1 团队介绍
队名“东北联队”，5名成员：2名商业分析师负责业务调研、指标体系设计与价值测算，2名开发工程师负责简道云表单搭建、流程配置与数据工厂建模，1名产品经理负责需求梳理、原型设计与落地推广。组队契机是一次零售数字化行业交流——我们聊到东北传统服装企业普遍卡在“有数据、没决策”的阶段，而零代码平台已经足以支撑一套完整的业务系统，于是决定找一家真实企业把它做出来。
2 作品背景
2.1 企业画像与业务链路
我们服务的对象是一家扎根东北的集团型服装企业，业务覆盖从北京及青岛各大渠道采购、区域仓储集散，到辽宁、吉林、黑龙江三省门店零售的完整链条。企业目前有经营场所82处（含常规店45家、特卖店13家、工厂店9家、大货店7家、中心仓3处、大仓2处），在册员工330人，实际产生销售记录的门店76家，分布在36个城市。商品档案中共管理204个SKU，会员规模达到10,000人，近12个月累计消费约695万元。
这里需要先说明一个贯穿全文的分析口径问题。企业的商品档案采用三层分类体系：大类（服装、鞋品、配件3类）→ 中类（长裤、短T、跑鞋、袜类等20类）→ 货品系列（综训、跑步、生活、篮球、精英训练、搏击、户外、网球8个系列）。三个层级各有用途——大类用于采购预算归口，中类用于门店陈列与补货，货品系列用于品牌定位与营销策略。我们在分析中发现，只看单一维度会得出误导性结论，因此后续所有库存与销售分析都按“大类 → 货品系列 → 中类”逐层下钻，这是整套指标体系的基础。
2.2 痛点一：库存够卖17个月，钱变成了卖不动的货
最刺眼的一个数字是：全渠道期末库存69,129件，而近12个月月均销量只有3,939件。也就是说，即使一件新品都不进，现有库存也要17.55个月才能卖完。服装行业公认的健康水位在3到6个月，17.55个月意味着大量资金被冻结在货架上，而且每多放一个月就多一个月的过季贬值风险。
（1）大类视角：鞋品是库存重灾区
|
大类
|
销售件数
|
库存件数
|
销售金额(万元)
|
库存成本(万元)
|
售罄率
|
库销比(月)
|
折扣率
|
|
服装
|
24,809
|
32,896
|
429.16
|
363.05
|
43.0%
|
15.9
|
82.0%
|
|
鞋品
|
12,640
|
21,730
|
367.25
|
331.55
|
36.8%
|
20.6
|
81.4%
|
|
配件
|
9,825
|
14,503
|
24.36
|
26.57
|
40.4%
|
17.7
|
75.4%
|
售罄率 = 销售件数 ÷（销售件数 + 库存件数），按件数加权；库销比 = 库存件数 ÷ 月均销售件数；折扣率 = 销售金额 ÷ 吊牌金额。下表口径相同。
三个大类中，鞋品的问题最突出：只贡献了12,640件的销量，却压着21,730件库存和331.55万元成本，库销比高达20.6个月，售罄率仅36.8%。服装虽然库存成本更高（363.05万元），但售罄率43.0%、库销比15.9个月，周转相对健康。配件则暴露出另一个问题——折扣率只有75.4%，是三个大类中最低的，说明配件更多依靠降价走量。
（2）货品系列视角：八个系列严重分化
把粒度下钻到货品系列，分化更加明显。货品系列是企业做品牌定位和营销策略的主维度，也是我们判断“哪些系列该收缩、哪些该加码”的依据：
|
货品系列
|
销售件数
|
库存件数
|
销售金额(万元)
|
库存成本(万元)
|
售罄率
|
库销比(月)
|
折扣率
|
|
综训系列
|
17,786
|
25,971
|
254.54
|
279.62
|
40.7%
|
17.5
|
81.3%
|
|
跑步系列
|
9,716
|
16,148
|
231.52
|
170.42
|
37.6%
|
19.9
|
81.6%
|
|
生活系列
|
5,514
|
9,747
|
123.52
|
111.18
|
36.1%
|
21.2
|
79.8%
|
|
篮球系列
|
5,064
|
5,393
|
91.64
|
53.81
|
48.4%
|
12.8
|
81.7%
|
|
精英训练
|
4,864
|
4,985
|
79.42
|
54.33
|
49.4%
|
12.3
|
85.9%
|
|
搏击系列
|
1,825
|
3,611
|
30.17
|
38.43
|
33.6%
|
23.7
|
82.9%
|
|
户外系列
|
2,410
|
2,847
|
7.29
|
7.07
|
45.8%
|
14.2
|
69.7%
|
|
网球系列
|
95
|
427
|
2.68
|
6.30
|
18.2%
|
53.9
|
76.4%
|
八个系列中有五个库销比超过17个月。网球系列最极端——427件库存对应月均不到8件的销量，要53.9个月才能清空，且库存成本（6.30万元）已经超过它全年贡献的销售金额（2.68万元），基本等同于死货。综训系列作为销量主力卖了17,786件，库存却仍有25,971件，占用成本279.62万元，是资金占用的第一大户。
