一般看日均或是月末的在库货值。日均的好处是把月中的波峰波谷都算进来，也不能月底永远踩线，就是月中要爆仓吧。这倒不用担心，对618和双11等S级大促，需要单独设峰值库存目标，随项目管理。看日均更多是因为在年同比上会更稳定可分析。库存同比增长为成交同比增长的一半，是俗称的“黄金法则”，其实做到库存增长低于GMV增长就好。
但是看月末库存，能跟财务balancesheet一致，月末的库存天期也更容易理解。因为大促爆发高，库存天期by过去30天日均销售货值来看会相对比较波动，且不反映备货原因，宜by将来销售计划来看。这里需要系统中有一版中性稳定的销售计划，中性是说它在总量上，要被要求稳定击中90-110%的达成率，否则就是个易被操纵的数。做不到这一点，可以退而求其次看by过去30天，反正每年的数都这么看，也能呈现一定规律。
库存天期的目标可以稳定，但库存货值目标可能需要季度根据销售目标的调整而调整，因为如果生意达成情况与预算版本迥异，会造成销售货值大变。
库存天期是不是越低越好？
不一定。主要是考虑缺货风险和采购价波动的平衡。所以要区分review强季节品和囤货性单品的库存。零售供给策略的一部分，就是圈定稀缺性单品进行打标，设定ROI规则和评估审批机制，根据市场价盘和稀缺性，适当囤货。囤货也必须review，当这部分出现滞销时，要结合当前和预判的市场价盘情况，和库存效期情况，决定是否清货。
02缺货率
这里引入在架率(on-shelfavailability)的概念，如果仓库都可以一仓发全国，那么用“实际在线可售SKU数/应在线可售SKU数”来计算，意味着100个品，有两个没货了，在架率是98%，缺货率是2%。
如果仓之间无法替代发货，是各自覆盖一定配送范围的前置仓，那么要计算by仓by品的在架率。比如100个品全分布在20个仓，其中有1个品在20个仓全缺货，1个品在10个仓缺货，那么缺货率(20+10)/(100*20)=1.5%，在架率1-1.5%=98.5%。可以理解为一个“仓XSKU”的矩阵，这个矩阵有多少是有货的，哪些没货。
当然这是简化的例子，哪些品下沉到前置仓，哪些品集中在CDC或者RDC覆盖更广的区域，是随仓网规划策略的，所以分母是“应在线可售SKU数”的by仓汇总即可。分子也要注意取良品可售库存，不能取退货仓、质检等原因锁定的不可售库存。
取数的品池，也要注意取一定的生命周期范围，比如从新品期到售卖期，刨除未上市和淘汰的品。
看在架率无法看出缺货金额的大小，对不同SKU没有权重概念，所以可以进一步区分A类缺货率或者AB类缺货率，即超爆爆品缺货率。这类品一般以10%左右的SKU数，贡献80%的生意，是我们需要重点review的。
光看在架率太轻松了？不希望只看“有无”，可以推进到看DOS<1和DOS<7，不做考核，也可以作为监控指标。DOS(Daysofsales)是指按将来的销售计划计算，在仓库存能售卖几天。当然超爆爆品的DOS<7，追到采购和供应商具体的行动计划和进展。当然，这是后置的防控了。前置的方法是根据销售计划进行进销存推演（Stockprojection），看未来的缺口无法订到货的部分，跟采购和供应商提前看。
像B2B那样计算缺货数量和金额行得通吗？不是没办法，要看你们的算法做得准不准。一种逻辑就是通过页面浏览量和历史转化率（日常参考日常，大促参考大促）来计算，但是这个数据要怎么修正，需要一些算法的模拟。因为就只有详细搜索或者从收藏/购物车才能来这里了，栏目里回看不到或者显示售罄。
03滞销库存
滞销货值--跟前面的整体库存货值保持一样的口径，都用日均，或者都用月末。但是滞销库存的定义，见过三种：
1.用DOS(DaysofSales,覆盖未来销售计划的天数)来衡量,比如DOS>180天，其大于180天的货值部分为滞销库存。也有公司做简化，将DOS>180天时该SKU的全部库存认为是滞销库存的。根据你的数据处理能力和管理精度来定，也取决于销售计划流程完备状态（容易理解，销售计划不靠谱，这个数据容易被操纵，可以退而求其次用历史日均销来计算，相对客观）。这个180也可以定义为90或者120，根据管理阶段逐渐精进，或者定义不同的滞销程度L1/L2/L3等；
