库存优化是指在确保达到既定服务水平的同时，以最低的总成本在正确的位置持有适量产品的实践。它是在可用性与可用性所需的资金和空间之间进行审慎的平衡——这是针对每一款产品进行的精细化管理，而非针对整个产品系列一概而论。
美式英语拼写为 optimization，英式英语拼写为 optimisation；两者描述的是同一门学科。
其中最关键的词是“既定”（chosen）。优化并不意味着最小化库存，也不意味着永远不会缺货。它意味着决定每款产品应达到的服务水平，然后持有能够实现该水平的最少库存。
库存管理与库存优化
两者虽有重叠，但并非同一项活动。
库存管理是运营准则——包括跟踪库存持有量、下达采购订单、收货、盘点、评估库存价值以及保持记录准确。它回答的是：我们有什么？我们需要采购什么？
库存优化是其之上的分析层——决定目标本身应该是什么。这款产品需要什么样的服务水平？考虑到其实际波动性，合适的缓冲库存是多少？应该存放在哪里？哪些产品应该完全停止备货？它回答的是：我们所管理的这些数字是正确的吗？
企业可以很好地管理库存，却从未对其进行优化。这表现为记录准确、订单下达及时，但补货点却是三年前设定的，且对所有产品线都套用同一条经验法则。一切运作正常，但总库存投资却远高于必要水平，且分布不合理。
优化完全依赖于稳健的库存管理。在记录不准确的基础上进行优化，只会得出看似自信、精确，实则错误的结论。
优化三角：服务、成本与容量
这三个目标相互制约，你无法同时实现三者的最大化。
服务水平——客户找到所需产品的频率。提高服务水平需要更多库存，且两者并非线性关系。将可用性从 90% 提升至 95% 需要一定的缓冲库存；而从 95% 提升至 99% 则需要大约两倍的投入，因为你是在应对越来越小概率的事件。
成本——被占用的资金、库存持有成本以及过期库存的核销。降低成本意味着减少持有量，除非有其他因素改善，否则这会降低服务水平。
容量——可用的物理空间和处理资源。更多的库存需要更多的存储位置，一旦超过某个临界点，就需要扩建仓库，这通常是一笔巨大的阶梯式成本，而非渐进式成本。
之所以称之为“三角”而非两者之间的权衡，是因为改善其中一项通常会削弱另外两项。提高服务水平会消耗现金和空间；削减成本会损失服务水平并占用容量；限制容量则必须在服务水平和持有量之间做出选择。
优化的真正作用是为每一类产品而非整个企业找到三角中的最佳平衡点。对于缺货会导致客户流失的畅销品，无论缓冲成本如何，都应保持高服务水平。而对于容易被替代的滞销品则不然，为其持有 99% 的缓冲库存纯属浪费资金。
驱动整个三角的杠杆是降低波动性——通过更好的需求预测来降低需求波动，通过更好的供应商绩效来降低供应波动。波动性越小，达到相同服务水平所需的缓冲库存就越少，从而同时释放成本和容量。这是唯一能同时改善这三者的途径，也是获得最大收益的关键所在。
库存优化技术
需求预测。 这是基础。所有其他技术都是基于对未来需求的估算进行计算的，因此预测质量决定了优化的上限。从历史数据中剔除缺货期，按你将要执行的层级进行预测，并衡量预测误差，以便了解误差需要多少缓冲库存。
安全库存设定。 根据测算的需求和交货期波动，在既定的服务水平下计算缓冲库存，而不是凭经验法则。这一项改变通常能在释放滞销品资金的同时，防止畅销品出现缺货。
补货点。 根据测算的供应商实际交货期（而非报价交货期）进行计算，并随需求变化进行审查。导致缺货的最常见单一原因，就是补货点建立在供应商无法实现的交货期之上。
经济订货量 (EOQ)。 设置订单规模以平衡订货成本与持有成本。最好将其作为一种诊断工具——找出那些当前订货量远高于或远低于应有水平的产品线。
ABC 分析法。 按价值对产品进行排名，将精力、服务水平和盘点频率投入到最有价值的地方。对整个产品系列应用单一策略是优化失败的最常见原因，而 ABC 分析法正是解决之道。
JIT。 持有最少库存并按需收货。在需求稳定且供应商可靠的情况下非常强大，但在不稳定的情况下则代价高昂。应有选择地应用，而非将其视为一种普适哲学。
VMI。 由供应商监控你的库存并进行补货，这省去了一层基于订单的重新预测环节，通常能减少所需的缓冲库存。
多级库存优化。 同时优化整个网络（中央仓库、区域站点、门店）的库存，而不是独立优化每一个节点。分别优化每个位置会导致每一层都产生重复的缓冲库存；而联合优化则承认中央缓冲库存可以覆盖多个下游站点。这是多点经营企业实现最大节约的关键，且需要软件支持才能妥善完成。
SKU 合理化。 决定哪些产品应该存在。长尾变体产品会增加每个地点的复杂性、空间占用和缓冲库存。削减这些产品是“减法优化”，通常是回报率最高的行动。