值得注意的是精英训练和篮球系列：两者售罄率分别为49.4%和48.4%，库销比12.3和12.8个月，是相对健康的两块业务；精英训练折扣率85.9%为全系最高，说明它主要靠正价销售，是最应该加大投入的方向。而综训、跑步、生活这三个销量主力反而周转最慢，形成了“卖得越多、压得越多”的怪圈。
（3）中类视角：系列维度掩盖的真实积压
如果分析只停留在货品系列层面，会漏掉最关键的问题。我们按中类（20个品类）重新拆解库存结构，结果和系列层面给出了完全不同的信号：
|
中类
|
库存件数
|
销售件数
|
销售金额(万元)
|
售罄率
|
库销比(月)
|
折扣率
|
|
袜类
|
12,260
|
9,003
|
15.85
|
42.3%
|
16.3
|
73.9%
|
|
长裤
|
11,163
|
10,569
|
185.92
|
48.6%
|
12.7
|
82.1%
|
|
跑鞋
|
10,008
|
7,282
|
220.41
|
42.1%
|
16.5
|
81.8%
|
|
针织运动上衣
|
8,667
|
1,432
|
46.05
|
14.2%
|
72.6
|
79.3%
|
|
短T
|
7,210
|
9,309
|
111.54
|
56.4%
|
9.3
|
82.8%
|
|
综训鞋
|
6,096
|
2,154
|
62.49
|
26.1%
|
34.0
|
79.7%
|
|
休闲鞋
|
3,447
|
1,327
|
35.22
|
27.8%
|
31.2
|
79.2%
|
|
梭织薄外套
|
2,679
|
1,087
|
35.73
|
28.9%
|
29.6
|
84.4%
|
按库存件数降序排列，取前八位。
针织运动上衣是全部20个中类里积压最严重的一个：8,667件库存只卖出1,432件，售罄率14.2%，库销比高达72.6个月。可它在货品系列维度上被分散计入综训、跑步等多个系列，任何一个系列的汇总数字都显示“还算正常”——综训系列40.7%的售罄率，掩盖了其中针织运动上衣14.2%的真相。这正是我们必须保留中类维度的原因：它是门店陈列和补货的实际操作单位，只有在这个粒度上，滞销才是可见、可处理的。
同样被掩盖的还有综训鞋（库销比34.0个月）和休闲鞋（31.2个月），这两个中类分属不同系列，但都属于鞋品大类——这也解释了为什么大类视角下鞋品的20.6个月库销比会是三个大类中最差的。反过来看，短T以56.4%的售罄率、9.3个月的库销比成为最健康的中类，长裤（48.6%、12.7个月）次之，这两个品类是应该优先保障货源的。
进一步按“库存大于50件且售罄率低于10%”的双重阈值筛选，共识别出42个滞销SKU、20,376件库存，按批发参考成本加权估算占用资金约309万元，占全部库存成本（721万元）的42.8%。需要说明，这里的售罄率是SKU粒度的简单平均口径（全量SKU平均为36.4%），与上文按件数加权的整体售罄率40.6%属于不同口径，两者并不矛盾——SKU平均更容易被大量长尾小SKU拉低，而件数加权更能反映真实的货品流转效率。
2.3 痛点二：一边断码一边积压，货放错了地方
如果说库存总量高是“结果”，那“货放错地方”就是“原因”。我们把库存和销售按省份做了交叉对比：
|
省份
|
库存件数
|
库存占比
|
销售金额(元)
|
销售占比
|
错配差值
|
|
黑龙江
|
21,247
|
30.74%
|
3,580,428
|
43.62%
|
+12.89pp
|
|
辽宁
|
28,257
|
40.88%
|
2,899,528
|
35.33%
|
-5.55pp
|
|
吉林
|
19,625
|
28.39%
|
1,727,802
|
21.05%
|
-7.34pp
|
错配差值 = 销售金额占比 − 库存数量占比。正值说明货不够卖，负值说明货压着不动。
黑龙江用三成的库存贡献了四成四的销售额，属于典型的“想卖没货”；辽宁压着四成库存却只做出三成半的销售，吉林错配了7.34个百分点。由于缺少跨门店的库存可视化和调拨机制，同一个货号在哈尔滨断码的同时，可能正安静地躺在沈阳为一工厂店的货架上——这家单店库存高达6,286件，是第二名长春金盘旗舰店（2,431件）的2.6倍。
断码的规模也超出了我们的预期。按“货号 × 门店”维度统计，全渠道共有773条记录的库存只剩1到2件，涉及164个SKU、76家门店——几乎每一家门店都同时存在“某些款断码、某些款积压”的结构性错配。而全周期实际发生的调拨只有1,485条记录、2,940件、157个SKU，相对于69,129件的库存总量，调拨力度明显不足。
2.4 痛点三：折扣成了常态，18.5%的毛利被悄悄吃掉
第二个问题出在销售端。近12个月门店共销售47,274件，实收820.78万元，但同期吊牌金额是1,006.84万元，折扣金额高达186.07万元，整体折扣率只有0.815。也就是说，每100元吊牌价的商品，实际只收回81.5元。
更值得警惕的是深度折扣的规模。折扣率低于6折的销售共7,333笔、7,333件，占总笔数的14.1%，但对应的吊牌金额163.65万元只收回了82.19万元——单这一块就损失了81.47万元，占全部折扣损失的43.8%。用14%的销量换走44%的毛利，这是典型的“冲量不赚钱”。
