采购预测怎么做更稳？先把给出需求预测、补货点、在途量这一步标准化

去年 11 月，一场关于明年采购预算的会议。销售总监说："明年我们的出货量至少涨 30%，采购必须提前备足货，别到时候断货。" 供应链经理立刻反驳："现在仓库里还有 400 多万的积压库存，再备货，资金全压死了。" 财务总监补了一句："你们俩都对，但谁给我一个准数？到底该备多少，什么时候备？"

三个人都觉得自己有理，但三个人都拿不出一个能落地的数字。这就是采购预测的经典画面——每个人都在用自己的经验拍脑袋，却没有一套标准化的方法，把"需求预测、补货点、在途量"这几个变量算清楚。

过去六年里，我帮 30 多家年采购额从 2000 万到 5 亿不等的企业做过采购预测的梳理。我发现一个几乎放之四海而皆准的规律：采购预测做得差的企业，不是缺数据，而是缺"标准化的计算逻辑"——他们手里有销售数据、有库存数据、有供应商交期，但这些数据从来没有被串成一条能算出"该买多少、什么时候买"的公式。 采购员下单，靠的是"感觉"和"上个月买过多少"，而不是一套可复用的计算。

这篇文章，我想把采购预测这件事讲透：它为什么难，需求预测、补货点、在途量这三个变量该怎么算，怎么把它们标准化成一套每天都能用的流程。我不讲复杂的统计学模型，只讲一线采购员能立刻上手的方法。

一、核心结论：采购预测的稳定，不靠"预测得准"，而靠"把计算逻辑固定下来"

我先把最反常识的判断放在前面：采购预测做不稳，根本原因不是"预测不准"，而是"预测这件事没有标准"——今天这个人拍脑袋，明天那个人拍脑袋，每个人的拍法还不一样，结果自然忽高忽低。 真正稳定的采购预测，不是追求"每一次都猜对"，而是追求"每一次都用同一套逻辑去算"。

你去看那些采购预测稳定的企业，他们都有一个共同点：需求预测、补货点、在途量这三个变量，都有明确的定义和计算公式，采购员下单不是"我觉得该买了"，而是"系统算出该买了，我按算出来的数下单"。预测的稳定，来自计算逻辑的稳定，而不是来自某个人的经验。

我见过最典型的一个对比。一家做食品的贸易公司，采购员老王干了八年，下单全靠经验，公司采购预测忽高忽低，一年下来不是断货就是积压。后来我们把他的经验拆解成一套公式——需求预测用"过去 90 天日均销量 × 预测周期"，补货点用"日均销量 × 采购提前期 + 安全库存"，在途量用"已下单未到货的总量"——然后让系统自动算。结果老王自己都惊讶：系统算出来的下单量，跟他拍脑袋拍出来的，80% 的情况下差不了太多，但系统不会"今天心情好多备点、明天心情差少备点"。经验能让你偶尔对，标准能让你一直对。

二、为什么采购预测总是一团乱：三个变量，三个口径，谁也算不清

要理解采购预测为什么难，得先看清三个变量的本质。采购预测的核心，其实就三个变量，但这三个变量在大多数企业里，各有一本糊涂账。

第一个变量：需求预测。 未来一段时间，我大概要卖多少？这个变量最难，因为它要预测未来。大多数企业要么没有需求预测，直接拍脑袋；要么有预测，但预测口径五花八门——有人看过去一个月，有人看过去三个月，有人看去年同期，有人看销售给的承诺数，谁跟谁都不一样。

第二个变量：补货点。 库存降到多少，我就该下单补货了？这个变量相对简单，但大多数企业根本没算过，全靠"看着快没了就补"。结果就是，要么补早了，资金压死；要么补晚了，断货。

第三个变量：在途量。 我已经下了单、但还没到货的，有多少？这个变量最容易被忽略，却最要命。很多企业下单的时候，只看"当前库存"，不看"在途量"，结果重复下单，货到了堆成山。

