物流计划进销存三维准确率体系 — 入库/存货/销售三层预测准确率量化与根因归因
Skill-Logistics-Plan-Three-Dimension-Accuracy · 04-供应链
causalexperimentforecastingfraud_detection供应链与补货风控与合规WF-A 智能补货WF-I 智能体工程WF-K 全域风险防御
年化 ROI1.5万
实现难度⭐⭐☆☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色供应链负责人 · 采购负责人 · CEO / 运营 VP
适用平台Amazon FBA · 海外仓 · 多国仓位（美/欧/日）
什么情况下用库存周转率低，资金压在海外仓出不来；SKU 断货紧急空运，物流成本吃掉毛利；多仓库存分布不均
成功是什么样的库存周转天数从 90 天降到 60 天，断货率 <3%，海外仓综合成本降低 15-25%
业务痛点
1. 解决的问题
发现备货不足时不知道是入库出问题还是预测本身偏差——进销存三维准确率（入库准确率/存货预测/销售件数）独立追踪，误差传播链精准归因，解决幽灵库存和计划失效问题
2. 核心算法逻辑
书籍核心洞察（陈凤霞）：物流计划供应链的计划准确率，必须分"进、销、存"三个维度独立追踪，而不是只看一个综合指标。书中给出了精确定义：
3. 业务应用场景
- 业务问题：Prime Day前1周，运营发现备货件数比预期少15%，不知道是入库环节出了问题还是库存预测本身偏差 - 三维准确率诊断： 1. 入库准确率：计划入库3000件，实际入库2700件（90%）→入库环节损失300件 2. 存货预测准确率：预测期末库存2500件，实际2200件（88%）→库存预测偏差300件 3. 归因：存货偏差完全来自入库不足，预测模型本身是准确的 4. 行动：紧急联系供应商补货300件，不需要调整预测模型 - 预期产出：精准归因节省错误干预成本；大促缺货率从预期8%降至3%
- **业务问题**：某月订单量同比增长20%，但销售件数同比增长只有8%（件单比从2.1降至1.89） - **件单比分析**：件单比下降→用户从"多件购买"转变为"单件购买"→可能是大件商品（婴儿推车）占比上升，或多件优惠活动失效→针对性恢复多件购买优惠
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI 预估：入库准确率每提升1%（减少幽灵库存），避免约$500-2000的库存虚报；销售件数准确率从75%提升至85%，减少缺货损失约$3000/月；系统建设$1.5万，ROI≈400%
- 实施难度：⭐⭐☆☆☆（数据已存在于WMS/OMS系统，关键是建立"进+销+存三层独立追踪"的意识和流程）
- 优先级：⭐⭐⭐⭐⭐（书中将其列为物流计划供应链KPI第一节，是所有其他KPI的数据基础，数据准不准直接影响所有决策质量）
- 适用规模：所有规模，月销售>$3万且有WMS系统的卖家
- 数据依赖：WMS入库记录、库存盘点数据、OMS订单数据（三个系统数据对齐是最大挑战）
7. 代码模板
代码块数量：2 · 路径：未检测到
"""
物流计划进销存三维准确率体系
基于《全链路管理》陈凤霞 第三节物流计划供应链KPI
进库准确率 + 存货预测准确率 + 销售件数预测准确率 + 件单比
"""
import numpy as np
import pandas as pd
from typing import Dict, List, Optional, Tuple
from dataclasses import dataclass, field
import warnings
warnings.filterwarnings('ignore')
@dataclass
class LogisticsPlanData:
"""物流计划数据结构"""
sku_id: str
period: str # 'YYYY-MM' 格式
# 进：入库
planned_inbound: int # 计划入库件数
actual_inbound: int # 实际入库件数
# 存：库存
opening_stock: int # 期初库存
planned_closing_stock: int # 预测期末库存
actual_closing_stock: int # 实际期末库存
planned_space_sqm: float # 计划仓容（平米）
actual_space_sqm: float # 实际占用仓容（平米）
# 销：销售
planned_sales_units: int # 预测销售件数
actual_sales_units: int # 实际销售件数
total_orders: int # 订单数（用于件单比）
class ThreeDimensionAccuracyTracker:
"""进销存三维准确率追踪器"""
def compute_inbound_accuracy(self, data: LogisticsPlanData) -> Dict:
"""计算入库准确率"""
if data.planned_inbound == 0:
return {'accuracy': None, 'status': 'N/A'}
accuracy = data.actual_inbound / data.planned_inbound
gap = data.actual_inbound - data.planned_inbound
ghost_inventory_risk = max(-gap, 0) # 系统记录>实际=幽灵库存风险
status = '✅准确' if accuracy >= 0.97 else ('🟡轻微偏差' if accuracy >= 0.92 else '🔴偏差大')
return {
'planned': data.planned_inbound,
'actual': data.actual_inbound,
'accuracy': accuracy,
'accuracy_pct': f"{accuracy:.1%}",
'gap_units': gap,
'ghost_inventory_risk': ghost_inventory_risk,
'status': status,
'action': '检查供应商交期和质检通过率' if accuracy < 0.95 else '正常',
}
def compute_inventory_accuracy(self, data: LogisticsPlanData) -> Dict:8. 论文来源
未自动抽取；请查看原始 Skill 卡片。