|
货品系列
|
吊牌金额(万元)
|
实收金额(万元)
|
折扣率
|
库销比(月)
|
|
户外系列
|
10.46
|
7.29
|
69.7%
|
14.2
|
|
网球系列
|
3.51
|
2.68
|
76.4%
|
53.9
|
|
生活系列
|
154.87
|
123.52
|
79.8%
|
21.2
|
|
综训系列
|
313.05
|
254.54
|
81.3%
|
17.5
|
|
跑步系列
|
283.91
|
231.52
|
81.6%
|
19.9
|
|
篮球系列
|
112.24
|
91.64
|
81.7%
|
12.8
|
|
搏击系列
|
36.39
|
30.17
|
82.9%
|
23.7
|
|
精英训练
|
92.42
|
79.42
|
85.9%
|
12.3
|
按折扣率升序排列，同时列出对应系列的库销比以便交叉验证。
把折扣率和库销比放在一起看，问题就暴露了：真正需要清仓的网球系列（库销比53.9个月）折扣率还有76.4%，而周转并不算差的户外系列（14.2个月）却打到了69.7%。折扣力度和库存压力完全脱钩，说明打折并不是针对滞销品的有策略行为。
从打折原因的分布也能印证这一点：排名前两位的分别是“会员自动打折”8,915笔和“非校验折扣券”6,849笔，两者合计占全部折扣笔数的三分之一以上；真正针对过季货品的清仓类折扣（如“26Q1货品两件8.8折”“夏季商品第一件8折第二件5折”）占比不到10%。折扣是常态化的、无差别发生的，而不是被策略性使用的。
在中类维度上，袜类的情况最典型：12,260件库存是全部中类中最高的，折扣率73.9%却是最低的之一，属于典型的“压着卖不动、只能靠降价走量”。相比之下，梭织薄外套（84.4%）和短T（82.8%）折扣率健康，是真正靠正价卖出去的品类。
退货环节同样缺乏管控。周期内门店退货1,301件、25.03万元，整体退货率2.75%。有意思的是，从退货原因看，排在前三位的分别是“换货-其他原因”116笔、“非校验折扣券”116笔、“换货-不同款调换”115笔——换货需求占了相当大的比例。这部分本可以通过调拨在门店间直接满足，却走了退货流程，既拉长了顾客等待时间，又增加了物流和仓储成本。
2.5 痛点四：一万个会员，七成只买过一次
企业积累了10,000名会员，平均年龄31.2岁，20至40岁人群占比58.4%，客单价均值448元。这组画像看起来很健康，但消费行为的拆解结果却不太妙。
|
消费次数
|
会员人数
|
占比
|
|
1次
|
7,064
|
70.6%
|
|
2次
|
1,698
|
17.0%
|
|
3次
|
646
|
6.5%
|
|
4次
|
253
|
2.5%
|
|
5次及以上
|
339
|
3.4%
|
70.6%的会员只消费过一次，会员平均购买周期长达300.8天，平均“多久没来消费”119.7天。我们按最近消费间隔（R）、消费频次（F）、消费金额（M）三个维度，把10,000名会员划分为五个互斥层级：
|
会员层级
|
判定规则
|
人数
|
消费金额(万元)
|
人均消费(元)
|
人均消费次数
|
|
高价值会员
|
90天内消费、≥5次且累计≥1,000元
|
246
|
71.16
|
2,892
|
6.91
|
|
活跃会员
|
90天内消费、≥3次或累计≥500元
|
2,006
|
191.07
|
952
|
1.93
|
|
一般会员
|
90天内消费但不满足上述条件
|
2,014
|
63.14
|
314
|
1.07
|
|
沉睡预警
|
90天以上、180天以内未消费
|
3,579
|
245.17
|
685
|
1.51
|
|
流失风险
|
180天以上未消费
|
2,155
|
124.24
|
577
|
1.23
|
分层规则互斥且完备，五层人数合计 10,000 人，消费金额合计 694.78 万元，与会员总额一致。
真正被经营起来的只有前两层，合计2,252人。而高价值会员虽然只有246人（占2.5%），人均消费却达到2,892元、人均消费6.91次，是一般会员（314元、1.07次）的9倍——这246人贡献了71.16万元，是最值得投入的部分。反过来，沉睡预警层有3,579人、累计消费245.17万元，人均685元，是唤醒性价比最高的群体：他们已经证明过自己愿意买单，只是很久没来了。
2.6 痛点五：十几张Excel并行，数据永远对不齐
以上四个业务痛点的背后，是一个更基础的管理问题：企业各部门各自维护Excel。采购部有采购台账，仓库有库存表，门店有销售表，财务有自己的核算表，会员信息又在另一份文件里。货号、品类、门店名称的口径不统一，同一款商品在不同表里可能叫不同的名字。
在Excel时代，店长想找出“三个月没来、但以前很能买”的会员，需要手工筛选好几张表，几乎没有门店会真的去做这件事。
