性，而大部分零售门店在业务开展过程中，多多少少都会因为入库数量错误、商品损耗、丢失、销售出库错误导致实际库存和理论库存不一致。举个例子，门店补货计划中制定的补货量为50个，但仓库实际只发了45个，到货后，门店没有检查，直接按照计划补货量确认入库，库存就凭空增加了5个；再比如，有A、B两种商品，分别有20个和30个库存，两者外观非常接近但其实是不同的SKU，客户购买了5个A，交易时店员误操作按照B进行销售，这时账本上就有20个A、25个B，而门店里实际上有15个A、30个B。这导致库存虚高或偏低，为了核实门店的实际库存，就需要店员定期对门店商品存量进行盘点，从而掌握货物的实际留存情况。

具体做法是，首先按照商品的重要程度和销售速度，将盘点分为核心商品日盘点、非核心商品周盘点或月盘点，其他可为抽盘。门店库存盘点一般也可以跟补货频率保持同步，比如每天下达一次补货指令，在制作补货指令之前进行一次盘点。以便利店为例，它的商品补货频率有日补、两日补等，日补的就需要日盘。盘点一般在客流少的时候进行，也有的在歇业后进行，这需要考虑做补货计划的时间，如果补货计划要下午4点之前下达，门店就需要在4点之前完成盘点和补货计划的制作。如果是总部制作补货计划，一般会要求门店下班前进行一次盘点。

也有零售商因商品SKU太多没有办法每一个都盘点，它会分析SKU盘点库存与理论库存的差异情况，把出现差异比较小的SKU纳入低频盘点，或者采用理论库存进行补货计算，不用每次补货前都做盘点。对于当日过期的商品，往往不做盘点，认为当日日末的库存为零。性，而大部分零售门店在业务开展过程中，多多少少都会因为入库数量错误、商品损耗、丢失、销售出库错误导致实际库存和理论库存不一致。举个例子，门店补货计划中制定的补货量为50个，但仓库实际只发了45个，到货后，门店没有检查，直接按照计划补货量确认入库，库存就凭空增加了5个；再比如，有A、B两种商品，分别有20个和30个库存，两者外观非常接近但其实是不同的SKU，客户购买了5个A，交易时店员误操作按照B进行销售，这时账本上就有20个A、25个B，而门店里实际上有15个A、30个B。这导致库存虚高或偏低，为了核实门店的实际库存，就需要店员定期对门店商品存量进行盘点，从而掌握货物的实际留存情况。

具体做法是，首先按照商品的重要程度和销售速度，将盘点分为核心商品日盘点、非核心商品周盘点或月盘点，其他可为抽盘。门店库存盘点一般也可以跟补货频率保持同步，比如每天下达一次补货指令，在制作补货指令之前进行一次盘点。以便利店为例，它的商品补货频率有日补、两日补等，日补的就需要日盘。盘点一般在客流少的时候进行，也有的在歇业后进行，这需要考虑做补货计划的时间，如果补货计划要下午4点之前下达，门店就需要在4点之前完成盘点和补货计划的制作。如果是总部制作补货计划，一般会要求门店下班前进行一次盘点。

也有零售商因商品SKU太多没有办法每一个都盘点，它会分析SKU盘点库存与理论库存的差异情况，把出现差异比较小的SKU纳入低频盘点，或者采用理论库存进行补货计算，不用每次补货前都做盘点。对于当日过期的商品，往往不做盘点，认为当日日末的库存为零。D.怎么做补货计划

有了销售预测和盘点数量，就可以着手补货计划的制订了。补货计划是为了计算出需要补充的库存数量，它的核心逻辑可以用如下公式表达。

补货量=需求（送货周期内的需求+补货周期内的需求）–供应（库存+在途量+预计到达的订单数量）

补货的逻辑如果用文字表达就是，“到下次到货之前”预计要销售的数量，减去现有库存的数量、发往门店的在路上的库存量、已经下达补货单但尚未发货的数量。我们以简单的买菜为例，假设你每周日去买菜，买下一周的菜量，你估计下周一家人会吃掉5斤番茄，现在家里大概有半斤，那么你需要采购的量就是4.5斤。在零售业中，情况要比这个复杂得多，你周日决定去买菜，1个小时菜就买回来了。而零售业大多数商品从“下达补货计划”到“货品被送到店”，需要至少1天的时间。因此你不能等到库存没有的时候，才开始制作补货计划，这样你会缺货。如图5-33所示，假设补货计划的制作时间（也称为再订货点）早于实际到货的时间1天，这1天称为送货周期；假设两次补货指令之间的时间间隔为3天，这3天称为补货周期。在制作补货计划时，要确保“到货量”能够覆盖“补货周期”加“送货周期”内的需求，也就是说这次补货要覆盖4天的需求，直到下一次到货。因此总需求量就是这两个时间段内的需求之和。总供应包括制作补货计划时的库存数量，以及在送货周期和补货周期内预计会到达的在途库存、预计会到达的订单数量。D.怎么做补货计划

