按商品与仓库做库存分类

这项任务能解决什么问题

同一种商品在总仓出得快，在分仓可能长期不动。把全公司的商品等级直接贴到每个仓库，会掩盖局部积压。用 WorkBuddy 按商品与仓库计算消耗价值和需求波动，可以为盘点频次、复核优先级和库存讨论提供不同维度的依据。

开始前准备什么

准备完整观察期的真实消耗流水、统一成本口径、商品与仓库主数据，以及企业确定的 ABC 累计价值边界、XYZ 波动边界。另附关键备件、替代性、采购提前期和季节性标记。没有确认边界时先出排序与指标，不自动套用行业比例。

在 WorkBuddy 中怎么做

1. 确定以“商品＋仓库”为计算粒度，先统一单位和周期。移库、退货等业务单列，避免把库内流动当成需求。
2. 计算观察期消耗数量乘以统一成本的消耗价值，排序并累计占比，再使用确认边界形成 ABC 分类。不要用期末库存金额替代消耗价值。
3. 按相同长度的周期建立消耗序列。仅在流水覆盖完整、确认没有消耗的周期填零；数据缺失保留未知。计算均值、标准差及变异系数，再按企业规则分类。记录不足、均值为零的商品单列。
4. 形成 ABC 与 XYZ 交叉矩阵，叠加关键性、季节性和提前期说明。把分类对应的管理建议列为讨论项，避免低价值关键备件被直接降级处理。

用一组演示数据看懂两条分类轴

ABC 按消耗价值从高到低分组，用来识别价值集中在哪些商品；XYZ 按逐期需求波动分组，X 通常代表低波动、Y 居中、Z 较高。两者回答不同问题：价值高不等于需求稳定，波动低也不保证未来容易预测。

以下仅为同一仓库的计算演示，采用连续三个等长月份，不代表三个样本足以制定实际库存策略。假设企业已确认本次 ABC 按累计占比不超过 60% 为 A、超过 60% 且不超过 90% 为 B、其余为 C；XYZ 按变异系数不超过 0.2 为 X、超过 0.2 且不超过 0.5 为 Y、其余为 Z。这些门槛仅服务本例，实际以企业规则为准，临界行如何归类也需事先确认。

商品	三个月真实消耗量（件）	单位成本（元/件）	消耗价值（元）	排序后累计占比	变异系数	演示分类
甲	8、10、12	20	600	60%	约 0.163	AX
乙	0、10、20	10	300	90%	约 0.816	BZ
丙	5、5、10	5	100	100%	约 0.354	CY

消耗价值＝各期消耗量之和×统一单位成本；总消耗价值为 1,000 元，乙的累计占比为（600＋300）÷1,000＝90%。这里不能拿当前库存金额替代消耗价值。

变异系数＝逐期消耗量标准差÷逐期消耗均值。本例将完整观察窗口视为总体，标准差使用“各期偏差平方和÷周期数，再开平方”的口径。甲的均值为 10，标准差为 √[(4＋0＋4)÷3]≈1.633，因此变异系数约为 0.163。若企业采用样本标准差，必须在输出中明确，不能混用两套结果。

乙的零消耗月是真实零需求，不能删掉后只算两个有出库月份；如果该月只是流水未导出，则应标缺失并暂停可靠分类。输出至少保留需求序列、价值、累计占比、均值、标准差、变异系数、类别及例外标签，读者才能复算。

可以直接使用的指令

请按商品编码和实物仓库分析库存分类。先检查消耗业务映射、单位、成本、观察期完整性与周期长度。
ABC 使用观察期真实消耗数量乘统一成本的消耗价值，输出排序、累计价值占比和企业规则对应类别；缺少已确认边界时仅输出指标，不自定比例。
XYZ 使用等长周期需求序列；已证实零需求与数据缺失分开。展示零需求周期、均值、标准差及其总体/样本口径、变异系数（标准差/均值）和适用性。均值为零、样本不足、明显季节性和间歇需求另列，不把低波动直接解释为容易预测。
输出商品仓库明细、交叉矩阵、数据缺口与管理讨论清单。关键性和长提前期作为独立标签，不被低价值类别覆盖。
不要生成自动补货、停购或报废指令。

完成后拿到什么

一张可以追算的分类明细和一张交叉矩阵，明确哪些商品价值占比高、哪些需求波动大，以及哪些不能可靠分类。分类可支持讨论盘点与复核资源，不能替代业务政策。

怎样检查结果

抽查同一商品在两个仓库的分类是否分别计算。核对零需求月份是否被遗漏，消耗价值分母是否包含全部纳入对象。将关键备件从低价值区抽出，确认关键性标签仍存在。

遇到异常怎么办

新品和数据覆盖不足单列；退货冲销导致负消耗时核对业务归属；季节性商品保留周期序列，不仅看一个变异系数。跨仓调拨占比高时，分别说明对外消耗与内部流转。

哪些工作仍由人决定

类别边界、服务目标和管理动作由仓储、计划与业务共同确认。库位布局若按出库行频次分类，需要另算作业频次，不能直接套用本任务的消耗价值等级。