结果是每个月做经营报表时，采购先汇总一版、门店再核一版、财务最后调一版，往复多次才能定稿，前后要花3到5个工作日。等业务主管拿到报表，市场机会早就过去了。而当数据量增长到库存21,807条记录、销售44,980条记录、采购3,052条记录、退货1,225条记录、会员10,000条记录时，Excel的卡顿和版本冲突已经严重影响到日常工作。
2.7 改进目标：把降本增值拆成可验证的数
基于上述痛点，团队与企业管理层共同确定了本年度的经营关键词——“降本增值”。降本指向库存资金占用与滞销损耗，增值指向门店动销效率与会员复购贡献。围绕这个定位，我们为应用设定了六个可验证的量化目标：
|
目标维度
|
现状基线
|
目标值
|
对应痛点
|
|
滞销库存资金
|
42个SKU / 20,376件 / 309万元
|
半年内压降30%
|
痛点一
|
|
库存可支撑月数
|
17.55个月
|
降至12个月以内
|
痛点一
|
|
整体售罄率
|
40.6%（件数加权）
|
提升至48%以上
|
痛点一、二
|
|
断码与积压错配
|
773条断码记录 / 三省最大错配12.89pp
|
调拨响应覆盖翻倍
|
痛点二
|
|
深度折扣损失
|
14.1%笔数 / 81.47万元
|
损失压缩25%
|
痛点三
|
|
会员沉睡规模
|
5,734人（沉睡3,579 + 流失2,155）
|
唤醒5%回流
|
痛点四
|
整体售罄率统一采用件数加权口径（40.6%）；SKU粒度的简单平均为36.4%，两者并行监控。
3 制作流程
3.1 整体架构设计
我们按照“基础档案统一 → 业务单据在线 → 流程引擎驱动 → 数据工厂建模 → 仪表盘呈现 → 移动端落地”的思路，在简道云上搭建了“服装经营进销存管理”应用。整个架构分为基础信息层、业务执行层、分析决策层三个层次。
图1 服装经营进销存管理整体架构图
基础信息层包含商品信息、人员信息、经营场所信息、区域物流运输信息四张档案表，解决“口径统一”的问题——所有业务单据都通过这些档案表关联取值，杜绝了各自命名的混乱。业务执行层搭建了采购出入库、门店库存、调度调拨、门店销售、门店退货、月度销售、门店会员七张核心表单，覆盖货品从进到销的全生命周期。分析决策层则由数据工厂、聚合表和仪表盘组成，把业务数据加工成可决策的指标。
3.2 指标体系设计：三层分类 * 五域指标
在动手搭表单之前，团队的两名商业分析师先做了一件看似“多余”的事：把企业原有的十几张Excel字段全部梳理了一遍，归并成一套五域指标体系。这一步后来被证明是整个项目最关键的基础工作——它决定了后续所有看板能不能算对数。
|
指标域
|
核心指标
|
数据来源
|
业务用途
|
|
采购域
|
收货/发货/调入/调出/退货/盘点数量、凭证单价与金额、批发参考金额、批发折扣率
|
采购出入库表
|
采购节奏与进货成本管控
|
|
库存域
|
期初/入库/出库/期末数量、期末成本金额、期末零售金额、即时成本价、批发参考成本
|
门店库存表
|
库存水位与资金占用监控
|
|
调拨域
|
分货数量、剩余铺货量、本次上货、大仓库存、店铺库存、累计排单、分批分货量
|
调度表
|
按SKU+尺码的铺货与调拨决策
|
|
销售域
|
销售数量/单价/金额、吊牌金额、折扣金额、折扣率、打折原因、货品年度与季节
|
门店销售表、退货表
|
动销效率与价格策略优化
|
|
会员域
|
消费次数/金额/数量、客单价、客单量、物单价、平均购买周期、最近消费日期
|
会员表
|
会员分层与精准触达
|
在此基础上，我们把商品的三层分类（大类 / 中类 / 货品系列）作为贯穿所有指标的共同维度，让每一个指标都支持三层下钻。这个设计的价值在后面很快显现出来：如果只按货品系列（8个）做汇总，针织运动上衣14.2%的售罄率会被综训系列的40.7%完全掩盖；只有保留中类（20个）粒度，真正的滞销品才能浮出水面。
|
分析层级
|
层级内容
|
粒度
|
主要用途
|
本次发现的关键问题
|
|
大类
|
服装 / 鞋品 / 配件
|
3类
|
采购预算归口
|
鞋品库销比20.6个月最差
|
|
货品系列
|
综训 / 跑步 / 生活等
|
8个
|
品牌定位与营销策略
|
网球系列库销比53.9个月
|
|
中类
|
长裤 / 短T / 跑鞋等
|
20个
|
门店陈列与补货
|
针织运动上衣库销比72.6个月
|
|
SKU
|
货号（含尺码）
|
204个
|
单品级滞销识别
|
42个SKU售罄率低于10%
|
四个层级逐级下钻，粒度越细越贴近执行动作。全量SKU平均售罄率36.4%，按件数加权为40.6%。
在核心分析层，我们重点落地了三类指标：售罄率（衡量动销效率）、库销比（衡量库存健康度）、区域错配差值（衡量铺货合理性）。这三类指标构成了后续所有调拨和补货决策的判断依据。
3.3 第一阶段：把Excel拆成结构化的表单体系
第一阶段的工作是把散落在各部门的Excel，拆解为字段标准、关联清晰的在线表单。
我们以商品信息表作为主数据锚点，字段涵盖货号、品类、品名、色系编号、主色、性别、大类、中类、销售年度、销售季节、单位、零售价格、批发参考成本、出厂参考成本、批发折扣率等。三层分类（大类、中类、货品系列）在这里被固化为标准字段，所有业务表单通过“货号”这个唯一键与之关联，后续做分层分析时无需再做映射。