2.用库龄(GoodsReceivedDate,入库天数),比如GR>90天，其大于90天的货值部分为滞销库存。前提是做好入库批次的管理，一是WMS和ERP系统中里每份库存上都带有准确的收货日期，二是仓库严格遵照“先进先出”的原则进行出入库管理。否则这份滞销库存跟运营/采购等行动方沟通时，总是数据先打脸。
3.还有同时考虑DOS和库龄的。原因是纠结，认为两个维度都重要，目的是进行更精细的分层--即对二者交集部分认为滞销程度最高。
滞销货值占比--滞销库存占总库存的比例。绝对金额在行业间、类目间较难比较，月度之间也较难设定目标，用比例是个办法。
CDE滞销货值--光看滞销货值还不够精细，可以按商品分层来看。ABCDE是超爆/爆款/浅爆/长尾/不动销，那么单拎CDE类的滞销货值出来review，更有意义。因为AB类容易卖，很多只要价格到位是能出的，而CDE则不然。况且AB类的囤货可能因为压准了价盘，市场上现如今反而升值了（对这类商品的滞销计提可以定制规则）。CDE类需要更急的处理。另外，不良品、临期品、不可售货值，也需要设为KPI来review。根据你们行业的特性来选择合适的“期限”。可以总体用“小于1/3效期”之类的规则来定义，再对总效期较短的情况做一些细化。
不良品需要归因，是收货不良、库内转不良，还是消费者退货转不良，据此决定是应该扣供应商货款，处罚物流公司，还是review该品类消费者退货的政策和要求。当然归因要有证据。
然后根据你重点要抓的点，可以设置一个行动计划的监控指标，比如跨境电商会设：
消费者退货回区比例--即消费者的退货正常回到保税区重新上架的比例，因为残损或者超过1个月的无法再回区。这样能考核负责对应操作的人，及时操作，避免资损。临期品容易理解，不可售库存是指因为政策法规、品牌方要求、商品详情还没拍摄完成（真的有～而且很常见哎）等情况，暂时无法销售的货值，外企称为obsolete。其实是更需要定期review的，一不小心就被忘掉，就过期，就资损。以上都是库存方面的指标，这些指标针对自营和平台是一样的，只不过不同管理阶段，要求的精细度会不一样，行动方也不同，根据业务发展的当务之急来设计重点和颗粒度即可。
04物流运营指标
物流费比--物流费除以GMV的占比。我们对物流伙伴考核什么，这里就放什么。可以细拆出仓储费、操作费、增值服务费、包材费、快递费等的占比。你在跟物流部做物流费预算的时候，用什么方式拆解和支撑降本目标的实现，就怎么跟踪KPI。
单均物流成本--是另外一个维度，也是为及时显示出物流费的异常。单量不及预期时，单均物流成本一般会上升，但是不能“一言以概之”，要拆分分析，比如仓的费用，虽然合同年份内无法随时退仓，仓租不容易降，但是临时工人数、正式工对本业务的摊分，是可以深究的。
还有纸箱和辅包材的使用，是否还有优化的空间，可以同比，或者跟其它业务对比，来发现可推敲之处。本地订单达成率--这是多仓履约，且可互相兜底情况下的考核点。通俗理解就是杭州订单有多少比例是用浙江的仓来覆盖的，而不是远处的天津仓或者广州仓来跨区满足的。
考核这个是因为供应链计划和物流部做了分工，物流网络规划（包括设几层仓网、分几个仓、哪些类目哪些货品分仓&分到那一层）和调拨计划是供应链计划负责的，那么他们就要通过合理分仓分货，来降低物流成本且提升履约时效，这点上就考核他们的“本地订单达成率”。物流则集中精力攻克单均物流成本。
这个值并不是越高越好，一般75～80%已经算不错，再高有可能因为过度多布库存造成库存冗余和效期不均。最优解可以让算法同事来做模拟，找到相对平衡点。
同时注意，只应计算有分仓策略的类目的表现，不分仓的比如奢侈品、数码类商品，因为库存代价大且销售比较随机往往备货不深，且物流费占比销售额很低，就没必要分仓了，一仓发全国，也没必要考核本地订单满足率。但是应该在分子分母都刨除。
