电商供应链维04|SOP不是画PPT:四层看板、供需异动与AI落地,一个不懂算法的人怎么从零搭起来
- 2026-11-06 13:22:42
电商供应链维04|SOP不是画PPT:四层看板、供需异动与AI落地,一个不懂算法的人怎么从零搭起来
SOP在电商，为什么大多数做成了“Excel汇报会” 先看一组数字。 致欧家居，跨境家居电商上市公司，上线智能预测系统之前，预测准确度不足60%，有货率不足90%。家居跨境运输周期长达60天以上，为了不断货，通常要提前备2到3个月的货量。预测不准叠加长周期，结果就是要么压库存，要么断货。 雀巢中国在扩张线上渠道时，同样卡在SKU-渠道-月级别的需求预测上——产品上新快、促销形式变化快、下游渠道数据滞后。后来通过智能需求规划系统，关键产品预测准确率提升10%，库存水平下降带来数千万元的成本节省。联合利华的AI需求计划业务覆盖率超过80%，预测准确率平均提升10%，大卖场促销赔额预测流程自动化从0提升到90%。 这些案例说明一件事：SOP的价值不在“预测得多准”，在“偏差发生之后，你能不能归因到具体环节、具体岗位、具体动作”。 但大多数电商的SOP，死在三个地方： 这篇文章要解决三个问题：四层看板怎么让异常可归因；三条落地路径分别适合谁、具体每一步怎么操作；AI和ERP各自站在什么位置，哪些事AI永远干不了。 
第一层：SOP管的是三个闭环，不是一个预测数字 很多电商对SOP的理解停留在“做一个销量预测”。但预测只是输入，SOP真正管的是三个闭环： 三个闭环的共同前提，是数据同源。订单、库存、在途、供应商交期、促销日历、渠道流量，必须在同一个口径下可勾稽。散在五个系统里的数据，做不出闭环，只能做出“看起来像SOP的汇报”。 
第二层：四层看板——从“看到异常”到“知道为什么” 看板的价值不在于“数字好看”，在于异常能被归因。四层看板，每一层回答不同的问题，归因逻辑逐层下钻。 看板第一层：业务预警监控——回答“哪里不对劲” 这是最“薄”的一层，只放偏离基线的信号，不放全量报表。 
归因逻辑的关键：预警不能只给“什么超了”，要归到三类原因之一——ERP侧问题（数据错误、接口丢包）、执行侧问题（仓库、承运商、供应商）、还是数据延迟导致的假异常。第三类必须单独标出来，否则团队会被假异常拖垮。 库存预警的第一层指标，建议用“可售库存覆盖天数”，而不是简单的“库存数量”。计算口径是：可售覆盖天数 =（现货库存 − 锁定库存 − 不可售库存）÷ 未来预计日均销量。这个指标直接回答“按当前卖法，还能撑几天”，比库存绝对值更有行动指向。 看板第二层：过程风控看板——回答“异常在哪个环节、谁负责” 把第一层的异常，按业务流程节点拆开，落到责任岗位。 归因逻辑：过程看板的核心是“指标—动作—责任人”的映射。一个供应商OTD下滑，不是“供应链的问题”，要拆到是采购跟单没有提前干预、是供应商产能确实出了问题、还是订单变更太频繁。 看板第三层：执行看板——回答“今天该做什么” 执行层不看趋势，看待办和异常清单： 归因逻辑：执行层的“归因”不是分析原因，是触发动作。AI标记“这个SKU将在3天后缺货，建议补货200件”，执行人员看到的是建议+依据+一键确认，而不是一个需要自己从头分析的数字。 看板第四层：复盘看板——回答“上个月哪里做对了、哪里做错了” 复盘看板的归因，是把结果指标拆回过程和执行： 复盘看板的关键设计：保留总体指标的同时，展示关键分组的订单量和指标值。多仓、多承运商经营中，加权平均很容易掩盖局部退化——主仓首扫及时率从95%升到97%，小仓从84%降到72%，全店均值反而上升。复盘要能下钻到分组。 