图2 商品信息表（主数据）
图3 商品信息表的表单设计视图
门店库存表按“库存编号—省份—城市—店铺—店面类型—店面等级”组织，同时记录期初数量、入库数量、出库数量、期末数量以及对应的成本金额、零售金额，让每一笔库存变动都能追溯到门店和货号。全表共21,807条记录，覆盖82个经营场所。
图4 门店库存表数据视图
采购出入库表是全应用字段最多的一张表，共53个字段，覆盖业务单号、过账日期、库存地点、供应商、送达方、采购订单类型、进出类型、移动类型、货号、单品数量、凭证单价与金额、零售价与零售金额、出产参考成本、批发参考成本等，完整还原了采购业务的凭证级信息。
图5 采购出入库表表单
这个阶段我们踩的第一个坑是：最初把“品类”作为下拉框手工填写，结果不同门店填出了“综训”“综训系列”“ZongXun”等多种写法。后来改成从商品信息表关联带出，才彻底解决了口径问题。
3.4 第二阶段：用流程引擎替代人催人
表单只是容器，真正让业务跑起来的是流程。我们为四类核心单据分别配置了审批流，把过去靠微信群@、靠电话催的协作方式，变成系统自动推进的标准化动作。
采购出入库表采用“采购订单发起 → 采购审批节点 → 采购执行节点 → 流程结束”的三段式流程，审批人在手机端即可处理，超时自动提醒。
图6 采购出入库流程设定
门店之间的调拨是最能体现流程价值的一环。过去哪家店缺货、哪家店有余货，全靠店长打电话，调拨记录事后补填。现在调度表实现“库存调拨发起 → 店长审批 → 调拨执行 → 入库执行”全流程线上流转，每一次发货、在途、入库都有单据留痕。流程中同步记录了发起人与接收人的签字、手机号，以及调度审核员信息，责任链条清晰可查。
图7 调度配送信息表单
图8 城市门店调拨流程设定
门店销售表在发起后需经过商务审批，不通过则退回销售订单上传环节，审批通过后自动抄送相关方；门店退货表则需依次经过审批节点和仓库收货节点，由仓库管理员确认收货、店长与调度双重确认，确保退回商品有验收、有责任归属。
图9 门店销售表数据
图10 门店销售审批流程
图11 门店退货流程设定
会员办理流程相对更长，设置了“会员办理发起 → 办卡审批 → 抄送 → 财务审核 → 流程结束”四个节点，办卡人和审批人信息同步落库，保证会员信息的准确性和财务口径的一致性。
图12 门店会员办理流程设定
3.5 第三阶段：用数据工厂和聚合表打通部门墙
当七张业务表单都跑起来之后，新的问题出现了：数据分散在各张表里，想知道“某个货号在哪些店压了多少货、卖了多少、赚了多少钱”，仍然需要人工跨表比对。我们用简道云的数据工厂和聚合表来解决这个“部门墙”问题。
数据工厂中共搭建了五条数据流：门店会员数据流（去重、筛选，输出干净会员视图）、有效门店库存数据流（过滤有效库存）、产品标签定价数据流（把库存、采购、退货、销售四表追加合并、分组汇总后横向连接，形成产品维度宽表）、RFM客户关系管理模型、回归预测销售收入数据流。
图13 数据工厂数据流总览
图14 门店会员数据流
图15 有效门店库存数据流
图16 产品标签定价数据流（跨四表横向连接）
产品标签定价数据流是整个建模中最复杂的一条。它把门店库存表、采购出入库表、门店退货表追加合并后分组汇总，再与门店销售表的汇总结果横向连接，最终输出一张同时包含库存量、销售量、退货量、成本价、零售价、利润率的商品宽表。由于宽表在货号粒度上同时携带了大类、中类、货品系列三层标签，判断一个SKU是“畅销缺货”还是“滞销压仓”，只需看一行数据，也只需切换一个维度就能从系列下钻到中类——这正是我们识别42个滞销SKU和针织运动上衣等积压中类的技术基础。
RFM模型则以门店会员表为输入，通过去重、数据筛选、分组汇总、横向连接等步骤，自动计算每位会员的最近消费间隔（R）、消费频次（F）、消费金额（M），并输出分层标签。分层规则在建模时被严格定义为互斥且完备的五档，确保10,000名会员不重不漏地归入唯一层级。
图17 RFM客户关系管理模型数据流
聚合表层面，我们建立了中心仓剩余库存、门店货品分析、门店运营分析三张聚合表。中心仓剩余库存聚合表实时反映三大中心仓的可用库存，为调拨提供货源视图；门店货品分析聚合表关联门店销售表、门店库存表、采购出入库表、调度表，计算出库存数量、销售数量、销售金额、利润率、平均折扣率、产品售罄率等指标；门店运营分析聚合表在此基础上叠加了退货数量和退货金额，可直接横向对比各门店的经营质量。
图18 聚合表清单
图19 中心仓剩余库存聚合表
图20 门店货品分析聚合表（含售罄率、折扣率）
图21 门店运营分析聚合表（含退货指标）
3.6 第四阶段：AI能力嵌入及智能助手业务流
在完成了在线化、流程化和数据建模之后，我们把AI能力嵌入到了三个具体场景，而不是为了用AI而用AI。
第一个场景是AI快捷填报。月度销售表原本需要逐行录入销售年月、销售数量、销售金额、平均件单价，我们启用了AI快捷填报功能，店员上传或粘贴原始小票数据后，系统自动识别字段并生成结构化记录，把录入时间从每次十几分钟压缩到一两分钟。对于日均几十笔交易的门店，这个改进直接决定了系统能不能被一线接受。
