AI最佳实践｜ 库存分析Skill

许多企业的仓库里堆满了货，但真正“健康”的库存有多少？

在“杰克的下午茶”微信公众号中，库存管理专家叶京生先生对此有深入的剖析。叶京生指出，库存计划是库存管理的灵魂。但现实中，多数配件企业都是根据经验订货，不懂得如何计算存什么配件和存多少数量——为了满足客户需求每种配件都存几个，以为这样效果最好，结果却恰恰相反，90%的呆滞库存都是周转极慢的配件，根本不该库存。

问题的严重性在真实数据面前更加触目惊心。叶京生曾对某工程机械经销商的配件库存做了分析，结果显示：

• 库存动销率只有37.2%——即只有不到四成的配件品种在过去一年里实现过销售
• 健康库存比率仅18.9%——超过80%的库存是无效库存
• 库存周转率仅1.6次/年
• 库存回报率仅为0.4——扣除25%的库存持有成本后，只剩下0.15

叶京生直言：“考虑到未来呆滞库存的潜在损失，配件业务肯定是赔钱的。”

这并非个案。很多服务商配件库存积压严重，健康库存比率很低，有些甚至不到10%。很多企业配件库存金额动辄几千万元、甚至上亿元，其中无效库存占比超过一半。

问题出在哪里？

叶京生指出，传统的进销存系统只是统计了数据，却极少有人用这些数据去预测需求。而更根本的问题在于库存计划理念的偏差——很多企业至今仍停留在“客户需要什么仓库有什么”的思维中。这种“宁多勿少，杜绝缺货”的策略，导致企业经营时间越久，仓库里呆滞库存越多。在很多企业里，都出现了一种奇怪的现象：库存越来越大，可缺货的情况却越来越严重。

而库存管理的另一面，是“预测永远存在误差”的残酷现实。叶京生提醒我们：需求预测的准确性低于50%，预测错的配件最终都可能变成呆滞库存。

库存管理的核心矛盾由此浮现：库存总量居高不下，终端缺货却频频发生。盲目增加库存带来的“高库存、高缺货”，更是一场灾难——不仅客户不满，企业也损失惨重。

AI能做什么？让数据“说话”

当AI接入了库存历史数据，它能帮你做这些事：

1. 自动识别“死库存”与无效库存

叶京生将库存分为健康库存（有效库存）和无效库存（过剩库存与呆滞库存）。无效库存不仅降低了库存周转率，还会产生呆滞风险。

AI可以根据“最近一次销售距今天数”自动归类库存账龄，识别出那些“躺在仓库里睡大觉”的配件。叶京生曾尖锐地提问：“检查一下你仓库里存储的配件，有多少品类在过去一年里没有出库记录？企业支付了全额费用，可它们却只是躺在仓库里睡大觉，既无法为企业创造利润，也不能满足客户需求。”

AI给出的答案，将不再是模糊的“感觉”，而是精确到每一个SKU的资金占用清单。

2. 量化库存健康的核心指标

叶京生提出了评估配件库存的三大关键绩效指标：

库存动销率——评估配件库存计划的准确度，即在1年内出库配件种类的比率。它回答了“有多少配件品类是无效库存”。

健康库存比率——健康库存（有效库存）占总库存的比率。它告诉我们“有多少资金是无效库存，被浪费了”。

库存回报率（GMROI） ——评估投资配件的回报率。一般零售业GMROI应不低于1.5。但工程机械服务商库存回报率普遍低于1.0，很多企业甚至低于0.5。

AI可以自动计算这些指标，并生成可视化看板，让管理者一目了然。

3. 识别“不该存”的配件

叶京生提出了一种重要的库存策略叫 “不存” ——绝不存储那些不该存的配件。他引用查理·芒格的名言：“如果我能知道自己会死在哪里，我就永远不去那个地方。”反向思维同样适用于库存——明白什么配件不该存，避免把不该存的配件放进仓库，库存计划就离成功越来越近。

AI可以通过历史销售数据，自动识别那些“5年中仅有1件需求”的低频配件，帮助企业在“存什么”之外，同样清晰地知道“不存什么”。

4. 生成可执行的库存健康报告

叶京生强调：“呆滞库存的根源在于信息错配——客户不知道哪里有配件资源，配件企业不知道哪里有客户需求。”AI的价值，恰恰在于打破这种信息不对称，让数据流动起来，让决策有据可依。

