三周前，我给一家 400 多人的食品贸易企业做库存诊断。他们 2022 年上了一套进销存系统，库存数据也算齐全，老板一直觉得自己"库存管得还行"。

库存积压怎么用数据判断严重程度？至少要拆商品、仓库和时间

我打开他们的库存报表，先看了一个最常用的指标——库存周转率，全公司算下来一年 5.2 次。这个数字放在食品行业，不算差，甚至可以说"还不错"。

但当我要求按"商品、仓库、时间"三个维度把库存拆开看的时候，一个尴尬的事实浮出来了：全公司 5.2 次的周转率，是被"平均"出来的假象。拆到具体品类，某几类休闲零食的周转率只有 1.8 次；拆到具体仓库，有个区域仓的周转率只有 2.1 次；拆到具体时间，去年中秋前备的一批礼盒装，库龄已经超过 300 天还没动过。

这不是个案。过去五年里，我盘点过 60 多家类似规模的贸易和零售企业，八成以上都存在同样的情况——看全公司一个总数，库存好像很健康；一拆到商品、仓库、时间，积压就藏不住了。

这篇文章，我想讲清楚一件事：怎么用数据判断库存积压的严重程度。核心就一句话——光看总数没用，至少要拆三个维度：商品、仓库、时间。 我会把指标口径、拆解维度、异常阈值和后续动作都写清楚，你照着做，就能把藏在平均数底下的积压，一层一层挖出来。

一、核心结论：判断积压严重程度，本质是"拆"而不是"看"

我先把最反常识的判断放在前面：判断库存积压严重不严重，靠的不是"看总数"，而是"拆维度"。 全公司的库存金额、周转率、库龄这些总数，都会骗你——它们把动销快的货和动销慢的货、健康的仓和积压的仓、新鲜的货和陈年的货，搅在一起算了个平均数。

为什么总数会骗人？因为库存是一个"高度不均匀"的东西。同样是 1000 万的库存，可能是 900 万畅销品 + 100 万积压，也可能是 500 万畅销品 + 500 万积压。总数都是 1000 万，但严重程度天差地别。你不拆开看，就永远不知道这 1000 万里，有多少是"活钱"、多少是"死钱"。

所以，判断积压严重程度，本质是一个"拆"的动作。拆什么？至少拆三个维度：

拆商品：哪些品类、哪些 SKU 在积压？积压集中在哪个品类，就说明那个品类的采购或销售出了问题。

拆仓库：积压集中在哪个仓？某个仓积压严重，可能是那个区域销售下滑，或者那个仓的备货策略错了。

拆时间：积压是集中在哪个时间段进的货？某个时间段的货大量积压，大概率是那段时间的预测失误或大促备货过度。

三个维度一拆，积压的"分布"就清楚了——你不再问"我积压了多少钱"，而是问"我的积压集中在哪类货、哪个仓、哪段时间"，这才是能指导行动的信息。

二、判断积压的三个核心指标，以及它们的口径

要判断积压严重程度，得先有指标。判断积压，最核心的是三个指标：库龄、周转率、动销率。这三个指标各有侧重，口径也各有讲究，我一个个讲清楚。

指标一：库龄——货在仓库里躺了多久

口径：库龄 = 当前日期 - 该批货的入库日期。关键是要用"先进先出"的逻辑算，也就是最早入库的货，库龄最长。很多系统的坑在于，库龄从"最近一次入库"算，导致老货的库龄被"洗白"了——一批货先进了 100 件，半年后又补了 50 件，系统可能把 150 件的库龄都重置成最近入库时间。所以算库龄，一定要确认系统用的是先进先出，或者按批次区分。

怎么用：把库存按库龄分段，比如 0-30 天、31-90 天、91-180 天、181-365 天、365 天以上，看每一段的库存金额和占比。

异常阈值：180 天以上库龄的库存，占比超过 20%，就是积压严重的信号；365 天以上的库存，基本可以判定为"死库存"，要单独拎出来。

指标二：周转率——货一年转几圈

口径：周转率 = 销售成本 ÷ 平均库存。平均库存可以用（期初库存 + 期末库存）÷ 2，更准一点用 12 个月月末库存的平均值。关键是要"分品类算"，不能看全公司一个总数，因为不同品类的周转特性天差地别。

