做供应链和采购分析时很多朋友一上来就想上 Python、Power BI、SAP 甚至专门的供应链软件。但在实际工作中尤其面对中小型企业的采购台账、供应商对账单、库存流水、物流运费表这些零散数据时Excel 依然是最快、最灵活、最能直接交付结果的分析工具。它不需要部署环境不需要写复杂代码只要你把公式和透视表用对就能完成从数据清洗、采购成本分析、移动加权平均计算到需求预测的完整流程。这篇文章不打算泛泛讲“Excel 很强大”而是聚焦供应链管理和采购数据分析中真正用得上的核心方法。我会用采购、库存、物流的真实场景带你把移动加权平均、采购 ABC 分类、数据预测、库龄分析这些东西逐一落地。读完你至少能解决三个问题第一把杂乱无章的采购明细变成结构化的分析报表第二算清楚库存的真实成本不再被简单的“平均价”误导第三用 Excel 内置预测函数做需求预测为采购计划提供依据。1. 供应链分析中 Excel 的真正价值先给一个明确判断在供应链数据分析这件事上Excel 不是“过渡工具”而是长期存在的核心工具之一。为什么这么说因为供应链数据的天然形态就是表格。采购订单、入库单、出库单、供应商对账单、物流运单这些系统导出数据基本都是行式明细。分析这些数据最自然的操作就是筛选、排序、汇总、透视、关联查询而这恰好是 Excel 的强项。相比之下可视化大屏和自动化报表确实更“高级”但它们的建设周期长、需求变化响应慢而且很多业务人员不懂数据库临时加一个分析维度往往要排队等开发排期。Excel 的真正价值在于三个地方低成本快速响应业务领导要一个“供应商交付准时率”报表你不需要等 BI 团队自己用 COUNTIFS 和透视表几十分钟就能出结果。分析口径可追溯Excel 里每个单元格都有公式评审数据时可以直接点开看计算逻辑这在跨部门核对数据时非常重要。天然适合做“是什么”和“为什么”分析数据透视表适合快速发现异常函数公式适合深挖原因图表适合表达结论。但也要正视 Excel 的边界它不适合处理百万行以上数据不适合需要多人实时协作的场景不适合作为长期自动化的调度系统。如果数据量已经大到 Excel 卡死或者分析流程已经稳定到每周重复执行那时候再考虑迁移到 Python 或 Power BI 更合理。这篇文章面向的读者是那些要直接用 Excel 处理采购和供应链数据的业务人员、数据分析师和初入行的供应链从业者。你不需要精通 VBA只要掌握了函数和透视表的核心用法再加上一点点数据处理规范就能做出专业的供应链分析报表。2. 供应链分析的数据基础先把表整理成“可分析”的样子进入具体功能之前必须花一点篇幅讲数据规范。我见过太多人把大量时间耗在“公式报错”上但根因根本不是公式写错而是数据源本身就是乱的。供应链分析做得好的团队通常会先建立一个基础数据规范再开始套公式。2.1 数据源的核心字段一份合格的采购与库存明细表至少应该包含这些字段日期格式必须统一成真正的日期而不是文本单号采购订单号、入库单号、出库单号物料编码一物一码不要直接用名称物料名称业务类型采购入库、领料出库、调拨、退料等数量统一单位单价不含税单价或含税单价口径必须一致金额数量 × 单价供应商编码、供应商名称备注可选不建议写关键分析信息在实际业务中系统导出的表往往还有经办人、部门、仓库、批次号等字段。原则是能留下编码就留编码能保留明细就别只留汇总。因为分析需求是变化的今天看供应商明天看物料后天看仓库明细越完整以后做分析越有空间。2.2 数据清洗的四个常规操作拿到原始数据后不要急着算先做四步清洗第一删除完全空白的行和列。使用 Ctrl G 定位空值一键清除整行整列。第二统一日期格式。选中日期列设置单元格格式为“yyyy-mm-dd”或“yyyy/mm/dd”。如果日期显示为“2024.1.5”这种带点的文本可以用“查找替换”把点替换成“/”再转成日期。第三处理文本型数字。很多系统导出的数字是文本格式导致 SUM 算出来为 0。选中数据列使用“分列”功能——固定宽度或分隔符都行——直接下一步最后一步选择“常规”即可把文本数字转成真正的数值。第四去除重复记录。选中数据区域点击“数据 → 删除重复值”。如果是采购订单明细建议按“单号 行号”判断唯一性如果单据没有行号至少按“单号 物料编码 数量”组合判断。