爆品卖断货，仓里却还压着库存。这是零售与消费品企业很常见的经营卡点。
活动起来了，要不要继续补货？库存压住了，是先调货、清货，还是复盘渠道和投放？门店异常那么多，今天先看哪一家？
我们复盘了 15 个零售消费案例后发现，AI 真正能发挥作用的地方，往往不是替人做决定，而是帮业务把这些判断拆清楚。
01 商品/供应链：爆品断货，补货该看什么？
补货这件事，看起来是供应链问题，实际牵动的是商品、门店、仓配和销售节奏。
同一个 SKU，在部分门店或电商平台已经卖断，在另一些区域或线下经销渠道却动销缓慢。品牌方看到总库存仍然充足，但门店、电商平台和经销商面对的，可能是完全不同的缺货与积压焦虑。继续补，怕压货；不补，又怕错过销售窗口。
这时只看销量不够，只看库存也不够。
业务真正要判断的是：哪些缺货来自真实需求，哪些库存只是分布不合理，哪些商品应该补，哪些应该在门店、电商仓和经销区域之间调配，哪些需要及时清理。
食品饮料、零食连锁、商超和快消品牌的案例，适合对照这个问题看。它们的共同点不是“用了什么工具”，而是都在把门店销售、电商动销、经销商库存、仓配节奏和外部变量放到一起判断。
02 线下渠道/门店：异常那么多，今天先看哪里？
连锁企业每天都有异常。
门店销量下滑、经销商库存偏高、区域铺货不足、终端活动执行不到位，都是线下经营中常见的异常。品牌方看得见问题，但区域、经销商和门店更关心：今天先处理哪个区域、哪个经销环节或哪家门店，谁来跟进。
如果异常只停留在报表里，一线很难真正用起来。
门店经营的难点，不是总部能不能看到数字，而是异常能不能变成区域、督导和门店都看得懂的动作。
餐饮茶饮、零食连锁、家纺、快消品牌相关案例，重点可以看总部如何把分析结果传到区域和门店。不是让一线多看几张表，而是让不同角色围绕同一套指标判断问题。
03 电商/市场/财务：线上销售涨了，利润为什么没起来？
一场活动结束后，GMV增长、投放ROI达标，渠道出货也在增加，表面上看是一次成功的增长。但把数据放在一起复盘，可能发现另一面：折扣和退货侵蚀了实际收入，营销费用增加却未带来相应的毛利改善，部分商品虽然完成渠道出货，终端动销却没有跟上，库存压力反而上升。
这时经营会上真正要问的不是“卖得好不好”，而是：这次增长有没有带来更健康的库存、更合理的费用投入，以及更明确的利润结果。
美妆日化、快消品牌、电商相关案例，更适合从这个角度看。销售、投放、库存和毛利如果分开复盘，很多问题会被隐藏起来；放在一起看，增长质量才更容易被判断。
04 经营管理者：经营会上，销售、库存和利润怎么一起看？
对经营管理者来说，最麻烦的往往不是没有数据，而是每个部门都能拿出自己的解释。
销售说机会还在，供应链说库存风险高，市场说投放有效，财务说利润承压。每个判断都不一定错，但如果缺少统一口径，经营会就很容易变成各讲各的。
经营分析最需要解决的，是把分散在部门里的判断，放回同一条业务链路里。
零售与消费品企业做 AI，不是为了让系统替管理者下结论，而是让关键问题更早被看见，让影响判断的变量更完整地摆出来。
哪些品类该补，哪些库存该调，哪些门店该优先跟进，哪些增长要继续投，哪些费用要复盘，这些才是 AI 更值得进入的地方。
这些案例，适合带着哪些问题看？
这份《零售消费行业决策智能案例集》，建议带着三个问题去看。
第一，看补货和库存。
如果你关注SKU动销、库存周转、短保损耗和终端缺货，可以重点看食品饮料、快消和商超相关案例。看看不同企业如何把门店销售、电商动销、经销商库存和仓配节奏放到一起判断，找到真正需要补货、调货或清理的商品。
第二，看线下渠道、门店和区域。
如果你负责经销商管理、连锁门店、区域督导或终端运营，可以重点看餐饮茶饮、零食连锁、家纺和快消品牌的实践。重点关注品牌方发现异常以后，如何让区域、经销商和门店更快知道下一步做什么。
第三，看电商增长、投放和利润。
如果你负责电商、市场投放、新品运营或财务分析，可以重点看美妆日化和快消品牌案例。更值得对照的问题是：线上销售、平台投放、退货、库存和毛利能不能放在一起复盘，而不是各看各的结果。
零售与消费品企业做 AI，不一定要从一个宏大的平台开始。更实际的路径，是先回到每天都在发生的经营问题里。
爆品为什么断货，库存为什么积压，经销商和门店异常先看哪里，电商增长有没有真正带来利润？先把这些问题想清楚，AI 才更容易真正进入业务流程。
如果你也在关注零售与消费品行业 AI 落地，可以把这份案例集当作一次行业实践复盘：看看不同企业面对补货、库存、线下经销、门店运营和电商增长等具体问题时，分别是怎么判断、怎么推进的。感兴趣的话，可以扫码领取完整案例集。
想进一步体验 AI+BI 在业务分析中的落地效果，可以从这里开始。