单量计划准确度--这也是因为单量计划由供应链计划来出，实际仓配备人和因此产生的成本强依赖单量计划的准确度，而产生的考核。考核D-14(提前14天)对当天by仓单量的计划准度，用1-MAPE来计算。MAPE=∑|F-A|/∑A，即每个仓的计划值和实际值差的绝对值相加，除以实际总单量。
用“单量预测”这个词也可以，只是在一些电商公司中，“预测”是算法跑出来的建议值，“计划”是基于预测，做了人工确认以后的值。
从“本地订单达成率”和“单量计划准确度”两个KPI可以看出，KPI设置什么并不绝对，是取决于你们的分工和交接面的。
这就是KPI设置的艺术——考核什么KPI，首先看最终的结果目标是什么，把它设为一级指标。然后看支撑它达成的输入是哪几个，外企叫做buildingblock，据此设计二级指标。二级指标根据组织分工来。对权责做切分，然后在各个交接面做考核，让大家各自为自己那段工作的质量负责。
05S&OP
电商一般说S&OP(SalesandOperationPlanning)的时候就是在说需求计划。事实上S&OP在行业内通常被认为是个流程机制啦。那需求计划上的KPI，很容易理解是要看准确度。
沿袭上一篇的叫法，将算法propose的版本叫做“预测”，经过人工调整和确认的版本叫做“计划”的话，需要考核三个主要KPI：
计划达成率
计划准确度
爆款计划准确度（AB类）
达成率和准确度是一对兄弟，通常要一起看的。也就是BIAS和Accuracy。前者保障大数上没有跑偏，后者保证单品层面的结构靠谱。
但是对进口自营电商而言，考虑到自身的进货提前期，还是会请市场部和行业配合做到M+2的计划，至少到二级类目+品牌维度，以保证来得及备货（二级类目是比如奶粉、纸尿裤、红酒）。这样，在M-1的考核指标做好的情况下，可以逐渐提升到M-2的要求。
二、计划达成率
BIAS理论上是用件数(units)来计算，BIAS=∑(P-A)/∑A（P是计划值，A是实际值），记忆的方法是“高估”为正，“低估”为负。但是我们在电商实际工作中发现，BIAS做得好和差，最直接的影响是对库存货值的影响——高估太多，导致整体备货过高，库存金额有风险。
我们当时就索性改成了入仓货值的计划达成率。比如9月对10月做的自营入仓货值计划是10亿，实际达成9亿，那么达成率就是90%，可以粗略认为当时那版计划导致了1亿的额外备货。只能说是粗略认为，因为订货是一周一订，或者甚至一周两订的，一次不会订一个月的量。所以在低卖的形势出现之后，就已经在当周的计划版本中做了微调，抑制住更大的风险。
改成货值考核这件事，一下子就统一了S&OP组和库控组的语言。但是要注意，货值跟GMV之间是还有几道转换的，分别是关单率（消费者主动关单、拦截黄牛关单、海关关单等）、毛利率和直发率（不是所有的GMV都由入仓的货品来实现）。
三、计划准确度
计划准确度，一种是传统的“1-MAPE”，即1-∑|P-A|/∑A（P是计划值，A是实际值）。另一种是引进零售商常用的Min/Max（较小值除以较大值）。多个SKU计算的时候，再用件数取加权平均。
比如，计划50，实际100，那么50/100=50%的准确度；反过来，计划100，实际50，准确度依然是50/100=50%，而1-MAPE在低卖的情况下KPI就会特别差，1-50/50=0%。
Min/Max不仅在一些电商零售商用，沃尔玛也用。我觉得它的好处是没有给“保守预估”特别大的倾向性。传统品牌方为了保住自己的库存风险，愿意用1-MAPE，对高估（即低买）的容忍性更低，宁愿损失少量销售也不能导致大的库存风险。