第三层：三条落地路径——AI如何助力落地：每一步点哪里、提示词怎么写 注意哦：如果你没有开发团队、没有预算，从路径一（纯AI表格分析）开始，用千问表格Agent，零成本跑通“上传表格→归因→建议”的闭环。如果你有基础ERP且IT能配合，走路径二（WorkBuddy+连接器+企微推送）。如果你想搭一个每周自动跑的看板，用路径三（飞书多维表格+AI字段捷径）。 路径一：纯AI表格分析——零代码、零成本，今天就能跑 适用场景：ERP老旧或SaaS化，没有开放API；团队没有开发能力；需要快速建立“看得见异常、能归因”的能力。 推荐工具：千问表格Agent，支持在对话中直接生成、编辑Excel文件，系统通常1到2分钟内输出可下载的Excel，支持自然语言修改。数据安全方面，文件端到端加密传输、30秒自动清除，内容不用于训练。 详细操作步骤： 你将收到一个表格文件。先不要给分析结论。请逐一如实回报：1）实际读到的数据行数和列数；2）每一列的列名和数据类型，前3行示例；3）是否存在空值、重复值、明显的异常值（如库存为0、在途为0但交期>0）。只回报你实际读到的内容，不要推测。 为什么先做这一步：通用模型不执行Excel公式引擎，多Sheet、合并单元格、超大数据量都容易读错。先让AI“证明自己读懂了”，后面归因才可信。 3.发归因提示词。 基于你刚才读到的表格，完成以下分析：一、断货风险清单对每条记录计算“可售库存覆盖天数” =（当前可用库存 − 锁定库存 − 不可售库存 + 在途库存）÷（周销量 ÷ 7）。筛选出可售覆盖天数 < 供应商交期天数的记录，输出：SKU、渠道、覆盖天数、交期天数、缺口（交期天数 − 覆盖天数）。按缺口从大到小排序，缺口最大的标为“P0-高危”。二、预测偏差归因计算每条记录的“偏差率” =（周销量 − 周预测）÷ 周预测，绝对值超过20%的列为异常。对每条异常，标注方向（高估/低估）和幅度。对照供应商履约表：如果该SKU对应的供应商最近一周OTD < 75%，在异常记录上标注“供应侧扰动”；否则标注“需求侧波动”。三、输出建议对P0-高危SKU，给出候选补货量（日均销量×交期+安全库存 − 当前可用库存 − 在途，结果<0记0），并注明“需人工确认供应商产能和资金约束”。如果依据不足，写“无法判断”，不要编原因。 4.抽查与追问。随机挑2到3条，手算“覆盖天数”和“缺口”，和AI结果对比。AI的强项是“把异常从表格里捞出来”，弱项是“原因判断”——原因要人对着业务日历（有没有促销、有没有竞品动作）确认。 5.让它生成可下载的Excel。千问表格Agent的差异点在于，它能在沙箱里写代码、生成带真实公式和条件格式的xlsx文件。直接说：“把以上断货风险清单和预测偏差分析整理成一个Excel文件，P0-高危行标红，供我下载。” 这条路径的特点：纯AI表格分析做不了自动补货、做不了实时拦截，解决的是“看得见、能归因”的问题，不解决“自动执行”的问题。 路径二：WorkBuddy + 连接器 + 企业微信推送——从ERP取数到自动推演计算并企微通自动推送分析结果 适用场景：有基础ERP，希望AI每周自动从ERP取数、跑分析、把结果推到采购负责人的企业微信上，不需要人守在电脑前。 这条路径解决什么问题：你有一个每周需要跑的SOP风险扫描——断货风险、预测偏差、供应商OTD下滑。数据在ERP里，分析口径已经跑通过一次，现在需要的是：每周一早上9点，WorkBuddy自己去ERP取数、按固化好的口径跑分析、把结果推到企业微信。人不需要守在电脑前，也不需要每次重新写提示词。 先看清楚免费规则：WorkBuddy体验版每月500基础积分，每日签到另有30积分/天（必须在客户端发起一次真实对话或任务才触发，网页端单纯挂着不算）。轻度使用够用，但不要把它当成“完全免费、随便跑”。先在免费额度内把一条链路跑通，再决定是否升级付费方案。 前置判断：你的任务该用哪种来源 WorkBuddy的定时任务分本地、项目、云端三种来源，这是配置前必须分清的第一层。 
