小仓库的需求预测：别一上来就谈 AI，先把这张表跑起来

先给结论：小仓库做需求预测，别一上来就谈 AI。先把一张 Excel 表跑起来，跑顺了，缺货和积压能解决大半；跑不顺，上什么 AI 都是烧钱。

这事分两面。AI 预测这几年被吹得很神，SaaS 销售嘴里的"智能补货""机器学习预测"，听着像能掐会算。但说白了，预测这东西，七分靠数据、三分靠算法。你连干净的历史销量数据都没有，算法再牛也是巧妇难为无米之炊。小仓的现状我见过太多：销量记在三个 Excel 里，退货没扣减，促销没标注，拿这种数据喂 AI，出来的结果还不如老师傅拍脑袋准。

我见过的一个坑：几万美金买来的"智能"

2023 年，加州安大略一家 2 万平方英尺的小 3PL，老板被某 SaaS 销售说动，花了几万美金上了一套带 AI 需求预测的补货模块。实施顾问进场第一周就傻眼了：过去 18 个月的销量数据，分散在三个 Excel 表和老板娘的纸质笔记本里，口径全不统一——有的记的是出库数，有的记的是订单数，退货压根没扣。

数据清洗花了两个月，最后勉强跑起来。结果呢？系统推荐的补货量，仓库主管老王看一眼就摇头："这数不对，下个月是大客户的促销季，去年这时候销量翻了一倍，系统里没这信息。"三个月后，这套系统没人再打开，几万美金打了水漂。老板跟我喝酒时说："还不如让老王每周给我一张表。"

他这句话，其实就是答案。

小仓库的需求预测：从这张表开始

别被"需求预测"四个字吓住。对小仓来说，需求预测就是回答三个问题：下个月大概卖多少？哪些货会缺？哪些货压太多了？一张表就能回答。

这张表的结构（SKU × 月份）：

SKU	过去12个月月均销量	旺季系数	下月预测	在手库存	在途库存	建议补货
…	…	…	…	…	…	…

做法分四步：

拉数据：导出过去 12 个月的出库明细，按 SKU 汇总到月。注意扣减退货——退货没扣，预测永远虚高。这是小仓最常见的脏数据，没有之一。
分 ABC：按销售额把 SKU 分成三类。A 类（前 20% 的 SKU，通常贡献八成左右的销售额）每周看一次，B 类每月看，C 类季度看一眼就行。小仓 SKU 一般几百个，A 类可能就几十个——你的精力只够盯 A 类，这很正常，别贪多。
算预测：下月预测 = 过去 3 个月平均销量 × 季节系数。季节系数自己定：去年同月销量除以去年月均，得出来是多少就是多少。不用回归模型，加减乘除就够了。
定补货：建议补货量 = 下月预测 + 安全库存 - 在手库存 - 在途库存。安全库存 = 日均销量 × 补货提前期（天）× 1.5。这个 1.5 是经验系数，缺货代价高的调到 2，不怕缺的调到 1.2。

小仓库盘点：用扫描枪核对库存

维护节奏：每月初花半天更新一次数据，A 类 SKU 每周花 15 分钟扫一眼。这张表谁来维护？老板自己，或者仓库主管——必须是懂业务的人，不能是只管录数的文员。因为季节系数、促销信息这些"数据里没有的东西"，只有业务人员知道。

2022 年，德州达拉斯附近一家做汽配的小仓就是这么干的。老板自己维护这张表，300 多个 SKU，A 类 40 个。三个月后，缺货率从原来的两位数降到了个位数，积压库存清掉了约三成。成本：零。时间：每月半天。对小仓来说，预测就该这么起步，不需要 AI。

这事分两面：AI 预测的代价和收益

我不是说 AI 预测没用。我是说，它有它的入场券，够不上就别硬上。把账算清楚：

	Excel 起步法	AI 预测软件
软件成本	零（你已经有 Excel）	每年订阅费，几千到几万美金不等
实施成本	半天搭表	数据清洗加实施，几周到几个月
数据要求	12 个月出库明细，能扣减退货就行	干净、连续、带标注（促销、退货、缺货）的历史数据
维护人力	每月半天，老板或主管兼职	需要有人持续喂数据、调参数，否则模型慢慢跑偏
适用规模	几百个 SKU，A 类几十个	上千 SKU、多仓库、需求波动大