四专项:字段、事件与单位字典
全文共 4317 字,阅读约需 9 分钟
四专项:字段、事件与单位字典:所有主键都是虚构标识,所有日期以2025-01-01为第0日。整数日期列的单位是日;*_date 是同一日期的ISO文本。CSV空单元格表示未知、不适用或不可估计,不等于0。行排序不表示允许看到未来,必须使用截止日过滤。
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。
完全模拟的可复现实验,不连接生产。下载四专项完整工程包(20,000/12,000/10,000/2,000实体)。运行前阅读覆盖data/outputs的说明。固定模拟世界的指标不是企业收益。
数据字典
通用口径
所有主键都是虚构标识,所有日期以2025-01-01为第0日。整数日期列的单位是日;*_date
是同一日期的ISO文本。CSV空单元格表示未知、不适用或不可估计,不等于0。行排序不表示允许看到未来,必须使用截止日过滤。
四个 features.csv
的公共字段
| 字段 | 类型/单位 | 定义及何时可用 |
|---|---|---|
| entity_id | 文本主键 | PRE/RET/COD/PO前缀加流水号;只用于关联,不作为模型特征 |
| created_day | 整数/日 | 预售、COD、PO创建日;退货项目指发货日 |
| created_date | 日期 | created_day对应日期 |
| feature_available_day | 整数/日 | 静态特征首次可用日,生成器设为创建日 |
| score_day | 整数/日 | 本次订单初始打分日,等于创建日 |
| feature_available_at | UTC时间戳 | 模拟创建日08:00,静态输入已经可得 |
| score_at | UTC时间戳 | 模拟创建日09:00,严格晚于输入可得时刻 |
| split | 枚举 | train、validation、test、gap_not_used_for_model_selection |
| synthetic | 0/1 | 全部为1,表示模拟数据 |
创建日、分块标记和主键用于时间控制或关联,不把未来日期、测试身份或编号顺序拿来拟合业务结果。
预售追加字段
| 字段 | 单位/取值 | 含义 |
|---|---|---|
| sku | SKU00–SKU19 | 20个虚构SKU;分组hazard模型唯一静态特征 |
| campaign | C0–C3 | 虚构活动;生成但当前基线不用 |
| units | 件,1–3 | 订单件数,整单取消或发货 |
| listed_price | 元 | 模拟标价,当前基线不用 |
| promised_ship_days | 日 | 固定45日承诺,仅模拟字段,不等于实际发货时长 |
每单有 independent 与 informative
两种场景。在每个场景里只能出现创建加一个终止事件。没有拆单/部分发货。
退货追加字段
| 字段 | 单位/取值 | 含义 |
|---|---|---|
| category | CAT0–CAT3 | 四个虚构品类,决定模拟退货倾向和质检良率 |
| route | R0–R2 | 模拟路线;当前基线不使用 |
| units | 件 | 固定1件/发货行,因此一行不会部分退货 |
| listed_price | 元 | 模拟标价,当前基线不使用 |
真实“一行多件、部分退货、换货后再退”等流程没有实现,不应把本包的一行一件口径误搬过去。
COD追加字段
| 字段 | 单位/取值 | 含义 |
|---|---|---|
| route | R0–R2 | 计划路线,类别编码为两个0/1输入 |
| distance_km | 千米,5–250 | 创建时已知的模拟距离,建模除以100 |
| units | 件,1–4 | 包裹件数,整包签收或拒收,建模除以4 |
| cod_amount_yuan | 元 | 79×件数,当前模型不用,避免与件数重复 |
| planned_delivery_days | 日 | 计划配送时长,建模除以10;不是实际结果 |
没有姓名、手机号、地址、个人信用数据。第140日后生成拒收风险时logit增加0.25,作为明确的时间漂移压力测试。真实发生的送达日、拒收原因不可作发货前输入。
PO追加字段
| 字段 | 单位/取值 | 含义 |
|---|---|---|
| supplier | SUP00–SUP09 | 10个虚构供应商,分组KM使用 |
| material | MAT00–MAT19 | 20种虚构物料,当前基线不用 |
| ordered_units | 模拟件,50–500 | PO订购数量,每条PO一种物料 |
| promised_lead_days | 日 | 12+2×供应商编号,创建时已知的模拟承诺 |
所有物料为了教学统一用模拟“件”,不能当作现实公斤、米、箱直接相加。总收货等于订购量时才叫“收齐”,不以首次到货为完成。
events.csv:四项目完全相同的列
| 字段 | 类型/单位 | 含义 |
|---|---|---|
| entity_id | 文本外键 | 对应features主键 |
| scenario | 枚举 | 预售为independent/informative,其余为base |
| event_day | 整数/日 | 该事件真正发生日 |
| event_date | 日期 | event_day对应日期 |
| sequence | 非负整数 | 同实体内事件顺序;同一天也按它排序 |
| event_type | 枚举 | 见下方事件列表 |
| units | 正整数/件 | 本事件涉及数量;PO received是本次增量,不是累计 |
事件类型及数量含义
- 预售:
created建单;cancelled第1–59日自然取消;shipped发货;forced_cancel第60日规则关单。所有事件涉及整单件数。 - 退货:
shipped发出;delivered送达;return_requested申请;warehouse_received退到仓;quality_passed/quality_failed质检结果二选一;仅合格件次日出现restocked可售上架。各事件1件。仅质检合格但尚未上架也不算现有可售。 - COD:
