庫存越買越多，熱門商品卻經常缺貨？AI 協助庫存分析與補貨判斷的 7 個案例

專題編輯：Renee Kuo｜數據分析與成長編輯

本文為文件研究與教學設計（L1），案例及參考答案均為虛構。這次以本地程式核對樣本的數值與規則，未在特定 AI 產品帳號完成端到端操作；參考答案不冒稱產品實際輸出。

總庫存金額增加，不代表對的商品在對的地點。庫存問題通常同時涉及銷售速度、到貨時間、可售庫存、促銷與退貨。AI 能幫忙把例外列出來，但建議補貨前仍要核對 ERP 與採購限制。

適合讀者：電商、零售、營運主管。本篇可完成：庫存異常報表、補貨檢查表。

這次先解決哪個問題？

補貨分析先確認可售、在途與缺貨日。簡單銷售速度只供辨認需檢查的品項，正式採購仍需核對到貨日、MOQ、預算與安全庫存政策。

開始前需要準備什麼？

請準備獲授權且已去識別的工作資料、能追溯的來源編號、資料適用期間、部門欄位定義、具名負責人，以及核准使用的 AI 工具。PDF、掃描影像、公式、幣別與日期欄位可能辨識錯誤；涉及個資或機密時優先選擇公司核准環境，不能因模型可以讀取就逕自上傳。

7 個可執行步驟

1．確認 SKU 與庫存口徑

分清實體庫存、保留量、待出貨、在途量、可售量與瑕疵品，先排除負庫存與重複 SKU。

完成檢查：可售量是否能回算？

2．比較近期銷售

以固定期間逐 SKU 比較銷售件數，排除缺貨造成的失真，不能把銷售為零都當無需求。

完成檢查：是否標出缺貨日？

3．找出熱賣卻將缺的項目

將可售量與合理需求速率對照，標示可能斷貨的品項與最早風險日。

完成檢查：有無考慮預計到貨？

4．辨識低周轉與積壓

找出庫齡較長、銷售速度下降、庫存偏高的品項，先檢查季節性及即將活動。

完成檢查：是否區分季節性與真正滯銷？

5．核對供應與最小採購量

記錄補貨前置天數、供應商 MOQ、訂購倍數、物流限制與安全庫存政策。

完成檢查：補貨數量是否符合採購條件？

6．設計多情境補貨建議

以保守、基準、活動情境提出「建議檢查量」，不輸出自動採購指令。

完成檢查：假設是否明列可修改？

7．建立每週例外檢查表

追蹤缺貨、滯銷、到貨延誤與實際採購決策；比較預估與真實銷售差距。

完成檢查：是否有採購人員核准與結果回測？

7 個可以立即辨認的庫存異常案例

以下均是教學情境，必須依各產業的實際售出、缺貨天數與補貨政策調整。

1. 熱賣缺貨：SKU-01 可售 12 件、近 30 天銷售 90 件，表面平均每日售出 3 件，可售量約 4 天；若正常交期 10 天，應先檢查在途 30 件何時到，而不是直接下單。
2. 低動銷積壓：SKU-02 可售 150 件，近 30 天售出 9 件。先查是否為季節品或大宗交付備貨，不能一律標成滯銷。
3. 在途未入帳：ERP 可售量低，但採購有尚未驗收的到貨，不能把在途庫存直接當可售庫存。
4. 促銷扭曲：上月促銷帶來大量訂單，不能假設下月銷售速度相同。
5. 缺貨隱藏需求：長期缺貨時銷售為零，不代表沒人想買，應另看缺貨日與需求訊號。
6. MOQ 不合需求：補 12 件卻被要求最少訂 100 件，必須重新評估持有成本與現金使用。
7. 多倉錯配：總庫存足夠，但某店面無貨，應先比較調撥成本與交期，再決定是否對外採購。

補貨表只能列「需要人工檢查的建議量」，正式採購單仍須依公司授權與預算規則核准。

教學模擬：一份可以直接修改的工作表

附件是虛構的教學資料，只供練習欄位、邏輯與錯誤檢查，並非真實客戶、真實交易或企業績效。請從附件 lab/sample_input.csv 開始，保留原始列不覆寫，再把 AI 的整理結果寫到另一份表。

主要欄位：SKU、可售庫存、近30天銷量、在途數量、交期天數、MOQ、缺貨天數、備註。

正式工作檔至少要有「來源編號、版本、主責、核對日、待確認事項」或可替代的欄位，避免 AI 的輸出覆蓋原始證據。

可直接複製的 AI 提示詞

你是庫存例外分析助理。僅分析以下教學模擬 SKU 資料，先檢查負庫存、重複 SKU、缺貨天數與資料缺失，再列出「可能缺貨」「可能積壓」「交期異常」三組。提出補貨前需由採購核對的條件：需求期間、在途量、MOQ、採購倍數、促銷、現金預算。不能憑本樣本開立採購單或宣稱預測準確。

先用本文的虛構資料練習，再依公司規範決定是否使用工作資料。若工具沒有權限讀取資料，不應要求它假裝已看過文件。輸出的數值、來源、頁碼、狀態與人物責任都需要回到原始證據核對。

常見失敗與人工驗收

把出貨量當需求、忽略缺貨期間、使用不一致的採購交期，會使補貨建議方向完全相反。

逐筆抽查高風險紀錄，確認來源及版號、數值與單位、缺漏與矛盾、需要批准的動作及最後責任人。對財務、合約、客戶承諾、個資、採購與對外溝通等項目，不可讓 AI 自動做最終決策。

練習資料與核對答案

以下 CSV 是附件的可複製內容。輸出是編輯設計的參考基準，實際 AI 回答須逐項核對。

輸入

SKU,可售庫存,近30天銷量,在途數量,交期天數,MOQ,缺貨天數,備註
SKU-01,12,90,30,10,20,0,教學假設
SKU-02,150,9,0,7,10,0,教學假設

參考答案

SKU,表面日均銷量,簡單可售天數,在途,判斷
SKU-01,3,4,30,需查到貨日；不是採購指令
SKU-02,0.3,500,0,需查季節性；不是滯銷定論

三種失敗情境怎麼驗收？

缺貨日會低估需求；在途未提供到貨日不能當可售；季節品不能只按一個月判滯銷。

下載本篇練習資料、提示詞與核對基準（ZIP）

今天就能執行的三件事

1. 找一組不含機密或已獲核准的真實工作樣本，另存原始版本。
2. 用本篇 CSV 表和提示詞完成一輪整理，留下不確定欄位與原始來源。
3. 請業務或專業負責人抽查並簽核，確認有效後再擴大到下次例會或下一批案件。

延伸閱讀

本文的工作範圍是SKU 補貨例外與需求口徑；既有企業應用總覽不提供這組範例。可搭配相關天地人專題閱讀。

資料來源與使用邊界

本文以可驗證的官方功能說明、風險管理與台灣個資法規作為邊界，具體表單欄位與工作步驟為編輯團隊提出的方法建議。原創案例資料均為教學模擬；本文沒有宣稱在某一版本、付費方案或企業系統完成端到端實測。

• ChatGPT Learn｜網頁版的檔案與工作流程
• ChatGPT Learn｜資料與協作工作範例
• NIST 官方｜AI Risk Management Framework
• 個人資料保護委員會籌備處｜個人資料保護法

來源查核日：2026 年 11 月 7 日。

圖像為原創 AI 輔助編輯概念素材及原創程序圖解，不是任何真實客戶文件、真實操作截圖或新聞攝影。