本文目录
从OTIF到库存指标 一套可复核的供应链指标字典
全文共 3464 字，阅读约需 7 分钟
用六张指标卡、三项SQL和反例测试，把供应链监控结果接到预测、补货与配送的数据问题上。
同一场供应链例会上，采购说到货率不错，门店说仍然缺料，财务说库存占用偏高。要判断谁说得对，先得知道每个数字回答什么问题。交付守约、库存状态和资金使用，不能共用一个分母。
D6把三项履约与快照指标写成SQL，D7区分了周转、覆盖和损耗。D8把这些工作收成一套字典：从业务问题找到口径，从口径找到原始行，再用反例检查计算。接下来是否需要预测、补货或路径算法，也从这条证据链出发。
数据声明。 所有情景和数字均为教学模拟，不对应真实企业或经营收益。禾味是虚构餐饮连锁，2家门店、8个食材SKU；本篇使用独立的 D8-v1，2026年10月18日至31日，共14天，不拼接D6的10月16—29日或D7的10月17—30日。小订单夹具用于检验SQL，224条日末快照用于检验缺货统计，二者不是一套完整库存流水。服装案例另有独立账本。未来需求为人工给定情景，尚未训练预测模型。
一 六张卡先约定六个不同的问题
一张完整指标卡至少保留业务对象、粒度、分子分母、时间、过滤、来源、零值和局限。这里用短表呈现主干；下载包内的 metric_dictionary.csv 保留完整字段。
窄屏可左右滑动表格，查看全部列。
| 指标 | 计算与粒度 | 时间与数据边界 | 零值规则 |
|---|---|---|---|
| 订单OTIF | 全部有效商品行均按时足量的订单数÷有效到期订单数；按店 | 按承诺期归属；整单取消、未到期排除；来自订单、行、合格验收 | 无有效订单为不适用，不记100% |
| 承诺期内数量满足率 | 逐行封顶的及时合格量之和÷订货量之和；按SKU | 验收时刻不晚于承诺，且不越统计截止；不同SKU不互抵 | 分母为0不适用；本包零订货行阻断 |
| 固定时点缺货率 | 日末库存为0的有效快照数÷有效快照数；店×SKU | 每日固定日末，14天完整覆盖；不等于全天缺货时长 | 零库存计缺货；缺行或NULL阻断，不能补0 |
| 期间库存周转 | 期间耗用成本÷同口径日末库存成本均值；物料×地点 | 14个日末快照，固定成本；需另补耗用与成本，报损不算耗用 | 平均库存为0不适用；耗用为0且均值正，周转为0、天数不适用 |
| 未来完整日覆盖 | 可用量可满足的连续完整需求日数；物料×任务 | 统计时点后逐日累计需求；需预留、待检、未来需求 | 零需求日可覆盖；观察窗全部满足只报“至少该窗天数” |
| 期间损耗率 | 已确认损耗成本÷（期初库存成本＋期间合格入库成本）；物料×地点 | 本练习选定资源基数；需报损事件、成本和期初量 | 资源基数为0不适用；基数正且损耗为0才报0% |
这些是本练习的明示口径，不是对所有公司的通用定义。譬如周转可以采用不同库存均值，损耗也可以采用不同资源基数；比较前必须先确认版本一致。
六张基础表包括门店、SKU、订单、订单行、验收和库存快照。前三项可以在这些表与明确规则下计算；后三项必须增加证据。只有库存余额，没有耗用、成本和状态，不能因为字段“看起来够用”就算出周转、覆盖或损耗。
二 禾味案例 让百分比能够退回到原始订单
本次观察区间为10月18日00:00至11月1日00:00，右端不含；统计截止为10月31日23:59:59，时区统一为UTC+08:00。及时性按合格验收时刻判断，恰好等于承诺时刻算按时。分批验收先汇总到订单行，及时量逐行封顶，再判断整单；超收另一种食材不能替缺少的食材抵账。
窄屏可左右滑动表格，查看全部列。
| 订单 | 原始情景 | 及时计入量 | OTIF预期 |
|---|---|---|---|
| O1 | SKU01订10，准时收10 | 10 | 通过 |
| O2 | SKU01订10，准时收7 | 7 | 不通过 |
| O3 | SKU01订10，准时收7，迟到补3 | 7 | 不通过 |
| O4 | SKU01订10，按时分批收4＋6 | 10 | 通过 |
| O5 | 整单取消 | 不参加 | 排除 |
| O6 | 11月1日才到期 | 不参加 | 排除 |
| O7 | SKU01订10收12，SKU02订10收8，均及时 | 10与8 | 不通过 |
A店有效到期单5张，达标2张，OTIF＝40%。SKU01及时计入10＋7＋7＋10＋10＝44公斤，订货50公斤，满足率88%；SKU02为8÷10＝80%。O7证明：超额到货不能跨商品补缺。B店没有有效到期订单，OTIF应输出不适用，而不是“全都达标”。
SQL的关键顺序是：
01_otif.sql 到期有效订单 → 每行及时量 → 每单所有行判断 → 按店汇总
