我以前也容易把周转天数当成最重要的库存指标，但它只回答“按当前销量还能卖多久”，没有回答库存是否真的可售、销量是否受促销影响、供应商多久能补上以及商品是否具有季节性。例如某个新品近 28 天销量很低，周转天数很高，可能是曝光不足而不是库存一定过量；另一个核心爆款周转只有 8 天，也可能因为交期 20 天而存在高缺货风险。因此我会把周转与动销率、可售库存、交期、安全库存和商品生命周期组合起来使用。

我会先定义需求窗口和补货目标，再计算“目标库存减去可用库存和可信在途”的差额，而不会只用某一天的销量乘以交期。目标库存通常包含交期内预测需求与安全库存，安全库存又要考虑需求波动和交期波动。比如近 7 日销量因为直播突然升高，我会与近 28 日基线并列观察，并单独标记活动增量；如果在途订单尚未发货，也不能把它当成确定可用库存。最后还要按最小起订量、包装倍数、预算和仓容修正结果。

90 天可以作为某些品类的观察节点，但不能成为所有商品的统一结论。高频快消品可能 30 天就需要处理，耐用品或季节品可能需要结合销售窗口、毛利和生命周期判断。我的做法是设置多个库龄区间，例如 30、60、90 天，并同时查看连续无销量天数、近周期动销率、折扣依赖、退货率和可替代性。预警只负责提示风险，真正的动作要回答库存为什么变慢、还要不要保留，以及清理会带来什么毛利和现金结果。

在本文的示例里，我会把 E数通用于连接订单、库存、采购、仓库和商品数据，建立统一口径的经营看板，并通过筛选、钻取和异常视图帮助团队定位问题。普通 Excel 也能完成一次性的计算，但当数据源增多、刷新频率提高、人员协作复杂时，手工复制和多版本文件容易造成口径漂移。E数通是否适合某个团队，仍然要结合数据规模、权限要求、更新方式和现有系统评估；我不会把工具本身当成库存改善的唯一原因，流程和数据治理同样重要。

不一定。我会先检查商品是否在售、链接是否正常、渠道是否铺货、价格是否异常、库存是否可售以及是否存在系统漏数。新品尚未推广、季节品未到窗口、仓库调拨中或商品因缺货导致销量为零，都不能直接归为需求不足。完成供给侧排查后，再结合库龄、曝光、点击、转化、毛利和替代关系判断。只有确认商品有机会被购买但持续缺乏有效需求时，才进入促销、组合、退供或清仓等滞销动作。

我不会把这看成数据和经验的二选一。数据擅长告诉我销量变化、库存状态和供应约束，业务人员可能掌握尚未进入系统的活动排期、竞品变化、客户订单或供应商口头承诺。当两者冲突时，我会要求双方明确依据，并把人工判断记录下来，再在下一周期比较结果。例如运营认为活动会带来增量，可以把增量作为一个可追踪的假设，而不是直接覆盖基线。这样既保留经验价值，也能通过复盘检验经验是否稳定有效。

我会同时看结果指标和过程指标。结果指标可以包括缺货率、订单满足率、库存周转、呆滞库存金额、清仓损失和毛利变化；过程指标可以包括预警处理及时率、建议采购执行率、人工调整有据率和数据刷新成功率。不能只看库存金额下降，因为过度压库存可能是通过牺牲服务水平实现的；也不能只看销售增长，因为可能伴随更高的折扣和退货。更可靠的方式是在选定品类中建立试点基线，按周或月比较多项指标，并记录活动和价格变化等外部因素。

可以。我认为精准补货的起点不是复杂算法，而是把可售库存、短期销量、稳定基线、供应交期和异常原因讲清楚。团队可以先用近 7 天与近 28 天销量对比，建立商品分层，再用交期需求加安全库存形成简单触发规则，同时设置人工复核。即使最初使用的是规则和看板，只要口径统一、建议有依据、结果能复盘，就比依赖个人记忆和多个孤立表格更稳。等数据积累后，再逐步加入季节性、促销弹性和供应波动等更复杂因素。