图22 月度销售表启用AI快捷填报
第二个场景是智能助手驱动的自动化。我们在应用后台配置了“入口后自动加库存”智能助手：当采购出入库表流程结束时自动触发，先向门店库存表新增数据，再计算库存数量，最后回写商品信息表。整条链路无需人工干预，库存账随业务流自动更新，彻底消灭了“业务做完了、账还没记”的老问题。同时配置了“门店会员定时触发”，根据会员生日字段重复触发提醒并回写会员表，为会员关怀提供自动化触点。
图23 应用后台智能助手配置
图24 智能助手：入库后自动更新库存
图25 智能助手：会员生日定时触发
第三个场景是AI预测。回归预测销售收入数据流以月度销售表为输入，经过字段设置、分组汇总后建立回归模型，输出未来销售收入的预测值。从近12个月的实际走势看，销售额从2025年9月的58.8万元波动上行至2026年8月的121.6万元，最近三个月（6月75.8万、7月93.9万、8月121.6万）呈现明显加速趋势，模型据此给出下月收入预测，为采购备货和门店补货提供量化参考。
图26 回归预测销售收入数据流
图27 销售看板中的下月收入预测
3.7 第五阶段：仪表盘与移动端落地
最后一步是把分析结果呈现给不同角色的人。我们按照“总部看全局、店长看本店、导购随手填”的思路，配置了多组仪表盘，并通过公开发布链接和权限设置分发到对应角色。
图28 仪表盘发布与权限设置
图29 门店会员表公开发布
所有看板均支持手机端访问。店长在巡店途中就能查看本店库存预警、提交调拨申请；导购在收银台可以直接打开会员表单完成开卡；区域经理在出差路上也能看到管辖门店的实时动销。交互设计上我们坚持一个原则：一线员工看到的字段越少越好，系统能自动带出的一律不让手填。
3.8 团队分工与协作机制
五人团队在两个月的周期里形成了相对固定的协作节奏。产品经理先输出业务流程图和字段清单，两名商业分析师据此设计指标口径并复核数据逻辑，两名开发工程师分工搭建——一人负责表单与流程，一人负责数据工厂、聚合表与仪表盘。每周固定一次评审会，由产品经理以“店长”和“区域经理”两个角色走查一遍系统，提出修改意见。
这种“分析师定义口径、产品经理验证体验、工程师实现功能”的三角协作，避免了最常见的一类返工：开发做完了才发现指标算错了，或者看板做完了才发现一线根本不会用。
3.9 作品分享链接
https://www.jiandaoyun.com/a/6a8fc1b0500ac83471f7474f
4 成果展示
4.1 整体价值概述
这套应用把一家服装企业从“Excel堆里找数”的状态，带到了“一张看板做决策”的状态。它打通了采购、仓储、调拨、销售、退货、会员六个环节的业务链路，让69,129件库存、47,274笔销售、1,301笔退货、10,000名会员的数据在同一个平台上流动；用流程引擎替代了人催人的协作方式；用数据工厂和AI模型把滞销识别、会员分层、销售预测变成了系统自动完成的事。对企业而言，它既是一套降库存成本的工具，也是一套提升动销和会员价值的经营系统。
4.2 基础档案模块
商品、人员、经营场所、区域物流四类档案实现了统一维护。204个SKU的商品属性（含大类3类、中类20类、货品系列8个）、330名员工的角色与归属、82处经营场所的类型与等级、36个城市的物流调度关系，全部集中在一个平台，任何业务单据都从这里取数，从源头消灭了口径分歧。
4.3 库存运营模块
库存统计看板实时展示当前库存量、在库吊牌金额、货品成本金额、货品利润等核心指标，并支持下钻到品类、区域、门店、货号。管理层第一次能够一眼看到“钱压在哪里”。
图30 库存统计看板
基于这张看板与门店货品分析聚合表，我们识别出了前文提到的42个滞销SKU。系统按“库存数量 + 售罄率”双阈值自动标红，不需要任何人凭经验判断；同时输出773条断码风险记录，把“哪店缺哪个款”直接推送给区域经理，作为调拨的发起依据。看板支持按大类、货品系列、中类三层切换，运营人员可以先在系列层面锁定方向，再下钻到中类找到具体要处理的品类。
4.4 销售模块
门店销售统计看板展示总销售数量、总销售金额、SKU款式数和下月收入预测，并同步呈现大类销售占比和细类销售排行，让动销结构一目了然。
图31 门店销售统计看板
折扣率被作为独立指标纳入监控，并与库销比联动展示。当某个品类的折扣率与库存压力脱钩时（如网球系列库销比53.9个月却只打76.4折，户外系列14.2个月反而打到69.7折），管理层可以及时识别并调整价格策略。从数据看，综训系列以313.05万元吊牌额贡献254.54万元实收，是折扣管理的重点对象。
4.5 采购与调拨模块
货品采购订单仪表板分为采购入库、采购发货、退货订单三个视图，分别呈现入库数量与金额、发货数量与金额、退货数量与金额，以及对应的SKU款数和平均件单价/成本，让采购部能够同时掌握“进了多少、发出多少、退了多少”的完整闭环。
图32 采购入库订单统计
图33 采购发货统计
图34 退货订单统计
4.6 会员管理模块
