接上篇，经过对高库存与缺货并发的情况进行分析，我们识别到，类似的“缺货现象”，往往是因为各渠道锁货导致频繁调拨而造成的假象，而库存高的主要原因则是各渠道运营对于抢货导致缺货的担忧，而将渠道安全库存加入到销售预测的提报中。

为了在降低库存的同时，保证平台及企业要求的服务水平，本文将从三个方面着手进行解决：

库存优化是合理的降低库存，是在满足平台及企业要求的服务水平下进行库存调整。因此，快消品行业当前复杂的营销活动、严苛的平台要求以及客户对配送时效的服务诉求，企业需要分场景整理出各渠道对于库存及时效的要求。在过往案例中，我们一般会将整体库存场景区分为两大类进行管理：

常规场景（无库存调整限制*）——基于历史数据，设定合理的店铺库存水位，通过系统监控库存情况并完成补货与库存同步（同步至电商平台可销库存）。

*库存调整限制：指平台店铺库存只增不减、店铺库活动期间无法增减等影响店铺库存变动的规则限制

基于人工管理的特殊场景——在共识的预测范围内保证各个平台的产品供应。

特殊场景（有库存调整限制，如：大促、直播等）——在预测范围内，由销售提报活动时间内所需库存，以满足平台、主播的活动要求，由计划部门调整店铺库存并监控整体库存使用情况。

在这两大场景的区分管理规则下，配合系统的支持，销售可以很大程度上减少对于店铺库存的调整工作。常规场景下，所有店铺的可销库存都将由系统自动基于销售预测设定的水位完成补货。过往频繁锁货与调拨的现象也就自然而然的被避免了。

而对于特殊场景例如大促、直播等，则提高了对销售预测的要求，避免过去一味通过锁货来应对的方式。由于提高了对销售预测的依赖，因此第二步就需要对销售预测及需求预测进行优化。

在很多以销售为王的企业中，往往会将销售预测作为需求预测进行备货。然而销售部门毕竟不是钻研数据的部门，容易给出偏乐观的预测，这导致基于销售预测的备货会出现高库存水位的情况。对此，基于场景将预测切分为两部分，由计划和销售分别主导进行预测，并结合实际情况（如新老品汰换、促销、竞对活动等）共识最终结果：

分别完成常规场景、特殊场景的销售预测之后，再交由计划部门基于当前库存情况完成需求预测，并与销售部门对最终结果进行确认。

后续以共识后的结果作为库存方案自动补货的重要依据，在预测准确率较高的情况下，结合安全库存的配置，基本不需要人工进行过多调整，即可应对大部分的销售场景。

需要注意的是，在选择需求预测方法时，需要结合企业当前的产品性质、自身能力和发展阶段，有时复杂的方法、系统并不一定就是当下最优的解决方案。可以通过多角度的测算选择出准确率较高且易于落地的方法作为变革的第一步，之后随着企业的发展，再逐步优化、细化需求预测方法。

尽管已经完善了不同场景下的管理规则，同时明确了销售与计划的职责，合理化了需求预测方式。我们不得不承认，市场无法被精准预测，总会有意外情况发生。因此，库存规则的设定，也成了需求预测后的另一道防线，同时也是降低在库库存水平的重要环节。

在过去仅考虑在库库存的模式上，增加VMI（供应商拥有管理库存）和在途库存的考量。基于各渠道的发货时效要求，将部分的在途商品纳入在库库存的范围（例如，平台要求48小时发货，基于企业过往数据，可将1天内到货的商品加入到在库库存范围进行分配）。

基于平台要求、竞对表现和企业目标，确定有货率（服务水平），以计算出合理的安全库存（常见方式有：使用公式计算 安全库存 SS =、基于泊松分布计算等）。因此，整体库存将由周转库存（基于需求预测所需的库存）、在途库存（部分）、安全库存组成，以此在保证服务水平的情况下，合理化库存水平。

这里需要注意的是，由于库存的边际效益是递减的，因此安全库存并不是越高越好，为了最后几个点的服务水平，往往需要投入成倍的资源。

常规场景下，所有库存基于预测，由系统自动进行补货（基于系统刷新频率，将店铺库存维持在1天甚至更低的水平），未分配库存进入共享库存。

特殊场景下，在共识的预测范围内通过共享库存进行补货。

通过这三步，我们可以完成对于整体库存的共享机制，同时扩大了库存可用范围，再加以对于安全库存的合理安排，以此达到优化库存结构，减少在库库存，提升库存周转率的目标。

此外，基于实际业务场景，方案同时需要明确需求提报流程、渠道优先级规则、异常情况（缺货或超卖）处理规则、清货规则等确保方案可落地的具体流程细节逻管理方案。从过往案例来看，在方案落地后，在不影响销售的情况下，库存天数显著降，当下基本解决了高库存与缺货并发的问题。