temu应用思路：围绕履约物流拆解旺季准备
旺季备货时，最容易被忽略的不是“货够不够”，而是货到了仓库之后，能否在承诺时间内完成出库、交运、轨迹更新和异常处理。一个订单即使有库存，只要拣货排队、面单延迟、揽收漏扫或尾程拥堵中的任一环节失速，消费者看到的仍是延迟。我准备旺季方案时，会先把履约拆成一条可观测的链路，再决定备多少货、把货放在哪里，以及哪些订单必须提前限流。
库存增加只能缓解“没有货”的问题，不能自动解决仓库处理能力、承运商揽收能力和末端配送时效。备货过多还会带来资金占用、库龄增加和旺季结束后的折价风险。真正可执行的旺季计划，应该同时回答四个问题：订单会在哪个时间段集中到来、各节点每天能处理多少、异常出现后由谁在多长时间内接手，以及触发什么条件时要调整销售承诺。
我更愿意把准备工作理解为“履约承诺的压力测试”。销量预测是输入，仓储和物流是承载能力，平台及消费者看到的发货与配送状态是结果。若只盯着销量目标，团队容易把问题留到订单已经产生以后；如果先算清承载边界，就能在促销、排班、补货和渠道策略上提前做取舍。
我会把订单履约分为订单释放、仓内作业、交运揽收、运输配送四段。每段都要记录开始时间、结束时间、责任岗位和异常代码。这样做的价值不是为了多做报表，而是让“物流慢了”这类笼统描述变成可处理的问题：究竟是订单未释放、拣货积压、包裹未被承运商扫描，还是运输途中停滞。
在促销前，我会先验证链路中的最窄环节，而不是只看仓库总吞吐量。例如，仓内每天能打包一万件，但固定揽收窗口只能带走七千件，那么有效履约上限更接近七千件，而不是一万件。整体履约能力由最弱节点决定，不能用某一部门的峰值能力代替端到端能力。
我建议旺季计划同时设置服务红线和经营目标。服务红线可以包括按承诺时间发货率、有效揽收率、超时未更新轨迹订单比例、取消率和售后异常率；经营目标则包括销售额、毛利、库存周转和广告效率。二者发生冲突时，不能默认牺牲履约来追销售，因为延迟引发的取消、退款、差评和额外客服工作，会在促销结束后继续产生成本。
指标要有明确口径。例如，“已发货”究竟是仓库完成打包、包裹交给司机，还是物流系统出现有效首扫？不同团队如果使用不同口径，旺季复盘时就会出现仓库认为已完成、客服认为没有发货、消费者又看不到轨迹的情况。建议把内部节点状态和消费者可见状态并排记录，避免把“内部完成”误当成“履约完成”。
淡季用日均量排班，通常够用；旺季用日均量判断产能，却可能低估峰值。订单可能集中在活动开始后、站点流量突然上升时，或某个仓库的截单时间前。若一天一万单平均分到十小时，看起来每小时一千单；如果实际有四成订单挤在两小时内，短时到单速度就达到每小时两千单，仓内波次、复核台和交接区可能迅速排队。
因此，预测至少要拆成“日、班次、小时”三个粒度。日粒度用于库存和干线规划，班次粒度用于排班和设备准备，小时粒度用于促销限流与异常预警。没有历史小时级数据时，可先用平台订单导出时间、仓库扫描时间和活动节点做粗略还原，明确哪些数字是观测值、哪些是估算值。
旺季不是所有商品同时变难。轻小件通常更容易标准化拣选，但SKU过多、库位分散时也可能增加走动和错拣；大件或易碎品需要更多包装工时，单位订单的作业能力会下降；多件订单需要合单、缺货检查和二次复核，处理时间也不能直接按单件订单估算。
我会按“商品特征×履约路径”划分订单，而不是只按销售额排优先级。比如，同一商品若有本地可售库存和跨仓调拨库存，两者的履约时效和断货风险不同；同一仓库中的标准包装商品与需要特殊加固的商品，也不应共用一个每小时处理能力假设。
我建议建立从订单产生到首个有效物流轨迹的时间地图，并把平时、预热期和峰值期分别记录。时间地图不必一开始就做得复杂，先能回答“哪个节点等待最久、哪个时段最拥堵、哪个订单类型最容易超时”就有实际价值。
| 节点 | 建议采集字段 | 主要管理用途 |