2.3 用“表格”功能管理数据这里强烈建议把原始数据区域转换成 Excel 表格快捷键 Ctrl T。转换成表格后有几个明显好处公式自动扩展新增行后公式自动填充到新行。透视表的数据源会自动识别新增数据刷新即可更新。筛选和排序更稳定不会串列。操作方法是选中数据区域任意单元格按 Ctrl T确认表包含标题即可。之后引用数据时可以用结构化引用比如tblData[数量]。不过很多老用户不习惯这种引用方式用普通区域引用也可以但建议至少在分析表里统一命名区域比如把数据源区域命名为 “raw_data”公式会更清晰。3. 采购数据分析从明细到结构化指标数据整理好之后就可以开始分析了。采购分析的核心目标有三个控成本、盯交期、管供应商。下面分别用 Excel 的常见功能实现。3.1 用数据透视表做采购汇总采购汇总最常用的维度是按月、按供应商、按物料。具体操作点击数据区域的任意单元格插入数据透视表。行区域放“供应商名称”列区域放“月份”如果日期字段分组可在透视表中右键选择“组合”按月份分组。值区域放“金额”设置为求和再拖入一次“数量”设置为求和。再拖入一次“采购单号”值字段设置为“非重复计数”。这样一张透视表就能看出每个供应商每个月的采购金额、采购数量、到货单数。如果发现某个月某个供应商金额异常增大就要进一步下钻查看明细检查是否有囤货或涨价行为。筛选时可以在透视表外部插入切片器把“物料类别”或“采购员”作为筛选维度。Excel 2021 和 Microsoft 365 的透视表还支持“字段列表”搜索字段多的时候非常方便。3.2 采购成本分析的核心函数透视表适合“快速看”但很多分析场景需要在固定模板里动态输出结果这时候用函数更灵活。采购成本分析最常用的是 SUMIFS多条件求和SUMIFS(金额列, 供应商列, A供应商, 月份列, 2024-03)例如SUMIFS(tblData[金额], tblData[供应商名称], $B5, tblData[月份], C$4)其中$B5是供应商名称所在的单元格C$4是月份条件。这样一张矩阵表就做出来了行是供应商列是月份交叉点是采购金额。如果还要算采购单价波动可以用 AVERAGEIFS 求平均单价再按月份对比AVERAGEIFS(tblData[单价], tblData[物料编码], $A2, tblData[月份], B$1)需要提醒一点平均单价容易被采购数量结构影响。比如某个月大量采购了低价物料平均单价就会下降但这不代表采购在“省钱”。更靠谱的做法是算“价格差异率”用当月实际采购单价与基准单价的差额乘以当月采购数量得出价格差异金额。公式如下SUM( (tblData[单价] - 基准单价) * tblData[数量] )如果 Excel 版本支持动态数组在单元格里直接输入这个公式再回车结果会自动溢出显示不需要按 CtrlShiftEnter。如果是对每个供应商按照物料编码匹配基准价建议先做一张“物料基准价表”再用 XLOOKUP 匹配出来。3.3 供应商 ABC 分类帕累托分析ABC 分类是采购分析的经典方法按采购金额从高到低排序累计金额占比在 0~80% 的物料/供应商是 A 类80%~95% 是 B 类95%~100% 是 C 类。在 Excel 中实现的步骤第一步用 SUMIFS 汇总各供应商的采购总金额。SUMIFS(tblData[金额], tblData[供应商名称], $A2)第二步按金额降序排列。第三步计算累计金额占比。假设表格中 C 列是金额D 列从第 2 行开始是累计占比D2 SUM($C$2:C2) / SUM($C$2:$C$100)第四步用 IF 嵌套或 VLOOKUP 区间判断分类IF(D20.8, A, IF(D20.95, B, C))这样就能快速锁定哪些供应商是采购管理的重点。A 类供应商需要重点维护价格和交付C 类供应商则可以通过简化流程来降低管理成本。3.4 采购交期与供应商交付准时率交付准时率是供应商绩效考核的关键指标。计算逻辑是在承诺交期内或计划交期内到达的订单数 ÷ 应该交付的总订单数。实现方式给每一条采购订单增加两列——“计划到货日期”和“实际到货日期”再用公式判断是否准时IF(实际到货日期 计划到货日期, 准时, 延误)如果实际到货日期为空表示该订单还在进行中不纳入统计。