有了销售预测和盘点数量，就可以着手补货计划的制订了。补货计划是为了计算出需要补充的库存数量，它的核心逻辑可以用如下公式表达。

补货量=需求（送货周期内的需求+补货周期内的需求）–供应（库存+在途量+预计到达的订单数量）

补货的逻辑如果用文字表达就是，“到下次到货之前”预计要销售的数量，减去现有库存的数量、发往门店的在路上的库存量、已经下达补货单但尚未发货的数量。我们以简单的买菜为例，假设你每周日去买菜，买下一周的菜量，你估计下周一家人会吃掉5斤番茄，现在家里大概有半斤，那么你需要采购的量就是4.5斤。在零售业中，情况要比这个复杂得多，你周日决定去买菜，1个小时菜就买回来了。而零售业大多数商品从“下达补货计划”到“货品被送到店”，需要至少1天的时间。因此你不能等到库存没有的时候，才开始制作补货计划，这样你会缺货。如图5-33所示，假设补货计划的制作时间（也称为再订货点）早于实际到货的时间1天，这1天称为送货周期；假设两次补货指令之间的时间间隔为3天，这3天称为补货周期。在制作补货计划时，要确保“到货量”能够覆盖“补货周期”加“送货周期”内的需求，也就是说这次补货要覆盖4天的需求，直到下一次到货。因此总需求量就是这两个时间段内的需求之和。总供应包括制作补货计划时的库存数量，以及在送货周期和补货周期内预计会到达的在途库存、预计会到达的订单数量。图5-33　库存策略示意图

库存分为几种不同的类型，有周转库存、陈列库存、安全库存。周转库存即送货周期加补货周期内满足销售需求的库存，比如送货周期加补货周期是4天，预计每天的销售量是10件，那么周转库存就是40件。陈列库存即为了满足客户浏览、查看、挑选的库存，陈列库存由分配给该商品的空间决定。以超市为例，如果一个商品分配了4个横向陈列面，每个面的深度是5个纵深，那么最大陈列量就是20个，最小陈列量就是4个（当然最小陈列量也可以根据需要来设定）。补货周期内的需求可能会比你预测的大，同时送货时间和送货量可能也会有波动，为了应对这种不确定性，需要额外的库存来应对风险，这部分库存称为安全库存。安全库存可以以天表示，比如额外2天的需求量作为安全库存；也可以用周转库存的百分比表示，比如额外20%的库存；还可以通过统计模型来计算安全库存（测算近一段时间的预测准确率、缺货情况，结合有货率或服务水平目标，通过统计模型计算安全库存），后续章节会详细介绍。在进行补货计算时，一般会用图5-33　库存策略示意图

库存分为几种不同的类型，有周转库存、陈列库存、安全库存。周转库存即送货周期加补货周期内满足销售需求的库存，比如送货周期加补货周期是4天，预计每天的销售量是10件，那么周转库存就是40件。陈列库存即为了满足客户浏览、查看、挑选的库存，陈列库存由分配给该商品的空间决定。以超市为例，如果一个商品分配了4个横向陈列面，每个面的深度是5个纵深，那么最大陈列量就是20个，最小陈列量就是4个（当然最小陈列量也可以根据需要来设定）。补货周期内的需求可能会比你预测的大，同时送货时间和送货量可能也会有波动，为了应对这种不确定性，需要额外的库存来应对风险，这部分库存称为安全库存。安全库存可以以天表示，比如额外2天的需求量作为安全库存；也可以用周转库存的百分比表示，比如额外20%的库存；还可以通过统计模型来计算安全库存（测算近一段时间的预测准确率、缺货情况，结合有货率或服务水平目标，通过统计模型计算安全库存），后续章节会详细介绍。在进行补货计算时，一般会用安全库存或者最小陈列量这两者中比较大的那一个作为最小库存。也有零售商为了保证陈列的饱满，会用安全库存加上最小陈列量作为最小库存。

图5-33中所示的库存策略模型看似简单，却是供应链非常核心和关键的内容，由它也衍生出了很多不同的模型和方法。比如最大最小库存法，该方法把周转库存+最小库存固定住，将其作为最大库存，也就是图5-33中的最高点，最小库存一般用最小陈列量。只要库存低于最小库存，就补货到最大量，这时补货公式就变成了补货量=需求（最大库存量）–供应（库存+在途量+预计到达的订单数量）。

最大最小库存法从时间的角度衍生出了两类模型。一类是固定频率补货模型，比如每两天补货一次，不管现在手上有多少库存，都补充到最高库存，这种方法也称为库存上限法。一类是不固定频率补货模型，比如每天检查库存量，但是只有库存低于最低库存或者“再订货点”（送货周期内的需求+最小库存）时才进行补货，这也就相当于手上的库存量不足以撑到下次到货（送货周期）再加上最小库存时才进行补货计划的制作，如果再不补货后面几天就没东西卖了。超市便利店行业还有按照固定日期补货的场景，比如每周二、四补货等。