|---|---|---|
| 订单进入 | 创建时间、订单类型、SKU、仓库、承诺时间 | 识别订单峰值和商品结构变化 |
| 仓内开始与完成 | 分配、拣选、复核、包装的时间戳 | 区分等待时间与实际作业时间 |
| 出库交接 | 离仓时间、承运商、交接批次、交接数量 | 判断装车窗口和揽收能力是否匹配 |
| 轨迹更新 | 首扫时间、轨迹停滞时长、异常代码 | 监测消费者可见状态和运输风险 |
如果团队当前只能收集少量数据，我会优先保留订单进入、仓内完成、交接、首扫四个时间点。这四个时间点能先把“仓库处理慢”和“交运后轨迹慢”区分开，避免旺季把所有问题都归到仓库或承运商身上。
库存可用不等于库存可拣，更不等于库存已经分配到正确仓位。库存账面数量可能包含质检冻结、待上架、盘点差异或被其他订单占用的数量。旺季前如果不核对可售库存、库位状态和补货时间，团队会在最忙的时候才发现“系统有货，货架没货”。
我会把库存拆成账面库存、可分配库存、可拣库存和安全可售库存，并明确每一类的更新时间。特别是跨仓商品，要核算转运周期和入仓上架耗时；不能把正在路上的货当成活动当天可履约的货。库存策略的关键不是堆高总量，而是让可履约库存与订单承诺在同一个时间窗口内匹配。
打包完成只是仓内动作完成，不一定意味着包裹已交接，也不一定有消费者能识别的物流轨迹。若货物在仓库月台等待车辆，或承运商系统批量回传扫描信息，内部看板和消费者页面可能出现时间差。旺季如果仍用“面单已生成”统计发货，容易把未出库订单误判为已履约。
解决办法是建立状态对照表：仓内已包装、已交接、承运商已接收、首条轨迹可见分别定义清楚。对超过内部阈值仍没有下一节点的订单自动进入异常队列，而不是等消费者咨询后再处理。
承运商报价或服务说明通常描述适用条件下的服务范围，不等于旺季每个地区、每个包裹都能达到相同表现。出发地、目的地区域、周末和节假日、包裹尺寸、揽收批次以及当地网络负荷都会影响实际结果。尤其是跨境链路，清关、转运和末端派送涉及多个主体，单看一个运输段的标称时效会产生过度乐观的计划。
我会尽量用自己订单的历史轨迹计算分位数，而不是只用平均值。中位数能反映常规体验，较慢分位数则适合做旺季承诺保护。数据不足时，应该明确这是测试期估算，并用小批量发运验证；不要把一个承运商的样本直接推广到所有线路。
临时人员能增加工时，不会自动增加合格产能。新人需要培训，商品识别、库位规则、包装规范和系统操作都可能带来学习成本；如果瓶颈在复核台、打印设备、包装材料或揽收窗口，增加拣货员反而可能把半成品堆到下游。
所以我会先找出限制吞吐量的工序，再确定补人还是补工位。培训安排也应放在峰值前，至少演练订单分流、缺货处理、错拣返工和系统中断时的人工记录方式。旺季当天才培训，通常只会让主管在最需要管理现场时承担教学工作。
平均值容易被少数极快订单拉低，掩盖一批长期滞留的包裹。对消费者和平台体验而言，尾部订单往往是投诉、取消和客服工单的来源。复盘时除了看平均处理时间，也应关注超出承诺的比例、超过特定小时数仍未首扫的订单数、轨迹停滞订单的年龄分布。
不必一开始就为每个指标设置复杂模型。可以先设定内部观察阈值，例如交接后超过一个工作日仍无有效首扫进入待核查队列，再根据线路和旺季实测校准。阈值是管理工具，不是平台规则；平台的实际时效要求应以当期商家后台及相关公告为准。
我会把旺季需求拆成基础订单、活动增量和不确定性缓冲。基础订单来自近期趋势和历史同期；活动增量来自促销安排、流量变化和商品曝光预期；缓冲则用于应对预测偏差。缓冲比例不应该凭感觉统一套用，而要看商品、渠道、仓库和历史波动程度。新商品或新线路缺少可比数据时，宁可做区间预测，也不要把单一预测值当成确定结果。
