要用 AI 分析庫存缺貨模式，先按 SKU、地點及時間重建可售狀態，找出缺貨時段，再比較模式，但不為它們貼上原因標籤。缺貨期間觀察到的銷量可能只是被截斷的需求下界，因此每個解釋都必須保持為假設，直至區分性檢查提供證據。

按負責任的 AI 工作流程處理：保留資料來源脈絡，限制轉換，並把營運決定留給存貨負責人。

關鍵要點

計算事件之前，先界定 SKU、地點、渠道及時間粒度。

根據存貨調動而不只是銷量，重建手頭存貨及可售狀態。

零銷量可能代表零需求、無貨可售、停業或資料缺失。

除非有證據量度，否則流失需求及替代購買都視為未觀察到。

以明確的檢驗令候選解釋之間可互相區分。

由負責人決定補貨或流程變更。

存貨缺貨分析：甚麼是缺貨模式？

缺貨模式是對貨品何時、何地不可售、持續多久、伴隨哪些可觀察條件的可重複描述。它不是原因。「缺貨集中在周末到貨之前」是一種缺貨模式；「供應商不可靠」則是需要獨立證據的因果主張。

存貨研究把缺貨期間的需求視為截斷需求，因為觀察到的銷量無法顯示有貨時本會發生的全部購買。［1］關於離散貨品存貨的研究同樣探討在需求未知且被截斷時如何學習。［2］這項區分能避免常見錯誤：把斷貨期間的低銷量讀成顧客興趣低。

使用把觀察與解讀分開保存的行結構：

欄位	用途
SKU/location/time grain	精確的分析單位
opening/closing on-hand	經核對的存貨狀態
receipts/transfers	入貨及地點之間的調動
sales/cancellations	已滿足的需求及沖銷的交易
stockout interval	開始、結束及偵測規則
availability flag	可售、不可售、未知或資料缺口
lead time	由下單到可用收貨的實際間隔
reorder parameters	當時生效的版本化設定
promotion/calendar	經核實的事件，而非假定的原因
data-quality flag	缺失、重複、延遲或衝突的輸入
censoring status	觀察到的銷量是否可能低估需求
hypothesis/check	候選解釋及區分性檢驗
owner/evidence	決策權及連結的結果

截斷需求分析中的缺貨模式工作流

步驟 1：固定缺貨模式的分析單位

選定一種 SKU 識別、地點識別、渠道及時間粒度。記錄時區、業務日曆、快照 ID、來源資料表、提取查詢或報表、篩選條件、狀態對應及負責人。SKU 被替換、組合、更換標籤或在地點間轉移時，要保留對應及生效日期。

以可操作的方式界定「缺貨」：它可能指手頭存貨為零、可承諾數量為零、停止接單，或面向顧客的渠道顯示不可售。這些狀態不能互換。

保留不可更改的原始摘錄及轉換紀錄。以試算表分析控制核對類型、鍵及公式，但不要讓清理後的表格抹走互相衝突的來源值。

步驟 2：重建可售存貨時間線

由經核實的期初結餘開始，按事件次序逐一套用收貨、銷售、退貨、調撥、調整、預留、釋放、損壞、隔離及取消。說明事件用的是下單、發貨、收貨、入帳還是生效時間。

以獨立快照核對計算出來的期末結餘。差異轉入例外隊列，記錄數額、首次發現時間、受影響時段及負責人。不要在未保留差異的情況下把負數結餘強行改為零。

可售狀態可能有別於實物手頭存貨：貨品可能已預留、隔離、下架、無法取用或分配給其他渠道。兩個欄位及把狀態換算為可售數量的規則都要保存。

步驟 3：區分零銷量和無存貨

為每個時段設定狀態：有貨且有銷量、有貨但零銷量、無貨、部分可售、停業或未知。資料來源缺失不是缺貨；門店停業亦不能作為顧客需求的證據。

在不可售時段內，觀察到的銷量並非完整需求。即使顧客嘗試購買、轉買其他貨品、轉往其他地點、延遲購買或離開，銷量也可能是零。關於缺貨引發轉換行為的研究顯示，替代行為會影響對滿足率的解讀。［3］沒有獲批分析方法及證據支持時，不要用品類平均數憑空製造流失銷量數字。

步驟 4：按規則辨認缺貨模式

界定確定性的事件邏輯。例如，當獲批的可售訊號進入 unavailable 時事件開始，當可用存貨恢復而渠道可以銷售時事件結束。寫明短暫間隙、延遲更新、部分可售及夜間停業分別如何處理。

為每個事件計算開始、結束、時長、期初背景、最後一次銷售、下一次收貨、需求截斷狀態及資料質素狀態。保留來源事件 ID，方便分析人員重演結果。

以人手抽樣檢查事件：在可行時比較來源調動紀錄、渠道狀態，以及實物或循環盤點證據。AI 可以按已核實的欄位整理事件敘述，但不能認證事件。

步驟 5：分組缺貨模式而不宣稱原因

只有在事件通過驗證後才作匯總。有用的切分維度包括 SKU、地點、日子或小時、供應路線、交貨期區間、補貨策略版本、推廣、品類及事件時長。同時列出計數及分母：「80 個 SKU—地點周中有 12 個」比「很頻繁」更有資訊量。

把暴露量與結果分開：繁忙地點本來就有更多缺貨及銷售的機會。按觀察期、補貨週期或其他站得住腳的分母比較比率，並保留低銷量帶來的不確定性。

不要把供應商名稱、星期幾或季節標籤當作歸因捷徑。聚類不能證明原因，只是提出問題的起點。它可能反映需求、補貨、調撥、參數、資料延遲、貨品組合決定，或多個互相影響的因素。

