网站导航

阶段12|COD拒收:订单留存与实物库存分两本账

全文共 1841 字,阅读约需 4 分钟

阶段12|COD拒收:订单留存与实物库存分两本账:COD即货到付款。订单生成、仓库发货、客户签收付款、拒收、退仓、质检可售,是不同事件。预测拒收能帮助提前安排人工确认和在途资金,但不能改变已经发出的一件货当前在哪里。

← 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。

先用小表理解,再做已提供的完整工程:进入本专项实际项目、输出与模型能力说明。已实现模型以新工程模型卡为准,不把下述早期项目中的进阶模型要求视作已经实现。手算输入。

阶段12|COD拒收:订单留存与实物库存分两本账

第34课:先画一件货的旅程

COD即货到付款。订单生成、仓库发货、客户签收付款、拒收、退仓、质检可售,是不同事件。预测拒收能帮助提前安排人工确认和在途资金,但不能改变已经发出的一件货当前在哪里。

模拟仓库发100件,预计拒收20%,拒收退回后90%合格。最终可能净销售80件、可售回流18件、损坏2件。发货当天必须减100件可售库存,不是减80件;只有退回且检验合格时再加18件。80+18+2=100,是对完整结局的数量守恒。把“期望净销售”当作当天出库会凭空多出20件可承诺库存。

完整代入:预计签收=100×(1−.2)=80件;预计可售回流=100×.2×.9=18件;预计拒收损坏=100×.2×(1−.9)=2件。这里18与2是期望,实际账本加回的必须是实际验收数量,未必恰好18。数量守恒是记账恒等式,概率只用于计划估计;净销售、物流在途和可售库存不能混成一列。

第35课:概率阈值不应该凭空拍一个数

沿用阶段9的概率模型,可以输出人工复核队列。如果每次复核花2元,而每次可避免的拒收损失20元,且先用一个极简教学假设“复核必能避免拒收且无额外伤害”,则复核的预期收益20p应大于成本2,即p>0.1。实际复核并不能100%奏效,还可能打扰正常客户;加入成功率r后,收益变20pr。假设r=.5,门槛为p>.2。此例只是解释阈值来自成本和有效性,不能直接写成生产规则。

p是该包裹拒收概率,r是本会拒收的包裹经复核后被挽回的条件概率,二者无单位;20元是成功避免一次拒收可少损失的钱,2元是核实每个包裹的成本。因此20元×p×r得到每次核实的期望节省,减2元后应大于0。r=.5时,20×p×.5>2→10p>2→p>.2;r=0时无法通过此机制挽回拒收,不可除以0求阈值。阈值恰好等于.2时该简化模型净收益为0。预测与决策分离的说明见scikit-learn官方决策阈值文档。

费用、复核成功率和客户影响需验证,模型高分不能成为自动取消客户订单的充分理由。教程仅对虚构包裹生成建议,不发送短信、不致电、不更改支付条款。

第36课:评价模型也评价流程

准确率很容易误导。若只有5%拒收,全部猜正常也有95%准确率,却没找到任何拒收。至少看Brier、分组校准、不同阈值的复核工作量和模拟净成本;模型与基线须用同一时段、相同成熟结果比较。

还要检查选择偏差:历史被系统拦截、从未派送的订单没有真实派送结果,不能标成“不拒收”。只在已放行订单上训练和评价,结论首先只适用于这种已放行人群;新阈值改变了放行人群,可能使历史评分不再适用。类不平衡加权或过采样也不自动保证输出为自然人群概率,应在保持实际比例、时间合法的独立验证数据上检查校准。scikit-learn官方校准说明

项目10,000包裹只含虚构订单编号、模拟路线、模拟距离和件数,不用真实手机号地址。评分特征在发货前可得,实际送达时间和拒收原因不可输入。匿名服装可直接做COD示例;禾味如果是到店现付,不适合硬套COD,应明确“迁移仅适用于其模拟配送货到付款渠道”。

项目步骤:①画100件事件账;②训练/校准评分;③验证不同阈值工作量与成本;④冻结阈值,评价后期成熟包裹;⑤分别输出净销售预期、在途、实物库存。交付评分卡、三条库存曲线和成本说明。验收当天−100、回流+18、2件损坏单列;概率都在[0,1];阈值不看测试标签;结果好坏如实,不设必须节省某百分比的通过条件。

本阶段项目与验收

阶段12:10,000COD包裹的两本账(3课与工程项目)

完整项目入口:四专项实验室,下载forecast-specialty-projects.zip,先读README/模型卡,再运行python run_all.py。此命令覆盖包内data/outputs同名生成文件,不改外部文件;修改数据前先保留副本。

步骤:训练评分、验证子块校准与成本阈值,再重算在途、实物库存和预期销售。

交付:手算复核、运行命令和种子、模型选择与测试结果、一项未来信息检查、一项守恒检查、未实现范围。参考输出已提供,学习者仍需自行完成解释与图表分析。

验收:概率合法;出库扣全部发货;复核效率是假设;无复核容量优化或真实取消动作。

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。