会员管理驾驶舱整合了会员数量、会员消费数量、会员消费金额、平均会龄等概览指标，并输出RFM客户矩阵和会员分布图，让沉睡会员和流失风险会员直接浮出水面。
图35 会员管理驾驶舱（含RFM客户矩阵）
图36 门店会员表数据视图
基于RFM模型的分层结果，企业可以针对五个层级采取差异化动作：对246名高价值会员（人均消费2,892元）做新品优先体验和专属顾问；对2,006名活跃会员做连带推荐和升级引导；对2,014名一般会员做首购后的二次触达；对3,579名沉睡预警会员（人均消费685元）推送回归礼包；对2,155名流失风险会员做低成本唤醒。考虑到70.6%的会员只消费过一次，把“首次购买后30天内的二次触达”做成标准动作，是投入产出比最高的一步。
4.7 价值量化与验证
我们按照“财务价值—效率价值—管理价值”三个层次，对应用上线后的价值进行了量化测算。所有测算均基于系统实际跑出的数据，计算过程和假设条件全部列明，便于复核。
（1）财务价值一：滞销库存资金释放
系统识别出滞销SKU 42个、库存20,376件，按各货号批发参考成本加权估算，占用资金308.65万元。通过跨店调拨把这些货品从低动销门店（如沈阳为一工厂店，库存6,286件）转向高需求区域（黑龙江错配+12.89pp，吉林错配-7.34pp可作为货源地），假设半年内消化30%：
计算公式：滞销库存释放资金 = 滞销SKU成本金额 × 预计消化比例 = 308.65万元 × 30% = 92.60万元
另一条路径是把整体库存水位从17.55个月可支撑降至12个月：
计算公式：库存资金压降 = 当前库存成本金额 ×（1 − 目标月数 ÷ 当前月数）= 721.17万元 ×（1 − 12 ÷ 17.55）= 228.05万元
两条路径取保守值，仅按第一条的92.60万元计入直接财务价值。需要说明：这部分属于一次性现金回笼，不是持续性收益。
（2）财务价值二：深度折扣损失压缩
当前折扣率低于6折的销售共7,333笔，对应吊牌金额163.65万元、实收82.19万元，损失81.47万元，占全部折扣损失（186.07万元）的43.8%。通过提前识别滞销款、在正价期完成调拨而非季末清仓，假设这部分损失压缩25%：
计算公式：折扣损失减少 = 深度折扣损失金额 × 压缩比例 = 81.47万元 × 25% = 20.37万元
（3）财务价值三：会员唤醒增量
按修正后的互斥分层口径，沉睡预警（3,579人）与流失风险（2,155人）合计5,734人，人均历史消费分别为685元和577元。若通过RFM分层精准触达唤醒5%回流，按会员平均消费金额694.78元计算：
计算公式：会员唤醒价值 = 沉睡及流失会员数 × 唤醒率 × 会员平均消费金额 = 5,734 × 5% × 694.78元 = 19.92万元
（4）价值汇总与敏感性分析
三项财务价值在中性假设下合计约132.89万元。考虑到各项假设存在不确定性，我们做了三档敏感性测算：
|
情景
|
滞销消化
|
折扣压缩
|
唤醒率
|
滞销释放
|
折扣优化
|
会员唤醒
|
年度合计(万元)
|
|
保守
|
20%
|
15%
|
3%
|
61.73
|
12.22
|
11.95
|
约 85.90
|
|
中性
|
30%
|
25%
|
5%
|
92.60
|
20.37
|
19.92
|
约 132.89
|
|
乐观
|
40%
|
35%
|
8%
|
123.46
|
28.51
|
31.88
|
约 183.85
|
单位：万元。会员唤醒以 5,734 名沉睡及流失会员为基数；滞销释放以 308.65 万元为基数；折扣优化以 81.47 万元为基数。
从投入看，项目由5人团队以兼职方式投入约两个月，合计约200人时；叠加简道云平台年度订阅费用，总投入在十万元量级以内。即便按保守情景的85.90万元计算，投入产出比也在8倍以上，且系统可长期使用、边际成本接近于零。
（5）效率价值：从人找数到数找人
|
效率指标
|
优化前
|
优化后
|
提升幅度
|
|
月度经营报表产出
|
3–5个工作日
|
1个工作日以内
|
缩短约75%
|
|
跨店调拨处理时长
|
2–3天
|
当天完成
|
缩短约60%以上
|
|
滞销SKU识别
|
人工季度盘点
|
系统实时标红
|
从季度级到实时
|
|
断码定位
|
店长电话询问
|
看板直接推送
|
从数小时到秒级
|
|
会员分层
|
手工筛选多张表
|
RFM模型自动输出
|
从数天到自动
|
|
维度下钻
|
重做透视表
|
三层分类一键切换
|
从数十分钟到秒级
|
|
一线业务录入
|
回办公室填Excel
|
手机端随时提交
|
场景限制解除
|
以月度报表为例，过去采购、门店、财务三方各需投入约1人天进行核对，全年12个月合计约36人天；现在报表由系统自动汇总，仅保留复核环节，全年节省约27人天。以调拨为例，全周期调拨量从1,485条记录起步，随着断码清单的自动推送，预计可提升至覆盖大部分断码风险记录（773条）的响应能力。
（6）管理价值：经验模型化与数据资产化