有效产能的计算也要从名义产能中扣除不可用时间。可以用以下思路估算：有效日产能＝瓶颈工序每小时合格处理量×可用作业小时×有效作业率。有效作业率需要考虑换线、补料、设备故障、休息、培训和返工。仓库报告的峰值速度通常是在流程顺畅时测得，不能直接乘以全天小时数作为承诺能力。
例如，包装工位测试速度为每小时500件，每天排班10小时，但扣除交接、补料和换线后可用作业时间为8小时，旺季有效作业率按情景模拟取80%，则估算日产能约为3200件，而不是5000件。这个数字不是通用标准，只是说明计划必须把有效时间和返工损耗纳入计算。
订单链路可能有多个产能数字：仓内拣选、包装、出库交接、干线提货、末端接收。应把它们换算到同一时间口径，再取其中更保守的有效能力作为计划上限。若仓内能处理四千件、固定揽收只能接走三千件，继续提升包装速度不会扩大当日有效发运量，只会增加待交接库存和场地占用。
我还会保留一定的波动缓冲，避免把全部名义能力卖出去。缓冲空间用于承接订单峰值、异常返工和不可预见的运输波动。缓冲过大，会损失销售机会；缓冲过小，则容易在活动中途触发超时。合理做法是按商品风险和预测误差动态调节，而不是所有商品一刀切。
对物流时效，我倾向于同时观察中位数、较慢分位数和超时比例。中位数说明典型订单体验，较慢分位数说明尾部风险。若中位数稳定但较慢分位数明显恶化，说明多数包裹看起来正常，部分线路或批次却正在积压；只看平均数可能看不出来。
样本量较小时，分位数波动会很大，要同时标明订单数和统计周期。例如，某线路两周只有几十单，几单异常就可能显著改变结果。此时宜把数据当作风险信号，而不是精确排名；继续采样并按地区、承运商和交运日分组，直到能够支持决策。
看板上显示红色并不会自动减少延迟。每个预警都应绑定责任人、处理时限和升级条件。比如“交接后未首扫”由物流协调人先核对交接清单，达到设定时限后联系承运商，若同批次多个包裹同时异常则升级给仓库负责人和客服负责人，必要时调整后续订单的发货承诺。
异常流程应避免重复处理。仓库、客服和物流团队使用同一个订单编号、异常代码和最新状态；客服回复前先查看处理进度，物流团队关闭问题时回填原因。旺季最浪费时间的情况之一，是不同团队分别追问同一批包裹，却没人负责推动下一步动作。
下面用一个情景模拟说明如何组织旺季数据。假设一家跨境卖家在促销期经营多个轻小件SKU，订单分布在两个履约仓，日订单从平时约3000单上升到峰值约6000单。仓库、承运商和平台数据来自不同文件，团队过去主要依靠人工拼表。这里的订单量、工时和改善幅度都是演示用的样本推演，不代表数跨境客户实绩、平台平均值或行业基准。
选择数跨境作为例子，重点不是宣称某个工具可以替代履约执行，而是说明经营数据平台在这一类问题中的合理位置：把订单、商品、仓库、费用和物流结果整理到可分析的视图中，帮助团队发现“订单增长发生在哪里、履约成本增加在哪里、异常集中在哪些批次”。实际可用字段、连接方式和功能应以数跨境官网及当前产品说明为准，不应假设所有数据源都能自动接入。
跨文件分析经常卡在字段对不上。订单导出可能用平台订单号，仓库文件用包裹号，承运商文件用运单号，财务表又按结算批次汇总。没有可靠映射关系，团队即使能做出图表，也可能把一笔订单重复计算，或者把异常轨迹错配到其他包裹。
我会先建立最小字段字典，明确订单号、包裹号、SKU、仓库编码、承运商编码、创建时间、出库时间、首扫时间、费用币种和统计时区。再通过订单号与包裹号、包裹号与运单号等映射表逐步连接数据。遇到一单多包裹、合单或拆单时，必须保留关系表，不能简单把一单对应一个运单。
| 数据表 | 关键字段 | 要解决的问题 | 常见风险 |
|---|---|---|---|
| 订单明细 | 订单号、SKU、数量、仓库、创建时间 | 订单量和商品结构如何变化 | 时区不一致、取消订单未剔除 |
| 仓内事件 | 订单号或包裹号、作业节点、扫描时间 | 等待发生在拣选、复核还是包装 | 缺少事件时间或重复扫描 |
