从设计到落地——一个预测系统的组织协同与工程实践
这是“天枢系统”系列博客的第五篇，也是最后一篇。前四篇分别讨论了系统设计原则、数据清洗、预测模型和库存计划；这一篇不再讲算法，聊聊系统落地时会遇到的组织、流程和人的问题。 0. 算法不是最难的部分 前四篇把天枢系统的核心逻辑讲完了：数据清洗、物料分层、模型竞赛、库存计划。这些都有标准答案——公式是公开的，算法是成熟的，代码是可以写的。 但系统落地时，卡住项目的往往不是算法。 计划员不信任系
数据清洗不是技术活——一个供应链预测系统的数据治理实践
这是“天枢系统”系列博客的第二篇。第一篇《我做了一套预测系统，但它还没上线——聊聊数据工作的第一性原理》讨论了系统设计的底层哲学；本篇聚焦数据层，聊一聊数据清洗的本质、方法和实践。 0. 数据清洗的本质：理解业务 很多人把数据清洗看作技术活——写几行 SQL，用统计方法识别异常值，然后删除或替换。 但在日常实践中，我发现数据清洗的本质不是技术，而是理解业务。 为什么？ 因为“异常”的含义
以无法为有法—在供应链管理中，用确定性去应对不确定性
供应链管理，说到底就是在跟不确定性打交道。市场在变，需求在变，供应商也在变。如果总是跟着变化跑，永远追不上。我的答案是：以无法为有法，用确定性去应对不确定性。一、确定性从哪里来确定性不是来自复杂的算法，而来自对基础的扎实把控。数据清洗不是计算机能干好的活，必须人来做。先理解业务，再理解数据。清洗的逻辑和假设要记录下来，聚焦极端值等大问题，目标只有一个：得到可重复的需求历史。不要相信任何不理解其来源
UNIX哲学与供应链管理
在计算机科学领域，UNIX系统以其简洁而稳固的设计哲学，深远影响了数字时代的演进。大学时期，我曾花费两个暑假潜心研读《莱昂式UNIX源码分析》，这段经历让我深切体会到：真正伟大的系统，往往植根于朴素而深刻的理念。大师 Doug McIlroy 总结的 UNIX 哲学，至今仍闪烁着智慧的光芒：Write programs that do one thing and do it well. 程序应专
以终为始：基于需求与BOM的库存精准诊断与优化实践
在供应链管理中，库存犹如一把双刃剑：过少则危及交付，过多则吞噬利润。传统的库存分析，大多局限于“水位”与“周转率”两大静态指标，其评估依赖于与自身历史的纵向对比及与行业标杆的横向参照。然而，这种方法难以揭示供需失衡的结构性根源。为此，我提出并构建了一套名为“以终为始”的库存诊断方法论。它提供了一条从真实需求出发，穿透产品层级，直达物料根源的精准分析路径与行动框架，旨在实现库存配置的差异化优化。一、