作为库存盘点外包服务亚洲市场份额第一的企业,艾捷是集团一直备受众多客户青睐。此次,我们将以系列专栏的形式,分多期连载与库存盘点相关的各类议题——包括“库存盘点究竟是什么?”“为何必须实施库存盘点?”“其中是否存在技巧?避免失败的关键要点何在?”。衷心希望本系列内容能为正在为库存盘点工作困扰的企业、以及希望了解其必要性的人士提供有益参考。
在第五期中,我们将深入解析损耗原因的分析方法。
目录
1. 损耗原因分析
(1) 何为损耗
(2) 数据准确性核查
(3) 数据比对
(4) 数据波动分析
(5) 调查人员的选定
(6) 优秀案例是改善的突破口
(7) 事实与假设
1损耗原因分析
(1)何为损耗
那么,库存盘点的目的究竟是什么呢?没错,其一是“决算与利润确认”,其二则是“商品管理与损耗控制”。通过完成库存盘点并确定期末库存,既能确认利润,同时也能明确损耗金额。然而,真正的损耗原因分析,此刻才刚刚开始。
虽然我们统称为"损耗",但具体而言它包含哪些类型呢?确实无法简单概括。损耗的分类存在多个维度:既有按成因划分的方式,也存在无需实地盘点即可掌握的损耗与必须经盘点才能确认的损耗之分,还包括所谓的"机会损失"。若从更广义的角度理解"损耗"一词,将所有损失都归入这一范畴,那么甚至会出现"人力成本损耗"这样的表述。
在上述类别中,与实地盘点关联最为紧密的当属"不明损耗"。所谓不明损耗,指的是应有库存量与实地盘点所确定的库存量之间出现的差异。
不明损耗 = 应有库存量 - 实际库存量
实际库存量通过实地盘点即可获得。那么,应有库存量又该如何计算呢?应有库存量的计算方式是:以上次盘点得出的期初库存余额为基础,加上期间采购总额,再减去期间销售总额。需要注意的是,若期间发生商品废弃或降价情况,则需额外扣除相应金额。
应有库存 = 期初库存 + 期间采购额 - 期间销售额 - 废弃与降价总额
即使是无需通过实地盘点也能掌握的废弃或降价损耗,也并非与盘点全无关联。对于这类“已知损耗”,若未按规则在每次发生时制作相应的降价或废弃凭证(现今操作中,通过手持终端扫描并输入数量及售价信息,即便不制作传统凭证亦可完成处理),则仍需通过实地盘点才能被发现。因此,凭证缺失的已知损耗,同样是导致不明损耗的原因之一。
那么,通过实地盘点才能发现的损耗具体包含哪些类型呢?
如【图表1:不明损耗类型】所示,其主要可分为两大类:一是由违规舞弊(如盗窃、欺诈等犯罪行为)造成的损耗,二是因商品管理的流程疏漏或操作失误所致。若未能明晰通过盘点所发现的不明损耗根源,便无从实现损耗的有效削减。

我们需要通过进行盘点来追查已发现的不明损耗的原因,并确定或推定其原因,进而采取行动以消除这些原因并减少不明损耗。在此,我们将焦点集中于追查不明损耗的原因,不讨论减少不明损耗的对策。
(2) 数据准确性核查
原因追溯从数值准确性的验证开始。其首要步骤便是盘点后的差异调查。首先必须验证盘点的准确性。若库存按SKU进行管理,则需将每个SKU的理论库存与盘点得出的实际库存之间的差异制成清单并进行调查。若调查结果确认实际库存无误,则证明存在不明损失。通过差异调查发现的理论库存与实际库存之差,可通过修正期末盘点结果来消除不明损失。
但相关数值远不止这些。还包括期初盘点数据、期内的采购与退货记录、销售额数据、以及废弃商品或降价记录的遗漏等。通过验证数值准确性,有时就能查明不明损失的原因。这些都属于"图表1.不明损失种类"中的"2.流程失误、操作失误"范畴。
(3) 数据比对
然而,对每个单独商品(SKU)进行全面调查实际上并不可行。为了在有限的人力和时间内尽快查明不明损失的原因,必须根据问题严重性进行优先级排序,选择需要重点调查的对象。那么该如何进行筛选呢?数据唯有通过对比才能体现价值。只有当发现"某数据较另一数据更高"或"今年数值较去年有所增长"时,我们才会开始关注这些数字背后的意义。
首先需要锁定造成重大不明损失的环节,以及占整体损失比重较高的部分。若是连锁经营模式,则应从不明损失率较高的门店、部门及商品类别着手排查。
图表2.数值比较(部门/门店)
门店编码 | 合计 | 部门A | 部门B | 部门C | 部门D | |||||
10 | 11 | 12 | 13 | |||||||
不明损失金额 | 损耗率 | 不明损失金额 | 损耗率 | 不明损失金额 | 损耗率 | 不明损失金额 | 损耗率 | 不明损失金额 | 损耗率 | |
101 | 39,843,410 | 3.88% | 2,664,340 | 11.07% | 726,200 | 1.30% | 1,973,780 | 1.87% | 2,497,140 | 4.53% |
102 | 34,881,150 | 3.59% | 1,754,070 | 6.35% | -982,480 | -0.90% | 1,059,980 | 1.00% | 1,251,880 | 1.73% |