如果你的SOP扫描需要推送到企业微信，任务必须建成本地来源，并且保持电脑开机、WorkBuddy客户端运行。云端和项目任务虽然“关机能跑”，但推不了企微，这是硬边界。 还有一个容易忽略的前提：企微机器人的企业人数限制 WorkBuddy的企微连接器对接的是智能机器人（API模式），不是管理后台的自建应用。企业微信的产品规则是：企业成员≤10人时，API模式机器人开放消息推送能力；企业成员超过10人时，只开放文档类能力，消息推送不支持。 这意味着：如果你的企业微信成员超过10人，即使配置完全正确，消息推送可能依然无法使用。这不是配置问题，是企业微信的产品限制。配置前先确认企业成员数，超过10人的团队需要提前评估替代方案。 第一步：确认ERP数据的获取方式 优先走连接器只读授权，没有现成连接器就用本地文件或数据库只读兜底。 打开WorkBuddy客户端，点击聊天框下方〖连接器〗→〖管理连接器〗。 找到你的ERP（如金蝶云星空），完成授权。只授予只读权限，不要给写权限。 如果ERP没有现成连接器但有REST API，可以在〖自定义连接器〗中配置MCP，需要IT提供API地址和认证方式。 让ERP或中台每天/每周自动导出一份CSV到固定路径，比如 提示词中写明：“读取D:\SOP\目录下最新的销量库存文件和供应商履约文件”。 本地任务可以访问本机文件，云端沙箱访问不了本机路径，所以这种情况必须选本地来源。 WorkBuddy支持数据库只读连接（SQL Server / Oracle / MySQL均可），适合复杂报表查询场景。关键配置原则是：生产业务库和AI查询库必须分开，给WorkBuddy配一个独立的只读账号，只开放销售、采购、库存等模块的查询权限，新增、修改、删除、审核全部不给；成本、薪资等敏感表直接屏蔽。 第二步：创建自动化任务——把分析口径固化进去 点击WorkBuddy左侧菜单「自动化」→「添加自动化」。 你是一个电商供应链S&OP分析助手。读取ERP中（或本地目录下）最新的销量库存数据和供应商履约数据，完成以下分析：一、断货风险清单计算每条记录的“可售覆盖天数” =（现货库存 − 锁定库存 − 不可售库存 + 在途库存）÷（周销量 ÷ 7）。筛选出可售覆盖天数 < 供应商交期天数的记录，输出 SKU、渠道、覆盖天数、交期天数、缺口，按缺口从大到小排序，缺口最大的标为“P0-高危”。二、预测偏差归因计算每条记录的“偏差率” =（周销量 − 周预测）÷ 周预测，绝对值超过20%的列为异常。对照供应商履约数据：如果该SKU对应供应商最近一周OTD < 75%，标注“供应侧扰动”；否则标注“需求侧波动”。3、输出格式：整理为简洁的Markdown摘要，包含P0清单、异常归因、以及需要人工确认的供应约束提示。如果依据不足，写“无法判断”，不要编原因。 第三步：配置企业微信Bot推送——两种Bot选一种 前提：先在企微管理后台创建机器人。路径是：企微管理后台 → 安全与管理 → 管理工具 → 智能机器人 → 创建机器人 → 选择API模式→使用长连接，记下Bot ID和Secret。 然后回到WorkBuddy，在任务详情页开启「推送到企业微信 bot」。两种Bot二选一： 左侧菜单「助理」→ 齿轮图标进入「助理设置」→ 找到「企微助理集成」→ 点击配置。 绑定方式选“WebSocket长连接”，填入Bot ID和Secret。不要用URL回调——URL回调有时效性风险，长时间未触发可能失效。 设好可见范围（哪些人/部门能@这个机器人）。 回到任务详情页，开启“推送到企业微信 bot” → 选择“助理的企业微信 bot” → 保存。 在企业微信里@机器人发“测试连接”，电脑端状态栏显示就绪即绑定成功。 