| 物流轨迹 | 运单号、承运商、轨迹代码、轨迹时间 | 首扫和运输停滞集中在哪些批次 | 状态代码含义不统一 |
| 费用明细 | 订单号、运单号、费用类型、币种、金额 | 旺季增加的成本来自哪里 | 账单周期与订单周期不同 |
数跨境官网信息可作为了解产品和数据分析能力的入口，使用前仍应确认团队实际所需的数据连接、字段更新频率和权限边界。对旺季项目而言，工具选型不如数据口径统一重要：若输入字段混乱，任何平台都无法稳定产出可信的履约判断。
我通常把履约看板分成三个视图。管理视图关注订单承诺达成率、积压量、仓库负荷和成本变化；执行视图关注各节点待处理队列、异常年龄和责任人；复盘视图关注商品、仓库、承运商、交运批次之间的差异。每个视图都要能回答一个具体问题，不必把所有指标塞进同一页。
假设情景模拟中，活动首日订单量从3000单增加到6000单，仓内完成包装从2800单升至4600单，但有效首扫只有3900单。管理视图会提示“出库到首扫”出现缺口；执行视图可进一步按交运批次找到两个晚间批次异常；复盘视图再比较不同承运商和仓库。这样的路径比直接宣布“物流延迟”更接近可执行的诊断。
以下示例采用“示意数据”，仅展示指标关系。若真实运营中发现包装完成量增长而首扫量没有同步增长，优先核查月台等待、司机提货容量、交接清单和轨迹回传，而不是立即把全部延迟归因于运输距离。
旺季常见做法是临时切换更快的运输方式，但要把额外成本与实际业务收益放在一起评估。需要比较的不是单一运费，而是每个已交付订单的综合履约成本：基础运费、附加费、仓内加班、包装材料、异常客服和延迟带来的取消或退款影响。若账单周期和订单周期不一致，分析时要明确分摊规则，避免误把账期差异当成单位成本变化。
可以先按地区、商品重量段和承运商分组，观察单位运费与时效表现是否同步变化。如果某条线路价格更高，但较慢分位时效改善明显，并且目标市场对时效敏感，切换可能有价值；若速度提升不稳定，或者该商品毛利不足以覆盖溢价，则应缩小使用范围。
数跨境这类数据分析场景，适合帮助团队把经营指标放在同一分析框架中观察；具体结论仍需由订单、物流和账单原始记录验证。遇到平台后台与承运商账单口径不一致时，应保留差异说明，不要用一个“看起来完整”的汇总数掩盖数据缺口。
日常运营看的是队列和异常，重点在于今天有没有积压、哪个批次需要升级、下一班人手是否足够。周度复盘看的是趋势和结构，重点在于哪些SKU持续拉长处理时间、哪条线路尾部风险上升、加急成本是否带来相应收益。两类会议不要混在一起，否则团队容易在讨论长期指标时错过当天需要处理的订单。
先判断是所有SKU都拥堵，还是少数商品或库位拖慢了整体。如果是少数SKU，优先做热销品前置补货、库位优化和订单波次调整；如果是全仓普遍拥堵，再检查班次、工位、设备和复核流程。简单增加人手之前，先量出各工序的等待队列和每小时合格完成量，避免把人力加在非瓶颈环节。
在销售侧，应把实际可处理订单量与活动节奏相连。若短时订单明显超过瓶颈能力，可考虑分批释放促销库存、调整推广强度或及时更新可售数量。具体能否调整展示、库存或活动安排，应遵循平台当期规则，不能仅凭内部操作习惯做假设。
这类情况要先对齐交接证据：包裹清单、交接时间、司机签收或交接记录、车辆离场时间，以及首条有效轨迹。若整批订单都没有首扫，更像是交接或扫描回传问题；若只有某些包裹缺失，则要逐件核对贴单、装袋和错分情况。
应为每个揽收窗口设置计划件数和超载条件，并保留峰值备用方案，例如提前预约额外提货、分批交运或使用经验证的替代线路。备用承运方案不能只在合同或通讯录里存在，至少应通过小批量实测确认扫描、交接和轨迹回传能够正常运行。
先按目的地区域、出库日期、交运批次和承运商分组，确认延迟是否集中在特定线路或特定时间段。若集中在某些区域，可以调整该区域的运输选择或预留更长履约时间；若多条线路同时恶化，则需要判断是否为旺季网络拥堵、天气、节假日或共同中转节点影响。