这三个变量，任何一个算不清，采购预测就是空中楼阁。而更麻烦的是，这三个变量是互相咬合的：需求预测错了，补货点就算不准；在途量没算进去，补货点再准也会重复下单。采购预测的乱，从来不是某一个变量的问题，而是三个变量没有形成一条完整的计算链。

三、三个变量，逐个拆开算清楚

既然三个变量是核心，那就逐个拆开，把每个变量的标准算法讲清楚。这些算法都不复杂，采购员拿 Excel 就能算，关键是"定义清楚、口径统一"。

1. 需求预测：用"滚动平均 + 趋势修正"，别用"拍脑袋"

需求预测最简单的标准做法，是滚动平均法：取过去 N 天的实际销量，算日均，再乘以预测周期。

比如，某商品过去 90 天卖了 9000 件，日均销量就是 100 件。如果采购提前期是 30 天，那么未来 30 天的需求预测就是 100 × 30 = 3000 件。

免费试用

但光有滚动平均不够，还得加一个"趋势修正"。因为销量有季节性、有增长趋势，纯粹的平均会滞后。简单做法是：如果最近 30 天的日均销量，明显高于过去 90 天的日均，说明在增长，预测要往上调一点；反之往下调。

需求预测的核心原则是：先有一个"基准数"（滚动平均），再有一个"修正数"（趋势），最后才是"预测数"。 没有基准，预测就是拍脑袋；没有修正，预测就是刻舟求剑。

2. 补货点：用"日均销量 × 提前期 + 安全库存"，别用"看着快没了"

补货点的标准公式是：补货点 = 日均销量 × 采购提前期 + 安全库存。

这里的"采购提前期"，是从你下单到货到仓库的天数，不是供应商承诺的天数（供应商承诺往往偏乐观，要按实际历史数据取）。"安全库存"，是为了应对销量波动和交期延误而额外备的缓冲，一般取"日均销量 × 波动系数"，波动系数看商品的稳定程度，稳定商品取 3-5 天，波动大的取 7-15 天。

举个例子：某商品日均销量 100 件，实际采购提前期 10 天，安全库存取 5 天的量（500 件），那么补货点就是 100 × 10 + 500 = 1500 件。意思是，当这个商品的库存降到 1500 件时，就该下单补货了。

补货点的价值，在于它把"什么时候该补货"这个模糊的判断，变成了一个明确的数字。 有了这个数字，采购员就不用每天盯着库存"感觉快没了"，系统会自动提醒他。

3. 在途量：下单时必查，别重复下单

在途量的定义很简单：已经下了采购单、但还没入库的数量总和。 这个变量本身不难，难的是"下单的时候必须把它算进去"。

标准的下单量公式是：下单量 = 需求预测 + 安全库存 - 当前库存 - 在途量。

很多人下单，只算"需求 - 当前库存"，忘了减在途量，结果就是重复下单。我见过最夸张的案例：一家企业因为没算在途量，同一个商品在一个月内重复下了三次单，货到的时候仓库堆了三个月的量，资金压了 200 多万。

在途量是采购预测里最容易被忽略、却最容易造成真金白银损失的变量。 下单前，先查清楚这个商品还有多少在途，是采购员的基本功。

四、把三个变量串起来：一套标准化的下单流程

三个变量算清楚了，下一步是把它们串成一套标准化的下单流程。我把它总结成"五步下单法"，采购员每天照着走就行。

这五步里，最关键的是第 4 步的计算公式。我把这个公式再写一遍，你记下来：下单量 = 需求预测 + 安全库存 - 当前库存 - 在途量。 这个公式，就是采购预测标准化的灵魂。

我后来帮前面那家食品贸易公司做标准化，就是用简道云进销存把这套逻辑固化了。需求预测、补货点、在途量三个变量，系统自动从库存数据和采购单里取数、自动算，采购员打开系统，该补什么、补多少、什么时候补，一目了然。老王从"靠经验拍脑袋"，变成了"按系统算出来的数下单"，采购预测的波动从原来的忽高忽低，变成了稳定在合理区间。标准化最大的好处，不是算得更准，而是让"准"这件事不再依赖某一个人的状态。

五、一个完整案例：从"月月断货又积压"到"库存周转率翻倍"