而电商零售不一定。在有的阶段，最重要的是GMV，是抢占用户的钱包份额，不让消费者turnedaway，我们宁愿保有一定的库存冗余。总之，可以根据缺货和滞销哪个更不愿意看到，决定自己的KPI策略。更不愿看到缺货，用Min/Max，更不愿看到滞销，用1-MAPE。当然这个指标定下来之后一年内不要变，目标值也跟这个维度是一致的，1-MAPE难度高一些，Min/Max相对容易点。算法和产品技术团队更愿意用1-MAPE，原因是MAPE值也会被消费到订货公式中。逻辑就是，计划不容易估准的，订货只满足到相对低一点的满足率（1-缺货率），否则库存代价过高。
给个经验值，电商M-1的销售计划，如果做到65%的1-MAPE，或者70%的Min/Max就是不错的水平。爆品要做到70%的1-MAPE，75%的Min/Max。
四、预测的KPI
对于计划的输入值，算法做出的proposal版，我们也可以设定监控KPI，或者甚至考核KPI，原因是S&OP团队要负责和算法团队共同推敲算法模型，使之适合自己的业务模式。包括平销(baseline)的模型、强季节品模型、大促模型和新品模型等。同时也可以邀请算法团队跟我们一起共背。别担心，背业务的KPI对好的算法同学来说是一种荣誉感！
考核预测的维度，就把以上KPI的计划replace成预测就行了，一样考虑M-1或M-2，一样考虑1-MAPE或Min/Max。
06供应商管理
说起供应商管理，有人就要问，不是采购管的吗？业务小的时候可以让采购全部管了。但是随着业务体量的扩大，是可以将部分工作结构化进行横向管理的，也避免了所有的信息和考核都在采购侧导致的腐败隐患。这部分可以结构化之后做横向管理的，就交给供应链的“供应商管理组”，剩余部分还是避免不了“一商一议”的形式，比如谈判和客情维护，依然要放在采购身上。那这一部分的供应商管理，可以设计哪几个KPI呢？
1、供应商履约：及时交货满足率、优质供应商的采购占比；
2、供应商满意度；
3、供应商培训：培训供应商场次、供应商培训满意度；
4、专项：采购节资率、采购节资金额、供应链金融渗透率。
分别说一说。
及时交货满足率：这是行业内常见的考核点，叫OTIF(OnTimeInFull)，准时足量满足率。它之所以要被考核，是因为它是支撑缺货率（或在架率）达标的二级指标。库控团队会叫的，说她们做不到在架率要求，是因为单都下了呀，但是供应商不交货她管不了。那么就需要几个KPI勾稽起来考虑：供应商OTIF做不好，在架率又要做好，就得有更高的库存周转做保障。所以供应链OTIF逐年变好，就能支持业务在维持较低库存的情况下，还能做好在架率。
但OTIF不是靠罚供应商就能做好。所以这里我们放了一个：优质供应商的采购渗透率。其实是它的下一级指标。设立KPI的较高要求，就是要求他做好的同时，帮他把支持他做到的其他人也钉到KPI上去。
除此之外，帮助OTIF做好的，还有库控按供应商lead-time的要求来下单，所以可以区分正常订单和急单的满足率；更进一步，我们跟主供应商有没有做联合预测和补货（CPFR），供应商在有预测的情况下，肯定比接受闷头订单履约得要更好一些。当然，CPFR不能盲目上，需要我们自己的中长期预测有一定的置信水平，对于AB类的单品，敢预测，就敢包量。商业世界，现实一点。
OTIF常被诟病考核不了，因为有一些稀缺的货品，就像茅台、乐高、苹果和娇韵诗双萃，采么一直要采的，采不到也不能赖人家啊。很好，能讲出来就能考核。把“茅台”们列入稀缺品池，排除考核，同时定期review池子。
OTIF的考核口径，常见用订单金额满足率，是最容易计算的。但相比整单金额满足95成，事实上你更希望供应商每个单品都能满足95成以上。不让他钻金额的空子。所以可以设置by订单行数计算，每行满足95%就打卡，算打卡行数除以总行数。及时性的定义，常见是前后各留几天，比如“前7后3”，提前7天以上延迟3天以上都不算OK。
优质供应商的采购占比：这个是要看我们是不是一直在向评分高的供应商采购较大的份额。这个评分是综合的，不仅是履约情况，考虑在前的还有采购层级——品牌方自己和它指定的一级供应商是最高层级，即便这些“主子”要求zuo一点，比如日本供应商要求在月底之前一定要同步后两个月的采购需求，他才能帮你挂单抢配额，也是必须要尊重的。