怎么用：按品类拆周转率，找出垫底的那几个品类。

异常阈值：周转率低于行业平均水平一半的品类，就是积压的高危区。比如食品行业正常周转 8-12 次，某个品类只有 2-3 次，那基本就是积压了。

指标三：动销率——货还活着没有

口径：动销率 = 有销售的 SKU 数 ÷ 总 SKU 数（也可以按库存金额算）。"有销售"一般取过去 90 天内有出库记录。

免费试用

怎么用：算全仓库动销率，更重要的是分品类算，把"90 天零动销"的 SKU 单独列出来。

异常阈值：动销率低于 70%，说明有相当一批货已经"死"了。90 天零动销的 SKU，基本就是死库存，要进入清理流程。

这三个指标，一个看"货有多老"（库龄），一个看"货转得多慢"（周转率），一个看"货还活没活"（动销率）。三个一起用，积压的严重程度就立体了。

这里我要特别强调一件事：这三个指标，单独看任何一个都会误判，必须三个一起看。 我举一个反例你就明白了。某企业有个 SKU，库龄 60 天，看起来"不算老"；但它的周转率只有 0.8 次/年，说明一年都转不了一圈；再看动销率，过去 90 天一单没出，说明它其实已经"死"了。如果只看库龄，你会觉得"才 60 天，还好"；但三个指标一起看，这个 SKU 就是妥妥的积压。反过来，另一个 SKU 库龄 200 天，看起来"很老"，但它周转率 6 次/年、过去 90 天一直在稳定出库——这是季节性商品，一年只卖一季，属于正常备货，不是积压。库龄告诉你"躺了多久"，周转率告诉你"转得多慢"，动销率告诉你"还活没活"，三个拼在一起，才能还原一个 SKU 的真实状态。

三、三个必拆维度：商品、仓库、时间

有了指标，接下来就是"拆"。判断积压严重程度，至少要拆三个维度，每个维度都能帮你回答一个关键问题。

维度一：拆商品——积压集中在哪个品类、哪个 SKU

为什么拆：不同品类的销售特性完全不同，积压往往不是"均匀分布"的，而是集中在某几个品类、甚至某几个 SKU 上。拆商品，能帮你定位到"积压的源头"。

怎么拆：按品类、再按 SKU，分别算库龄、周转率、动销率，排出积压最严重的品类和 SKU 清单。

能回答的问题：我的积压，是集中在某个品类（比如季节性商品、被淘汰的老品），还是分散在大量长尾 SKU？集中在某个品类，说明这个品类的选品或预测出了问题；分散在长尾，说明是"备货过散"的问题。

这里补一个拆商品的算例。某企业有 3000 个 SKU，全公司动销率 72%，看起来"还行"。但拆到品类，发现"节日礼品"这个品类的动销率只有 31%——这个品类里 100 多个 SKU，过去 90 天有销售的只有 30 多个，剩下 70 多个全是"节过完了就卖不动"的节日装饰和礼盒。如果不拆商品，72% 的动销率会掩盖掉"节日礼品"这个 31% 的重灾区。 而且拆商品还能帮你区分积压的"性质"：集中在某个品类，是"选品或预测"的问题，要复盘这个品类的采购决策；分散在大量长尾 SKU，是"备货过散"的问题，要收紧 SKU 数量、集中资源做畅销品。两种性质，两种解法，不拆商品你根本分不清。

