先给你一句结论：库存数据分析的本质，不是把库存表做成一张更漂亮的表格，而是把“库存积压”“缺货断档”“周转太慢”这些经营信号，变成一条值得立刻执行的行动指令。
我在过去几年给零售、电商和制造业做过多次库存诊断。最常见的现象是：月会上一份几十页的库存报表，老板看完只记住一个总数，其他信息全部浪费。真正的问题，哪些SKU占用了80%的资金、哪些货已经超过180天没动过、哪些仓库的账实差异最大，反而没有一页能被说清楚。这种现象不是工具不够，而是分析起点错了。大多数人学库存分析，第一步就扎进Excel公式，却忘了先搞清楚：这次分析到底要回答哪个决策问题。
这篇文章会从零开始，带你走一遍完整的库存数据分析流程。我不讲抽象概念，而是用一次真实项目复盘，告诉你我拿到一张原始流水表之后，先做什么、再做什么、为什么这么做，以及每一步最常见的坑是什么。
在做任何一张透视表、任何一次周转率计算之前，先逼自己回答一个问题：这份分析报告，是拿给谁看的？他要做什么决定？
我通常把库存分析目的切成三个场景。不同场景的分析逻辑完全不一样：
场景A：给供应链主管看 ， 回答“哪些货该补、哪些货该清”
这个场景分析的重点是补货决策。要有安全库存线和补货周期，计算逻辑围绕：现有库存还能撑几天，日均出库是多少，补货提前期多长，供应商交货是否稳定。
场景B：给财务负责人看 ， 回答“资金压在哪些库存上了”
这个场景分析的重点是资金效率。要看库存周转天数、库龄结构、呆滞库存金额占比。财务关心的不是某个SKU断不断货，而是库存金额与销售成本的比值是不是在恶化。
场景C：给老板看 ， 回答“库存总体健康还是不健康”
这个场景是一页纸结论。要把多个指标压缩成三个信号：库存总额是在涨还是在跌，周转效率是在变快还是在变慢，异常库存的占比是扩大还是收窄。
很多人一开始就想着“我把所有指标都算出来”，结果就是报告面面俱到，却没有任何一个决策能被直接推动。先定场景，再定指标，最后才是计算。
在我接触的很多仓库和运营团队里，库存分析做不好，80%的问题不是不会算，而是原始数据本身就理不清。分析和核算一样，进的是垃圾，出的必然还是垃圾。
拿到一份库存数据之后，别急着分析，先花30分钟做数据体检，确认三件事。
库存数据有两种完全不同的存在形式：
流水型数据记录的是每一笔入库、出库、调拨、盘盈盘亏的明细，有时间、有单据编号、有数量、有金额。这种数据适合做过程的追溯和深度的原因分析。
快照型数据是某个时间点上的库存余额，比如“1月31日的库存总金额528万”。这种数据适合做结果对比，却无法告诉你余额变化的原因。
我见过一个做电商的客户，对接ERP之后导出的“库存报表”其实是一张当日结存快照，只有商品编码、仓库、结存数量三列。他们想做库龄分析，发现根本做不了，没有入库日期，怎么可能知道这一批货放了多久？先搞清楚你拿到的是流水还是快照，决定了你能做哪些分析。
零基础最容易忽略的，是库存表里出现负库存。这听起来荒诞，但实际上很常见，尤其是门店和电商的实时库存。
负库存的原因通常是：先销售后入库、跨仓库调拨未确认、盘盈盘亏未做账。负库存不处理，周转率和库龄计算都会失真。我通常建议先做一个数据清洗动作：把所有负库存行单独筛出来，逐一核对原因，能补单的补单，确认是盘亏的做盘亏处理。带着负库存去做分析，跟带着坏账去做利润分析一样，结论不可信。
“库存”这个词在不同业务部门嘴里意思是完全不一样的：
口径不一致，是库存分析对不上账的第一大原因。一定要在分析前确认：这批数据采用的是哪个口径？如果是系统导出的，导出口径是什么？
我看了很多库存分析教程，自己也犯过不少错。下面这五个误区，几乎每个零基础入行的人都会踩。
误区一：只看库存总量，不看结构
“这个月库存总额下降了”听起来是好消息，但如果下降的是畅销品库存，积压品一分没动，那这个好消息就是假象。库存分析永远要先拆结构，再谈总量。拆结构的第一步，就是按SKU和品类维度看库存金额排名。
误区二：算了一堆指标，但不知道基准是多少
