ENGAGEMENT · 委托项目
某美妆品牌库存诊断
总账 · 问题 · 动作 · 边界
一份脱敏样例,展示库存诊断交付的标准形态。数字经过放大 100 倍对齐口径,SKU 名称已替换。
本报告为脱敏样例。数字来自 UCI Online Retail 真实电商数据集(英国网店 54 万行流水,3000 个 SKU),
经聚合放大 100 倍后对齐到本报告口径。所有 SKU 名称、客户名称、金额比例均已替换或调整。
报告中的假设与边界声明同样适用于正式交付。
三句话 Governing Message:钱压在死货和头部,缺的是统一口径和分档备货。
执行摘要独立成页——只看这一页就能决定要不要继续。三条结论,每条带数字,没有形容词。
①
钱压在死货和头部:83 万(28%)库龄超 90 天,前 5 个 SKU 压了 51%。
库存总额 297 万,死货 9 个款占 28%;前 5 个款占库存 51.2%,前 3 个占 38%——集中度远超行业中位(~25%)。
②
缺的不是货,是口径:同时存在 6 个断货款和 83 万死货,两套数有 13 个 SKU 对不上。
6 个销量前 6 的款可售 < 30 天(旺季断货风险);ERP 与 WMS 两套数差 > 30% 的有 13 个 SKU——"该备多少"从源头上算不准。
③
45 天一刀切备货:旺季断货、淡季压货。按品类分 4 档,死货可降约 22%。
全部 SKU 用同一个 45 天备货天数,快销款不够用、季节性款囤过头。历史数据显示分档备货可减少约 22% 的滞销金额。
建议动作优先级:先清死货(释放资金)→ 再改备货天数(预防新积压)→ 最后统一两套数(基础能力)。三者有依赖:口径不统一,备货天数改了也会算不准。
四个数看完全貌:库存、死货、浪费、集中度。
总账不等于全表——四个数看完,钱压在哪、浪费在哪、结构是否危险,一目了然。
TOTAL INVENTORY · 库存总额
297万
30 个 SKU · 全部品类合计
ERP 导出 · 单位成本 × 当前库存
DEAD STOCK · 死货金额
83万 · 28%
库龄 > 90 天 · 9 个款
其中 3 个库龄超一年
OTHER OUT · 半年其他出库
150万
报废 / 赠品 / 试用装
"看不见的成本" · 等于半年流水的 X%
TOP 5 CONCENTRATION · 头部集中度
51.2%
前 5 个 SKU 压一半以上的钱
行业中位 ≈ 25% · 异常
总账解读:28% 的钱躺在死货上(83 万),同时 150 万半年内以"其他出库"名义流出——加起来 233 万,接近库存的 79%。头部集中度 51.2% 远超行业中位,单款波动即可大幅影响总库存。
四类问题,不给全表——30 行对老板没用,4 类才有用。
分类汇总交付给老板(做决策),完整清单(SKU 级)交付给执行层(做动作)。分开,各取所需。
| 问题类别 | SKU 数 | 金额 / 说明 | 核心判断 |
| 死货(库龄 > 90 天) |
9 |
83 万 · 28% |
半年以上没动,其中 3 个库龄超一年。最直接的释放资金机会。 |
| 缺货(可售 < 30 天) |
6 |
全是销量前 6 |
旺季断货风险真实存在——缺的都是卖得最好的,不是卖不动的。 |
| 两套数对不上(差 > 30%) |
13 |
ERP vs WMS |
是"该备多少"算不准的直接原因——同一件事两个部门算出两个数。 |
| 长尾(销量后 50%) |
11 |
29.4 万 · 9.9% |
占 SKU 数 37%,只占金额 9.9%——大量注意力花在小钱上。 |
分类原则:老板看这张表——四类问题,每个都有数字。执行层看附录里的完整清单——每个 SKU 的具体状态、库龄、可售天数。两份交付,两个用途。
三个动作:谁做、多久见效、验收标准。不写"加强管理"这种空话。
每条都有责任人、周期、验收标准。可被验证,可被追责。
| # | 动作 | 责任人 | 见效周期 | 验收标准 |
| 1 |
清死货:9 个库龄 > 90 天的 SKU,逐个确认报废 / 打折 / 转赠 |
