小仓搞 AI 预测补货，别先买系统：Excel 加简单模型先跑起来

我们小仓可烧不起这个钱——去年有个销售上门，给我推一套 AI 预测补货系统，报价一开口就是一年几万块，还要我们先把历史数据"清洗三个月"。我当时就笑了：我们仓一共 3000 平，两个人加我一个老板，数据都在 Excel 里，清洗三个月，我的货早就断两次了。

所以我走了条野路子：不买系统，先用 Excel 加简单模型把 AI 预测补货跑起来。跑了大半年，断货少了，压货也少了。这篇就讲我们怎么干的，小仓同行可以直接抄。

我们的窘境：预测补货听起来很美，小仓用不上大厂那套

先说我们的底子。2025 年夏天，我们仓主要做两类货：一类是宠物用品，一类是家居小件，SKU 加起来不到 200 个，月出货量在 4000 到 6000 单之间浮动。听起来不大，但问题一点不少：爆款说断就断，滞销品却在货架上吃灰。

最惨的一次是 2025 年 7 月，一款猫抓板突然在短视频上火了，三天卖掉平时一个月的量。我们凭感觉补货，补货单还在路上，货架已经空了四天。客户投诉、店铺评分往下掉，那一周的损失我到现在都记得。反过来，另一款宠物窝进了 800 件，半年才卖掉一半，仓租和资金全压在上面。

这就是小仓的真实处境：大公司那套 AI 预测补货，讲的是数据中台、算法团队、实时接口，我们一样都没有。但预测这件事本身，并不需要那么重的装备。

别一上来就谈算法。预测的第一步，其实是把数据整理成人能看懂的样子。我们的做法很土，但管用：

第一，把过去 12 个月的出货记录按 SKU、按周导出来，一行一个 SKU 一周的销量。没有系统也没关系，从订单表里透视一下午就能搞定。

第二，标出异常周：大促周、断货周、缺货导致销量为零的周，单独标颜色。断货周的销量是假的——不是没人买，是没货可卖，拿它当需求算，模型会越算越错。

第三，只给前 20% 的 SKU 上模型。我们仓 200 个 SKU，前 40 个贡献了八成销量。剩下的长尾货，凭经验加安全库存就够了，别为它们折腾模型。

这张表整理完，我才发现一个反常识的判断：小仓预测不准，往往不是模型太简单，而是数据太脏。 断货周、一次性大单、退货冲销，这些脏数据不处理，上再贵的系统也是白搭。我们光是把异常周标出来，预测就准了一大截。

我们的模型简单到不好意思说出口，但它就是管用，公式全在 Excel 里：

第一步，算 4 周移动平均：把最近 4 周的周销量加起来除以 4，得到基准需求。这一步抹掉了单周的随机波动。

第二步，乘季节系数：拿去年同期的周销量除以去年全年的周均销量，得到这个 SKU 在这个季节的系数。比如猫抓板夏天系数是 1.4，冬天是 0.7，基准需求乘上系数，就是下周的预测。

第三步，算安全库存：安全库存 = 日均销量 × 补货周期天数 × 1.5。这个 1.5 是我们试出来的系数，供应商交期不稳定就往上加，交期稳就往下减。

最后，补货建议量 = 预测需求 + 安全库存 − 现有库存 − 在途库存。Excel 里一行公式拉到底，每周一早上花半小时，全仓的补货单就出来了。

方法	成本	上手难度	我们的实测效果
凭感觉拍脑袋	零	零	旺季必断货，淡季必压货
Excel 移动平均加季节系数	零	半天学会	断货次数降了一半，压货少了约三成
买套预测系统	一年几万块	要清洗数据、要培训	对我们这个量级，提升有限