库存周转率5次/年是快还是慢？这没有绝对答案。服装行业可能一年4-6次，生鲜电商可能一年50-60次，大型设备制造业可能一年不到1次。指标的意义来自对比，而不是来自孤立数字。
误区三：把Excel当成数据库用
我见过有人在一张工作表里塞了几十万行库存流水，每次用VLOOKUP匹配都卡到死机。Excel分析库存数据的黄金规模在10万行左右以内，超过这个量级，建议考虑数据库工具甚至专业BI产品，而不是硬扛。
误区四：只分析当前时点的库存，不看趋势
库存是动态变量。只看时点数看不到方向，库存是在持续累积还是有节奏地消化？只有拉出六个月的趋势线，才能暴露真实问题。库存趋势本身就能提前三个月发出风险预警。
误区五：分析完不给行动建议
这是我见过的最普遍的问题。报告写完了，数据也透视了，图表也画了，但最后没有一句话告诉老板“接下来该干什么”。分析本身不创造价值，基于分析的决策和行动才创造价值。你分析出库龄超过90天的存货金额已经占到了18%，下一步就要明确由谁在什么时间之前处理掉，处理不了的标准是什么。
下面这五步是我在做库存诊断项目时，反复使用且验证有效的流程。它适合零基础，也适合有经验的分析师做自检。
第一步：数据清洗与字段补全
把原始流水整理成可用分析表。操作包括：删除空白行、统一日期格式、修正SKU编码、补齐缺失字段、处理负库存。这一步的目标是让数据具备可分析条件。
零基础在Excel里做数据清洗，两个功能最常用：一是“删除重复项”，用来排除同一条流水被重复导入；二是“分列”，用来把混在一列里的SKU编码和商品名称拆开。
第二步：搭建基础汇总表
用数据透视表按“月份×SKU×仓库”汇总入库量、出库量和期末结存量。这一步的目的是把流水变成结构化的汇总数据，为后续指标计算打底。
我在这一步通常会再附加一个维度：把“金额”也拖进来。因为只看数量，一箱三块钱的矿泉水和一箱三百块钱的机油在同一个表里完全不可比，金额才能反映资金占用。
第三步：计算核心库存指标
这个阶段至少计算五个指标：
（1）月末结存：上月结存 + 本月入库 – 本月出库。注意：这里必须与盘点数核对，差异要查找原因。
（2）日均出库量：当月出库总量 ÷ 当月实际出库天数。这个指标是判断“现有库存还能撑多久”的关键输入。
（3）库存周转天数：平均库存 ÷ 日均出库量。行业不同，差异很大，所以一定要横向对比自己和同行。
（4）库龄结构：按入库日期距今天数，分成0-30天、31-60天、61-90天、91-180天、180天以上五个区间，统计每个区间的库存金额和占比。
（5）安全库存缺口：安全库存线 – 现有库存。缺口为负表示已经低于安全线，需要触发补货。
第四步：定位异常SKU
从汇总结果中反推异常逻辑。常见思路是用帕累托原则，找出累计库存金额占80%的前20%SKU；再用库龄筛出呆滞品；再对比销量判断哪些是高库存低动销SKU。
第五步：输出结论和行动建议
这一步把分析判断转成可执行动作。至少要有三个明确的结论：哪里有问题（定位）、问题多大（量化）、怎么办（建议）。没有行动建议的分析，我视为没做完。
这一节我会用一个模拟的真实案例，完整演示从原始流水到输出诊断报告的全过程。案例背景：一家月均出库约3200件的电商公司，主营家居日用品，SKU数量约280个，使用Excel管理进出库流水。
假设原始表长这样：
| 日期 | 商品编码 | 商品名称 | 仓库 | 入库数量 | 出库数量 | 单价(元) |
|---|---|---|---|---|---|---|
| 2024-10-08 | SKU-001 | 真空收纳袋 | 华东仓 | 500 | 0 | 18.00 |
| 2024-10-09 | SKU-001 | 真空收纳袋 | 华东仓 | 0 | 120 | 18.00 |
| 2024-10-10 | SKU-002 | 防尘罩 | 华南仓 | 300 | 0 | 25.00 |
| 2024-10-11 | SKU-002 | 防尘罩 | 华南仓 | 0 | 80 | 25.00 |