比当期财务收益更难量化但影响更深远的，是把“老员工的经验”变成了“系统的算法”。滞销判断从“店长觉得卖不动”变成“库存大于阈值且售罄率低于10%”的明确规则；铺货决策从“凭感觉分货”变成“按区域错配差值调度”；会员维护从“谁记得住谁”变成RFM模型定期输出的分层名单；补货决策从“拍脑袋”变成回归模型给出的预测参考。这些规则沉淀在应用后台，人员流动也不会带走。
4.8 推广落地与可行性检验
我们没有把作品停留在演示层面。项目后期，团队协助企业完成了三轮落地验证：
第一轮是数据迁移验证，将13张历史Excel（含21,807条库存记录、44,980条销售记录、3,052条采购记录、1,225条退货记录、10,000条会员记录）全量导入简道云，核对总量与金额无误，确认系统能承载真实业务数据量。
第二轮是单点试用，选取沈阳、哈尔滨、长春三地门店，由店长实际使用手机端完成销售录入、调拨申请和会员开卡，收集并修复了17项操作不便的问题，其中大部分与字段精简和默认值设置有关。
第三轮是经营会嵌入，将库存统计看板、销售统计看板、会员管理驾驶舱接入企业的周例会和月度经营分析会，作为统一数据来源使用。会议准备时间明显缩短，且不再出现“你的数和我的数不一样”的争执。
从可行性看，这套方案的复制成本很低：表单和流程结构一旦定型，新增门店只需录入基础档案并分配权限即可。企业已计划将应用推广至华北区域的部分门店，并把RFM分层与营销活动进一步打通，实现“数据驱动补货、数据驱动调拨、数据驱动会员运营”的完整闭环。
5 总结与分享
5.1 三个角色的不同体会
产品经理的体会是：需求调研的时间永远不嫌多。我们前两周几乎没碰简道云，全在企业跟着店长盘货、跟着采购跑单、跟着财务对账。正是这段调研让我们发现了“17.55个月库存可支撑月数”和“黑龙江+12.89pp错配”这两个决定性数据——如果没有它们，后面的方案设计很可能只是把Excel原样搬到线上。
商业分析师的体会是：指标口径的统一比模型本身更重要。项目中我们花在梳理字段、对齐口径上的时间，远超搭建数据工厂的时间。但这个投入是值得的——当“售罄率”和“库销比”的口径在档案层统一之后，所有跨部门的对数工作都消失了，报表争议也随之消失。另一个教训是分层规则必须互斥且完备：我们第一版RFM模型因为没有处理“近90天消费但未达活跃门槛”的会员，导致分层人数与总人数对不上，返工重做后才得到可用结果。
开发工程师的体会是：零代码不等于低门槛。简道云的拖拽式搭建确实降低了技术门槛，但业务逻辑的梳理、字段关系的规划、流程节点的设计，这些思考一点都不能省。我们花在画业务流程图上的时间，比实际搭建表单的时间还多。
5.2 踩过的六个坑
第一个坑：主数据没有先统一。我们最初并行搭建了库存表和销售表，各自用下拉框填写品类，等到做关联分析时才发现两边口径不一致，只能返工重做。教训是：先建档案表，再建业务表，顺序不能颠倒。
第二个坑：分析维度选错了粒度。第一版看板只按货品系列（8个）汇总，得出的结论是“综训系列售罄率40.7%，还算健康”。直到我们下钻到中类，才发现其中的针织运动上衣售罄率只有14.2%、库销比72.6个月。维度粒度决定你能看到什么，这是本次项目最有价值的一次自我纠偏。
第三个坑：流程节点设计得过于复杂。早期版本的调拨流程设置了五个审批节点，理论上很严谨，实际上店长嫌麻烦，宁可回到微信群沟通。后来简化为“发起—店长审批—调拨执行—入库执行”四个节点，使用率才真正上来。流程设计的目标不是完美，而是可执行。
第四个坑：忽略了数据量带来的性能问题。门店库存表21,807条、销售表44,980条，初期在仪表盘中做了大量实时跨表计算，导致加载缓慢。后来改用数据工厂预先加工、聚合表预先汇总，看板响应速度才恢复正常。这个教训让我们理解了“计算前移”的意义。
第五个坑：对一线的操作习惯估计不足。我们设计了很多字段，觉得信息越全越好，结果店员反馈“填一个单要五分钟”。后来把非必填字段大幅精简，只保留业务必需项，其余通过关联自动带出，录入时间才降到可接受范围。这也是我们后来特别重视AI快捷填报的原因。
第六个坑：指标定义没有提前和业务方对齐。第一版看板里的“售罄率”我们用销售件数除以总进货量，而企业财务习惯用销售金额除以吊牌金额，导致同一个指标出现两个数字。后来我们在指标体系设计阶段就把每个指标的计算公式写成文档，双方签字确认，才彻底解决。现在文档里同时保留了件数加权（40.6%）和SKU简单平均（36.4%）两个口径，并明确标注了各自的适用场景。
5.3 一点感悟
这次参赛让我们真正理解了数字化工具的价值不在“炫技”，而在“解决问题”。简道云的仪表盘可以做得非常漂亮，但真正打动企业的是那个42个滞销SKU的红色预警列表，是773条断码风险清单，是那句“原来我的货在黑龙江根本不够卖”。
作为一支由分析师、开发和产品组成的混编队伍，我们最大的收获是验证了“业务+技术”双轮驱动的可行性：分析师负责定义什么是对的，开发负责实现对的，产品负责确保做出来的东西有人用。三者缺一，作品就只能是半成品。
这套应用目前仍在产品持续迭代中。我们希望它将来不仅能服务这一家服装企业，也能为东北地区更多面临同样困境的传统零售企业，提供一个可复制、可负担的数字化参考路径。
