比库存过剩更令人担忧的是某些 SKU 的记录准确性不稳定。有些 SKU 的记录从准确到库存过剩再“反弹”回来；其他 SKU 的记录从库存过剩到短缺再反弹回来。这种变化无法通过任何交易（如收货、上架或订单拣选）来解释，尽管我们纠正了任何流程延迟，例如从供应商收到的产品记入系统库存记录的速度。这让我们认为该系统本质上是不稳定的。
为了研究多渠道配送中心 IRI 背后的系统性条件，我们需要找到一家从同一设施为这些渠道提供服务的零售商。因此，我们接下来研究了一家服装零售商，2008 年的年销售额约为 2 亿美元。这家零售商经营着一个全国性的配送中心，为传统（实体）零售渠道和直接（基于互联网）渠道提供服务。从总共约 12,000 个 SKU 中，我们分离出两个渠道共有的 SKU。我们根据 2008 年每个产品类别的销售量（单位）对这些共同 SKU 进行排名，以确定畅销、中销和滞销商品。然后，我们选择了两种销售速度最快的产品和两种销售速度最慢的产品。这样我们就剩下 27 个 SKU，包括三种最受欢迎产品颜色和尺寸的商品选择。
为了评估 IRI，我们跟踪了零售和直销渠道 DC 中 27 个 SKU 的现有实物库存。同时，我们将这些 巴基斯坦电子邮件清单 信息与零售商的 SIR 中的数据进行了对比。在跟踪零售商的实物库存时，我们每天计算每个渠道在连续十个工作日内的库存数量。（我们没有在周末计算库存，因为 DC 只在周一到周五运营。）这十个工作日对应于 2008 年 9 月的两个日历周。之所以选择这两个星期，是因为我们想在不受零售商产品需求季节性影响的情况下检查 IRI 情况。
对于每个选定的 SKU，在盘点的每一天，都会从 DC 的仓库管理系统 (WMS) 下载两个渠道的 SIR 余额和 SKU 位置。还每天为两个渠道收集有关产品收据、每日订单、退货和任何（审计）调整的其他数据。价格、产品在市场上的受欢迎程度和库存审查政策的数据是在我们收集 SKU 库存数据期间从零售商的记录中收集的。值得注意的是，零售商遵循了我们研究中所有 SKU 的持续审查政策。这些政策基于最小-最大方法，用于重新订购和补充每个 SKU 的库存。当库存达到预定的最低水平时，零售商会重新订购必要的库存量，以将库存水平恢复到预设的最大值。