你为了灵活性，去扫他们的分销商的货，极易陷入供货和价格的双重不确定性中。你看看，大家的KPI是不是咬合在了一起，“别想赖我”，库控你有没有下正常单，还是总在下急单？
定期回顾优质供应商的采购占比，也有利于达成战略型供应商的年框返利。如果你设置了一品多商，价格优先的采购询价规则，就有可能因为采购表面价格的劣势，减少战略型供应商的采购了。所以要review年框达成的情况，及时做采购策略的调整。
供应商培训：如果单设了供应链培训的岗位，就要给他量化KPI。所以我这里给他设置了培训场次和培训满意度的KPI。在执行上，每个月都要求做在线新供应商培训，保证一个月内的新供应商得到指导；遇到新功能上线等，还要组织专项培训。
专项：这是看管理阶段的，以什么为这个阶段的推进重点，就考核什么。
比如采购节资率和节资额，就是在我的事业群内有多个采购BU的情况下，我可以通过内部比价和集采化，优化采购价，那么要考核这个项目的成绩，就看这个。当然，如果只有自己一个BU，也可以看年与年之间的优化，采购价、结算条款有多少优化。
这里需要细讲一下采购价的优化。采购价的优化不局限于表面价格，还有inco-term（国际贸易术语）和结算条款的优化。通过自营国际物流，或者和国际货运深度合作，我们可以在inco-term上做综合采购价的优化。
比如本来供应商是跟我们签CIF（送到目的港）条款，到岸价10块。我们让供应商核算一个FOB（送到始发港）的价格，它只要8块。那么只要我们的国际货运（globalforwarding）价格低于2块，我们就能通过改签FOB条款来实现采购价的节约了。同样的道理，还可以谈出厂就提货（EXW），如果我们在当地国布局了本地货运，可能能做得比供应商便宜。
当然了，在各个链路上都做得比供应商还便宜是不容易的，所以可以让物流部和采购联合，集中攻下重点链路。物流价的降低，也是要量“怼”起来的。
在结算条款上也可以下功夫。把预付款比例降低，月结部分谈更长的账期，也变相是采购价的优化。当然，如果公司现金流丰厚，还可以有意缩减账期，争取更优惠的采购价，或是优先供货权，新品offer等待遇。
供应链金融也可以在这里结合进去，账期缩减有限了，那么给你提供低息贷款，也帮助你跟我们更良性地做生意。供应商评分高的，贷款利息更优惠。这样一来，顺势推进供应链金融项目，也就有抓手了。集团内的金融机构也特别喜欢你有供应商评分机制，对他们也是风险的降低呐。
07质量
在电商平台的供应链团队，常见设有“品控”岗位，就是管质量的。为了监控所售产品的质量水平，也会设置对应的KPI。电商大厂的质量管理，或称品控管理，自营和平台是零售模式，管理颗粒度相对较粗；如果有自有品牌，自有品牌的质量管理方式更接近品牌方。
他们常看的KPI有四个：
一、品质退款率
品质退款率，或简称“品退率”，是指因产品质量问题而导致退款的子订单数占支付子订单数的比例。（一张父订单若包含3个宝贝，每个宝贝是1张子订单，子订单可能含1件或多件。）
所以我们对自营的行业、类目和商品维度，对平台的商家、类目和商品维度，都会记录品退率，考核的时候，看自营和平台的行业维度，和自有品牌的类目维度。
品退率这个KPI上，讨论较多的是分母是不是回溯的问题。
举个简化的例子，7月份因为品质原因退货10单，除以7月单量1000单，是1%。但是退货是滞后的，7月这些退货可能部分是消费者6月买的，假设全是6月的支付订单，而6月销量有10,000单，那么品退率如果按回溯的方式来做，除以6月销量，才0.1%。
这个情况在较细的维度上，比如叶子类目、品牌、店铺和单品维度，会出现较大的误判。所以只有管理相对粗放，只看行业维度等粗颗粒度数据，追求数据的及时性的情况下，会直接用当月除以当月。当然好处是可以有及时数据出来，做一些及时的调控和管理措施。
精细化的管理，尤其是涉及到对供应商的管理、平台商家的管理和自有品牌单品的管理时，建议使用回溯法。只是可能都8月了，才能看到6月的较完整数据，过段日子还会有微小变动。等不及的话，可以两个数据结合着看，用当月数据看异常，用回溯数据定责和做执行的纠偏。