对于尚未确认的原因，应把“已证实”和“待验证”分开记录。不要仅凭几条社交媒体信息就宣布线路整体失效，也不要因为整体平均时效尚可就忽略局部的严重停滞。以订单样本和轨迹证据逐步扩大或缩小调整范围。
预测误差大时，不建议用单一高销量情景一次性压满库存。可以把商品分成稳定款、活动款和试水款：稳定款根据历史销售和补货周期安排基础库存；活动款根据供应周期与可调拨能力设置缓冲；试水款则采用小批量验证，看到真实订单和履约表现后再追加。
安全库存可以按需求波动、补货周期和可替代性来决定。补货周期长、销售波动大且缺货代价高的商品，通常需要更谨慎的缓冲；周转慢、生命周期短或仓储成本高的商品，则应避免为了不确定的峰值大量备货。这里的判断要和现金流、仓容、毛利一起看，不能只用缺货风险作唯一标准。
旺季预案还应包括数据不可用时的人工降级流程。明确哪些文件可以离线导出、谁负责维护订单与包裹映射、如何防止重复打印面单、何时补录状态，以及恢复后如何核对重复和遗漏。离线流程不是鼓励绕开正常系统，而是避免短时故障让现场完全失去操作依据。
演练时应挑选一个真实但小规模的订单批次，测试从导出、分拣、交接到补录的完整过程。记录人工流程多花多少时间、哪些字段最容易遗漏、恢复后需要多少人天对账。若演练暴露的问题仍未解决，就不应把降级方案当成可用保障。
提前备货能降低缺货和跨区调拨风险，但占用现金、仓容并增加滞销可能；滚动补货能保留资金灵活性，却更依赖供应商响应速度、运输稳定性和销售预测准确度。选择时应比较商品毛利、补货周期、需求波动、仓储费用和活动结束后的库存处置能力。
对生命周期长、历史需求稳定、补货周期长的商品，适度前置通常更容易规划；对趋势变化快、毛利低或季节性很强的商品，过度备货可能把短期履约风险转换成长期库存风险。库存策略不是“越多越安全”，而是看错配成本由谁承担、何时暴露。
加急运输只有在“多花的每单成本”能够换来足够的收益时才值得扩大。收益不应只按额外销售额估计，还要考虑毛利、平台及消费者体验、可能减少的取消与客服处理成本。若更贵的服务只改善少数地区的时效，可以限制在高价值订单或高风险线路，而不是全量切换。
做决策时，我会把服务差异拆成可比较的指标：单位运输成本、首扫时长、较慢分位时效、异常率和最终交付结果。若更快服务在旺季样本中并没有稳定改善尾部订单，就应重新谈判、重新筛选适用区域，或保留为应急容量，而非把溢价视为必然有效。
日常把人力和设备排到接近满负荷，账面利用率好看，却没有余量处理波动。旺季订单到达并不均匀，设备停机、临时缺勤和异常返工都会造成连锁积压。反过来，长期保持大量闲置资源也会提高固定成本。
更合适的办法是区分基础产能与弹性产能。基础产能覆盖可预测订单，弹性产能用于活动峰值和突发异常；弹性资源可以通过预先确认的临时班次、备用工位、额外揽收窗口或已验证的替代线路实现。缓冲应有触发条件和退出时间，不能活动结束后仍无依据地持续加班或保留高成本服务。
旺季中的数据不可能总是完整。若团队等待所有字段完全清洗后才调整，可能错过处理窗口；若看到第一条异常就大幅切换方案，又可能过度反应。我的做法是根据决策风险设置证据门槛：小范围、可逆的动作可以基于初步信号先试行；影响成本高、覆盖面广且难以撤回的动作，需要更多样本和交叉验证。
例如，先对一个仓库的一个班次增加交接核对，属于低成本、易回退的验证；全量切换承运商或大规模提前备货，则应尽量用真实线路样本、费用核算和供应周期验证。每项调整都要设定观察周期、成功指标和回退条件，避免“先做了再说”变成没有边界的试错。
第一类是产能资产：各仓、各工序、各商品类型在不同班次下的有效处理能力。第二类是物流资产：承运商、线路、地区和交运时段的真实时效与异常记录。第三类是决策资产：什么信号触发限流、加班、换线路、客服升级或补货，以及这些动作最终有没有改善结果。