维度二：拆仓库——积压集中在哪个仓

为什么拆：同一个 SKU，在不同仓库的动销情况可能完全不同。某个仓积压严重，往往是那个区域的市场出了问题，或者那个仓的备货策略错了。

怎么拆：按仓库（或区域）分别算周转率、库龄，对比各仓的积压情况。

能回答的问题：我的积压，是"全公司普遍积压"，还是"某个仓特别严重"？某个仓特别严重，说明是那个区域的销售下滑或备货失误，而不是全公司的问题，处理方式完全不同。

这里我补一个拆仓库的算例，让你更直观。某企业有华东、华南、华北三个仓，全公司周转率 4.5 次。拆开一看：华东仓 5.8 次、华北仓 4.6 次、华南仓 2.1 次。华南仓的周转率只有其他仓的一半不到，这就是积压的"重灾区"。 再往下查，华南仓积压的货，集中在几款"北方卖得好、南方水土不服"的产品——这些产品在华东华北是爆款，到了华南，消费习惯不一样，根本卖不动。如果只看全公司 4.5 次这个数，你根本发现不了华南仓的问题；一拆仓库，问题就藏不住了。而且处理方式也完全不同：这不是"全公司库存都多"，而是"华南仓选品错了"，该做的是调整华南仓的选品和备货，而不是全公司一刀切地清库存。

维度三：拆时间——积压集中在哪个时间段进的货

为什么拆：积压往往和"某个时间点的决策失误"强相关。某次大促备货过度、某次预测失误多采购，都会在"进货时间"上留下痕迹。

怎么拆：把积压的货，按"入库时间"分组，看积压集中在哪个时间段。

能回答的问题：我的积压，是"某一次备货失误"造成的（集中在某个时间点），还是"长期缓慢累积"的（分散在很长时间）？集中在某个时间点，说明是那次决策的问题，复盘那次决策就行；长期累积，说明是机制性的问题，要改机制。

这里也补一个拆时间的算例。某企业把积压的货按入库时间分组，发现一个非常清晰的规律：积压最严重的货，80% 都是"去年双十一前 30 天"进的。原来去年双十一，销售预测某品类会大卖，采购一次性备了平时 6 个月的量，结果双十一销量只有预测的一半，这批货就一直压到现在。拆时间，能让你把"积压"和"某次具体的决策失误"直接对上号——你不再问"我的库存为什么积压"，而是问"去年双十一那次备货，到底错在哪了"。这种"对号入座"的信息，比一个笼统的"库存积压 800 万"有用得多，因为它直接指向了可复盘、可修正的具体决策。

下面这张表，我把三个维度的拆法、能回答的问题、对应的后续动作整理出来，你可以直接当自查表用：

四、一个完整的判断案例：从"总数健康"到"积压严重"

讲一个我 2022 年做的完整案例，把"拆维度"这件事串起来给你看。

这家企业做的是家居用品，SKU 有 5000 多个，库存 3200 万。老板的困惑是："库存周转率 4.8 次，在行业里不算差，但总觉得现金流紧，不知道钱压在哪儿了。"

第一步，看总数。全公司周转率 4.8 次，库龄 180 天以上的占比 15%，看起来"还行"。如果只看这两个总数，结论就是"库存基本健康"。

第二步，拆商品。按品类拆周转率，发现问题立刻暴露——"季节性装饰品"这个品类，周转率只有 1.5 次，库龄 180 天以上的占比高达 45%。原来这个品类里，大量是去年春节、圣诞的节日装饰，节过完了就卖不动了。

第三步，拆仓库。按仓库拆，发现华东仓的周转率是 5.6 次，但华南仓只有 2.3 次。进一步查，华南仓积压的，主要是几款在华南地区"水土不服"的产品——这些产品在华东卖得好，华南的消费习惯不一样，卖不动。

第四步，拆时间。把积压的货按入库时间分组，发现一个清晰的峰值——积压最严重的货，几乎全是"去年双十一前"进的。原来去年双十一，销售预测节日装饰会大卖，采购一次性备了平时 5 个月的量，结果双十一销量不及预期，这批货就一直压到了现在。

四个维度一拆，结论完全反转了：总数看起来"健康"的库存，实际藏着 900 多万的积压——集中在"季节性装饰品"这个品类、集中在"华南仓"、集中在"去年双十一"这个时间点。

根因也清楚了：销售预测失误 + 大促过度备货 + 区域选品失误。

针对这个结论，我们做了三件事：一是把华南仓积压的节日装饰，通过调拨和折价清掉，回笼资金 300 多万；二是把大促备货改成"看历史数据 + 小步快跑"；三是建立"分品类、分仓库、分时间"的月度库存看板，让积压的分布随时可见。

