① 问题 ② 算法 ③ 场景 ④ 代码 ⑤ 关联 ⑥ 价值

全链路供应链KPI健康度仪表盘 — 三层KPI体系整合、健康评分与智能预警

Skill-Supply-Chain-KPI-Health-Dashboard · 04-供应链

causalexperimentforecastingoptimization供应链与补货WF-A 智能补货WF-D 选品扫描WF-I 智能体工程

年化 ROI2.4万

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

库存周转天数太长资金压死了断货了只能空运救急成本爆了多市场库存分配不均

1. 解决的问题

运营团队只看GMV，14个关键KPI中有8个在悄悄恶化却无人知晓——三层KPI健康评分(0-100分)将供应链状态实时可视化，年化防损$5-7万，是所有供应链工具的"元监控"

2. 核心算法逻辑

业务背景（陈凤霞实战经验）：书中完整的第2章构建了电商供应链的三层KPI体系：第一层（生意计划层）关注货品效率（ITO/DOI/动销率/滞销率）和生意质量（缺货率/长尾品）；第二层（物流计划层）关注计划准确性（进销存准确率、满足率）；第三层（物流执行层）关注成本与体验（配送时效/准确率/仓储利用率/OTIF）。三层必须同时监控，任何一层异常都可能是其他层的先导信号。

3. 业务应用场景

- 业务问题：某卖家感觉"业务还好，没什么大问题"，但月度复盘发现：销售额增长15%（表面良好）；但ITO从8.5降至6.2（库存膨胀），缺货率从4%升至9%（结构性问题），OTIF从93%降至81%（供应商问题），这三个隐性问题都在恶化 - 数据要求：月度SKU销量/库存/在途/进货计划/实际数据、供应商交货记录、物流账单 - 算法应用： 1. 计算本月三层全部14个KPI 2. 综合健康度评分：64分（🟠待改进） 3. 识别主要拖分项：缺货率9%（得分=55%，权重12%=扣分-5.4）、OTIF 81%（得分=85%，权重8%=扣分-1.2）、ITO 6.2（得分=77%，权重15%=扣

场景B：计划准确率 vs 预测准确率分析（优化人工干预价值）

- **业务问题**：数据分析师发现需求预测模型FA=78%，但运营人员拍板后的最终计划PA只有65%——说明人工干预在系统性恶化预测质量 - **算法应用**：分析人工干预的方向和幅度：发现运营人员倾向于把预测上调30-50%（过度备货心理），而实际销售大多符合模型预测；建立"干预规范"：上调幅度>20%需提供书面依据 - **预期产出**：PA从65%提升至74%，接近FA水平，系统性过度备货现象改善，库存积压减少$12万

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：KPI仪表盘是"发现-响应"机制的加速器；某卖家发现OTIF从93%降至81%平均延迟7天，才意识到供应商问题，导致缺货损失$3万；有仪表盘的情况下第2周就能发现并干预，减少损失80%=$2.4万；年化类似事件2-3次，年防损$5-7万；系统成本$4万，ROI≈125-175%（首年），后续年ROI持续提升
实施难度：⭐⭐⭐☆☆（各KPI计算逻辑已有对应Skill；难点是数据标准化（各平台数据口径统一）和自动化刷新频率）
优先级：⭐⭐⭐⭐⭐（供应链管理的"元工具"——所有其他优化工具的效果都需要KPI仪表盘来验证和监控）
适用规模：月销>$10万的卖家，团队规模越大收益越高（跨团队协同需要统一的KPI语言）
数据依赖：整合所有供应链系统数据（OMS/WMS/TMS/采购系统），数据越完整仪表盘价值越高

7. 代码模板

代码块数量：3 · 路径：未检测到

"""
全链路供应链KPI健康度仪表盘系统
功能：三层KPI评分 + 综合健康度 + 趋势分析 + 自动预警路由 + 计划vs预测准确率
"""
import numpy as np
import pandas as pd
from dataclasses import dataclass, field
from typing import List, Dict, Optional, Tuple
from datetime import datetime
import warnings
warnings.filterwarnings('ignore')


# ─── KPI配置（书中三层体系完整定义）─────────────────────────────
KPI_CONFIG = {
    # Layer 1: 生意计划供应链
    'ito': {
        'name': 'ITO库存周转次数', 'layer': 1, 'weight': 0.15,
        'target': 8.0, 'higher_is_better': True,
        'thresholds': (6.0, 8.0, 10.0),   # 红/黄/绿
        'owner': '采购运营',
    },
    'doi': {
        'name': 'DOI库存天数', 'layer': 1, 'weight': 0.10,
        'target': 45.0, 'higher_is_better': False,
        'thresholds': (60.0, 45.0, 30.0),  # 红/黄/绿（越低越好）
        'owner': '采购运营',
    },
    'active_rate': {
        'name': '动销率', 'layer': 1, 'weight': 0.08,
        'target': 0.80, 'higher_is_better': True,
        'thresholds': (0.60, 0.80, 0.90),
        'owner': '选品运营',
    },
    'oos_rate': {
        'name': '缺货率(OOS)', 'layer': 1, 'weight': 0.12,
        'target': 0.05, 'higher_is_better': False,
        'thresholds': (0.12, 0.05, 0.02),
        'owner': '采购运营',
    },
    'sellthrough_rate': {
        'name': '大促售罄率', 'layer': 1, 'weight': 0.08,
        'target': 0.75, 'higher_is_better': True,
        'thresholds': (0.50, 0.75, 0.90),
        'owner': '大促运营',
    },
    'forecast_accuracy': {
        'name': '预测准确率(FA)', 'layer': 1, 'weight': 0.12,
        'target': 0.75, 'higher_is_better': True,
        'thresholds': (0.55, 0.75, 0.90),
        'owner': '数据分析',
    },
    'line_fill_rate': {
        'name': 'Line Fill Rate', 'layer': 1, 'weight': 0.10,
        'target': 0.97, 'higher_is_better': True,
        'thresholds': (0.90, 0.97, 0.99),
        'owner': '采购运营',
    },
    # Layer 2: 物流计划供应链
    'purchase_plan_accuracy': {

8. 论文来源

2405.09321