门店库存数据不准确，如何补货？ - 168大数据

某连锁零售企业，30多家门店，由于多种业务操作因素，门店总是账实不符。不过，账实不符在月末一般能够调平。他们的门店补货，信息系统提供了自动补货功能，即系统根据销售历史数据、库存数据自动计算补货量，人工可调整。但是由于库存数据不准确，只能由店长人工补货：补货前盘点一次，根据补货期间销售数量，结合盘点库存，走出补货决策。每次补货需要40分钟左右，各店员需要配合盘点。

店长人工补货，浪费时间事小，补货决策不科学事大。这种补货方式，在平常平稳销售期间并无多大问题，但是一到销售旺季，比如春节之前，各个门店皆扩大了补货数量，在门店囤货。因门店大量下补货申请，导致了总仓缺货率增加，加剧了对缺货的担忧，囤货更盛。而今年春节总体销售逊于往年，结果导致门店大量呆滞，在保质期快要过半时候大举退回总部。

根本的解决之道在于不能让门店订货，完全可以根据模型以及一些约束规则进行自动补货，减少人为因素影响，使得连锁真正连锁起来，否则每个门店各自独立控制库存，将会导致极大的库存浪费。每个门店多囤货十万元，30多个门店就是三千多万元，对于公司是巨大的资金占用。

但是在库存不准确的情况下，如何通过模型来自动订货呢？库存不准确不是短期现象，公司成立之初就有，不是短期内可以解决的，也就是不能等库存准确之后再来做自动补货。

自动补货模型，一种思路是对门店每个品种设置最大最小库存，如果实际的库存低于最小库存，则按照补充到最大库存进行补货。这种方法的逻辑图示是。其中最大最小库存需要结合平均日销售数量，补货周期以及日销量波动性决定。由于各个周期的销售速度不一样，补货时间并不固定。

上述方法的前提就是库存数据准确，如果库存数据不准确，这种方法就无法使用。另一种补货思路不基于最小库存补货，而是基于确定的时间周期进行补货，每次补货的数量，根据补货期间销售数量确定，简单说来就是销一补一，其逻辑思路如图所示：

这种方法逻辑也很简单，假设安全库存是4天平均销售量，把它转化为一个固定值。每次补货，卖多少补多少，也就是要使得库存重回固定值，只要固定值是安全的合理的，补货结果就是合理的安全的。当然，经营过程总是有多种因素发生，每周或者每半月还是要做一次全面门店库存盘点，避免补货偏离了正常数据。

由于销售数据基本上是准确的，值得相信的，因此这种方法操作也很方便，只要把上次补货后的销售数据转化为补货需求即可，绕过了库存数据不准确的暗礁，可行性大大增加，而且可以将补货职责交给后台专员，店长只管销售就行，这就减少了连锁体系的系统风险。避免了门店抢货过渡囤货等等，因此是一种很好的补货模式。