半年后，这家企业的 180 天以上库存占比从 15% 降到了 7%，现金流明显松快了。最关键的是，老板终于知道"钱压在哪儿了"——不是压在库存总数里，而是压在"季节性装饰品 × 华南仓 × 去年双十一"这个具体的交叉点上。

这个案例最值钱的一点，是它证明了：判断积压严重程度，光看总数会误判，拆开看才见真相。 这家企业后来用简道云进销存的仪表盘，把库存做成了"品类、仓库、时间"三个维度可切换的看板，哪个品类、哪个仓、哪个时间段的库存异常，一眼就能看出来，再也不用靠"感觉"判断积压了。

五、判断积压严重程度，最容易犯的三个错误

在帮企业判断积压时，我见过三个特别常见的错误，每一个都会让你得出错误的结论。

错误一：只看库存金额，不看结构。这是最普遍的错误。库存金额高，不代表积压严重；库存金额低，也不代表没有积压。判断积压，一定要看库龄、周转率、动销率这三个结构指标，否则你看到的永远是一个被平均过的假象。

错误二：只看全公司总数，不拆维度。全公司周转率 5 次，看起来很健康，但拆到品类、仓库、时间，可能藏着大量积压。"平均数"是积压最好的藏身之处——它把最严重的积压和最健康的库存搅在一起，让你什么都看不出来。

错误三：指标口径不统一，导致数据失真。库龄用"最近入库"还是"先进先出"？周转率分子用销售成本还是销售数量？动销率的时间窗口取 90 天还是 180 天？口径不统一，算出来的数就没法比，判断就会出错。尤其是库龄口径，一定要用先进先出，否则老货的库龄会被"洗白"。

这里我再补一个更隐蔽的错误：错误四：拆了维度，但只看"当下"，不看"趋势"。很多人判断积压，只看当下的库龄、周转率、动销率是一个"点"。但积压是一个"过程"——一个品类的周转率，从一年前的 6 次，一路降到 5 次、4 次、3 次，这个"持续下滑的趋势"比"当下 3 次"这个点更值得警惕。看趋势，你能在积压"刚冒头"时就发现它；只看点，往往等积压已经很严重了才察觉。 所以判断积压，一定要把指标做成时间序列来看，盯住趋势，而不是只看当下的一个数。

我再讲一个"只看点、不看趋势"导致翻车的真实案例。某企业有个品类，当下周转率 3.5 次，单看这个数，老板觉得"还行，不算积压"。但把时间序列拉出来一看，这个品类的周转率，从两年前的 7 次，一路降到 6 次、5 次、4.5 次、3.5 次——两年腰斩。这背后是竞品替代、市场需求萎缩，货在"越转越慢"，积压正在悄悄形成。如果只看当下 3.5 次这个点，你会错过整整两年的预警信号，等发现时积压已经成了气候。 看趋势的意义就在这：它让你在"温水煮青蛙"的阶段就警觉，而不是等水开了才跳。

六、常见问题解答（FAQ）

问：判断积压，三个指标（库龄、周转率、动销率）必须都用吗？

答：三个指标各有侧重，最好都用。库龄看"货有多老"，周转率看"货转得多慢"，动销率看"货还活没活"。如果只能用一个，优先用库龄，它最直观、最容易上手。但要想判断得准，三个一起用，再配合三个维度的拆解，效果最好。

问：拆维度，商品、仓库、时间三个都必须拆吗？

答：三个维度最好都拆，因为它们回答的是不同的问题。拆商品定位"积压在哪类货"，拆仓库定位"积压在哪个仓"，拆时间定位"积压是哪次决策造成的"。如果时间和精力有限，至少先拆"商品"，因为积压最集中的信号往往在品类层面；再拆"时间"，因为它能直接指向"哪次决策失误"。

问：库龄的"180 天"这个阈值，所有行业都适用吗？

答：不适用，阈值要按行业调。快消品、食品，生命周期短，180 天可能都太长了，90 天就该警惕；耐用消费品、工业品，生命周期长，180 天可能还算正常。关键是先按行业经验设一个初始阈值，再根据自己企业的实际动销情况微调。核心原则是：超过这个库龄还没动销的货，基本可以判定为"有问题"。