仔细观察这张表的结构：每行是一笔业务流水，有的是入库，有的是出库。没有期初库存，没有结存数量，所有结存都必须自己算。
第一步，给原始表加两列辅助列：
第二步，插入数据透视表，按照以下配置拖拽字段：
第三步，在透视表右侧加两列手工公式：
这里有个关键技巧：透视表值区域只能做求和、计数、平均，计算“结存”必须自己写公式。Excel公式库中常用的计算方式如下：
// 计算月末结存（假设B列为月份，C列为入库数量，D列为出库数量）
// 公式含义：等于该商品在该月份之前的累计入库减去累计出库
=SUMIFS(C:C, B:B, "
库存周转天数的业务含义是：按当前日均出库速度，现有的这批库存平均还要卖多少天才能卖完。
在Excel中进行该指标计算，需要先求出“日均出库量”：
// 日均出库 = 月份出库总计 / 当月出库天数
// 例如：某SKU 10月共出库620件，当月有22个出库日
=620 / 22
// 结果约等于 28.2 件/天有了日均出库，周转天数就能通过如下公式计算：
// 库存周转天数 = 期末结存 / 日均出库
=期末结存 / 日均出库
// 举例：期末结存450件，日均出库28.2件
// 结果约等于15.96天，即按当前出货速度还能卖约16天
周转天数要结合补货提前期一起看。如果供应商交货要20天，而库存只能撑16天，就意味着已经出现断货风险；如果供应商只要3天到货，那16天的库存就很安全。
库龄分析需要每笔入库的时间。但很多企业没有规范的批次管理，此时可以使用近似算法：按照“先进先出”原则，用结存数量倒推这批货是哪个月的入库。Excel里可以用SUMIFS逐月累加，找到“剩余库存覆盖到第几个月”。
实操是做一个辅助表：
| SKU | 期末结存 | 倒推10月入库 | 倒推9月入库 | 倒推8月入库 | 库龄定性 |
|---|---|---|---|---|---|
| SKU-001 | 450件 | 350件 | 100件 | – | 约30-60天 |
| SKU-002 | 280件 | 120件 | 160件 | – | 约30-60天 |
| SKU-003 | 900件 | 0件 | 400件 | 500件 | 超过60天 |
用这种方式，不用批次也能大致判断库龄结构。对于零基础来说，这是最容易上手的方法。
把所有分析结果压缩成一页纸，报告至少包含四个模块：
模块一：总体结论（用三句话说明库存健康度）
模块二：高库存TOP10清单（排序依据：库存金额×库龄加权）
模块三：缺货风险清单（排序依据：日均出库÷期末结存）
模块四：行动建议（每条必须包含：做什么、谁来做、什么时间完成）
我在实操中见过最有效的模板，是每行一个SKU，字段为：当前库存、日均出库、可售天数、建议动作。老板只需要扫一眼“建议动作”列，就能立刻判断哪些需要处理。
库存分析里有一个被讲烂了但是极其好用的方法：ABC分类。它的核心不是公式，而是管理注意力的分配。
ABC分类的逻辑：用最少的品类，控制最大的资金。
方法是在Excel中按SKU期末库存金额做降序排列，然后计算累计金额占比：
做完分类后，管理动作完全不一样：
（1）A类SKU：每周盘点一次，订单审核要严格，补货周期要短，安全库存要稍微调高。禁止缺货，也禁止过量采购。
（2）B类SKU：每月盘点一次，补货按月度节奏走，允许偶尔缺货，但要有备选方案。
（3）C类SKU：每季度盘点一次，可以适当放宽库存天数，甚至可以采取“接到订单再采购”的模式，把库存金额压到最低。
这里有一个容易犯的错误：按SKU数量做ABC，而不是按金额做ABC。比如SKU数量1000个，其中800个是几块钱的小配件，金额加起来还不如10个大件商品，那就应以金额为准。ABC分类是给资金管理用的，不是给SKU编号用的。
这一节我想彻底讲清楚一个容易被忽视的事：不同规模的企业，做库存分析的方法和工具应该完全不同。我在咨询中看到很多人把大公司的分析逻辑直接套在小公司身上，结果水土不服。下面给出我自己的判断。