左侧菜单「助理」→ 设置图标 → 找到「自动化任务企微bot推送集成」→ 按指引完成注册。 回到任务详情页，开启“推送到企业微信 bot” → 选择“独立的自动化通知 bot” → 保存。 这个Bot仅作结果通知，不接收消息，不进入对话上下文，适合把SOP扫描结果作为固定简报推给采购负责人。 第四步：试跑——先收一次，再放量 不要等定时触发，先手动跑一次。点击任务详情页的「立即运行」，确认三件事： 这一步能拦住九成的配置错误：连接器没授权、路径写错、Bot选错、任务来源选了云端导致推送失败，都会在试跑中暴露出来。 第五步：固化与留痕 自动化任务的历史执行记录定期回看，重点看推送是否成功、分析结果是否有“无法判断”占比异常升高。通知失败不阻塞任务本身执行，但你需要知道推送通道断了，及时重新绑定。 这条路径要注意的是 路径三：飞书多维表格+AI字段捷径——低成本搭一个“每周自动推送到手机”的看板 适用场景：没有预算上重型S&OP系统，但需要一个可持续运行的计划—执行—复盘闭环；团队有基本的低代码操作能力。 免费规则：飞书多维表格数据表、仪表盘、自动化和工作流中每月均有一定免费AI额度；AI字段捷径每日、每月均有免费额度，超出后待次日或次月恢复；DeepSeek R1字段捷径为每位用户提供100万token免费额度。免费额度用完后，看板和自动化本身不依赖AI的功能继续正常运行。 详细操作步骤： 。再建一个“是否低于安全线”字段，类型选“公式”，公式： 根据“周销量”“周预测”“可售覆盖天数”“是否低于安全线”四个字段，判断这条记录属于哪类异常：A. 预测偏差（周销量偏离周预测超过20%）；B. 补货不及时（可售覆盖天数小于供应商交期）；C. 数据延迟导致的假异常（销量和库存同时异常但无促销记录）。只输出类别和一句话依据。如果依据不足，写“无法判断”。 注意哦：AI字段捷径按单元格逐行运行，行数多时免费额度会累积消耗。建议先在小样本（比如前50行）上跑通，确认归因质量后，再决定是否全表应用。免费额度用完后，字段会停止刷新，但看板、预警、工单不受影响。 6.建仪表盘，做复盘看板。点击顶部“仪表盘”→“新建仪表盘”。添加图表：“各渠道周销量趋势”（折线图）、“可售覆盖天数分布”（柱状图）、“异常工单按供应商统计”（饼图）。仪表盘的筛选器绑定“渠道”和“日期”字段，复盘时可以按渠道下钻，避免全店均值掩盖局部退化。 那么三条路径怎么选嘞？ 
第四层：AI肯定不是全能哦！AI和ERP各站在什么位置，哪些事永远替代不了人 AI在SOP里真正能干的，是三件事： AI永远干不了的三件事： 
最后啦 SOP在电商做不起来，很少是因为“预测模型不够好”。预测准确度不足60%的致欧，问题不在模型，在数据散在Excel里；预测偏差40%的零食品牌，问题不在算法，在模型没有外部变量；建了模型却越来越不准的零售商，问题不在技术，在录入错误和接口丢包。 AI在SOP里真正能干的，是“把人工看不完的偏差捞出来、把归因的起点往前推一步、把执行人员从拼数据里解放出来”。AI永远干不了的，是替业务判断供应约束、替组织对齐目标、替人承担数据质量的责任。 ERP管住数据和流程的确定性，AI管住异常和建议的启发性，人管住判断和执行的最终责任。三条路径不是“谁更先进”，是“你的数据基础和团队能力现在匹配哪一条”。从能跑起来的那一条开始，先用起来，再逐步补数据、补约束、补流程——跑通一个窄场景，比等一个完美的系统更现实。 电商供应链维到这里收官啦，后续会开展国资国企高质量发展·数字化管控专题，敬请期待哦！
第一，计划刚出炉就失效。电商促销频度高、产品生命周期短，传统SOP的月度展望与“618”“双11”的脉冲式爆单天然冲突。预测误差大，计划还没执行就已经过时。
