01
现货：可售、锁定、在途和残次
02
需求：销量、活动和预测窗口
03
供应：交期、最小起订量和到货可信度
04
范围：SKU、仓库、门店和渠道
05
动作：预警等级、责任人和截止时间
先定义预警对象和动作
“库存不足”至少有缺货风险、覆盖天数不足、在途延迟、库存积压和结构性断货几种含义。每一种风险的触发条件、负责人和处理动作不同，不能共用一个红色标签。
模型先输出事实与状态，再由规则决定是否通知。业务负责人应批准阈值、排除条件和节假日调整，不能让 AI 直接猜测安全库存。
库存事实表要保留状态变化
至少区分可售库存、锁定库存、在途、退货待检和不可售库存；记录 SKU、仓库/门店、渠道、时间和来源。将“没有记录”“采集失败”和“库存为 0”混在一起，会制造大量假告警。
需求侧要保留销量窗口、促销、季节和活动计划；供应侧要记录供应商、交期、最小起订量和到货状态。没有这些上下文，覆盖天数只是一个看似精确的比值。
预警规则需要分层
固定阈值适合稳定商品，覆盖天数适合需求波动场景，趋势或异常检测适合发现突变。三类规则可以并存，但要显示触发原因、数据时间和规则版本。
BI0.AI 公开场景包括库存补货、经营异常、报告和预警；具体算法、连接器和自动执行边界仍需 POC 确认，本文只描述数据模型和验收方法。
验收要做历史回放和人工抽查
用过去一段时间的真实库存和订单做回放，检查告警是否提前、是否重复、是否在数据缺失时降级。再随机抽查告警明细，与仓库或门店事实核对。
指标至少包括告警准确性、提前量、重复率、关闭耗时、补货后恢复和误报原因。没有关闭与复盘数据，预警系统很快会失去信任。