生鲜F1:卖光不是需求少——分时断货与需求可观测性
全文共 1818 字,阅读约需 4 分钟
生鲜F1:卖光不是需求少——分时断货与需求可观测性:本篇依据用户上传《供应链预测与计划全景白皮书》3.1、3.2以及第一部分四层闭环架构,将其中的行业业务转成可以实际完成的教学实验。预售案例另衔接白皮书预售专项。下列企业、订单、数量、成本、传感器读数及模型参数全部为独立模拟数据,不是企业真实
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。
生鲜食品 · 第1个独立案例。数据、参数及结果均为教学模拟;本例小样本演算不是大规模模型训练或真实业务效果。
下载本行业案例输入、说明与可运行计算器
共同阅读与提交约定
行业案例实验室:生鲜食品与鞋服快反
阅读前说明
本篇依据用户上传《供应链预测与计划全景白皮书》3.1、3.2以及第一部分四层闭环架构,将其中的行业业务转成可以实际完成的教学实验。预售案例另衔接白皮书预售专项。下列企业、订单、数量、成本、传感器读数及模型参数全部为独立模拟数据,不是企业真实结果,也不是既有D9—D13实验的数据。原文没有可核验来源的行业收益百分比不作为本教程结论。
这里明确分开三件事:预测回答“未来可能发生什么”;计划回答“约束之下准备多少”;执行回答“谁批准并落实”。以下只生成教学建议和检查报告,不发采购单、不改效期、不下生产单。案例是教程站点的课程与作业,不是已发布的12lab专题文章;完成实验后才能把证据整理为专题文章。
本篇共10个不同场景,每个行业5个,难度由观测与算术逐步到概率、约束与条件概率。学习顺序建议:数学桥梁→数据粒度→预测基线/误差→概率预测与库存→本行业实验室→预售等专项。每例核心用时约60—90分钟,可拆成读题15分钟、手算20分钟、表格或Python实现25分钟、边界检验15分钟。所有日期都是实验时钟;只能使用预测时点已经知道的信息。
共同提交要求
每例建立单独目录,包含input.csv(保留本文输入)、result.csv(逐行结果)、answer.md(逐步解释和适用边界)、一张图和checks.md(至少正常、边界各一例)。下文写明每个项目的具体图与验收数值。读者可用电子表格完成,不要求会微积分、矩阵或概率论证明。百分比先换成小数再计算,例如80%=0.8;“期望值”是许多重复情况的长期平均,不承诺这一次恰好发生。
生鲜F1:卖光不是需求少——分时断货与需求可观测性
1. 业务问题与数据
虚构生鲜店的叶菜在晚高峰卖光。店长看到全天销售40千克,问明日是否只备40千克。目标是在第0日闭店后预测第1日全天正价需求,粒度是“门店×叶菜SKU×日”。不能把售罄后的零销售直接当作零需求。
输入含3个完整有货的可比日、4个时段,和第0日的4条观测,共16行。各时段按小时数相同划分,仅为教学简化。
| 日 | 时段1销量kg | 时段2销量kg | 时段3销量kg | 时段4销量kg | 是否全日正价且有货 |
|---|---|---|---|---|---|
| -3 | 10 | 15 | 15 | 10 | 是 |
| -2 | 12 | 18 | 18 | 12 | 是 |
| -1 | 8 | 12 | 12 | 8 | 是 |
| 0 | 10 | 15 | 15 | 0 | 时段3结束售罄,时段4无货 |
没有促销、天气和渠道变化是假设,不是已验证事实。第0日全天真实需求不可观测。
2. 公式与手算
定义S为第0日已观测销售,单位kg;p为对应有货时段占可比日全天销量的比例,无单位;D帽为模型估计的全天需求,单位kg。
公式:D帽=S÷p。这相当于“已看到蛋糕的80%,求整块蛋糕”。
- 三个完整日总销售分别50、60、40kg,合计150kg。
- 前三个时段合计分别40、48、32kg,合计120kg。
- p=120÷150=0.8。
- 第0日S=10+15+15=40kg,D帽=40÷0.8=50kg。
- 估计未满足需求=50−40=10kg。这10kg是模型推断,不是补录的真实订单。可确认的事实只有真实需求至少40kg。
- 若p可能为0.7—0.9,估计范围是40÷0.9≈44.44到40÷0.7≈57.14kg。这是参数情景范围,不是统计置信区间。
3. 适用与失效
适用于相近星期、正价、客流结构稳定且断货时间记录可靠的短期估计。若当天打折、下雨改变晚高峰、缺货导致顾客提前购买、竞争商品缺货,历史比例不再可靠。全日无货S=0时不能据此预测需求为0;没有任何可比有货日时p不可估,输出“数据不足”。
4. 独立小项目及答案
输入上表,展开成长表16行,新增in_stock与regular_price列。操作:只用-3至-1日估p;对第0日输出observed_sales、estimated_demand、estimated_lost_sales、assumption_flag;分别画实际销量柱与模型补足区域,后者用虚线/阴影标“估计”。
验收:①p=0.8、需求50kg、估计损失10kg;②全日无货测试必须返回不可识别而不是0需求;③不得把第0日估计值放进“真实销量”列。扩展测试将第0日时段4标促销且有货,不允许仍套断货补足公式。答案解释必须写“50kg可作为明日基线候选,但尚未经过明日回测,不能声称准确率提高”。
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。