那么准时率可以用 COUNTIFS 实现COUNTIFS(状态列, 准时, 月份列, 2024-03) / (COUNTIFS(月份列, 2024-03, 到货状态列, 进行中))具体写法根据表格结构调整核心思想是分子是准时到货的订单数分母是应考核的订单数。4. 移动加权平均概念、公式与 Excel 实现移动加权平均在供应链和采购成本核算里是一个非常重要的概念。很多新手容易把它和简单平均价搞混这里先讲清楚差别。4.1 为什么不能用简单平均价简单平均价是把每次采购单价加总后除以采购次数。比如第一次采购 100 个单价 10 元第二次采购 200 个单价 12 元。简单平均价就是 (10 12) / 2 11 元。但实际库存成本不是这样算的。第二次采购后库存总数是 300 个其中 100 个成本是 10 元200 个成本是 12 元总金额是 100×10 200×12 3400 元。此时每个库存的平均成本应该是 3400 / 300 ≈ 11.33 元而不是 11 元。简单平均价忽略的正是采购数量的权重这在库存金额核算里会直接导致成本偏差。移动加权平均的计算逻辑是每发生一次采购入库就重新计算一次库存平均单价之后发生出库时按最新的移动加权单价结转出库成本不再重新计算。公式如下移动加权平均单价 (原库存金额 本次入库金额) ÷ (原库存数量 本次入库数量)4.2 在 Excel 中手工实现移动加权平均假设我们有这样一张库存流水表列 A 是日期B 是业务类型入库 / 出库C 是数量D 是入库单价E 是入库金额F 是出库数量G 是出库金额我们可以用辅助列来逐步计算日期类型入库数量入库单价出库数量库存数量库存金额移动加权单价1月1日入库10010100100010.001月5日出库307070010.001月10日入库20012270310011.481月15日出库502202537.0411.54这里注意1月5日出库后库存金额 700因为按移动加权单价 10 元计算移动加权单价不变1月10日入库后库存金额 700 200×12 3100库存数量 70 200 270移动加权单价 3100 / 270 ≈ 11.48 元。关键公式是库存数量F2 F1 IF(B2入库, C2, -E2)库存金额G2 IF(COUNTIF($B$2:B2,入库)1, F2 * H1 (IF(B2入库, C2*D2, 0) - IF(B2出库, E2*H1, 0)), C2*D2)这组公式的写法比较绕实际做的时候更推荐用辅助单价列。H 列是移动加权单价H2 IF(B2入库, (G1 C2*D2) / (F1 C2), H1)然后库存金额 G 列再通过 H 列计算G2 IF(B2入库, F2*H2, F2*H2)也就是说无论入库还是出库库存金额都等于库存数量乘以当前移动加权单价。这样逻辑更清楚也不会在出库时把成本算错。4.3 使用 SUMPRODUCT 实现移动加权平均如果不想用辅助列也可以在一个单元格里用 SUMPRODUCT 计算“截至某个日期的累计采购金额 / 累计采购数量”前提是假设所有出库都按移动加权成本结转。这个函数在分析模板里更紧凑SUMPRODUCT((日期目标日期)*(类型入库)*入库数量*入库单价) / MAX(SUMPRODUCT((日期目标日期)*(类型入库)*入库数量)-SUMPRODUCT((日期目标日期)*(类型出库)*出库数量), 1)这个公式的长度比较夸张而且可读性差。如果是要写入长期使用的模板我依然建议使用辅助列版本因为出错了容易检查和修正。移动加权平均虽然看起来计算不复杂但最容易出错的地方就在这里入库要重新计算单价出库要按旧单价转出库存数量、金额、单价三列必须同时更新。4.4 实际应用存货核算与毛利计算移动加权平均最直接的应用就是存货成本核算。月末做成本结转时如果用简单平均价会导致出库成本和库存金额与财务口径不一致。很多企业 ERP 系统内部用的就是移动加权平均但当你从系统导出流水后为了做分析预测经常需要在 Excel 里自己模拟一套口径。此外移动加权平均也可以用于计算毛利润。销售出库时结转成本用的是移动加权单价而不是销售单价。这样毛利 销售收入 - 出库数量 × 移动加权单价。