃概率。所以防盗数据仍需单独输入模型。
我后来设计了一个动态安全库存触发器：当某款SKU的单个门店连续三天出现‘账面减实物的差异’时，系统自动提高该SKU未来一周的安全库存系数15%，直到差异消除。这个调整规避了纯人工拍脑袋，也避免了资金长期被无效占用。
所以你问怎么配合，不是简单把周盘改成日盘，而是必须重构安全库存的参数体系：降低提前期不确定性因子，降低库存不准确风险因子，再把防盗数据作为动态调节变量引入。这样RFID的投入才能在现金流上看到回报。
我管着十几家奢侈女装店，经常出现某个爆款只剩两件库存但还没来得及补货，这时候反而失窃率特别高，店员说是因为陈列的样品看管不过来，小偷专选这种稀缺款下手。我想在系统里设个规则：当库存低于安全阈值时，门店的EAS或监控自动调到更高敏感级别，或者要求店员强制上锁。
但IT说没遇到过这种需求，想问问有没有人在库存管理和防盗联动上做过类似设计？
你这个观察太准了。五年前我跟进一家欧洲皮具品牌的项目，他们发现60%以上的单品失窃都发生在‘该SKU门店库存≤3件’的时段，而不是库存充裕的时候。原因很简单：稀缺款陈列出来就是活广告，而且一旦店里只剩单件或双件，店员反倒不敢再锁柜子里（怕影响试穿体验），给了下手机会。
我们当时做的解决方案就是‘库存-防盗联动预警系统’，实际上是在库存管理系统的规则引擎里嵌入了三个逻辑： 1. 当系统实时库存<安全库存的40%时，自动向门店防损APP推送‘高频次巡检提醒’，同时将对应区域的监控录像帧率从15fps提高到30fps（长期实践证明成本可接受）。
当库存<安全库存的20%时，要求陈列柜强制启用带锁展示盒（通过RFID电子锁实现），顾客试穿需要店员扫码开启，系统记录每次开锁，并在库存事务中标记‘试穿中’状态。3. 如果该SKU在过去两周有盗窃记录，则第一条触发阈值直接翻倍。
这个设计最大的坑是，如果完全自动化而不加人工复核，会导致店员频繁被警报骚扰，我就遇到过一家店因为一天被预警三十多次，经理直接关了通知。所以必须设定冷却期：同一SKU触发联动后，两小时内不重复提醒，并且店长可以手动标记‘已加强关注’来暂停下一次提醒。
另外，技术上很关键的一点是：防盗系统（EAS/RFID通道）和库存管理系统必须是同一数据平台或能实时同步API，否则库存变动到预警再传到防盗设备会有分钟级延迟，在奢侈品场景里这足够让小偷得手。
我们当时用了一个规则引擎中间件，把库存实时事件流和防盗策略配置在一起延迟控制在500ms内，实测失窃率在这个联动上线后下降了22%。所以你的想法完全可行，而且已经有落地案例。关键是不仅设置阈值，还要配人工反馈熔断和分级别策略，别让系统变成数字噪音。
我是公司总部的库存分析师，每个月盘点完，损耗数据就交给财务做成本损失统计，或者由内控部门拿去查人。但我们的补货经理完全不管这些数字，还是按销售预测下单，下个月照样因为之前被偷掉的库存导致账实不符而多补或者少补。我感觉损耗数据是个金矿，明明可以用来优化安全库存和补货频率，到底该怎么建立这个闭环？
你遇到的正是零售行业最常见的断点：损耗数据只用来‘事后算账’，没用来‘事前优化’。我2019年在国内一家高端珠宝连锁做过数据整合，当时月均盘亏率2.3%，但补货计划完全无视这个因子。我设计了一套闭环机制，后来被他们内部叫做‘库存健康驾驶舱’，核心是三步： 第一步：损耗归因与动态调节。
把所有盘亏按‘防盗损失’、‘操作错误’、‘供应商短少’三类归因。对于防盗类（一般占60%以上），我们把过去三个月的实际盗窃数据按SKU-门店汇总，替换掉安全库存计算里的固定损耗率。由于这部分是真实的、非随机波动，所以直接加在再订货点之前，而不是放在安全库存公式里。
具体说：再订货点 = 提前期需求量 × 需求变异系数 + 预测期期望盗窃量。这个‘期望盗窃量’每月更新一次，用指数平滑去噪。第二步：补货频次与库存准确率的耦合。我们发现，盗窃率高的门店，即使系统说要补10件，实际到店可能只剩7件能卖（因为其他被偷了但未报损）。
于是我们做了一个离线模拟：当门店一周内的库存准确率（RFID实时差异）低于95%时，补货建议自动上浮相应的比例。同时，该门店的安全库存系数额外增加10%，直到准确率恢复。这个调整不是盲目的，因为高盗窃门店铺货不足会损失更多销售，宁可多放一点安全库存。第三步：将损耗改善作为补货效率指标。
我推动把‘安全库存周转天数’和‘月均损耗金额’放进同一个看板，让补货经理能看到：如果防损团队推动的门店整改有效，损耗下降，安全库存就可以同步释放资金。反过来，如果损耗突然抬头，补货计划会自动触发一个‘高损耗预警’，要求物流中心暂缓对该门店的补货批量（改为多频少量），直到损耗原因明确。
这中间踩过最大的坑是：数据时效。一开始我们只做月度闭环，结果月底一看，某个门店已经因为失窃空了半个月的货架。后来改成每周自动跑一次模型，并且对售价超10万的单品做到每天更新。现在很多商品企划团队还在用手工表格更新损耗率，一个季度才调一次参数，那等于没闭环。
真正的闭环应该做到：损耗数据在库存系统里被实时消费，直接调整再订货点、安全库存系数和补货频率，同时反馈给防损小组他们的KPI进步会直接降低营运资金占用，这样库存和防损才能从互相打架变成共享同一个目标。
读者评论
文中提出的安全库存与防盗数据协同模型非常实用。我在工作中也遇到过类似情况：供应链按公式算出来库存充足，门店却无货可卖。把失窃损耗率纳入公式能解决很多看似矛盾的缺货问题，但实际执行中数据清洗和系统接口改造是最大难点。
RFID和EAS系统确实被过度神话了，硬件投入后数据不同步等于白花钱。文中提到的抗金属标签成本和读取准确率问题很真实，目前很多品牌连基础的数据对接都做不好。水位机制是个低成本高回报的方案，值得在中小门店试点。
奢侈品行业库存管理的核心矛盾就是部门割裂。供应链和防损各管各的，信息孤岛导致安全库存成了盲目备货。文中提出的安全库存健康度指标很有启发，把损耗率和占用成本放在一起看，才能真正优化库存效率。