2022 年，我帮一家做母婴用品的电商公司做采购预测改造。这家公司年销售额 1.5 亿，SKU 1800 多个，采购团队 5 个人。改造前，他们的采购预测是典型的"拍脑袋"：采购员每天刷一遍库存，看到哪个快没了就补哪个，补多少全凭感觉。

结果就是两个极端并存：畅销品经常断货，一个月断货 40 多次，损失销售额估摸有 300 多万；滞销品又大量积压，仓库里堆着 800 多万的库存，其中超过 180 天没动过的有 260 多万。

我先花了一周，把他们的采购预测现状摸清楚，发现了三个致命问题：

• 没有需求预测：采购员下单，不看来来往往的销量趋势，只看"今天还剩多少"，纯粹是被动补货；
• 没有补货点：什么时候该补货，全靠采购员"感觉快没了"，没有统一标准；
• 完全忽略在途量：下单的时候根本不查在途，同一个商品重复下单是家常便饭。

针对这三个问题，我做了三件事。第一，给每个 SKU 建立需求预测，用"过去 90 天日均销量 × 预测周期 + 趋势修正"的公式，系统自动算。第二，给每个 SKU 设定补货点，用"日均销量 × 提前期 + 安全库存"的公式，库存降到补货点自动提醒。第三，把在途量纳入下单公式，下单量 = 需求预测 + 安全库存 - 当前库存 - 在途量，强制采购员按公式下单。

这三件事，全部用简道云进销存落地。改造三个月后的效果，我整理成下面这张表：

最让我欣慰的不是数字本身，而是采购团队的变化。 改造前，采购员每天疲于奔命地"救火"，今天断货、明天积压，永远在补窟窿；改造后，系统自动算好该补什么、补多少，采购员只需要审核确认，把省下来的时间用在跟供应商谈判、优化交期这些真正有价值的事上。采购预测标准化，解放的不是库存，是人。

六、不同规模，不同的标准化深度

采购预测标准化，不是所有企业都一步到位。不同规模的企业，标准化的深度应该不一样，我分三档说。

小企业（SKU 500 个以内，采购额 3000 万以下）： 先用 Excel 把三个变量的公式跑起来就行，重点是"补货点"和"在途量"这两个最容易见效的。需求预测可以粗一点，用滚动平均就够了。这一档的目标是"从拍脑袋到有公式"，不追求精确。

免费试用

中型企业（SKU 500-3000 个，采购额 3000 万到 2 亿）： 建议上简道云进销存这类工具，把三个变量的计算自动化。这一档的目标是"从有公式到自动算"，让采购员从手工计算里解放出来。同时可以开始做 ABC 分类，对 A 类高价值商品做精细预测，对 C 类低价值商品做粗放管理。

大型企业（SKU 3000 个以上，采购额 2 亿以上）： 在自动化的基础上，引入更复杂的预测方法——季节性模型、促销事件修正、AI 预测等。这一档的目标是"从自动算到智能算"，但前提是前面两档的基础已经打牢。

这里我要特别提醒一句：标准化是分层的，但"补货点、在途量、需求预测"这三个变量的基本逻辑，是所有规模通用的。 你不管多大规模，这三个变量都得算清楚，差别只在"用手算还是用系统算、用简单模型还是复杂模型"。别一上来就追求 AI 预测，先把这三个变量的基础公式跑通，比什么都强。

七、红线原则：这几件事，碰了就前功尽弃

采购预测标准化，有几条红线，破了就白做。

红线一：下单量绝不允许只算"需求 - 库存"，必须减掉在途量。 这是重复下单的万恶之源。下单前不查在途，等于闭着眼睛买。

红线二：补货点绝不允许"凭感觉"，必须用公式算。 "感觉快没了"是最不可靠的补货信号。补货点 = 日均销量 × 提前期 + 安全库存，这个公式必须固定下来。

红线三：需求预测绝不允许"各拍各的脑袋"。 预测口径必须统一，要么都用滚动平均，要么都用销售承诺，不能今天这个人用这个口径，明天那个人用那个口径。口径不统一，预测就是一堆没有可比性的数字。

