导读：订货会结束时，销售目标、品类结构、波段和采购数量都已确定。进入季中后，却依然可能出现畅销款断货、滞销款积压、区域供需失衡，以及追单到货时已经错过销售高峰等问题。商品计划不准，往往不是某一个预测数字出了问题。真实需求是否得到识别、预测能否转换为可执行计划、采购和到货是否按计划完成、库存是否放在正确位置，以及季中变化能否及时反馈，都会影响最终结果。找到偏差发生在哪个环节，比笼统追求“预测更准”更重要。
订货会结束时，销售目标、品类结构、波段和采购量都已经落表。进入季中后，有的款断货，有的款积压，部分区域畅销、部分门店滞销，追单到货又错过销售高峰。
问题往往不只出在预测模型。可以沿着一条偏差链反查：真实需求有没有被看见，预测有没有转成合理计划，采购与到货是否按计划执行，库存是否被放到正确位置，季中变化有没有及时反馈。
商品计划不准，是实际需求、可实现销售、库存目标和采购承诺之间持续出现偏差，最终造成缺货、积压、折扣或资金占用超出企业可接受范围。
先确认：究竟是哪一种“不准”
商品计划偏差至少有四层：总量过高或过低；品类、波段、价格带及尺码结构失衡；到货时间与销售窗口不匹配；总库存不低，货却不在有需求的渠道和门店。
总量接近并不代表计划成功。总量正确、结构错误，仍会同时出现断货和积压。
沿偏差链追查五个根因
根因一：把历史销售当成完整需求
历史销量只记录卖出了多少，没有完整记录原本可能卖多少。断货、断码、铺货不足、补货延迟、提前降价和销售窗口缩短，都会让实际销售低于潜在需求。
使用历史销量或相似款时，应检查有效铺货、可售天数、关键尺码、价格促销和到货时间。长期缺货尺码的销售占比不能直接作为下一季尺码曲线。
忽略受约束销售，会让品牌把没有机会卖误判为没有需求。
根因二：把目标、预测和采购量混成一个数字
销售目标表达期望结果；需求预测描述市场可能需要多少；销售预测加入渠道条件；可实现销售还受库存、交期、产能和销售窗口限制；采购计划是在OTB、MOQ和现金约束下决定采购多少。
如果直接用增长目标反推采购量，目标中的经营愿望会被当成市场事实。
目标可以高于预测，但高出的部分必须有渠道、商品和供应动作承接。
根因三：计划颗粒度与决策颗粒度不匹配
只做品类总量计划，容易掩盖波段、价格带、商品角色和区域差异；直接对每个新品SKU做精细预测，又可能因样本不足制造虚假的精确感。
高层看销售、毛利、库存和现金，商品总监看品类、波段与角色，执行层再落到款色码、渠道和店群。新品相似款应限定品类、波段、价格带和商品角色，并设置最低样本要求。
计划颗粒度过粗会掩盖结构问题，过细则可能放大随机波动。
根因四：季前计划没有转成季中滚动机制
天气、流量、促销、竞品和供应节奏都在变化。如果季前计划完成后长期不更新，过时参数会继续驱动补货与追单。
销售、库存、在途和计划综合复盘（WSSI）应核对实际净销售、未承诺可售库存、有效在途、不可取消采购承诺、目标期末库存和剩余需求。
只有在销售窗口内按时到货并可售的在途，才能作为有效供给。
计划真正失效的时点，通常不是季末看到偏差时，而是季中已经出现变化却没有调整时。
根因五：预测结果没有进入经营动作
模型建议增加某款供给，还要检查OTB是否允许、库存是否只是放错位置、供应商能否按期交付、MOQ是否合理，以及到货后还有多少销售时间。
预测没有连接采购、配货和补货时，再准确也难以改变库存结果。复盘还要区分模型偏差、人工调整、供应延迟和执行不到位。
商品计划的价值不在生成一个数字，而在把数字转换成可执行、可约束的经营动作。
用两类指标判断偏差
不同企业可能采用不同符号方向，必须在内部统一。以下为常见管理口径：
预测偏差（Bias）＝Σ（预测值－实际值）÷Σ实际值×100%
Bias用于观察持续高估或低估。正值表示总体高估，负值表示总体低估。
加权绝对百分比误差（WMAPE）＝Σ|实际值－预测值|÷Σ实际值×100%
WMAPE反映整体误差大小，不宜机械转换成“预测准确率”。实际销售受到断货、断码、铺货不足或供应延迟限制时，还要先识别受约束销售。
预测指标之外，还应观察结构偏差、OTB使用、到货率、正价售罄、断货、库存周转和资金占用。
改善商品计划的四个管理动作
统一基线。统一商品、销售、库存、在途和退货口径，并保留计划版本。
分层计划。按商品角色、波段、价格带、渠道和店群确定颗粒度，新品用区间与情景表达不确定性。
滚动调整。季中通过WSSI重新核对销售预期、采购承诺、有效在途和目标期末库存，及时调整可取消订单、配货和补货。
偏差归因。区分需求误判、供应延迟、铺货不足、促销变化和执行偏差，把结论反馈到下一波段或下一季参数。
企业可以设置统一的预警参考线，例如WOS超过8周作为积压观察、售罄率低于40%作为滞销观察、动销率高于80%作为健康参考。但这些阈值必须按品类、波段、商品角色和上市进度校准，不能替代偏差归因。
如果总量偏差小、结构偏差大，问题多在商品组合或分配；如果预测合理、到货与执行偏差大，问题主要不在预测模型。
第七在线如何支持偏差分析
第七在线可基于项目已接入的计划、销售、库存和在途数据，支持商品计划、OTB、预测和BI分析，并辅助商品团队定位总量、结构、时间与位置偏差。
原计划、调整计划、执行记录和人工修改原因能否形成完整版本链，应以具体产品模块及项目配置为准。采购承诺、预算调整和商品取舍仍需由相应负责人审核。
核心结论
1.商品计划不准通常不是单一预测问题，而是需求、计划、采购、库存与执行没有使用同一套经营逻辑。
2.历史销量必须经过销售机会校正，断货、断码、铺货不足和供应延迟都会掩盖真实需求。
3.计划改善依赖滚动调整和偏差归因，预测只有进入OTB、采购、配货与补货动作后才产生价值。
常见问题
1. 商品计划不准，是否应该先换预测模型？
应先检查数据口径和受约束销售。如果输入无法反映真实销售机会，更换模型通常解决不了根因。
2. 新品没有历史销量，计划怎么做？
可以参考同品类、同波段、同价格带和相似商品角色，结合门店覆盖、上市时间和供应条件形成区间预测，并在上市后快速更新。
3. 预测准确率提高，库存一定会下降吗？
不一定。采购MOQ、交期、配货结构、补货规则和订单可取消性都会影响库存结果。
4. 商品计划多久调整一次？
没有统一频率。调整节奏应与商品生命周期、供应提前期、销售窗口和数据更新速度匹配，趋势款与天气敏感款通常需要更密集地检查。
商品计划的价值不在于生成一个看似精确的数字，而在于把需求判断转化为受到预算、交期、产能、库存位置和销售窗口约束的经营动作。
如果企业正在排查商品计划偏差，可以从历史销售是否受到断货断码影响、目标与预测是否混用、计划颗粒度是否匹配、季中是否滚动调整，以及预测结果是否真正进入OTB、采购、配货和补货决策五个方面开始检查。
第七在线可基于项目已接入的计划、销售、库存和在途数据，辅助商品团队识别总量、结构、时间与位置偏差。具体支持范围应以实际产品模块、数据条件和项目配置为准。
热门跟贴