接下来我们按照不同的零售业态来进行详细介绍。

☞餐饮零售门店餐饮零售门店所销售的成品并没有库存，客户点单了才开始生产，门店里的库存一般是食材或原料，补货的对象也就是这些原料。我们去餐厅看到菜单上有众多的菜品选择，这些菜品背后的食材是相安全库存或者最小陈列量这两者中比较大的那一个作为最小库存。也有零售商为了保证陈列的饱满，会用安全库存加上最小陈列量作为最小库存。

图5-33中所示的库存策略模型看似简单，却是供应链非常核心和关键的内容，由它也衍生出了很多不同的模型和方法。比如最大最小库存法，该方法把周转库存+最小库存固定住，将其作为最大库存，也就是图5-33中的最高点，最小库存一般用最小陈列量。只要库存低于最小库存，就补货到最大量，这时补货公式就变成了补货量=需求（最大库存量）–供应（库存+在途量+预计到达的订单数量）。

最大最小库存法从时间的角度衍生出了两类模型。一类是固定频率补货模型，比如每两天补货一次，不管现在手上有多少库存，都补充到最高库存，这种方法也称为库存上限法。一类是不固定频率补货模型，比如每天检查库存量，但是只有库存低于最低库存或者“再订货点”（送货周期内的需求+最小库存）时才进行补货，这也就相当于手上的库存量不足以撑到下次到货（送货周期）再加上最小库存时才进行补货计划的制作，如果再不补货后面几天就没东西卖了。超市便利店行业还有按照固定日期补货的场景，比如每周二、四补货等。

接下来我们按照不同的零售业态来进行详细介绍。

☞餐饮零售门店餐饮零售门店所销售的成品并没有库存，客户点单了才开始生产，门店里的库存一般是食材或原料，补货的对象也就是这些原料。我们去餐厅看到菜单上有众多的菜品选择，这些菜品背后的食材是相对集中的，不一定会很多，比如三道菜里可能都用到了同样一种蔬菜或肉类，只是做法不同。同时，客户到店里消费，如果所点选的菜品的原料没有了，大多数情况下客户会接受换一个菜品。由于菜品众多，每一种被点选的频率可能很低，基于这样的数据想要做出合理的菜品需求预测是比较困难的。相反，它们的原料的消耗量比较大且相对集中，是可以做出质量能够让人接受的预测的。

实践中一般有两种做法。第一种，对于菜品丰富的餐饮零售业，直接通过千元用量预测食材的消耗量，结合库存策略制作补货计划。如表5-9所示，按照周计算千元用量和每周的需求（当然也可以按照日计算，逻辑都是一样的）。首先用历史上近3～5周的销量和材料耗用量计算千元用量。以调味粉为例，历史上它每周的用量25kg，它的包装规格是袋，每袋5kg，那么它每个月的使用量就是5袋。历史上每周的营业额是500000元，那么调味粉历史的千元用量=5/500000×1000=0.01。如果预计下个月的营业额是60000元，那么就需要调味粉600000×0.01=6（袋），当前库存2袋，这次就需要订4袋。假设回顾历史的使用量，发现会有5%～10%的波动，那么可以在预估需求中增加5%～10%甚至更高的量作为安全库存来应对这种波动。

表5-9　餐饮行业千元用量补货法对集中的，不一定会很多，比如三道菜里可能都用到了同样一种蔬菜或肉类，只是做法不同。同时，客户到店里消费，如果所点选的菜品的原料没有了，大多数情况下客户会接受换一个菜品。由于菜品众多，每一种被点选的频率可能很低，基于这样的数据想要做出合理的菜品需求预测是比较困难的。相反，它们的原料的消耗量比较大且相对集中，是可以做出质量能够让人接受的预测的。

实践中一般有两种做法。第一种，对于菜品丰富的餐饮零售业，直接通过千元用量预测食材的消耗量，结合库存策略制作补货计划。如表5-9所示，按照周计算千元用量和每周的需求（当然也可以按照日计算，逻辑都是一样的）。首先用历史上近3～5周的销量和材料耗用量计算千元用量。以调味粉为例，历史上它每周的用量25kg，它的包装规格是袋，每袋5kg，那么它每个月的使用量就是5袋。历史上每周的营业额是500000元，那么调味粉历史的千元用量=5/500000×1000=0.01。如果预计下个月的营业额是60000元，那么就需要调味粉600000×0.01=6（袋），当前库存2袋，这次就需要订4袋。假设回顾历史的使用量，发现会有5%～10%的波动，那么可以在预估需求中增加5%～10%甚至更高的量作为安全库存来应对这种波动。

表5-9　餐饮行业千元用量补货法