仓库明明有货，门店为什么还在催货

3个仓库存不低，缺货为什么还发生

渠道周会最容易出现一幕：仓配说总库存太高，销售说门店天天缺货。两边报的都可能是真话。库存可能压在慢销SKU、错误仓库或不适合目标门店的包装规格上。

举个例子。某饮品经销商有三个配送仓，周末前收到了一批补货请求。A仓的畅销规格已接近安全线，B仓还有较多同款货，C仓压着的是另一种包装。如果只用全区合计数判断，系统会同时低估缺货和高估可用库存。

补货规则先回答4个现场问题

哪个SKU需要补，补到哪些店，从哪个仓发，什么时候必须到。再把近七天销速、配送周期、在途数量、最小订货量和货架容量放进来，补货建议才能被执行。

补货规则要固化在DMS、订单或库存系统中，不能长期靠业务员心里的经验。系统还要记录是自动建议、人工调整还是例外批准，方便后面复盘为什么多发或少发。

用过去4周记录找反常组合

将门店销速、可用库存、未完成配送和当前补货参数交给AI，让它先找三类反常：高销速门店没有补货建议，慢销门店仍在连续发货，附近仓有货却从远仓配送。它的输出是规则疑点，不是自动下单。

然后用过去四周数据做一次回放：如果当时用新规则，哪些店会多补，哪些店会少补，对缺货和库存天数有什么影响。回放只用来检查规则，没有通过业务审批之前不写回正式系统。

只在1个城区改一条规则

这个例子里，团队先把B仓的畅销规格调往A仓覆盖的缺货门店，同时停掉C仓慢销包装的自动补货。新规则只在一个城区试跑，每天记录人工改单和缺货原因。

两周后不只看缺货是否下降，还要看库存是否被推高、调货费是否上升、门店是否频繁拒收。如果只用多发货换来低缺货，问题只是从门店搬回了经销商仓库。补货要在服务和库存之间找平衡，AI只提供更快的异常反馈。

仓店网络会诊落地前，先过这3项

2周后同时看缺货和积压

2周后同时看缺货天数、库存天数、调货费用和拒收次数。AI能从过去4周数据里找出规则疑点，业务员可以根据闭店、团购或道路限制调整建议。最终目标是货在正确的仓和门店，不是单独把某一方的库存数字做低。