这些资产不需要一开始就做成复杂系统。能持续维护的字段表、每日异常清单和活动后复盘表，往往比无人维护的大型看板更有用。若使用数据分析平台整理订单、费用和物流数据，也应由业务团队确认指标口径、授权范围和更新频率，保证分析结果能回到现场流程中。
这套倒排安排不意味着每家卖家都必须提前四周准备，而是提供一个可调整的节奏。若供应周期更长，备货和替代线路验证应更早启动；若商品少、仓内流程简单，部分步骤可以合并，但交接验证、数据口径和异常责任不能省略。
围绕履约物流拆解旺季准备，最重要的转变是：不要先问“旺季能卖多少”，而要同时问“在不破坏履约承诺的前提下，当前链路能接住多少”。库存、仓库、承运商和数据看板各自只是组成部分；只有把它们连接到同一组时间戳、产能边界和异常动作中，旺季方案才具备可执行性。
下一步可以从一个仓库、一条主要线路和一类高销量商品开始，记录订单进入、仓内完成、交接和首扫四个时间点；用真实样本找出最窄节点，再决定补库存、加人、增设揽收还是调整活动节奏。先把一个局部链路跑通，再扩展到全部SKU和仓库，比一次性搭建庞大方案更容易验证，也更能减少旺季中靠猜测做决策的情况。
我准备旺季商品时，最担心的是拿平时销量直接乘一个增长倍数，结果热卖款断货、长尾款压库存。尤其活动节奏和物流时效都可能变化，我想知道备货量该按什么口径计算。
先按商品和发货区域拆分近4至8周日均销量，再结合已确认的活动增量、补货周期和安全库存计算：建议备货量＝预测日均销量×（补货周期天数＋安全库存天数）－可用库存－在途库存。活动增量要用过往同类活动的实际销量校准；在途货物只有确认已揽收且预计能赶上销售窗口时才计入，长尾款优先小批量补货。
我遇到过仓库还在接单，但承运商已经排不上车的情况，最后订单处理完成了，包裹却没能及时交运。做旺季排期时，我不知道该从平台要求的发货时限，还是从承运商的揽收安排开始倒推。
从最早的硬性时限倒推：先确认平台订单处理与交运要求，再核实仓库截单、打包产能、预约揽收和干线运输班次。把每个环节的最晚完成时间写进日历，并至少预留一个工作日缓冲；临近旺季时，每天核对承运商实际揽收记录，而不只看仓库系统里的“已发货”状态。
我有一批货要同时支持不同地区的订单，但把库存平均分到各仓后，反而出现一边缺货、一边卖不动的情况。旺季物流时效波动时，我也不确定应该优先考虑库存成本还是交付稳定性。
按地区订单占比、仓库可售库存、补货时长和历史妥投表现分配，不建议简单平均。优先把需求稳定、补货慢的区域配置更高安全库存；需求不确定或补货快的区域保留可调拨余量。每周比较各渠道的实际揽收率、妥投时效和异常率，若某渠道连续数日低于目标，就暂停新增分流并启用备选渠道。
旺季订单量上来后，我发现只看销售额很难判断履约是否正在失控；等买家催单时，往往已经错过处理窗口。我想建立一套团队每天都能执行的监控和升级规则。
每天按商品、仓库和承运渠道查看待发订单量、按时交运率、揽收等待时长、在途超时率、妥投时效及取消或退款情况，并与近四周基线和平台时限比较。出现待发订单连续增长、揽收延迟超过一个班次或按时交运率跌破内部目标时，立即核对库存与面单、联系承运商确认班次，并将未交运订单按截止时间排序优先处理；
目标值应根据自身历史表现和平台规则设定，不套用单一行业均值。
读者评论
我们仓里也遇到过打包量上去了、揽收车次没跟上的情况，后来把交接时间单独记下来才看清积压在哪。首扫延迟有时是承运商批量回传，阈值最好按线路分别设。
小时级订单数据确实比日均量更能指导排班，不过小团队未必能拿到完整时间戳。先从订单创建、打包和首扫这几个现成字段做起，比较容易坚持。
库存拆分得挺实用，尤其是把待上架和可拣库存区分开。想问下跨仓调拨时，安全可售库存通常会预留多少缓冲？不同商品的补货周期差别可能很大。