用Excel就够，但要用对方式。不要做复杂的VBA宏，不要强行建Access数据库。把基础流水维护好，透视表用好，安全库存和库龄分析就都能实现。核心是保持数据的干净和格式的稳定。
Excel已经撑不住多仓库、多部门的协同要求。此时建议引入一个低代码或轻量级进销存管理工具，让业务人员在系统里录入，再用系统报表做分析。这一阶段的关键是让数据来源唯一化。数据进系统，全部经过统一入口，权限有管控。
这个阶段最容易踩的坑是：买了一个很贵的ERP，但前线业务人员不用，最后所有分析还是在Excel里做。选型建议优先仓库真正在用的工具，而不只是IT部门喜欢的工具。
除了专业的进销存或ERP系统，建议搭配BI工具做可视化分析。原因是这个规模下，库存数据通常已经几十万行甚至上百万行，Excel处理不动。还要考虑到多部门数据拉通，比如库存数据要和采购周期、销售预测、财务资金计划打通。
这是很多人写教程不会讲的话题。库存数据分析不是越多越好，什么都想分析，结果就是什么都分析不深。我给出几个判断原则，帮你合理取舍。
零基础最容易被“预测模型”四个字吸引，觉得做库存分析必须用上复杂的预测算法。但绝大多数企业连历史数据的质量都保证不了，做精确预测只是自欺欺人。
我自己的建议是：用最简单的移动平均法，判断未来一个月的出货量落在什么区间范围。如果库存可以覆盖这个区间的高位值，就说明基本安全。可以放弃复杂模型。
周转天数反映的是实物流动速度，但库存的资金压力不只是由周转天数决定的，还要结合供应商的账期来看。
一个做外贸代工的朋友就遇到这种情况：库存周转要45天，但供应商要求30天付款，意味着企业每一轮订单都要垫付15天的资金。这时候库存分析的重点就不是如何提高周转率，而是要搭配付款条件做现金规划。
库存准确率从90%提升到95%相对容易，从95%提升到99%成本是指数级上升的。把盘点资源集中在A类SKU上，C类SKU允许有误差。这是资源有限前提下的理性取舍。
有家零售客户花了很多精力把C类商品也做到99%的准确率，结果每月的盘点耗时翻倍，而库存金额只占全店3%，后来果断放弃，把人力投入到高价值商品。
库存有四种生命周期：生鲜和短保商品要看天，快消品看周，标准品看月，长周期工业品看季度。分析频率不能统一按自然月来卡。短保商品如果等到月末再分析，损耗早就已经发生了。
在这里分享几条我在多个项目中反复观察到的规律，供零基础读者做一个方向性的参考。
规律一：库存金额基本都呈现帕累托分布
头部20%的SKU占用80%的库存金额，这种分布几乎在所有的零售和制造企业中都存在。这不是巧合，是因为SKU本身的销量天然符合长尾分布。这意味着，库存管理资源如果平均分配，管理效率一定极低。
规律二：80%的呆滞库存，来自需求预测之外的“计划外采购”
我做过一家企业的呆滞库存归因分析：真正因为市场需求变化导致的呆滞，只占20%左右；超过50%的呆滞库存，源头是销售预测过高或采购提前下单，其次是客户订单取消之后没有及时叫停生产。这个观察说明，呆滞库存的治理重点在事前审批，而不在事后清理。
规律三：仓库存货准确率与SKU数量呈反比
在同一家企业内，SKU数量越多，库存准确率就越低。原因是多SKU意味着更多拣货、更多上架动作、更多出错可能。每增加一千个SKU，库存准确率大约下降2-3个百分点。这不是必然规律，但在多数缺乏自动化设备的仓库里成立。
我把学习路径压缩成四周，每天不需要花很多时间，但方向感会很清楚。
目标是掌握VLOOKUP、透视表、SUMIFS这三个核心技能，每个技能都能做到不看教程、独立使用。这三种能力覆盖了库存数据分析至少70%的Excel操作场景。建议每天用自己工作或模拟的数据做1小时练习。
用一张模拟流水表，自己做一次完整的月度库存汇总。从期初结存开始，把本月入库、本月出库、期末结存做出来。再自己算一遍周转天数，理解这个数字和“补货提前期”的关系。这一周的关键动作是理解计算逻辑，对数字有感觉。