步驟 6：提出互相可區分的假設

只讓 AI 從獲批的假設分類中提出解釋，並要求為每個解釋提供能區分它的檢驗：

假設	區分性證據
需求超過獲批准的預測	按獲批方法比較未截斷時段、訂單、搜尋或預留
收貨遲於計劃	比較採購單、發運、收貨及可用時間戳記
補貨參數已過時	以當時生效的參數版本及已知輸入重新計算
存貨紀錄不準確	把事件帳目與循環盤點或實物證據比較
存貨存在但不可售	檢查預留、隔離、上架及渠道狀態
調撥造成當地短缺	追蹤來源地及目的地的調動時間及審批
推廣改變了需求	比較計劃曝光及合適的對照組；讓干擾因素保持可見

使用 consistent with（一致）、contradicted by（被反駁）或 unresolved（未解決）這類措辭。切勿因模型解釋流暢便把相關性變成原因。

僅使用提供的事件表，列出可觀察模式。
對每個模式返回互相可區分的假設及所需檢查。
不得估計截斷需求、歸責、推斷供應商表現或宣稱原因。
原樣保留 unknown 和衝突值。

步驟 7：執行檢查並保留反證

為每項檢查指派負責人、資料集、方法、預期的區分結果、限期、結果及證據連結。要尋找可能推翻你屬意假設的證據，不只是支持它的證據。

在解讀時間先後之前，先以資料驗證清單檢查。事件延遲入帳會令收貨看似遲到，或令結餘看似為負。再以受控的試算表配對核對來源總額及行數。

如果兩個假設都仍然合理，便兩者都保留。正確結論可能是「證據不足」，這總好過把資源投放在錯誤措施上。

步驟 8：由存貨負責人決定行動

提交事件、分母、模式、已核實的檢查、反證、不確定性及受影響的控制。由存貨負責人決定是否調整補貨參數、供應商流程、分配、安全存貨、監察或資料管道。

證據能把某個機制與事件連繫起來時，才使用根本原因分析流程。缺貨儀表板並不等於已完成根本原因分析。

記錄決定、審批人、生效日期、預期訊號、防護限制、還原條件及覆核日期。可行時先於有限範圍測試變更，同時監察可售狀態及存貨過多、多餘調撥等意外影響。

步驟 9：可重複地覆核缺貨模式

為定義、對應、可售邏輯、事件規則、參數及假設分類定版本。當來源資料更正、貨品組合改變、新渠道推出或訂貨規則修改時重新運行。

分別追蹤預測誤差及事件偵測誤差。監察被標為 unknown 的時段比例，以及帶有未解決資料質素標記的事件比例。事件資料仍不可靠時，改良解釋模型也不能改善決策。

NIST AI RMF 以 Govern、Map、Measure、Manage 四項功能組織風險工作。［4］應用方式是：指派決策負責人，描述營運情境，量度事件及推斷的誤差，並管理未解決的假設，而不把它們變成事實。

歷史結果一直與產生它們的輸入及規則綁定；修改 SKU 對應或事件門檻後，不要改寫以往的缺貨模式。

如何核查缺貨原因假設？

總結

量度缺貨模式之前，先重建可售狀態。
保留資料來源脈絡、資料質素例外及需求截斷狀態。
以合適的分母為已核實的事件分組。
把模式變成假設，而不是因果主張。
執行區分性檢查並保留反證。
把最終的營運決定交給存貨負責人。

常見問題

零銷量能證明缺貨嗎？

不能。零銷量可能出現在沒有需求、停業、渠道故障、資料缺失或無貨可售時。應使用獲批的可售訊號及存貨時間線判斷。

銷售資料能反映缺貨期間的需求嗎？

通常單靠銷售資料做不到。已完成的銷量可能只是下界，因為嘗試購買、替代、延遲及放棄都可能無法觀察。

AI 應否估算流失銷量？

只有具備合適證據的獲批分析方法才應估算截斷需求。AI 不得按前後時段或品類平均數編造數字。

如何處理替代購買？

只有在顧客、購物籃或渠道證據支持，而私隱規則容許分析時，才記錄觀察到的轉買行為。其它 SKU 增長不自動等於替代。

應使用哪種時間粒度？

使用營運決策所需而又可靠的最細粒度。每日表格可能掩蓋兩小時的斷貨，而存貨事件延遲入帳時，分鐘級資料又可能增加雜訊。

可以把推廣標為原因嗎？

單憑時間先後不可以。應核實實際曝光，比較合適的對照時段或對照組，並在提出因果主張前考慮存貨、價格、貨品組合及日曆變化。

存貨結餘變成負數怎麼辦？

把負數結果作為核對例外保留。調查時間、漏記收貨、重複銷售、單位、對應及調整規則，而不是把數值強行改為零。

甚麼時候應批准行動？

在負責人審閱已核實的事件、假設、區分性證據、不確定性、成本及意外影響之後。在可行時由有限、受監察的變更開始。

免責聲明： 本文提供一般存貨分析資訊，不構成會計、財務、供應鏈或其他專業建議。調整營運之前，請與負責的存貨及分析負責人核實資料及方法。

來源

INFORMS, A Censored-Data Multiperiod Inventory Problem with Newsvendor Demand Distributions — https://pubsonline.informs.org/doi/10.1287/msom.1110.0340
Production and Operations Management, Discrete-item inventory control involving unknown censored demand and convex inventory costs — https://doi.org/10.1111/poms.13824
Journal of Business Logistics, The impact of stockout-based switching on fill rates — https://doi.org/10.1111/jbl.12359
NIST, AI Risk Management Framework — https://www.nist.gov/itl/ai-risk-management-framework

Sources checked 2026 年 9 月 6 日。

如何用 AI 分析庫存缺貨模式：重建時間線並驗證假設