质量是生命线，电商肯定要重视品退率。这个指标会影响到店铺的搜索和排名，达到一定的红线之后，还会影响直播资格，也不允许报活动。所以若用“当月除以当月”计算法，要注意对供应商和商家总是留有反馈权，否则大促之后，或者直播之后，就可能因为分子分母的错位，把一个商家或者供应商给冤枉“绿”了（DSR评分低于平均会飘绿），严重影响它的生意。做小二的，要始终怀有敬畏之心。
对于“一品多供”的情况，要对自营的品退率追溯到其中一个供应商，前提是要做好批次管理，系统中一开始就要记录库存来自哪个进货批次，只有销售订单里的货能回溯到是哪家供应商供应的情况下，我们也才能在质量上归因到准确的供应商。当然批次管理是挺重的运营，也贵。是否做到这么精细就看发展阶段和预算。不行就先追溯“一品一供”的情况，对“一品多供”先用到货质检来把关每个供应商。
分析的时候，还要注意排除一些数据噪声。像比如我做自有品牌的时候，哪个品出了高品控率，大家都会非常谨慎，客服会去回访没有详细留言的消费者，问选择“质量原因”到底是什么原因。结果也会发现有些人是图方便点了第一个，或者甚至是看错了。所以后来客服部门牵头就把品质原因往后放了，果然就很少人误选。
那怎么判断品退率是高还是低？一般我们会对不同的品类设置不同的红线和黄线，这个红线和黄线参考之前的数据积累。当然在运营中，也是逐渐对自己的KPI要求越来越高。
对自营，尤其是自有品牌，对黄线商品就要有改善行动，对红线商品要操作下架。改善行动不仅包括和供应商一起改善质量，还包括优化商品详情页，增加视频引导等等。比如眼线笔，各个品牌都会在显著的地方，告知消费者要怎么初次使用，怎么放置，减少因为使用方法不对引起的投诉。
二、正品质疑率
类似品质退款率，这里的正品质疑率也是通过退货数据来看，对消费者退货时选择了“怀疑不是正品”这条原因来分析的。
所以，一样也要考虑用合适的分母来计算比例；也一样要通过分析的结果对自营的商品或者平台商家做一定的改善计划。
其次，要在消费者沟通上花功夫，比如：
再次，针对重点被质疑行业如母婴、美妆和奢品，可以做专项的“正品心智”项目，比如第三方100%质检并挂标签，圈重点商品池完善快递包装方式和包装箱——很多时候是因为一个奢品被随意包装，或者甚至被荒谬地错用成其它品牌的包装引起的。
另外，希望进一步精细化运营，建立平台的正品心智，分析范围可以更大一些：
1.可以查消费者虽然没有选择正品怀疑选项，却在自定义文字部分讲到正品怀疑的字眼的数据，扩大范围进行分析和改进；
三、验货合格率
主要针对自营考核。自营入仓时，进行现场的物理外观抽查。计算方法，常见的有：
验货合格率可以作为一个供应商评估的质量指标，给到负责供应商管理的部门做培训和供应商改善计划，实在太差的做汰换。
四、新品首次通过率
自有品牌的质量KPI，除了看验货合格率，那是针对所有收货批次的，主要是现场外观检查；重点是要看新品验货。所以考核一个“新品首次通过率”，以鼓励供应商一次通过验货，让电商平台按时有货可卖。
自有品牌就跟品牌方一样，为了避免“盼星星盼月亮”盼到仓之后才发现质量问题，不仅耽搁销售甚至是提前的媒体投入，而且多数情况下那时已于事无补，要花大代价才能返工，所以索性提前到工厂现场去做验货。
自有品牌的品控要做得前置一些，一般在首次试生产的时候去一次工厂，带着标样检查现场做得是否合格，不合格来得及叫停和改进工艺；在生产完大货之后再去一次工厂，做全检，或者按统计规则抽样检查。对电商平台质量部人手不够，或者供应商过于偏远的情况，可以委托专业第三方验货公司去现场质检，带上标样和质量标准书（SPEC），在现场直播给我们，方便做决策。
这个指标，更多体现了ODM、OEM供应商的工艺和质量水平，重点就是要前置去检查。如果管理得比较粗放，可以让供应商将大货样品寄给质量部来核对，但是会存在“挑样”的倾向性，那就没办法避免了，在进仓的时候依然要设置一道外观检查作为兜底。