如何在 Excel 中精准识别慢动销库存
在供应链管理中，识别“慢动销”（Slow-Moving Inventory）是优化资金流、降低仓储成本的关键步骤。Formula Bot 最新发布的教程《How to Find Slow-Moving Inventory in Excel》为财务与运营人员提供了一套可复现的实操指南，利用 Excel 内置函数高效完成库存健康度分析。
核心分析逻辑
本教程的核心目标是计算低销量 SKU 的在手库存总量。其基本逻辑如下：
- 定义阈值：设定一个观察周期内的销量阈值（例如：少于 20 单位）。
- 筛选与聚合：筛选出满足条件的 SKU，并汇总其对应的
units_on_hand（在手库存）。 - 结果验证：通过预设的样本数据（如 SKU C 和 E 合计 180 单位）验证公式准确性。
关键操作步骤
1. 数据准备与标准化
- 导入数据：通过
Data → From Text/CSV导入原始 CSV 文件。 - 类型映射：将日期列设为
Date，金额设为Decimal Number，标识符（SKU）设为Text。 - 保护原件：务必保留一份未修改的原始数据副本，以防公式引用错误导致数据污染。
2. 构建核心公式
教程推荐使用 SUMIFS 函数进行动态计算。假设数据位于工作表 A 列至 F 列，逻辑如下：
=SUMIFS(F2:F7, E2:E7, "<20")
- F2:F7：
units_on_hand列区域（求和对象）。 - E2:E7：
units_sold列区域（条件判断对象）。 - "<20"：销量阈值条件。
该公式会自动累加所有销量低于 20 单位的 SKU 的库存量，从而快速暴露积压风险。
3. 结果核对与解读
- 预期结果：在提供的合成数据中，低销量 SKU 的总库存应为 180 单位（由 SKU C 和 E 组成）。
- 差异排查：若计算结果与预期不符，需检查数据类型（如数字是否被识别为文本）、筛选器设置或日期范围是否覆盖完整观察期。
最佳实践与避坑指南
- 区分“空白”与“零”：在数据清洗阶段，务必区分空单元格（Blank）与数值 0。盲目使用
IFERROR掩盖错误可能导致分析偏差。 - 动态调整：将样本数据替换为企业真实数据时，需扩展范围以包含新行，并重新刷新 PivotTable。
- 业务洞察：低销量可能源于缺货（Stockout）、新品刚上市或历史需求记录不全，分析时需结合业务背景进行定性判断。
Formula Bot 提示：本示例旨在教学，并非行业标准。阈值设定（如 20 单位）需根据企业实际周转率灵活调整。
通过掌握此流程，企业可快速构建基础的库存预警机制，为更复杂的 AI 驱动库存预测打下坚实的数据基础。