created建单;次日shipped;delivered_paid与refused二选一;拒收后可出现warehouse_received、质检、合格次日restocked。件数为整包数量。 - PO:
ordered订购;一个或多个received实际部分收货。模拟没有取消事件。尚未收齐就是订购减累计已收,不用未来潜在完成日填补。
ORACLE_DO_NOT_TRAIN.csv:禁止建模的真相表
所有表含entity_id和notice,notice明确写明不能作特征。预售另含scenario、latent_natural_cancel_age(1–59;空表示59日前没有自然取消)、latent_frailty(未观测风险倍率)、latent_ship_age(潜在发货年龄)。退货含true_return_probability;COD含true_refusal_probability;PO含latent_complete_age(潜在收齐日龄,结构性未完成为空)和structurally_unfilled(0/1)。
模拟器知道结构性未完成,不代表模型在任何观察截止日知道。模型只能看到未完成和等待时间。当前评估只有预售曲线诊断读取oracle,其余oracle附带便于课堂审计,未用于建模。
重建标签公共字段
as_of_day:本行标签观察截止日;observed_age=as_of_day-created_day。status是截止时最近事件或pending。censored=1表示截止时未见终点,不是结局0。标签文件可同时包含features列,仍须坚持特征白名单。
- 预售:
exit_age终止事件年龄,未结束为空;status区分自然取消、发货、强制取消、等待。 - 退货:
label_mature是否满30日;returned申请已发生为1,未申请且成熟为0,未成熟为空;restocked已上架为1,成熟未上架或已质检失败为0,其余空。return_requested_age、warehouse_received_age、quality_passed_age、quality_failed_age、restocked_age为自发货起日龄,事件未发生则空。 - COD:
refused拒收1、已签收付款0、未决空;restocked可售回流1、签收或质检失败0、其他空;label_mature满30日标记。 - PO:
ordered_units订购;received_units累计已收;outstanding_units未收;completed收齐0/1;complete_age收齐时长,未收齐空。observed_age是随访长度,已完成样本的事件时长仍取complete_age。
关键输出字段
预售
at_risk_start:当天开始仍可能自然取消的订单数;natural_cancelled、shipped、forced_cancelled、right_censored分别退出;at_risk_next为相减后的下一天风险集。raw_hazard:当天自然取消/当天风险集;smoothed_hazard:向总体收缩的条件概率;第60日这两列为空。no_shipping_natural_survival:仅自然取消hazard的连乘,依赖删失假设,不是实际等待池比例。conditional_natural_survival:S(b)/S(a),其中b最多59;natural_survival_supported_through_age明确支持到哪天。day60_policy_applies:7日目标是否跨过强关日;expected_waiting_units_if_no_shipping为无发货情景期待件数,跨强关日记0,不等于真实履约需求。
退货
p_return:最终申请退货概率;conditional_quality_yield:退回条件下可售比例;p_eventual_restock为两者乘积。expected_supply_not_on_hand:预测供应,不是实物库存。stage:当前terminal/no_request/in_transit/qc/putaway;analogue_count:同状态、等待条件的历史路径数;不足时pooled_fallback=1表示跨品类回退。expected_restock_units:目标日预期可售回流;空值表示没有历史支持,不强记0;本次运行会报告unsupported_entities。fresh_food_no_resale_scenario_units:不可再售食品情景,恒为0。
COD
raw_probability/calibrated_probability/baseline_probability:未校准逻辑回归、验证集截距校准后、训练均值基线拒收概率。review_suggestion_only:是否建议人工复核,没有执行任何订单动作。expected_net_sales_units:件数×(1−拒收概率),不影响当前出库。- 校准表
n是该概率组样本量;mean_prediction与observed_fraction应一起看。空组这两列为空。 - 成本表
simulated_cost_yuan是假设复核有效率后的模拟成本,不是已实现收入或利润。 - 库存表
on_hand现有可售、outbound出库在途、refused_returning拒收退运、in_qc待质检/待上架、scrapped报损;delivered_paid已签收付款。
PO
predicted_full_receipt_p50_days/p90_days:预测收齐时间分位数;无法识别尾部留空,p90_estimable=0。coverage_lower:已确认在预测天数内收齐的数量/有预测样本数;coverage_upper再加截止时无法判定的样本数。上下界不是置信区间。predictions_available:分母;须与总n一起报告,不能只展示容易预测的部分。pinball_completed_only:仅已收齐样本的分位数损失,存在完成样本选择偏差。不能用它单独宣称KM优于所有模型。- KM表
at_risk是该日之前未完成且未删失的PO数;completed、censored是当天数量;survival_not_fully_received是尚未收齐概率估计。
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。