将上一周的汇总结果加上入库日期维度。用SUMIFS或者辅助表，把期末结存倒推到采购月份，做库龄区间统计。学会使用条件格式给超过90天库龄的SKU标红。这一周重点培养发现异常的能力，找到哪个SKU开始睡懒觉了。
把前两周的计算结果整合，用一页纸输出你的第一份库存诊断报告。报告里包含总体结论、TOP10积压SKU、TOP10缺货SKU、三条以上行动建议。这一周的核心是完成从计算到决策的闭环。分析报告必须回答：下一步怎么办。
四周结束之后，你已经具备了独立承担基础库存分析工作的能力。后续再扩充统计预测、补货模型、安全库存计算等进阶知识，会容易得多。
写到这里，我想把整篇文章浓缩成三句话。
第一，库存数据分析的核心能力不是公式，而是判断力：知道看什么、为什么看、看完怎么办。公式和透视表只是工具，任何人都可以花一周学会。真正值钱的是用数据看懂库存背后的业务状态，然后在正确的时间做出正确的动作。
第二，库存数据分析的第一步永远不是打开Excel，而是明确你要为哪个决策提供依据。目的是补货、是控资金、还是排风险？目的不同，指标体系就不同。没有目的的分析，停留在“做表”的层面，永远到不了“做决策”的层面。
第三，从今天开始，用你手头真实的数据练手。不需要等系统完善，不需要等工具齐备，就从一张导出表格开始，按照我上面给出的五步流程走一遍。分析有错的没关系，做了再调整，比一直想“准备好了再动手”要快十倍。
接下来你可以做一件事：把你目前最常用的库存报表打开，看看它能不能回答“哪些SKU该补货、哪些SKU该清仓、资金压在哪些库存上”这三个问题。如果答案是不太能，那你已经知道下一步该做什么了。
我看标题说“数据库存”，这到底是指数据库还是库存数据？作为零基础，我该先学Excel还是先学业务？有没有一条明确的起步路径？
这里说的“数据库存”就是库存数据。零基础做库存数据分析，第一步不是学Excel，而是先搞清楚你要回答什么问题。通常库存分析只有三类核心问题：积压了多少钱、缺货风险多大、周转速度如何。先圈定问题范围，再去准备数据，否则你会被海量SKU和字段淹没。
我自己第一次做库存分析时，直接打开ERP导出表格就开始透视，结果发现同一SKU在不同库位有重复记录，日期格式还不统一，白忙了一天才得到错误库存。正确的第一步是做数据盘点：列出采购、销售、调拨、退货四个数据源，确认每张表的关键字段（SKU、数量、日期、库位），并清洗明显脏数据。
清洗后建议先做一张“库存总览表”，至少包含：SKU编码、名称、分类、可用数量、在途数量、采购单价、库存金额、库龄。这张表是所有后续分析的基础。如果你连基础表都没有，就先花时间搭表，而不是急着算指标。专家判断：零基础最容易把工具当目标。我见过很多新人花三周学数据透视表，却不清楚库存准确率怎么算。
工具可以后补，业务口径必须先定。你先跟仓库和财务确认“库存”的定义是仓存数还是含在途数，是数量优先还是金额优先，这一步能帮你避免90%的分析方向错误。
我看到很多教程说用Excel透视表，但我只会基本表格，怎么快速对库存数据做分类汇总和异常排查？有没有步骤或模板？
Excel做库存分析不需要高深函数，我教过只用基础功能的同事搭出可用看板，核心就三个：清洗、透视、条件格式。前提是先把原始数据处理成规范表，规范表必须是一行一个SKU快照，列名统一，不要有合并单元格。清洗时用三件事：删除重复项、用分列把日期格式化、用查找替换去掉单位（比如“箱”）。
然后插入透视表，把“分类”拖进行，“数量”“金额”拖进值，就能得到各品类库存占比。对滞销品，我习惯在明细表加一列“库龄”，用条件格式标记超过90天的单元格。操作细节：透视表要勾选“此数据已添加到数据模型”，这样可以用COUNTROWS统计SKU数量。
Excel表格如果是从ERP导出的，建议先另存为CSV再导入，避免隐藏格式干扰。数据量超过10万行，Excel就会卡，这时换Power BI或者SQL是更明智选择，但分析方法不变。我踩过最大的坑是直接在原表上做筛选求和，导致分类汇总错乱。正确做法是每次分析都基于透视表，不在原始数据上动公式。
