仓库管理者 · 库存周转与缺货风险分析
仓库库存分析——AiPy 数据分析实战案例
提示词
请上传数据文件以便生成同款任务。
这是一份仓库数据：请按SKU检查库存、销量、统计周期、单位这些字段，默认日均销量=统计期销量/天数，周转天数=当前库存/日均销量。帮我标出周转>90天的滞销品、<7天的高周转品，日均销量为0的单独列出来；另外也看一下库存低但销售高的缺货风险。输出SKU明细、品类汇总、风险矩阵、清理和补货建议。
用户痛点
- 库存数据零散：多品类SKU分散在不同Excel中，无法全局掌握库存健康状况
- 滞销品识别困难：靠人工翻数据判断哪些商品周转太慢，效率低且容易遗漏
- 缺货风险预警缺失：畅销品卖断货才发现，错失销售机会，客户满意度下降
- 清理决策无依据：滞销品是打折清仓还是退货报废，缺乏数据支撑的判断标准
AiPy 实现过程
1
数据生成与建模
AiPy自动生成146个SKU的模拟仓库数据，覆盖5大品类（电子产品、日用百货、食品饮料、母婴用品、运动户外），包含库存、销量、成本、供应商等20+字段
2
核心指标自动计算
自动计算日均销量、周转天数，按规则标定风险等级：滞销品(>90天)、高周转品(<7天)、零销量品、缺货风险
3
多维度汇总分析
输出品类汇总、子品类汇总、风险矩阵、库存金额分布，从宏观到微观全面透视库存结构
4
智能建议生成
针对滞销品给出分级折扣策略（7折/8折/9折），为零销量品提供库龄分级处理方案，为缺货风险品计算建议补货量
5
可视化报告输出
生成含6张ECharts交互图表的HTML报告，包括风险分布饼图、品类对比柱线图、热力图矩阵、子品类周转对比等
分析结论
滞销严重
38个滞销品积压¥337万，占总库存金额近50%，母婴用品和电子产品滞销占比最高
零销量品
30个SKU零销量，库存金额¥136万，其中13个超长库龄建议直接退货/报废
缺货紧迫
24个SKU缺货风险，库存仅够支撑不到2天，建议紧急补货19,572件
品类差异
食品饮料风险最高（77.4%SKU有风险），但周转最快（23.1天）；运动户外风险最低（56%）
效率对比
以前手动做
8小时+
翻Excel+人工计算+写报告
现在用AiPy
3分22秒
一句话需求全自动完成
🚀 提效超过 140 倍！
使用心得
- 数据驱动决策：以前凭感觉清库存，现在有精准数据支撑，清理优先级一目了然
- 风险可视化：热力图矩阵让品类风险分布一目了然，管理层一看就懂
- 行动指南明确：每个风险SKU都给出了具体建议（折扣/补货量/处理方式），可直接落地执行