103 | 56,873,210 | 3.40% | 2,783,870 | 5.43% | 1,023,940 | 1.10% | 580,200 | 0.39% | 740,760 | 0.67% |
104 | 16,154,780 | 2.16% | 1,742,780 | 6.64% | 1,223,160 | 3.00% | 2,350,320 | 2.87% | 1,762,860 | 4.21% |
105 | 18,747,280 | 1.88% | 3,477,540 | 9.57% | 556,240 | 1.00% | 1,506,800 | 1.21% | 1,076,220 | 1.52% |
106 | 16,766,520 | 1.24% | 5,297,980 | 12.09% | 1,234,880 | 1.50% | 1,516,400 | 0.90% | 2,196,100 | 2.41% |
107 | 23,539,060 | 1.01% | 2,141,550 | 2.99% | 18,789,580 | 9.10% | 3,472,580 | 1.44% | 4,737,450 | 3.00% |
108 | 14,389,090 | 0.94% | 4,407,540 | 9.81% | -1,111,160 | -1.60% | 1,267,660 | 0.77% | 1,018,660 | 0.98% |
109 | 13,391,520 | 0.78% | 2,216,730 | 4.18% | -2,206,120 | -2.70% | 1,361,460 | 0.75% | 144,820 | 0.14% |
110 | 8,897,940 | 0.78% | 2,203,170 | 6.25% | -81,800 | -0.10% | 398,580 | 0.36% | 829,930 | 1.19% |
111 | 19,257,650 | 0.73% | 2,573,860 | 3.43% | -516,320 | -0.30% | -472,360 | -0.16% | 379,210 | 0.24% |
112 | 12,501,070 | 0.66% | 4,497,780 | 7.85% | 2,404,660 | 2.90% | 2,688,740 | 1.22% | 3,464,270 | 2.61% |
113 | 12,340,440 | 0.56% | 2,438,500 | 3.57% | 701,140 | 0.50% | 3,409,480 | 1.55% | 916,740 | 0.66% |
合计 | 287,583,120 | 1.42% | 38,199,710 | 6.21% | 21,761,920 | 1.70% | 21,113,620 | 0.98% | 21,016,040 | 1.62% |
构成比 | 100.0% | 13.3% | 7.6% | 7.3% | 7.3% | |||||
图表纵向显示门店(按不明损失率降序排列),横向显示各部门的不明损失金额及比率(按在总损失额中的占比降序排列)。通过制作这样的表格,能够更清晰地把握整体层面的主要问题所在。
观察此图表,值得关注的是部门B(11)。首先,存在逆损耗的门店较多,而与此相反,门店编号107的不明损失金额却超过100万日元。在大多数情况下,逆损耗并非由舞弊行为导致,因此建议将调查重点放在管理疏漏上。当然,不明损失金额高且不明损失率突出的部门和门店也应作为重点调查对象。
在不明损失率最高的部门A(10)中,门店编号101和106的损失率已超过10%,需要展开更详尽的调查。应当从部门层面进一步细化至品类、商品线,并最终落实到SKU级别进行追溯。同时需核查送货数据、销售数据,并对商品的实际陈列与仓储状况进行现场查验。关于此表的说明就到此为止,建议从门店与部门的对比分析着手展开调查。
另一个关键点在于与历史数据的比较。若库存盘点每年进行两次,则每六个月就能掌握不明损失的变化趋势——是呈上升态势还是下降态势。同时还能据此判断,该现象是公司整体层面的共性问题,还是特定门店的个别情况。
确实如此,数值唯有通过比较分析,方显其价值所在。归根结底,对比是揭示问题本质的关键路径。
(4) 数据波动分析
请查看图表3。纵轴代表损耗率,反映了各连锁企业旗下门店的损耗率分布情况。三家企业若计算平均值(如叉号所示)均为0.5%。但该图表揭示了重要现象:即使平均损耗率相同,各企业门店间的波动特征却存在本质差异——这暗示着导致数据离散的根本原因并不相同。
