医药案例 P2:重复购买节奏能否转成月度补货预测?
全文共 1877 字,阅读约需 4 分钟
医药案例 P2:重复购买节奏能否转成月度补货预测?:本补充教材基于《供应链预测与计划全景白皮书(1).md》第二部分行业矩阵、第三部分3.5、第四部分专项四、第五部分实施路线及第六部分指标。白皮书提供方向,不是这些数值的来源。以下企业、物料、日期、订单、参数和结果全部为教学模拟,不代表真实项
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。
医药流通 · 第2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
制造与医药流通预测教学案例:10个不同业务问题
阅读与实施约定
本补充教材基于《供应链预测与计划全景白皮书(1).md》第二部分行业矩阵、第三部分3.5、第四部分专项四、第五部分实施路线及第六部分指标。白皮书提供方向,不是这些数值的来源。以下企业、物料、日期、订单、参数和结果全部为教学模拟,不代表真实项目收益。医药仅讲仓储、配送与需求计划,不给诊断、治疗、用药、处方替代建议,也不处理患者明细。
十个案例不是“换商品名称重算平均数”:制造分别解决成品需求与齐套约束、零需求更新、保有设备分龄、供应交期、跨周期VMI;医药分别解决批次可售时间、聚合复购漏斗、先行指标、政策断点、冷链质量状态。预测提供不确定估计,计划把预测转换为受约束建议,执行必须另行获得业务授权。
统一零基础数学约定
×是乘,/是除;max(0,x)在0与x中取较大值,防止出现负采购量;min(a,b)取较小值,例如库存只能卖到可用数量为止。floor(x)向下取整数:floor(3.8)=3,表示不够一整套就不能算完整成品。ceil(x)向上取整数:ceil(3.1)=4,表示整箱订货至少要4箱。- 带帽子如
D_hat表示预测,普通D表示实际。百分数是无单位比例:20%=0.20。平均数=总和÷个数。这里用“单位/一个预测周期”解释预测速率;一天、一周、一个月绝不混用。 - 单个小例用于学会计算,不足以证明模型有效。扩展作业至少使用180天模拟数据,按时间顺序划为训练112天、验证28天、封存测试40天。5天评价窗口不得跨分块;周/月级模型按完整周期聚合,不为凑行数拆开一个业务周期。调参只能用训练/验证,测试不得反复挑最好参数。
- 每例都保存
origin_time(当时发出预测的时间)和available_at(数据当时可获得时间)。只允许available_at≤origin_time的输入。下文“次周实际”只用于事后评分,不能回填为预测特征。 - WMAPE=绝对误差之和÷实际数量之和;本教材Bias=(预测数量之和−实际数量之和)÷实际数量之和,正号为高估。分母为0时不输出百分比,改报绝对误差。不同SKU若计量单位不同,应分组评价或先经过有记录的标准化,不能把盒、毫升、台直接相加。
每例都有两层作业:先完成下列小数据手算和边界测试,再做阶段项目的时间回测。小例通过不等于上线;模型收益须在独立回测和业务实验后判断。
医药案例 P2:重复购买节奏能否转成月度补货预测?
阶段:聚合人群漏斗→单位转换。 某连锁网点只能使用脱敏的聚合购买周期,不访问姓名、处方或患者状态。预测商业渠道下月某SKU包装需求,不预测某人应当用多少药。
输入与预测合同
月末发布下月预测,粒度“门店×SKU×月”。训练历史给定两个“预计在下月进入通常购买窗口”的聚合组;比例描述历史渠道交易行为,不是依从性或疾病推断。
| 聚合组 | 进入窗口记录数N | 在本渠道购买比例p | 每次历史包装数b |
|---|---|---|---|
| 窗口组A | 100 | 0.80 | 1盒 |
| 窗口组B | 50 | 0.60 | 2盒 |
另有不属于这两组的新增/偶发交易需求预测30盒,来源为训练段基线,必须去重。
公式拆解与逐步演算
E=N×p×b:N为条交易窗口记录,p无单位,b为盒/次购买;假设每条窗口至多对应一次本月交易,N×p为期望交易次数。A组100×0.8×1=80盒;B组50×0.6×2=60盒;D_hat=80+60+30=170盒/下月。
若后续实际需求为160盒,绝对误差|170−160|=10盒,本单元WMAPE=10/160=6.25%,Bias=(170−160)/160=+6.25%,说明高估,不能将其解释为健康结果。若B组购买比例变为0.4,预测为80+40+30=150盒。
项目操作与答案
输入两行分组表、基线30和去重口径;输出p2_cohort_forecast.csv,显示80、60、30三项贡献及总170。独立测试标签160只能进入评分文件。扩展项目按月滚动统计聚合比例,并设最小组规模,避免小群体被反向识别。
验收:总预测170、WMAPE与Bias均6.25%;B组敏感性150;把两组都设N=0时预测应为30而非0。必须提交“聚合组与新增基线不重叠”的检查或明示无法核实的风险。
边界: 不可用这套交易预测向个体推荐用药或更改处方,不推断疾病。缺货、换渠道、价格变化都会改变观察到的复购。保留购买周期仅为物流预测,任何真实数据处理需符合隐私及合规要求。
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。