网站导航

把采纳记录变成可解释的分母

全文共 1984 字,阅读约需 4 分钟

把采纳记录变成可解释的分母:这套补课把同一瓶合成的柠檬茶,从销售记录、订单、仓库、工厂、物料清单一直追到预测、建议单、审批和模拟反馈。读者只需会四则运算、百分数和平方根。每章先手算,再运行程序,最后故意破坏一个输入,看系统有没有拒绝错误。

← 学习路线
课程目录与学习记录 0 / 109

学习进度仅存于本机浏览器。原教程站的记录不会跨域自动迁移;可先在原站导出留存,新站按实际完成情况重新勾选。

入门数据与作业包

禾味数据为 2 店 × 8 SKU × 180 天,共 2,880 行,是可见教学数据,不是封存盲测集。起步包是模拟夹具,不表示已完成六行业预测实验。资源中心另有四专项工程、模型实验和计划实验,使用前请阅读各自能力边界。

新增离线教学实验,非生产流程。下载核心12章实验包。core-13已新增有限预售/PO/STO/WO联合实验;通用跨期联合优化未实现,审批、回写和执行仅在本地模拟。

共同运行方法与边界

从数据到离线决策的十二个补充实验

这套补课把同一瓶合成的柠檬茶,从销售记录、订单、仓库、工厂、物料清单一直追到预测、建议单、审批和模拟反馈。读者只需会四则运算、百分数和平方根。每章先手算,再运行程序,最后故意破坏一个输入,看系统有没有拒绝错误。

所有商品、销量、价格、人物角色和指标都是合成数据。所有订单、价格、曝光与反馈都只写入本地模拟账本。没有真实采购、调拨、制造、营销、食品放行或对外发送。 这些实验展示机制,不能作为生产就绪、真实收益、质量安全认证或完整企业系统的证明。

主商品是 SPU TEA 下的 SKU T-L(500 ml 柠檬茶一瓶)。另一 SKU T-P 只在流量实验作为桃茶对照。SKU 是可独立计数的商品,SPU 是产品家族。这里“一瓶”记作 ea;6 瓶为一箱。原料有糖浆 R-SYRUP、包装膜 R-FILM 和空瓶 R-BOTTLE。

统一决策时点为 2026-06-15 08:00 UTC,主要计划到货日为 06-17。event_date 是业务发生日期;target_date 是记录适用的预测/计划日期;known_at 是我们最早能使用这条记录的时间。三个字段不能互换。

阅读与运行

解压 forecast-core-gap-labs.zip,进入包目录,用 Python 3.10 或更高版本运行:

python core_lab.py --self-test

只依赖 Python 标准库,不需要联网、账号、密钥或安装第三方包。程序读取 data/ 下的 CSV/JSON,输出 output/report.json、policy_daily.csv、orders.csv、approval_audit.csv 和 four_dimensions.csv。正常运行不会重建输入,所以修改 CSV 后能观察结果变化。--generate-fixtures 会明确重建合成输入,只在想恢复初始数据时使用。非法选项退出码为 2,不能当作实验通过。

所有练习修改都应在复制出来的实验目录做。--self-test 包含初始数据的标准答案断言,修改数据后这些断言可能失败,这正是需要解释的差异。想只计算修改后的输入,用 python core_lab.py --output-dir output_changed。不要为了得到“全部通过”而把错误答案写进断言。

预期阅读顺序:业务限制 → 主数据 → 可得时点 → 四层链路 → 补货算式 → 预售与来源分配 → 状态机 → 库存差异 → 采纳 → 三指标 → 流量 → 事件联动。每章的需求编号用于追溯原范围,不代表该范围已由独立审查判定完整。

core-09 把采纳记录变成可解释的分母

覆盖 G07。目标是防止删去未处理建议后,把采纳率从60%抬成75%。

1 四类事件

原样采纳as_is:数量没有改变,原因NO_CHANGE。调整后采纳adjusted:保留原数量、最终数量和枚举原因。拒绝rejected:明确拒绝及原因。未处理unhandled:截止前没有可得的最终决定,不能默认为拒绝,也不能从分母消失。

本包允许的原因是NO_CHANGE、CAPACITY、QUALITY_HOLD、DUPLICATE_PLAN、SUPPLIER_UNAVAILABLE、DEMAND_CHANGE。调整后的采纳不能用NO_CHANGE敷衍。自由文本可辅助说明,但不能替代可汇总的原因类别。

十条建议在08:00发布,10:00到处理截止,11:00统计。4条原样,2条调整,2条拒绝,2条未处理。全部十条都已到期且符合统计范围。

2 四个比例

严格采纳率 = 原样采纳/符合范围且已到期建议数 = 4/10 = 40%。

宽口径采纳率 = (原样+调整)/同一分母 = 6/10 = 60%。

决策完成率 = (原样+调整+拒绝)/同一分母 = 8/10 = 80%。

已处理中的宽采纳率 = (原样+调整)/已处理 = 6/8 = 75%。

75%不是计算错误,但它回答了另一个问题。报告必须写清“已处理中的”,不能拿75%替代全部建议的60%。统计09:00时,10:00截止尚未到,程序报空分母,不能填0%假装没有采纳。

采纳也不等于正确:人可能机械照单接受,导致损耗;拒绝也不等于系统没用,可能发现质量风险。需要同时看原因、实际结果和FVA,不能只把70%当成冲刺目标。

3 项目和答案

输入 adoption.csv,输出 adoption。把第二条原样60的最终量改54,应该报 AS_IS_CHANGED。把调整30→24的原因清空,应该报 MISSING_REASON_ENUM。在实际业务里,一条建议的重复事件应按唯一建议ID和最终可得状态折叠,本包CSV每个ID只给一条最终记录。

练习:新增一条11:00发布、12:00截止的未处理建议,仍在11:00统计,是否让采纳率变6/11?答案:不应。它尚未到期,不进入这期到期分母;若改用“全部已发布建议”,必须另立口径。

边界: 本包验证离线原因枚举与分母,不连接审批产品、不评价员工绩效,也不证明70%采纳目标已被达成。

仅保存在本机当前浏览器,无账号云同步;清除浏览器数据会丢失。不自动认定你通过测试。建议先保留输出文件和计算过程。

所有数据、系数与业务场景均为教学模拟。预测不等于采购或排产指令。来源与修订说明。