免费试用

问：动销率的"有销售"，时间窗口取 90 天合适吗？

答：90 天是通用值，但也要按品类调。快消品可以取 30 天，耐用品可以取 180 天。核心是：这个时间窗口内"一单没出"的货，基本可以判定为死库存。时间窗口要跟你的品类动销特性匹配，否则会误判。

问：拆维度需要什么数据？数据不全怎么办？

答：拆商品需要"按 SKU 的库存和出入库数据"，拆仓库需要"按仓库的库存数据"，拆时间需要"按入库时间的库存数据"。这三类数据，一套正常的进销存系统都应该有。如果数据不全，说明你的库存管理本身就有问题——连"货在哪个仓、什么时候进的"都说不清，那积压判断就更无从谈起了。先补齐数据，再谈判断。

这里我要说句实在话：数据不全，往往是判断积压最大的拦路虎，而且比"不会算指标"更普遍。 我见过太多企业，指标公式背得滚瓜烂熟，但一动手就卡在数据上——有的 SKU 没有入库时间记录，库龄根本算不出来；有的货在系统里没有仓库归属，拆仓库无从拆起；有的出入库流水是手工记的，错漏百出。遇到这种情况，别急着算指标，先把数据补起来：给每个 SKU 补上入库时间和仓库归属，把出入库流水电子化、规范化。数据补全了，判断积压就是"套公式"的事；数据不全，再好的方法也是"巧妇难为无米之炊"。

问：判断出积压严重了，下一步该做什么？

答：判断只是第一步，判断之后是"处理"。先按严重程度分级（高危、中危、低危），再针对性地施策——临期的促销、慢销的盘活、死库存的报废，同时复盘根因、堵住机制漏洞。判断积压的目的是"指导行动"，不是"写个报告就完事"。

问：三个维度拆完之后，还能再往下拆吗？

答：能，而且往往很有价值。商品、仓库、时间这三个维度，不是孤立的，可以两两交叉、甚至三维交叉。比如"某个品类 × 某个仓库"，能告诉你"华南仓的节日礼品积压严重"；"某个品类 × 某个时间段"，能告诉你"去年双十一进的节日礼品积压严重"；三个一起交叉，就是"华南仓 × 节日礼品 × 去年双十一"，这个交叉点，往往就是积压的"根因所在"。拆维度是层层递进的：先单维拆，找到异常的信号；再交叉拆，定位到具体的根因。 拆得越细，你越能从一个笼统的"库存积压"，走到一个具体的"哪批货、在哪个仓、因为哪次决策积压了"，这才是真正能指导行动的信息。

七、你的下一步行动

最后，给你一个可以立刻开始的行动清单：

1. 本周内：确认你的库存数据口径——库龄是不是先进先出、周转率分子分母统不统一、动销率时间窗口取多少，先把口径统一。
2. 两周内：用库龄、周转率、动销率三个指标，按"商品、仓库、时间"三个维度，把库存拆开看一遍，找出积压最集中的品类、仓库和时间段。
3. 一个月内：根据拆解结果，给积压分级（高危、中危、低危），制定针对性的清理方案，并明确责任人和时限。
4. 一个季度后：把这三个指标做成时间序列，复盘一次趋势，看积压是改善了还是恶化了，据此调整阈值和机制。

库存积压这件事，最怕的不是"积压本身"，而是"看不见"。而看不见的原因，往往是你只看了总数、没拆维度。 当你开始用库龄、周转率、动销率三个指标，按商品、仓库、时间三个维度去拆库存，那些藏在平均数底下的积压，就会一层一层浮出来，逼着你去面对、去处理。记住，判断积压严重程度，本质是"拆"而不是"看"——拆得越细，真相越清楚，行动越有方向。 从今天起，别再被一个漂亮的总数骗了。把库存拆开看，你才会发现，那个让你现金流紧张的"钱"，到底压在哪批货、哪个仓、哪次决策上。数据不会说谎，说谎的永远是那个被平均过的总数。