缺货与滞销的双向平衡:补货模型的五个常见误区

一枚硬币的两面

补货管理的尴尬在于:缺货和滞销往往同时存在,而且常常是同一个错误决策的两个结果——总量判断错了、结构分错了、时机踩错了,都会在账上同时留下断货的 SKU 和积压的 SKU。只盯其中一面去优化,几乎必然把另一面推向恶化。

以下五个误区,是我们在补货模型建设与使用中反复见到的。

"全店安全库存统一按 15 天销量"——这是最常见的偷懒。不同 SKU 的波动率、缺货成本、毛利结构天差地别,统一参数的结果是高波动品天天缺货、低波动品资金积压。

纠偏:按 ABC 分类 × 波动率(变异系数 CV)分层,至少分出 4–6 个参数档。头部高波动品给高服务水平,长尾平稳品给低服务水平甚至按需补货。

用"日均销量 × 补货周期"估算需求,是补货计算的第一步,也是最容易埋雷的一步。均值抹平了波动:两个日均都是 50 件的 SKU,一个日销在 45–55 之间,一个在 0–200 之间,它们需要的补货策略完全不同。

纠偏:任何补货计算都必须同时看均值与波动(标准差 / CV)。只用均值的补货模型,等于默认世界是确定的——这是安全库存公式存在的原因。

大促的销量脉冲混进历史数据,移动平均和指数平滑都会把"大促峰值"当成常态外推,导致大促后持续超量补货,形成滞销;反过来,断货期的零销量被当成真实需求,又会压低预测造成下一轮缺货。

纠偏:历史数据进模型前先打标清洗——促销日剔除或单独建模,断货日标记为"需求被截断"。清洗规则要脚本化、可复查,而不是某个人心里记得"那几天不算"。

只考核缺货率,采购会无脑多备;只考核库存周转,采购会保守到断货。考核什么就得到什么,单边 KPI 是结构性制造失衡的机制。

纠偏:缺货率与周转天数(或滞销金额占比)成对考核,并且按品类给出不同的平衡点——快消品容忍高周转低库存,长交期定制品必须容忍更高库存。

安全库存算一次、系数定一回,然后半年不动。市场在变、渠道在变、供应商交期在变,固化的参数必然漂移失效——模型不是突然错的,是一点一点错的,等发现时滞销与缺货都已经发生了。

纠偏:建立复盘节奏:每月看预测偏差方向(持续高估还是低估),每季度用实际缺货率校准服务水平假设,每次大促后重估季节系数。参数调整要留痕,能回答"谁、什么时候、为什么改了系数"。

补货模型的终极目标不是"零缺货"或"零库存"——这两个目标都付不起——而是在明确的资金约束下,把缺货与滞销的总成本压到最低。接受这一点,才能把模型从"追求正确"拉回到"服务决策"。