第二，数据散在五个系统里，计划建在沙子上。如果WMS的库存和ERP对不上，需求计划从一开始就是错的，而且错误很难追溯到源头。多个渠道同时跑，数据、协调和时序对不齐，计划就变成了各团队用自己口径“各算各的”。
第三，SOP开成了“部门汇报会”。销售报自己的预测，供应链用自己的假设备货，财务月底才发现库存资金占用超了。根因很少是预测模型本身，是围绕模型的组织是孤岛化的。
需求闭环：预测不是拍一个数，是分层预测+偏差归因。常规品、促销品、新品、长尾品分别建模；实际销量出来后，偏差要能拆解到“是预测模型的问题、是促销力度的问题、还是竞品动作的问题”。
供应闭环：预测转化为补货计划、采购订单、仓网调拨，同时校验产能、在途、供应商交期。没有供应约束的预测，只是数字游戏。
财务闭环：库存资金占用、缺货损失、呆滞减值，要在计划阶段就被测算，而不是月底由财务“事后发现”。
计划环节：预测偏差率、促销备货偏差、新品首单准确率 → 责任人：需求计划/商品运营
采购环节：供应商OTD、在途超期率、采购提前期偏差 → 责任人：采购/供应商管理
仓配环节：库存准确率、发货及时率、异常件处理时长 → 责任人：仓储/物流
逆向环节：退货处理时效、质检分级准确率、退款异常率 → 责任人：售后/逆向
今日需要确认的补货建议（AI生成、人工确认）
在途超期运单清单（按供应商/承运商/线路分组）
缺货SKU清单及替代品建议
退货待质检和待退款工单
有货率下降→ 拆到是预测偏差、补货不及时、还是供应商OTD下降
库存周转恶化→ 拆到是备货过量、滞销累积、还是渠道分流不均
缺货损失上升→ 拆到是安全库存设置不合理、补货触发太晚、还是供应商交期波动
整理数据，脱敏另存。从ERP和平台后台导出订单、库存、在途、供应商交期、退货记录，按统一模板整理成CSV或Excel。删掉客户姓名、手机号、身份证号，门店名可以替换为“门店A、门店B”，映射关系只存在本机。 上传文件，先让它“对口径”。打开千问网页版或App，上传文件后发第一段提示词：
情况A：有现成ERP连接器
情况B：没有连接器，用本地文件降级（最低成本）
D:\SOP\目录。情况C：ERP有数据库但无API——数据库只读连接
名称：填“周度SOP风险扫描”。
提示词：把已经跑通的分析口径贴进去。关键是只描述“做什么”，不要把时间写进提示词，时间交给定时规则管理。提示词示例：
D:\SOP\工作空间：选一个本地文件夹路径（如D:\SOP\工作空间\），这是判定“本地任务”的关键。
定时规则：选“每周”，时间填周一 09:00。如果每周多天都要跑，一条规则里可以多选，不要拆成多个任务。
连接器：如果走情况A，勾选ERP连接器；如果走情况B，不用勾连接器，提示词里写本地路径即可。
权限模式：选“默认权限”，不要给完全访问权限——SOP分析只需要读数据和写分析结果，不需要操作系统级权限。
选项1：助理的企业微信Bot——适合“在群里@机器人派活，结果回到同一个群”
选项2：独立的自动化通知Bot——适合“只要结果通知，不想混进助理对话流”
ERP数据确实被读到了——如果走连接器，确认授权没有过期；如果走本地文件，确认路径和文件名没变。 分析口径和之前跑通的一致——“可售覆盖天数”的公式、断货风险的筛选条件、归因规则，和提示词对得上。 企业微信确实收到了推送——检查目标Bot对应的群或对话，确认结果卡片已经到达。
可选：把分析流程封装为Skill如果这个SOP扫描每周都要跑、输出结构稳定，可以封装为Skill。封装的条件是：任务高频重复、输入固定、输出结构明确，三者缺一，固化只会把问题一起固化。在已经跑通的对话或任务上下文中，告诉WorkBuddy“把以上分析流程保存为Skill，命名为‘周度SOP风险扫描’”，之后一键触发即可。 留痕与回看
第一，本地任务是企微推送的前提。云端和项目任务跑在沙箱里、电脑关机也能执行，但不支持企业微信推送。如果你的SOP扫描要推企微，任务必须是本地来源，且保持客户端运行。