在 Excel 中把这一步放到数据模型里就能做单品毛利分析。5. 数据预测移动平均、指数平滑与 Excel 内置预测函数供应链分析里预测是另一个高频需求。采购计划、库存备货、物流资源调度都要用到预测。Excel 提供了多种预测工具从最简单的移动平均到支持季节性的 FORECAST.ETS 都有。5.1 移动平均预测法移动平均的逻辑是用最近几期的平均值作为下一期的预测值。它适合波动不大、没有明显趋势和季节性的数据。在 Excel 中假设历史销量在 B2:B13预测第 13 期之后的值可以用三周期移动平均AVERAGE(B11:B13)如果想要一整列的预测值可以在 C5需要至少前三个历史数据输入AVERAGE(B2:B4)然后下拉填充每一格都取前三期平均值。这就是一个最简单的移动平均预测列。移动平均的周期选择很关键。周期太短预测值会紧跟波动不够平滑周期太长预测值反应迟钝跟不上趋势变化。实际操作中可以对比不同周期的误差选择误差最小的周期。误差常用 MAE平均绝对误差或 RMSE均方根误差来衡量。在 Excel 中计算 MAEAVERAGE(ABS(实际值区域 - 预测值区域))如果需要按 CtrlShiftEnter 的动态数组版本Excel 365 会自动溢出直接计算即可。5.2 指数平滑法手动实现与含义指数平滑法比简单移动平均更聪明一点它对最近的数据赋予更高的权重。核心公式是预测值 α × 上一期实际值 (1 - α) × 上一期预测值其中 α 是平滑系数取值在 0 到 1 之间。α 越大预测越“追随”近期变化α 越小预测越“平滑”。在 Excel 中手动实现非常简单。假设 B 列是实际值C 列从第 2 行开始是预测值C2 B1 C3 $E$1 * B2 (1 - $E$1) * C2其中$E$1是 α 参数单元格这样调整 α 时整个预测列会实时更新。手动实现的好处是能直观看到 α 变化对预测结果的影响。Excel 的数据分析工具库中也有“指数平滑”功能但它输出的是平滑值位置会偏移不太适合直接当作预测值所以这里推荐公式实现。5.3 使用 FORECAST.ETS 做带季节性的预测Excel 2016 起提供的 FORECAST.ETS 系列函数是真正实用的预测工具。它基于指数平滑的 ETS 算法能自动识别趋势和季节性。基本语法FORECAST.ETS(目标日期, 历史值区域, 时间轴区域, [季节性], [数据填充], [聚合方式])参数说明目标日期需要预测的未来时间点历史值区域销量、金额等数值时间轴区域与历史值对应的日期序列必须是等间隔的季节性可省略也可以手动指定 0无季节性、1自动识别或具体周期数比如 12 表示年度季节性数据填充默认 1意思是当某个时间点缺失数据时自动用插值填充设为 0 时缺失点直接不参与计算聚合方式默认 1意思是同一时间点的多个值自动聚合0 是不聚合例如预测 2024 年 7 月的销量FORECAST.ETS(2024-07-01, B2:B25, A2:A25, 12, 1, 1)还可以和 CONFIDENCE.NORM 或 FORECAST.ETS.CONFINT 搭配给出预测区间。预测区间对采购计划非常重要因为实际需求往往在一个范围内波动知道区间比知道单点值更能指导安全库存设置。5.4 预测结果验证不要把误差丢到一边做预测不能只放一个预测值就算完。采购与供应链里预测误差直接意味着库存成本或缺货风险。所以在 Excel 里一定要做“回头看”验证把历史数据切成两部分用前半段拟合后半段验证。比如你有 24 个月的销量数据就用前 18 个月建立预测模型预测第 19~24 个月再与实际值比较计算 MAPE平均绝对百分比误差AVERAGE(ABS((实际值 - 预测值) / 实际值))如果 MAPE 超过 20%说明预测结果只能作为粗方向不能直接下采购单。这时候要么调整参数要么把预测拆到更细的品类维度要么考虑引入外部因素促销计划、市场活动等做人工修正。5.5 预测在采购计划中的落地拿到预测值后下一步是变成采购建议。