红线四：采购提前期绝不允许用供应商的"承诺值"。 供应商承诺 7 天到货，实际平均 12 天，你就得按 12 天算。用承诺值算补货点，等于给自己埋断货的雷。提前期要按实际历史数据取。

这四条红线，说穿了就一句话：采购预测的每一个数字，都必须有明确的来源和公式，不允许有任何"拍脑袋"的空间。 你把这些公式固定下来，采购预测就稳了。

七点五、三个最容易踩的认知误区

在进入红线之前，我想单独拎出三个我在项目里反复遇到的认知误区。这三个误区，比"公式算错"更隐蔽，因为它们都披着"看起来很专业"的外衣，却会把你的采购预测带偏。

误区一：以为"预测越复杂越准"，于是追求各种高级模型。 很多企业一提到采购预测，就想着上 AI、上机器学习，觉得模型越复杂越厉害。但现实是，对绝大多数企业来说，一个简单的滚动平均 + 趋势修正，就足以覆盖 90% 的预测需求，而且比复杂模型更稳定、更好维护。 复杂模型的问题在于：它需要大量干净的历史数据，需要专人调参，一旦数据质量跟不上，复杂模型反而比简单模型更不准。我见过一家企业，花大价钱上了套 AI 预测系统，结果因为历史数据又脏又乱，预测准确率还不如采购员拍脑袋。预测这件事，先求"稳"，再求"精"，简单模型跑通了，再考虑升级。

误区二：以为"预测就是采购一个部门的事"。 采购预测看起来是采购的事，但它的输入——需求预测——来自销售，来自市场，来自运营。如果销售不给一个靠谱的需求信号，采购再会算也算不准。采购预测的本质，是一个跨部门的协同问题，不是采购部门单打独斗。 我见过太多企业，采购部门自己埋头算预测，销售部门在旁边"你们算你们的，我们卖我们的"，最后预测和实际永远对不上。正确的做法是，销售提供需求信号，采购负责把它转成下单量，两个部门对同一套数字负责。

误区三：以为"预测准了，采购就稳了"。 这是最大的误区。预测再准，如果补货点没设、在途量没查，采购照样会乱。采购预测的稳定，是"需求预测、补货点、在途量"三个变量共同作用的结果，不是某一个变量单独能决定的。 你预测得再准，下单的时候不查在途量，照样重复下单；你补货点设得再好，需求预测是拍脑袋的，照样断货。这三个变量是一体的，缺一个，采购预测就是瘸腿的。

这三个误区，归结起来是一句话：采购预测，简单优于复杂，协同优于单干，三个变量一体优于只抓一个。 你把这三条想明白，很多设计上的纠结自然就解开了。

七点六、一个可照做的计算示例：从数据到下单量

为了让三个变量的算法真正可落地，我拿一个完整的计算示例，从原始数据一步步算到下单量。你照着这个例子，就能把自己的采购预测跑起来。

假设你经营一个商品，叫"A 型号保温杯"。我们来看怎么算出"这次该下多少单"。

第一步，算需求预测。 查过去 90 天，这个保温杯一共卖了 5400 个，日均销量 = 5400 ÷ 90 = 60 个/天。再看最近 30 天，卖了 2100 个，日均 70 个/天，说明销量在增长，趋势向上。采购提前期按实际历史数据取 15 天。那么未来 15 天的需求预测 = 70 × 15 = 1050 个（用最近的日均，因为趋势向上，用近期数据更贴近未来）。

第二步，算补货点。 补货点 = 日均销量 × 提前期 + 安全库存。日均销量取 70 个/天，提前期 15 天，安全库存取 7 天的量（这个商品销量有一定波动）= 70 × 7 = 490 个。所以补货点 = 70 × 15 + 490 = 1540 个。意思是，库存降到 1540 个，就该下单了。

第三步，查在途量。 查一下这个保温杯有没有已经下单、还没到货的。发现上周下了一单 800 个，还在路上，那么在途量 = 800 个。

第四步，算下单量。 下单量 = 需求预测 + 安全库存 - 当前库存 - 在途量。假设当前库存是 1200 个（已经低于补货点 1540，确实该补了）。下单量 = 1050 + 490 - 1200 - 800 = -460 个。结果是负数，说明当前库存 + 在途量，已经足够覆盖未来需求，这次不用下单。