自动补货。 让系统根据实时数据提出采购建议，而不是依赖人工审查报告。消除了触发信号与人工操作之间的延迟。
库存周转率与周转天数。 这些指标用于衡量优化是否有效，应结合服务水平一同查看，而非孤立分析。
优化收益
减少资金占用。 这是最显著的收益。根据实际波动性而非习惯来设定缓冲库存的企业，通常能在不降低服务水平的情况下释放大量库存投资。
在关键领域提升可用性。 优化通常会增加畅销品的库存，同时削减滞销品的库存。总库存下降，而客户真正需要的产品服务水平却得到了提升。
减少呆滞库存和过时库存。 减少滞销品的持有量意味着减少了核销损失。
降低持有成本。 仓储、保险、搬运和财务成本均随库存持有量而变动。
释放空间。 有时足以推迟扩建仓库的计划，这是一笔巨大的成本节约。
减少紧急订单。 加急运费和零担运输通常是补货点触发过晚的症状。
决策有据可依。 审慎选择服务水平并计算其成本，这是一种商业决策。而无人能解释的库存水平则不是。
一个实操案例：优化单一产品组
某分销商持有 900 个 SKU，库存价值约 140 万美元。其服务水平不稳定——热门产品经常缺货，而仓库里却堆满了滞销品。
初始状态。 对所有产品应用同一规则：六周的库存覆盖期（几年前设定的）。再订货点根据供应商提供的交货周期计算。
第一步——细分。 按年度价值进行 ABC 分析，结果显示 78 种产品（占产品范围的 9%）贡献了 71% 的销售额。通过需求波动性进行二次划分，将每个类别分为“可预测”和“不稳定”两类。
第二步——评估供应商。 每个供应商最近的 20 次收货记录显示，报价交货周期为 10–14 天，而实际平均值为 15–19 天，其中一家供应商的交货周期波动范围在 12 到 31 天之间。企业内部的每一个再订货点触发时间都滞后了几天。
第三步——审慎设定服务水平。 A 类产品设定为 98%，因为该类产品的缺货会导致订单流失且难以挽回。B 类设定为 95%。C 类设定为 90%，其中最滞销且最易被替代的 C 类产品则完全不设缓冲库存。
第四步——重新计算。 根据实际需求和交货周期波动性，在设定的服务水平下确定安全库存，而不是一刀切地设定为六周。再订货点根据实测的交货周期重新构建。
结果。 A 类产品的库存增加了约 95,000 美元——因为这些快销品的缓冲确实不足。C 类长尾产品的库存减少了约 310,000 美元，因为对滞销且可替代的商品维持六周的覆盖期在逻辑上是站不住脚的。净减少额约为 215,000 美元，占总库存的 15%。
服务水平也随之提升。 A 类产品的缺货率大幅下降，因为这些产品现在拥有了能够反映实际交货周期的充足缓冲。C 类产品的可用性略有下降，但这正是我们审慎权衡后的结果。
第五步——再次获益的环节。 对 C 类长尾产品进行合理化审查，识别出 60 个在过去 18 个月内几乎没有销售额的 SKU。淘汰这些产品不仅释放了仓位，还彻底省去了关于缓冲库存的决策。
这种结果的形态非常典型：总库存下降，重要产品的库存增加，关键领域服务水平提升，且节省的成本集中在无人问津的长尾产品上。
最佳实践
首先修复记录准确性。 如果基础数据有 12% 的错误率，那么基于此优化得出的建议也会有 12% 的错误率，而且往往会让人产生盲目的自信。
先细分，再优化。 进行价值 ABC 分析，并结合第二个维度（需求波动性或产品的可替代性）进行交叉分析。高价值且可预测的产品，其策略必须与高价值但波动大的产品有所区别。
按类别审慎选择服务水平。 并将其记录在案。如果一个目标未经明确决策，那么它就无法成为考核标准。
测量供应商交货周期及其波动范围。 供应端的波动通常比需求端的波动更能驱动缓冲库存的需求。因此，提升供应商的可靠性是价值最高的改进方向，而这一点往往被忽视。
从需求历史中剔除缺货期。 否则，你会在那些已经让你失望的产品上系统性地低估需求。
按节奏进行审查，而非在出问题时才处理。 重要产品线每季度审查一次，长尾产品每年审查一次。一旦设置参数后便置之不理，参数会悄无声息地过时。
优化整个网络，而非单个站点。 在每个地点进行独立优化会导致整个网络中缓冲库存的重复配置。
将产品范围合理化作为优化工作的一部分。 优化那些本不该存在的产品库存，是在错误的方向上浪费精力。
关注每一项指标的两个方面。 周转率上升但可用性下降并非改进，而是库存削减过度。务必将成本指标与服务指标结合起来看。
从高价值产品线开始。 少数产品通常占据了大部分库存投资，优先优化这些产品能以较少的工作量获得大部分收益。