一个简单的逻辑是建议采购量 预测需求量 安全库存 - 当前库存 - 在途订单量其中预测需求量用上述预测方法得出安全库存可以按服务水平计算也可以用经验值预估当前库存从库存表中获取在途订单量尚未到货的采购订单数量在 Excel 中做成一张采购建议表每一行是一种物料列字段包括月预测销量、当前库存、安全库存、在途订单、建议采购量。公式如下MAX(0, 预测值 安全库存 - 当前库存 - 在途订单)MAX 函数包一下是为了避免负数即库存已经充足不需要采购。安全库存的计算如果数据足够可以用公式安全库存 Z × σ × √L其中 Z 是服务水平对应的 Z 值95% 服务水平对应 Z ≈ 1.65σ 是需求标准差L 是采购提前期。在 Excel 中1.65 * STDEV.S(历史需求区域) * SQRT(提前期天数)这个公式虽然简化了没有把需求波动和提前期波动分开但对大多数中小型采购业务来说已经比“拍脑袋”靠谱得多。6. 物流分析与库存健康度库龄、周转与缺货风险供应链分析除了采购端物流和库存端同样关键。下面这几个分析在 Excel 里很实用而且经常在月度经营分析会上用到。6.1 库龄分析库龄分析用来识别呆滞库存。做法是给每一个库存批次计算“从入库到今天的天数”然后分组统计金额。假设库存表中有一列是“入库日期”当前日期用 TODAY() 函数TODAY() - [入库日期]然后按库龄区间分组0~30 天、31~60 天、61~90 天、91~180 天、181~365 天、365 天以上。可以用 IF 嵌套生成库龄区间IF(库龄30, 0-30天, IF(库龄60, 31-60天, IF(库龄90, 61-90天, IF(库龄180, 91-180天, IF(库龄365, 181-365天, 365天以上)))))再用数据透视表按“库龄区间”汇总库存金额就能看出资金沉淀在哪个库龄段。如果 365 天以上的库存金额占比过高就要考虑折价处理或报废。6.2 库存周转率库存周转率 出库成本 / 平均库存金额。在 Excel 中如果有月度出库金额和月初、月末库存金额可以这样算 月份出库成本 / ((月初库存金额 月末库存金额) / 2)周转率越高说明库存占用资金越少供应链效率越高。要注意的是不同行业的合理周转率差异很大不要跨行业横向对比更适合对同一企业不同时期做趋势比较。6.3 缺货预警在库存表中可以设置一个低库存预警条件用条件格式标红。核心公式是IF(当前库存 安全库存 在途订单量, 缺货风险, 正常)这个公式也可以扩展成“预计可用天数”当前库存 / 日均销量如果预计可用天数小于采购提前期说明有断货风险。在 Excel 中用条件格式把“预计可用天数 提前期”的行标红一眼就能看出哪些物料需要紧急补货。7. 常见问题与排查思路问题现象可能原因排查方式解决方案SUMIFS 求和结果总是 0条件区域是文本数字查找条件是数值或者反过来检查数据列是否带绿色小三角用分列把数据列转成常规格式统一条件类型日期筛选无效透视表分组报错日期列是文本格式不是真正的日期用 ISNUMBER 函数检查日期单元格判断是否是日期序列值用分列或 DATEVALUE 把文本日期转成真正日期移动加权平均的出库金额总是对不上出库时误用了新的移动加权单价而正确逻辑是用出库当天的旧单价检查出库行是否重新计算了单价入库时按公式更新单价出库时保持当前单价不变只计算结转金额透视表数据源新增了数据但刷新后不更新透视表的数据源区域没有扩展到新数据行点击透视表 → 分析 → 更改数据源查看引用区域将数据源转为 Excel 表格或用动态公式创建名称作为数据源VLOOKUP 匹配供应商名称总返回 #N/A名称中含有空格、全角半角差异或前后不可见字符用 LEN 和 CLEAN/TRIM 检查名称长度和隐藏字符用 TRIM 和 CLEAN 清洗数据或用 XLOOKUP 增加容错公式出现循环引用单元格引用了自身所在的行或列看 Excel 左下角提示或“公式 → 错误检查”拆分辅助列避免公式引用自身单元格8. 最佳实践与工程建议经过多个供应链项目的沉淀我建议在 Excel 做采购和供应链分析时遵守下面几条工程规范它们能让你从“能跑”升级到“可信”。8.1 原始数据、计算表、报表三表分离不要在一个工作表里既放原始数据又放公式又放图表。