你看，如果不查在途量，只算"需求 - 库存"，那就是 1050 - 1200 = -150，也是负数，结论一样"不用下单"。但如果换个场景——假设在途量是 0，当前库存只有 500 个，那下单量 = 1050 + 490 - 500 - 0 = 1040 个，就该下单 1040 个。

这个例子的价值在于，它把"该不该下单、下多少"这个模糊的判断，变成了四步清晰的计算。 每一步的数据来源、计算公式都明明白白，谁来了都能算，算出来的结果也是一致的。这就是标准化的意义——把采购预测从"玄学"变成"算术"。

八、常见问题解答（FAQ）

问：需求预测用滚动平均，遇到大促、季节性怎么办？ 答：滚动平均是"基准"，大促和季节性要用"修正"来处理。简单做法是：在滚动平均的基础上，叠加一个"季节性系数"或"促销系数"。比如双十一，销量是平时的 5 倍，那就在预测时乘以 5。预测 = 基准 × 修正，基准用平均，修作用系数。 别指望一个公式吃遍所有情况，但也不能因为有大促就放弃基准、全靠拍脑袋。

问：安全库存到底取多少天合适？ 答：没有统一答案，要看商品的稳定程度。销量稳定、交期稳定的商品，取 3-5 天的量就够；销量波动大、交期不稳定的商品，取 7-15 天。安全库存的本质是"为不确定性买保险"，不确定性越大，保险买得越足。 你可以先取一个保守值，跑一两个月，再根据实际断货情况调整。

问：在途量怎么查才准？ 答：关键是"所有采购单的状态要清晰"。已下单、未到货的，就是在途；部分到货的，在途就是"未到货的部分"。如果你用的是简道云进销存这类工具，在途量系统会自动汇总，采购员下单前扫一眼就行。如果用 Excel，就得靠采购员手工维护一张"在途清单"，每天更新。在途量查不准，根子往往是采购单状态管理混乱，先把采购单的状态管清楚，在途量自然就准了。

问：这套标准化多久能见效？ 答：补货点和在途量这两个变量，快的两周就能见效——断货和重复下单会明显下降。需求预测要看到稳定效果，一般需要 1-2 个月的数据积累。别指望立竿见影，但每一步都在往"稳"的方向走。

问：小企业值不值得做这套标准化？ 答：非常值得，而且越早做越好。小企业采购额小，但"拍脑袋"带来的损失比例反而更高——一笔重复下单，可能就是小企业一个月的利润。标准化不是大企业的专利，它是所有想活下去的企业的基本功。 你现在把三个变量的公式固定下来，规模上来了直接迁移，省得以后再返工。

问：采购员习惯了拍脑袋，不愿意按公式来，怎么办？ 答：这是"习惯阻力"，不是"公式没用"。我的做法是两条腿走路：第一，把公式算出来的结果，跟采购员拍脑袋的结果摆在一起对比，让他看到"公式算的，跟他有经验时拍的，其实差不多，但公式不会情绪化"；第二，把下单流程做成"系统先算好、采购员审核确认"，而不是让采购员从零开始算。人不是反对标准，是反对"标准增加我的工作量"。 当标准反而帮他省事的时候，他自然就接受了。

采购预测这件事，说到底就一句话：别追求"预测得准"，要追求"算得稳"。 需求预测、补货点、在途量这三个变量，每个都定义清楚、公式固定、口径统一，采购预测就从一个"靠运气的赌博"，变成了一个"可复用的流程"。

我最后再送你一个判断标准：如果你的采购员下单，能说清楚"我为什么买这么多、为什么现在买"，而且这个"为什么"是一套固定的公式，而不是"我感觉"，那你的采购预测就已经超过了 80% 的企业。 采购预测的稳定，从来不是靠某个天才采购员的直觉，而是靠一套谁来了都能算对的标准化逻辑。