“大家好，我是李启方！今天来跟大家聊聊电商库存分析
本文摘自中国商业联合会CPDA数据分析师，帆软签约讲师 王晓博老师，在帆软行业大讲堂中的直播分享，完整内容请点击下方链接观看直播回放！（文末还有最新场的电商直播预告，就在明晚，千元好礼等你来拿）
电商库存管理精细化运营全链路详解
近年来，电商行业进入了高度内卷化的红海阶段，如何通过数据分析实现库存管理的精细化，成为企业提升竞争力的关键。帆软致力于为广大客户提供电商行业数据分析解决方案服务，针对库存管理这个场景，提出了四种典型的库存分析方法。
商品分类与补货优化
基于帕累托分析法和ABC+XYZ分类法，对商品进行细化分类
ABC分类：ABC分类法又称帕累托分析法、ABC分析法，也称之为「80 对 20」规则。分类的核心思想为少数项目贡献了大部分价值。根据商品销售金额和数量划分为重点、次重点和一般类别。分类方法步骤如下：
计算每个库存SKU的金额。
按照金额从大到小排序。
计算每一个SKU金额所占库存总金额的百分比。
计算累计百分比。
根据累计百分比，划分ABC区间，进行分类。
XYZ分类：结合商品销售的波动性，进一步细分需求的稳定性。
1.增加销售波动的情况XYZ分类
X类：X类的特点是随着时间的推移，销售波动较小。在预测时也可以可靠地预测未来需求。
Y类：Y类的需求不是稳定的，但可以在一定程度上预测需求的变化。这通常是因为需求波动是由已知因素引起的，如季节性、产品生命周期、竞争对手的行为或经济因素等。准确预测Y类的需求比X类更加困难。
Z类：相互之间的变化很大，甚至需求中会出现零值，即没有需求的情况。Z类的需求可能剧烈波动或偶尔发生，意味着这种产品并非持续有销售，在某些时候甚至完全没有销售。在预测时，Z类没有趋势或可预测的因果关系，因此无法进行可靠的需求预测。
2.如何计算XYZ分类
可使用近一年的销售数据，按SKU和月份对销售数量进行汇总；
计算每个SKU销量的算术平均数——新增汇总列；
计算每个SKU销量的标准差——新增汇总列；
通过标准差除以算术平均数，得出变异系数 (Coefficient of Variation, CV)；
对变异系数按照大小进行排序；
根据变异系数的排序，划分XYZ区间，进行分类。
一般来说，变异系数在0.5以下的SKU被视为X类，变异系数超过1的被视为Z类，剩下的SKU被视为Y类。
结合ABC+XYZ分类法，采购部门可以根据不同类别的物料制定相应的采购策略，以优化库存管理和降低成本。
对于AX类物料，可以采用JIT（即时制）采购策略，以减少库存持有成本；
对于BY类物料，可以采用混合策略，平衡成本和效率；
对于CZ类物料，可以采用安全库存策略，以应对需求的不确定性。
ABC+XYZ分类法为企业提供了科学的库存管理方法，帮助企业在采购过程中更好地分配资源，降低库存成本，提高运营效率。通过合理运用这一方法，企业能够更加精准地把握库存管理的重点，实现成本控制和业务发展的双重目标。
针对没有批次管理的企业，使用倒推法计算库存库龄，以便监控哪些库存需要进行打折促销的，根据库龄结合周转，可以阶梯式的对商品进行打折，设计不同折扣策略，如促销、清仓等：
有些公司ERP没有实现批次管理，同一个产品不同批次入库的库存是混在一起的，需要从数据计算的逻辑倒推去计算理论上不同批次产品的库龄。我们可以基于入库数据和当前库存数据，通过跨行计算累加入库数量，倒推出理论上的库存分布。
03 识别上升商品
通过7天销量周期分析，看销量整体上升情况。监控上升品种、监控毛利率。持续监控上升品的销量变化，结合毛利率构建四象限图，为营销和补货决策提供支持：
明星产品：高销量、高毛利率。
引流品：低毛利率、高销量。
利润品：高毛利率、销量一般。
动销品：低毛利率、销量一般。
通过库存周转天数对库存进行打标，并通过参数计算所选时间段销量、近3天销量、近7天销量、近30天销量，对滞销产品库存进行识别，对滞销产品及时进行降价、退货等处理。
识别无效商品
通过库龄、呆滞时间、销售数量、退货率、残损率等维度来进行识别无效商品。
第一步：结合库龄&呆滞时间&销售数量，综合判断商品是否【疑似无效】
库龄=当日-入库日期
呆滞天数=当日-最后一次销售时间
第二步：核对商品上架记录，判断是否因为没有上架而导致呆滞，如有上架记录，则判定为【无效商品】
1.价格段分析法
不同单价商品的库存分析：各品类/品牌主流价格带商品的库存，看主流价格带商品是否缺货， 非主流价格带商品是否积累库存。
不同标签价格商品的库存分析：各类/品牌不同标签价格的库存，看主流价格带的库存是否充足， 非主流价格带的库存是否积累（单价也与折扣/毛利有关，标签价格有时更能反映问题）。
2.SKU三度分析
品类广度：采购的商品类数据是否充足，与行业进行比较。
SKU宽度：采购的SKU如何丰富，非标产品SKU注重宽度，主流SKU是否采购。
SKU深度：SKU总数/品类数。
你点的每一个在看，都汇聚成数据之光！
