AI 补货预测进仓库：预测再准，也得留一个人拍板

我们有个客户，做家居小件的，去年旺季前找我们谈仓储合作，第一句话就是：“你们能不能上 AI 补货预测？我听说上了就能少备货、不断货。”我当时没接这话，先问了他一句：你们现在补货是谁说了算？他愣了一下，说是仓库主管凭经验，每周一看库存表，觉得哪个快没了就报上去。我说，那套东西能帮你们，但帮法跟你们想的可能不一样——它不是来替人拍板的，是来让人拍板拍得有据可查的。

AI 补货预测到底算什么

先把概念掰开。AI 补货预测不是需求预测理论课，它是仓库里一个执行闭环：系统每天看销量速度、现有库存、在途量，算出哪些 SKU 该补、补多少、何时补，然后出一张建议单，人签字，单子才往下走。预测只是闭环的第一步，后面还有复核、执行、复盘三步，少了哪步都转不起来。

我们另一个客户，做季节性小家电的，之前就吃过只看预测的亏。系统按上季度的销量曲线推，说某款取暖小家电还能卖一阵，建议补了几托。结果那年降温来得晚，货压在仓里，旺季尾巴才慢慢走掉。预测本身不算错，错的是没人问一句：今年的天气节奏跟去年一样吗？促销排期变了没有？一张建议单如果没人结合现实过一遍，就等于把仓库的钥匙交给了历史数据。

预测喂什么料，决定它准不准

系统吃进去的东西，基本就四样：销量速度、季节规律、促销排期、供应商交期。销量速度看的是真实出库，不是进货量；季节规律要分品类，不能拿全仓平均曲线套每个 SKU；促销排期必须提前录进去，临时促销系统是猜不到的；交期则要按供应商实际表现算，写合同交期还是写平均到货天数，结果能差出头几天。

这四样里最容易被高估的是历史销量。家居小件那个客户，去年有一波网红带货，某款收纳盒一周卖了平时几个月的量。如果这段异常销量不标注、不剔除，系统会以为这是常态，建议单一张比一张大。所以我的做法是：上系统之前，先跟客户把过去一年的异常周标出来，该剔除的剔除，该备注的备注。料喂得干净，预测才有讨论的价值。

促销排期这一样，实操里最容易掉链子。甲方市场部经常是口头通知一句“下周搞活动”，仓库这边没人往系统里录，系统还按平销算，建议单自然偏小。我的规矩是：促销排期必须以表格形式提前进系统，写清 SKU、起止时间、预计放量倍数，口头通知不算数。少了这张表，旺季的建议单张张都得人工改，系统等于白上。

AI 补货预测的安全库存怎么定

安全库存是 AI 补货预测里最容易吵架的地方。客户总想压低，觉得压低就是省钱；仓库总想抬高，觉得抬高就是保险。我的谈法是：安全库存不跟感觉走，跟两个东西走——补货周期里销量能波动多少、供应商交期能拖多久。波动大、交期不稳的 SKU，安全库存就得厚一点；销量稳、交期准的 SKU，薄一点也没事。

这里有个反常识的判断：预测越准的时候，反而越要留人盯着。因为预测准了，大家就全信它，安全库存越压越薄，缓冲垫一点点被抽走。等到哪天来一次计划外的事——供应商晚到一批、促销提前一周——仓里连顶头几天的量都没有，断货断得比没上系统时还难看。系统越可信，人的复核就越不能省，这是个悖论，但仓库里天天都在上演。

数据脏的三种样子

这套东西翻车，十次里有八次不是模型不行，是数据脏。脏法主要有三种，谈合作时我都会先跟客户对一遍。

第一种，库存账不实。账面上有货，实物找不到，或者实物在、系统里没入账。建议单按账面算，补了也是白补。第二种，SKU 口径乱。同一款货，线上一个编码、线下一个编码，销量被拆成两半，系统以为两个 SKU 都卖得一般，谁也没触发补货线。第三种，交期写的是合同数不是实际数。合同写头几天，实际常常拖一周，系统按合同数算安全库存，永远算薄。

这三种脏数据都有一个共同点：系统不会自己喊停，它只会一本正经地按脏数据算出漂亮的建议单。所以上线前的数据清洗不是可选项，是必选项；上线后也得定期盘，账实不符的 SKU 先从自动建议里摘出来，人工管，直到账干净了再放回去。