第二，企业微信成员超过10人时，消息推送可能无法使用。这是企微API模式机器人的产品限制，不是配置问题。配置前先确认企业成员数。
第三，连接器只读，不替你写回ERP。WorkBuddy可以从ERP读数据、做分析、推结果，但补货建议的确认、采购申请的生成、供应商的沟通，仍然需要人在ERP或企微里完成。推送解决的是“信息及时到达”，不解决“决策自动执行”。
用多维表格搭数据底座，不先做看板。打开飞书→多维表格→新建表格，命名为 添加计算字段——“可售覆盖天数”和“是否低于安全线”。点击列标题右侧的“+”→“新建字段”→ 类型选“公式”。可售覆盖天数公式： 配置自动化——库存低于安全线，自动发飞书消息。点击多维表格顶部“自动化”→“创建自动化”。触发条件选“当记录满足条件时”，条件设为“是否低于安全线”等于“是”。执行动作选“发送飞书消息”，接收人填你自己或采购负责人，消息内容里插入字段：SKU、可售覆盖天数、供应商交期天数、缺口。保存并启用。这条规则跑通后，库存跌破安全线时你的飞书会收到消息，而不是等月底看报表。 配置第二条自动化——供应商OTD连续下滑，自动生成工单。同样进入“自动化”，触发条件选“当记录满足条件时”，选择供应商履约表，条件设为“最近一周OTD”小于70%。执行动作选“新增记录”，目标表选一个新建的“异常工单表”，字段映射：供应商、SKU范围、最近一周OTD、异常类型填“OTD持续下滑”。再添加一个动作“发送飞书消息”，通知采购负责人。“异常工单表”就是你的执行看板和复盘看板的底表——每条工单有责任人、处理状态、处理结论。 （可选）接入AI字段捷径做归因。在销量表中新建字段，类型选“AI字段捷径”→“探索字段捷径”→“智能体”。在“需要执行的任务”中写：
供应链SOP看板。把订单、库存、在途、供应商交期、退货五类数据导入，统一SKU编码、日期口径、渠道字段。数据不准，看板再漂亮也没用。(当前可用库存 - 锁定库存 - 不可售库存 + 在途库存) / (周销量 / 7)IF(可售覆盖天数 < 供应商交期天数, "是", "否")。这个字段是归因的关键——它直接告诉你“等到货来了，货已经断了”。预测与偏差归因。AI可以在大量历史数据中发现规律，结合促销日历、价格变化、渠道流量等回归因素，输出SKU-渠道-月的预测，并在实际销量出来后自动归因偏差来源。雀巢中国的智能需求规划系统就是针对不同产品和场景开发定制化预测算法，关键产品预测准确率提升10%。
供需异动的实时侦测。AI不是等月底报表，是在状态流转中抓偏离——供应商OTD的连续下滑趋势、某仓库首扫延迟的集中爆发、某SKU缺货风险的时间窗口，人工看不完，AI可以按规则和基线持续扫描。
生成可执行建议。多点数智的AI补货智能体把“找报表、问门店、查库存、拼数据、凭经验调整”五步，精简为“智能体侦测→AI生成建议并说明原因→业务确认执行并复盘”三步。AI的价值不在于“算出正确答案”，在于把执行人员从拼数据里解放出来。
不能替代供应约束的判断。AI可以算出“需要补1000件”，但供应商产能够不够、在途还有多少、仓库能不能接、资金能不能承压——这些约束条件如果不在模型里，预测就是空中楼阁。
不能替代组织协同。S&OP的失败往往不是模型不行，是销售、供应链、财务各用各的假设。AI可以让数据更透明，但不能替三个部门坐到同一张桌子上对齐目标。
不能解决数据质量问题。有零售企业花80万建了需求预测模型，上线两个月后越来越不准，复盘发现核心问题是门店手工录入错误、系统间传输丢包、历史数据缺失、异常值没清洗。AI的上限由数据质量决定，不是由算法决定。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