建议一个工作簿里至少分三类工作表raw原始数据只做粘贴和清洗不改公式calc计算表存放移动加权平均、预测、汇总等中间结果report报表展示区用公式引用 calc 表的数据做成领导能直接看的格式这样做的好处是数据出问题时能快速定位是“原始数据错了”还是“公式错了”而且报表区不会被大面积的辅助列干扰。8.2 关键参数用单元格存放不要写死在公式里比如安全库存计算里的服务水平 Z 值、预测里的 α 系数、提前期天数这些参数应该单独放进一个参数表区域并命名成有意义的名称例如z_value、alpha、lead_time。公式里直接引用这些名称而不是到处写 1.65。这样做的好处是当管理层决定把服务水平从 95% 调整到 99% 时你只需要改一个单元格整张报表全部自动更新。否则就要满表找数字逐个替换很容易漏改。8.3 统一定义列名和指标口径同一份数据不同人眼里的口径可能不同。比如“采购金额”到底是含税还是不含税“准时交付”是按承诺日期还是按计划日期“库存金额”是成本价还是销售价建议在 calc 表的开头做一个“分析口径说明”区域把每个关键指标的公式和含义写清楚。这不仅是给别人看的也是给你自己三个月后回看时保留的上下文。8.4 使用版本备份和文件保护供应链分析模板通常会被多个部门反复使用一旦被误改会导致整套数据失真。建议每周保存一个带日期的版本例如采购分析_20240701.xlsx对计算公式保护起来点击“审阅 → 保护工作表”只允许用户修改指定单元格比如参数区如果多人协作尽量让一人统一汇总数据避免多份副本混乱8.5 有条件地用动态数组和 LET 函数Excel 365 的动态数组函数FILTER、UNIQUE、SORT、LET、XLOOKUP能极大简化供应链分析公式。比如提取不重复供应商列表UNIQUE(tblData[供应商名称])再比如动态生成每个供应商的采购金额排名LET( 数据,tblData, SORT( GROUPBY(CHOOSECOLS(数据,6), CHOOSECOLS(数据,7), SUM), 2, -1 ) )不过如果你的 Excel 版本较老2019 及之前这些函数不可用需要改用透视表或辅助列。判断标准很简单先确认公司 Excel 版本是否支持动态数组不支持就不要硬套新函数。8.6 从 Excel 向自动化迁移的信号最后给一个经验判断当你发现自己每周重复做同一张报表且流程完全固定时就可以考虑把分析流程自动化了。迁移路径通常是用 Excel 做最后一次手动版本记录完整业务逻辑把这个逻辑转成 SQL 查询从源系统直接取数通过 Pythonpandas/openpyxl或 Power BI 定时刷新自动生成报表但这里要提醒一个现实问题很多中小企业的数据源质量并不稳定系统导出的字段时有时无迁移到自动化后反而需要更多时间处理例外情况。所以自动化的前提不是“流程固定”而是“数据源稳定”。如果你的数据源每周格式都变那 Excel 手动处理反而更高效。9. 总结Excel 供应链分析的边界与下一步这篇文章的核心内容可以浓缩为四句话采购与供应链数据分析Excel 依然是性价比最高的工具尤其适合中小规模数据和临时分析需求。移动加权平均是库存成本核算的基石公式不复杂但辅助列设计决定了模板的可靠性和可排查性。数据预测不能只输出一个点值必须配套验证误差和安全库存逻辑否则预测结果只会误导采购决策。库龄、周转率、缺货预警这些分析能直接暴露供应链健康度问题而且用 Excel 做出来的成品很直观。如果你的分析需求一直停留在“月度报表 临时下钻”的层面把 Excel 模板打磨好完全够用。如果你的数据量已经达到几十万行或者公司开始要求实时看板、跨部门协同、自动预警那就应该逐步迁移到数据库 BI 工具。迁移时可以把 Excel 里的计算逻辑作为需求文档直接告诉开发或数仓团队“我要的指标公式是什么”这样沟通效率会高很多。从更长远的角度看掌握 Excel 供应链分析方法的最大收益并不是某一个函数或某一张表格而是你建立了一种“从业务问题到数据口径再到计算逻辑”的思维方式。这种思维方式无论以后用 Excel、Python、SQL 还是 Power BI都同样成立。建议你先从一份真实的历史采购明细开始按文章里的步骤做一张移动加权平均库存表再试着预测未来三个月的采购需求量。跑通后你会发现很多看似复杂的供应链分析其实第一公里都在这张 Excel 表里。