你也可以做一个动态仪表板：用切片器控制月份和仓库，这样老板想看哪个品类随时点。
我在报表上看到库存周转率这个指标，但不知道具体怎么算，也不知道它好看难看的依据是什么。这个数字到底说明什么？应该怎么分析？
库存周转率是库存健康度最核心的指标，但公式用错了很容易误导决策。标准公式是：库存周转率 = 期间销售成本 / 期间平均库存。注意分子必须是销售成本，不是销售额，因为毛利率会扭曲真实周转。平均库存建议用每周或每月末库存的移动平均，而不是只用期初和期末两个点，否则会掩盖季节性波动。
举例来说，我服务过一家杭州的贸易公司，库存周转率从4.2掉到2.6，业务部门说销量没降所以没问题。我拉出月度平均库存发现，采购部为了拿到价格折扣提前两个月备货，导致平均库存翻倍。决策不是让销售背锅，而是调整采购节奏和折扣政策。
这个案例说明，只看周转率数字不够，必须拆解成“销售成本”和“平均库存”两个变量的变化。周转率的优秀线没有固定数值。食品零售行业可能要求8次以上，汽配行业4次就很健康。
更有效的方法是看SKU分布：把周转率按SKU排序，分成前20%、中间60%、尾部20%三组，通常前20%贡献了60%以上销售额，尾部20%占用最多库位资金。如果你能缩短尾部长尾SKU的补货周期，整体周转率会明显改善。注意警惕“高周转率陷阱”，如果周转率很高但缺货率也高，说明你内存不足。
我给客户的建议是同时监控周转率和缺货率，目标是将“高周转+低缺货”的SKU占比提升，其他指标都是辅助。
我按照教程分析库存数据，但结论总是一做就错，比如存货金额下降但老板说库存压力更大。是不是我哪里理解出了问题？有哪些坑是新手容易踩的？
新手分析库存数据时，最容易把“数量下降”和“库存变好”划等号，这是最危险的误判。因为库存占用资金看的是金额。比如原材料单价上涨30%，即使数量减少10%，资金占用反而更高。所以做任何趋势分析，必须数量和金额双维度同时看。第二个常见错误是只看仓存，忽略在途和待退货。
我核对过一家服装公司，系统显示库存有12000件，但其中3000件质检不合格待退，2000件在总部仓库还在运输路上，真正可售只有7000件。如果你不拆分“可售库存”和“不可售库存”，补货决策就会失真。正确做法是在数据源中单独标注状态字段。第三个坑是静态对比。
很多报表是月底拍一次照片，用月初和月末两个数相减就讲趋势。但库存是波动的，遇到大促和节假日完全不同。要建立每日库存快照表，连续记录60天，才能计算出真正的周转速度和缺货频率。我常用一个办法：把每天快照存到缓存表，周末汇总，成本很低但分析价值很大。还有一点专家判断：库存数据必须和财务口径核对。
有的部门用采购价，有的用销售价，导致库存金额对不上。你应该要求所有数据源统一用“标准成本”或“移动加权平均成本”。最后，任何结论都要先小范围验证。比如我说“品A的库龄超过120天”，至少要抽3个SKU去仓库在系统里核对，确认不是数据同步延迟造成的误报。
经验是，数据问题比业务问题更常见，先怀疑数据，再怀疑业务。
读者评论
做过两年电商库存，对文章里说的“数据口径不统一”特别有共鸣。之前我们运营说的可售库存和仓库实物库存永远对不上，月底一盘必然差几百件，后来才发现是系统里调拨单没审核完。建议零基础的朋友先花时间把数据源头理清楚，不然透视表做得再漂亮也是白搭。
作为财务，最怕业务丢过来一张库存总表就算完事。文章把分析场景拆成给供应链、给财务、给老板三种，这个思路很实用。我实际做下来，库龄和周转天数是财务最该盯的，只看库存总额容易掩盖呆滞料占资金的问题。新手别一上来就学复杂模型，先把口径和目的理清。
上个月刚因为库存分析被老板批评过，看完这篇文章才发现问题就出在“分析完没给行动建议”。当时我统计了呆滞品金额占总库存18%，但只停在“入库超90天”这个结论上，没想清楚谁来清、多久清完。现在按文中的五步流程重新做了一遍，报告结构清晰多了。