图中直线段标示出最大值与最小值范围,每个箱体则展示了剔除前25%与后25%数据后剩余的中间50%数据分布。箱体内的横线代表中位数(将数据按数值大小排序后处于正中间的值)。以A公司为例,其中位数低于平均值,说明仅有少数门店的损耗率高于平均水平,正是这部分高损耗门店抬升了整体均值。相比之下,箱体最小的B公司则反映出各门店间损耗率波动较小。相反,箱体最大的C公司则显示出显著的数据离散性。
当数据波动性较大时,往往意味着各门店在执行商品管理及相关作业流程时,可能未能严格遵守统一的规则与操作手册。这表明不同门店可能存在各自为政的操作方式,与标准化作业规范相去甚远。若能确认此现象,则解决思路已然明晰:若证实因默许门店自行其是而导致标准规程未能贯彻,那么当务之急便是开展系统的再培训与规范化整改。
反之,若各门店间数据波动较小但损耗率仍居高不下,则可能反映出作业方法和操作流程本身存在改进空间。这意味着既定的规章制度与操作手册中规定的标准程序或许存在系统性缺陷。
抑或可能存在各门店共同的结构性漏洞(例如商品陈列方式、卖场布局或设备设施等),形成系统性损耗风险。另一种可能是,总部层面尚未建立有效的全局性损耗防控机制。
图表3.损耗率分布

(5) 调查人员的选定
或许很多人会认为:"这些工作理应交给门店员工处理"。但现实中他们真的能胜任吗?门店运营本就争分夺秒,在此基础上额外增加调查任务可谓难上加难。然而除此之外别无他法——唯有在常规运营体系外另行调配人手展开调查。毕竟最了解店铺实际情况的,正是以店长为首的一线员工。因此由他们主导调查,或许也是必要之举。
此外还存在另一种解决方案:设立专门从事损耗原因调查的部门并配置专职人员。对于达到一定规模的企业而言,这并非不可行之举。然而这里还存在另一个现实难题——当配合决算周期实施全店同步盘点时,即便是专业部门能够开展的损耗调查也极为有限。
对此的解决方案正是循环盘点。若原计划每年实施两次盘点,可将所有门店分为六个组,按月进行轮流盘点(见图表4)。如此一来,便能设置专职调查岗位实现全年持续运作。
图表4
1月 | 2月 | 3月 | 4月 | 5月 | 6月 | 7月 | 8月 | 9月 | 10月 | 11月 | 12月 | |
A组 | 〇 | 〇 | ||||||||||
B组 | 〇 | 〇 | ||||||||||
C组 | 〇 | 〇 | ||||||||||
D组 | 〇 | 〇 | ||||||||||
E组 | 〇 | 〇 | ||||||||||
F组 | 〇 | 〇 |
对此的解决方案正是循环盘点。若原计划每年实施两次盘点,可将所有门店分为六个组,按月进行轮流盘点(见图表4)。如此一来,便能设置专职调查岗位实现全年持续运作。
这项实践绝非易事,但突破重重困难后必将获得显著成效。唯有经历这番磨砺,方能收获实实在在的管理成果。
循环盘点制度的五大优势:
1. 通过分组交替进行盘点,有效缓解全店同步盘点带来的人力调配压力。
2. 若将盘点业务外包,不仅能有效控制成本,更能获得质量更高、精准度更优的盘点结果。
3. 为设立专职损耗调查部门创造实施条件,使深入彻底的损耗根因调查成为可能。
4. 通过持续积累调查实践经验,系统沉淀专业知识和案例库,全面提升企业自主调查能力。
5. 依托精准的盘点数据与不断提升的调查能力,可实施更具针对性的损耗防控措施,最终实现损耗率的有效降低。
此外,该机制对遏制门店内部舞弊行为也具有显著效果。近期引起热议的再生利用连锁店内部舞弊事件,若有非门店员工定期进行专业稽核与突击检查以形成威慑效应,此类违规行为或能防患于未然。
(6) 优秀案例是改善的突破口
然而需要明确的是,发现损耗原因并非最终目标,真正的核心在于实现损耗削减。除了锁定高损耗门店及部门进行重点调查外,对低损耗门店和部门的运营模式进行研究同样具有重要价值。若能厘清低损耗门店的运作机制,明确其与高损耗门店的具体差异,就可能找到突破性的改进路径。
当发现严格执行现行操作规程的门店仍存在高损耗,而低损耗门店却采用着差异化工作流程时,不能简单将偏离标准规程的行为归咎为违规。这很可能意味着创新方法的存在——若能将这些实践进行系统提炼,进而推动全企业范围的作业标准升级,将实现管理体系的本质提升。
(7) 事实与假设
盘点结果是既成事实——或者说,盘点结果本身可能存在误差。但即便数据存在偏差,这种"偏差"本身亦是客观存在的事实。
损耗原因往往难以完全溯源。除特定内部舞弊案件外,多数结论仍停留在假设与推测层面。然而商业运营本无标准答案,损耗削减正是以盘点数据为基石,历经"建立假设→采取行动→验证结果"的螺旋式上升过程。正如"(三)数据对比分析法"所示,唯有依托长期积累的扎实数据开展持续改进,方能实现损耗率的有效改善。
作者简介
近江 元
AJIS株式会社零售支援研究所 顾问
日本盗窃犯罪预防机构 理事
日本工业会防盗系统协会 副会长
日本防盗系统协会 总务委员长