软件和 AI 如何支持库存优化
软件的价值在于能够跨整个产品范围进行计算。为一个产品合理设定安全库存是电子表格就能完成的工作；但要为 4,000 个产品（每个产品都有各自的需求分布和供应商波动性）进行计算则不然。库存优化工具可以计算每个 SKU 的参数，对照服务水平目标进行运行，并标记出当前设置与目标之间的偏差。
多级库存优化确实需要软件支持。 计算网络中每一层的正确缓冲水平，并考虑到中央缓冲如何覆盖下游波动，这是一个建模问题，而非简单的算术问题。
情景建模是另一项值得拥有的功能——如果我们提高 A 类产品的服务水平至 98%，或者主要供应商的交货周期缩短 4 天，库存投资会发生什么变化？在做出决策前进行模拟测试，能让财务部门的沟通变得更有依据。
机器学习的优势。 适用于拥有充足历史数据且受多种变量（季节性、促销、定价、天气、相关产品）影响的产品需求预测。模型可以发现简单时间序列分析无法捕捉的模式，并且在处理大规模数据时比处理几十个产品线更能体现价值。
机器学习的局限。 对于稀疏或不稳定的需求、没有历史数据的新产品，以及包含未标记缺货期的数据集，模型可能会比人类更快、更自信地学到错误的东西。输入数据的质量仍然是制约因素，没有任何模型能修复不准确的库存记录。
关于采购的中肯建议。 优化功能存在于 ERP 模块、专用规划工具和某些 库存管理软件 中。无论哪种情况，值得提出的问题都是一样的：它是根据实际波动性计算安全库存，还是仅仅应用一个规则？它能否针对不同产品类别保持不同的服务水平？它能否妥善处理多站点问题？它能否展示计算过程，以便让建议变得可理解，而不仅仅是被动接受？
深入了解
- 什么是库存管理 — 底层的运营准则。
- 什么是安全库存 — 缓冲优化的衡量标准。
- 什么是 ABC 分析 — 产品范围细分。
- 什么是需求预测 — 一切工作的输入基础。
- 什么是库存周转率 — 衡量优化是否有效。
- 库存管理技术 — 更全面的方法论。
一句话总结
库存优化意味着在审慎选择的服务水平下，持有最少的库存，并按产品类别进行精细化管理。它高于日常的库存管理，完全依赖于准确的底层记录，且最大的收益来自于降低波动性，而非单纯的削减库存。
常见问题解答
什么是库存优化？这是一种在正确地点持有正确数量的每种产品，以最低的总成本达到既定服务水平的实践。它在产品可用性与所需的资金、持有成本和空间之间取得平衡，针对不同产品类别确定最佳库存位置，而非笼统地对待整个产品系列。
库存管理与库存优化有何区别？库存管理是运营准则，包括库存跟踪、订货、收货、盘点和估值。而优化是其之上的分析层，用于决定目标应设定为何：每种产品应达到的服务水平、缓冲库存的大小以及库存应存放的位置。管理负责执行，而优化负责设定参数。
主要的库存优化技术有哪些？需求预测、基于测量变异性的安全库存规模设定、基于实际提前期的再订货点、EOQ、ABC分析、在供应可靠情况下的JIT、VMI、跨网络的库存多级优化、SKU合理化以及自动补货。
什么是库存多级优化？同时优化网络中每一层级（中央仓库、区域站点和门店）的库存，而不是独立优化每个地点。独立优化会导致各层级缓冲库存重复；而网络视角则认识到，中央缓冲库存可以覆盖多个下游站点的变异性，这正是多站点企业实现最大成本节约的关键所在。
库存优化是否意味着减少库存持有量？并非一概而论。它通常意味着在缺货会导致客户流失的快销品上增加库存，而在长尾慢销品上大幅减少库存。总投资通常会下降，同时客户所需产品的可用性也会得到提升。
我该如何开始库存优化？首先确保记录准确性，然后按价值和需求变异性对产品系列进行细分，有意识地为每个细分市场选择服务水平，测量供应商的实际提前期及其波动范围，并针对高价值产品重新计算安全库存和再订货点。在引入任何软件之前，这些步骤就能覆盖大部分的优化收益。
人工智能可以优化库存吗？在拥有充足历史数据和众多影响变量的情况下，机器学习确实能改善需求预测，而优化软件对于大规模的多级建模也是必不可少的。但两者都无法解决记录不准确或需求数据稀疏的问题；如果模型基于包含未标记缺货期的历史数据进行训练，它会自信地学到错误的结论。
Warehouse Wise 是一个免费、独立的库存管理、仓储及订单履行指南库，专为一线从业者编写——无论是刚入职的仓库和库存人员、处于成长期的中小型零售与电商企业，还是任何希望深入了解库存管理的人士，都能从中受益。我们坚持提供简洁明了的内容：每篇指南都会解释核心术语，并在必要时提供带真实数据的实例，点到为止。我们保持独立：不销售任何软件或设备，不收取任何推荐佣金，指南的排序也绝不受到任何商业付费影响。