搭建库存健康分析智能体

以下是搭建库存健康分析AI智能体的步骤，可适配Cursor、Codex等AI编程助手。

第一步：确定理论框架与指标体系

基于叶京生在“杰克的下午茶”中阐述的库存管理理论，推荐采用以下指标体系：

叶京生指出，代理商配件销售的毛利率通常在20%到30%之间，应努力实现5-6次/年的库存周转率。如果配件利润率或库存周转率较低，就可能影响后市场的收益。

第二步：准备数据

AI需要以下历史数据（建议导出CSV格式）：

• 商品主数据：SKU、品类、供应商、成本价、销售价
• 库存快照：当前库存量、在途量、库龄分布
• 销售历史：至少12个月的出库记录（SKU、日期、数量）
• 订单/补货记录：采购订单、补货周期、交货期

第三步：编写Skill——以Cursor/Codex为例

你可以用自然语言向Cursor或Codex描述需求，可以参考以下Prompt模板：

请帮我创建一个库存健康分析Skill，功能包括：

1. 读取CSV格式的库存数据和销售历史（字段：SKU、品类、当前库存、最近销售日期、12个月销量、成本价、销售价）

2. 基于叶京生库存管理理论（来源：“杰克的下午茶”微信公众号）计算以下指标：
   - 库存动销率 = 过去12个月有出库的SKU品种数 / 总SKU品种数
   - 健康库存比率 = 过去12个月有周转的库存金额 / 总库存金额
   - 各SKU的库存周转天数
   - 呆滞库存识别（近90天无销售的SKU，标注库龄区间：0-30天、31-60天、61-90天、91-180天、181天以上）
   - 库存回报率GMROI = 毛利 / 平均库存成本

3. 输出HTML格式的库存健康看板，包含：
   - 概览卡片：总SKU数、动销率、健康库存比率、库存周转率、GMROI
   - 呆滞库存TOP10清单（按库存金额排序）
   - 品类健康度对比图（可用Chart.js）
   - 针对性改善建议（参考叶京生理论：减少无效库存、降低库存错配、增加健康库存比率、建立“不存”策略避免无效库存）

使用Python编写，依赖pandas、datetime、json，输出独立HTML文件。

第四步：部署与运行

运行环境准备：

pip install pandas openpyxl

数据目录结构：

/inventory-analysis
  /data
    - inventory_snapshot.csv   # 库存快照
    - sales_history.csv        # 销售历史
  /output
    - health_report.html       # 生成的报告
  skill.py                     # 主程序

执行命令：

python skill.py --data ./data --output ./output/health_report.html

第五步：解读与行动

AI生成的报告不应止于数据呈现，还应包含可执行的建议。参考叶京生的观点：

• “要想提升库存周转率，就必须减少无效库存，降低库存错配，增加健康库存的比率。”
• “有一种非常重要的库存策略叫'不存'，绝不存储那些不该存的配件。避免了无效库存，就相当于帮助企业增加了收益。”
• “呆滞库存的根源在于信息错配” ——建立数据驱动的库存计划，而非凭经验订货
• “降低呆滞库存的关键是切记把缺少流动性的配件放进仓库”

叶京生还提供了一个重要的思考角度：“如果有一天你退出配件业务，你仓库里的零件库存能够以什么样的价格出手？考虑到其中的损失之后，你还能赚钱吗？”这个问题，值得每一位库存管理者深思。

从“知道”到“做到”

AI应用于库存健康分析，价值不在于生成多少漂亮图表，而在于让管理者看清库存真相，并采取行动。

正如叶京生所言：“库存计划是库存管理的灵魂。 ”而AI，正在成为这个灵魂的“最强大脑”——帮你精准识别那80%的无效库存在哪里，帮你回答“存什么”和“不存什么”这两个同等重要的问题。

让企业从“凭经验订货”走向“用数据决策”，从“客户需要什么有什么”走向“该存什么存什么”——这不仅仅是一场技术升级，更是一场管理思维的革命。

上海柚可信息科技有限公司成立于2016年，主营技术开发、技术咨询与技术服务，拥有14项软件著作权，致力于为企业数字化转型提供专业支持。

本文观点引用说明：本文中所有叶京生的观点、数据及理论框架，均来源于微信公众号“杰克的下午茶”发布的系列文章，包括《叶京生：思考库存周转率》《KPIs | 库存动销率、库存回报率和健康库存比率》《叶京生谈库存：从“需要什么有什么”，到“该存什么存什么”》《叶京生：有一种库存策略叫“不存”》《库存 | 如何盘活配件呆滞库存？》《库存 | 从库存管理中体会平衡之美》《“为什么”提问法找出问题根源》等。