02_quantity_fill.sql 每行及时量 → MIN(及时量, 订货量) → 按SKU保留分子分母
03_snapshot_stockout.sql 校验完整日末网格 → 按店与SKU数零库存 → 除以有效快照数这也收束了D4的连接扇出问题：直接把订单行连到多条验收记录，再累计订货量，会重复分母。这里先预聚合，不能用一个 DISTINCT 掩盖粒度错误。完整SQL在实践包中由同一入口实际执行，表中预期值与输出逐项比较。
A店SKU01的14条日末快照中，有2条为0，固定时点缺货率为2÷14≈14.29%；其余15个店×SKU组合各有14条正库存快照，缺货率为0。它只能说明两个日末观察点没有库存。两次观察之间缺了多久、顾客少买了多少，现有数据回答不了。样本是手工设计的反例，40%也不能用来评价某种真实经营水平。
三 服装案例 同一份账本允许不同的业务追问
在匿名服装生产协同场景里，面料采购、车间排产和仓库占用需要放在一起看，但要分开计算。独立模拟账本设某面料期初100米、期间合格入库40米、领用70米、确认报损2米，期末应为68米。固定单价20元/米，报损不混入领用。
14个日末库存依次为95、90、85、80、75、70、65、60、55、50、45、80、73、68米，合计991米。逐日出入库在下载包中，满足每天和整个期间的库存守恒。
- 历史周转： 耗用成本1400元，日末平均库存成本为991÷14×20≈1415.71元，14天期间周转约0.9889次；周转天数14÷0.9889≈14.16天。这个数没有年化，也不是未来可用天数。
- 期间损耗： 确认报损成本40元，资源成本基数（100＋40）×20＝2800元，本口径损耗率约1.43%。更换基数后不能继续当成同一个指标比较。
- 未来覆盖： 另设某关键色面料当前账面100米，已预留20米、待检10米，两个状态不重叠且此前未扣减，则可用70米。未来三天需求为30、40、50米，不考虑新到货，可以覆盖前两天完整需求，第三天短50米。此库存状态是独立情景，不冒充前述期末68米。
面对这样的输出，采购应追问交付承诺，排产应追问可用物料，仓库应追问积压和报损原因。现在还不能说调低采购量就一定改善周转，也不能把“第三天短料”解释为预测算法已经发现的风险；那三天需求只是练习输入。
四 从指标缺口走向下一阶段算法
指标先描述现象，后续实验才回答估计未来和如何行动。下一步有三类不同的问题，不能把缺失数据直接填成算法结论。
窄屏可左右滑动表格，查看全部列。
| 方向 | 需要回答的问题 | 当前缺什么 | 下一步验收 |
|---|---|---|---|
| 预测 | 未来每天需要多少食材 | 更长的需求历史、日期规律、休店与缺货标记；订货量含批量与策略影响，不能当真实需求 | 按时间切分，先做季节性朴素等基线；修改未来数据不改变旧预测 |
| 补货 | 何时订、订多少，库存与服务如何取舍 | 当前可用、在途、提前期、事件顺序、固定需求路径；易腐还需批次效期 | 同一路径比较两策略；逐日库存守恒，到货不提前、决策不偷看未来 |
| 配送 | 哪辆车以何顺序送哪些点 | 点位、容量、需求单位、时间窗、服务时长及一致的距离时间矩阵 | 先检查每点一次、容量与时间约束，再比较路线成本 |
计划中配送使用独立的1仓、10点、2车案例，不把禾味2店强行扩成真实配送网络。上述输入与验收是后续任务，没有在D8宣称已经完成预测、补货回放或路径优化，更没有成本下降和销量增长的效果数字。
五 怎样复核这套字典
下载 D8指标证据实践包，解压后在目录内执行：
python run.py
python -m unittest -v包内包含六张完整口径卡CSV、六表夹具、三份SQL、独立服装账本、预期与实际结果以及测试入口。数据为固定手工构造，不依赖随机种子或付费服务。运行时先验证键、关联、时间、数量和快照完整性，再计算指标；缺失与异常会报错，不会悄悄变成经营表现。结果小数仅作展示，底层保留分子与分母。
这份产物证明的是一套小样本口径可以复算，不能替代真实系统对部分取消、退货、单位换算和历史承诺变更的处理。
指标字典的价值，最终体现在一次具体追问里：当结果改变时，能否找出是哪一张订单、哪个观察时点、哪条业务规则改变了它。能回答这个问题，再进入预测与优化，后面的实验才有可比较的起点。
延伸阅读
- 《数据产品经理修炼手册》4.4：可作为指标如何服务业务决策的查阅建议；本文六卡公式以明示的练习口径为准。
- SQLite聚合函数官方文档：核对SUM、COUNT与NULL的语义；数据库函数不能替代输入质量检查。
- FPP3第5章工具与评估：下一阶段可从5.2的简单预测方法和5.10的时间序列交叉验证开始。
- OR-Tools容量约束车辆路径：理解需求与车辆容量约束；本篇未运行路径求解器。