京东大小件入库差异分析

第 1 层：物流单号级 5 分类按单号聚合后分类

I · 完全一致

116,880

SKU+数量全匹配

II · 整单未回传

2,530

差异 2,697 件 · 47.3%

III · 部分SKU未入

2,619

差异 2,894 件 · 50.8%

IV · 数量偏差

179

差异 110 件 · 1.9%

V · SKU错配

3

总量一致个别SKU互换

第 2 层：大件 vs 小件总览件级统计

指标	大件	小件	合计
物流单号	925	121,286	122,211
数据行数	1,332	125,207	126,539
应入库	1,635	133,230	134,865
实际入库	1,581	127,583	129,164
差异量	54	5,647	5,701
差异率	3.3%	4.2%	4.2%
多SKU包裹	154	3,014	3,168

数据流向图包裹类型 → 单号分类

💡 流宽 = 单号数量 🟢 完全一致 🔴 整单未回传 🟡 部分SKU未入 🔵 数量偏差 🟣 SKU错配

第 3 层：SKU 差异排行 TOP 15 按商家编码聚合

大件

小件

条形 = 应入库 · 填充 = 实际入库 · 红色段 = 差异

第 4 层：部分SKU未入 — 最常被漏入的 SKU III类 · 2,619 单号

同一包裹内，某些 SKU 有入库回传、同包裹的其他 SKU 却没有。以下是在"部分未入"场景中最频繁被漏入的 SKU：

📋 单号级示例数据按分类展示 · 含多SKU展开

II · 整单未回传 2,530 单号 · 所有SKU行实际入库均为空

物流单号	类型	SKU数	应入商家编码	应入
JDG000006126831	大件	1	0105100044-1.8-JD28	1
JDVA41614308907	小件	1	010020105040276-007	1
JDVA41620440589	小件	1	010210005724022	1
JDVA41771634118	小件	1	010020105040276-007	1
JDVA41785284479	小件	1	010020105040276-007	1

III · 部分SKU未入 2,619 单号 · 同包裹内部分SKU有回传、部分没有

物流单号	类型	应入商家编码	实际入商家编码	应入	实入	状态
JDVA41638858653	小件	010020105040276-001	010020105040276-001	1	1	✓ 已入
JDVA41638858653	小件	010020105040276-007	(空)	1	0	✗ 漏入
JDVA41796355495	小件	010020105040276-001	010020105040276-001	1	1	✓ 已入
JDVA41796355495	小件	010020105040276-007	(空)	1	0	✗ 漏入
JDVE17532829988	小件	010020301060218-001	010020301060218-001	9	9	✓ 已入
		0100201010030012-001	(空)	1	0	✗ 漏入
		0100201010030407-001	(空)	1	0	✗ 漏入

IV · 数量偏差 179 单号 · SKU集合一致但数量不匹配

物流单号	类型	商家编码	应入	实入	偏差
JDVA42185362676	小件	010210005724022	2	1	-1
JDVA43103302838	小件	010020101010269-001	2	1	-1
JDVA44084165343	小件	010020105040276-008	4	3	-1
JDVA43692586563	小件	010210005724022	1	2	+1
JDVB60525803731	小件	010210005724021	2	3	+1

V · SKU错配 3 单号 · 总量一致但个别SKU数量互换

物流单号	类型	商家编码	应入	实入	说明
JDG000002998933	大件	0105100050-1.5-22	4	1	少入 3 ← 被算到下面的SKU
JDG000002998933	大件	0105100050-1.8-22	1	4	多入 3 ← 疑似SKU扫码混淆
JDG000003000566	大件	0105100050-1.5-22	2	1	少入 1
JDG000003000566	大件	128000383001933	1	2	多入 1
JDVC36584805853	小件	010020105040277-001	5	4	少入 1
JDVC36584805853	小件	010020105040277-002	1	2	多入 1

第 5 层：归因与建议差异根因分析

🟡

差异几乎全部来自"未入库"

整单未回传（2,530 单 / 2,697 件，占 47.3%）和部分SKU未入（2,619 单 / 2,894 件，占 50.8%）合计贡献了 98.1% 的差异。数量偏差和 SKU 错配仅占不到 2%。

🔴

"部分SKU未入"是更隐蔽的问题

2,619 个包裹内，仓库扫了部分 SKU 但漏了其他 SKU。这些包裹看起来有入库记录，但实际不完整。TOP 漏入 SKU：010020105040276-007（2,445 件被漏入，占 III 类差异的 84%）。

🟢

SKU 错配极少（仅 3 单号）

在 122,211 个物流单号中，仅 3 个存在 SKU 级别的数量互换（疑似扫码混淆），均为大件或相似 SKU 间的 1 件偏移。不存在"张冠李戴"式的系统性错配。

🔵

大件差异率 3.3%，趋于稳定

大件 925 个单号中，54 件差异（3.3%），其中 33 单号整单未回传、15 单号部分 SKU 未入、8 单号数量偏差、2 单号 SKU 错配。大件入库流程已基本稳定。

📋 建议跟进动作

① 定向核查 TOP1 SKU

010020105040276-007 在 2,445 个包裹内被漏入（III类），连续多版居高不下，疑似该 SKU 在仓库端有系统性扫码障碍

② 排查"部分未入"链路

2,619 个包裹存在部分 SKU 漏扫，这类包裹"看起来有入库"实则不完整，需排查 WMS 多 SKU 包裹的扫描流程

③ 大件 SKU 错配 3 单

3 个单号存在 SKU 数量互换（如 1.5 和 1.8 规格混淆），抽样核实是否存在标签相似导致的扫码错误

📦 京东大小件入库差异分析