仓库 + 销售 |
30 天 |
死货金额下降 80%(≥ 66 万释放) |
| 2 |
改备货天数:按品类分 4 档(快销 21 · 常规 45 · 季节性 75 · 长尾 180 天) |
采购 |
45 天 |
断货 SKU 降为 0 · 系统参数更新 |
| 3 |
统一两套数:ERP 与 WMS 的销量 / 可售 / 在途口径对齐,写《数据源口径表》 |
计划 + 采购 |
下季度 |
两套数差 < 10% · 口径表签字 |
执行顺序有依赖:先清死货(释放现金)→ 再改备货天数(预防新积压)→ 最后统一口径(建基础能力)。口径不统一,备货天数改了也算不准,新积压会继续产生。
假设与边界:哪些是确定的,哪些是我估的,我不做什么。
敢写假设的,才是真做过。给你数字的人,也给自己留了退路。
数据质量 · 我们的数据
- 确定ERP 导出:库存、销量、单位成本(原始数据)
- 确定WMS 导出:库龄、在途、可售(快照数据)
- 较准仓库访谈:断货月数、盘点差异
- 较准经销商月报:终端销量(有 2-4 周滞后)
- 估算经销商在途库存(无直连系统,按历史发货估算)
- 估算需求预测基线(近 6 个月均值外推,未做季节系数)
确定的数据可以直接用;较准的数据可以参考但需验证;估算的数据会明确标注"需客户确认"。
边界声明 · 我们不做什么
- 不承诺不承诺"降库存 X%"——取决于市场、竞品、促销节奏,不是库存部门能独立控制的
- 不碰不碰财务账——库存金额与财务账面如有差异,以财务为准,我们只算业务口径
- 不代替不替你拍板——清单给你,建议给你,最后是你签字,也是你担责任
- 不保密对不对抗现有团队——诊断是加人不是换人,发现能力缺口可以补培训
边界写清楚,合作才能长久。接受边界再合作,比做完再争论边界成本低得多。
附录:报告每个数字背后的 8 张表,全部可直接打开。
本报告数字由 UCI Online Retail 真实流水(54 万行 → 3,000 个 SKU)聚合放大 100 倍对齐口径。以下是未放大的原始工作底稿——底表、规则输出、清单全量,点击即可下载或预览。逐表预览见 excels.html · 8 张 Excel 长什么样。
| 文件 | 规格 | 内容 | 打开 |
| sku_table.xlsx | 3,000 行 × 9 列 |
底表:SKU 编码 / 名称 / 销量 / 单价 / 未动销天数 / 销售额——一切的原点 |
⬇ xlsx · csv |
| sku_table_with_eoq.csv | 3,000 行 × 25 列 |
底表 + 规则引擎算的 16 列:EOQ / 安全库存 / ROP / 公式备货天数 / 多备资金(合计 ¥94 万的出处) |
👁 打开 |
| lists.xlsx | 2 sheet · 4,034 行 |
合订本:「四张清单」全量 4,000 行 + 「规则打架」34 行——给客户交付就用这一份 |
⬇ xlsx |
| list_缺货风险.xlsx | 样例 30 行 |
规则:销量30天 > 月均×1.5(全量 1,248 行在 lists.xlsx) |
⬇ xlsx |
| list_死货.xlsx | 样例 30 行 |
规则:未动销天数 ≥ 21(全量 366 行,金额合计对应报告 28% 死货口径) |
⬇ xlsx |
| list_主力款.xlsx | 样例 30 行 |
规则:销量6月 全店前 30%(全量 901 行) |
⬇ xlsx |
| list_长尾.xlsx | 样例 30 行 |
规则:销量6月 全店后 50%(全量 1,501 行) |
⬇ xlsx |
| list_规则打架.xlsx | 全量 34 行 |
死货 ∩ 主力款:规则说"该清"也说"不能清"——最该有人拍板的 34 个 SKU |
⬇ xlsx |
可复现承诺:以上全部数字,用 sku_table.csv + 一条命令 python run_rules.py 可当场重跑验证。报告敢给底稿,因为底稿经得起看。