从预测到补货——一个库存计划引擎的设计逻辑
这是“天枢系统”系列博客的第四篇。前三篇分别讨论了系统设计原则、数据清洗和预测模型；这一篇进入预测的下游，聊聊库存计划的核心逻辑：安全库存怎么算、订货点为什么不是拍脑袋、长尾产品的库存策略该怎么定。 0. 预测之后，问题才刚刚开始 预测回答了“未来卖多少”，但库存计划要回答的是另外三个问题： 备多少：除了预测值，还要额外多备多少安全库存？ 何时补货：库存降到什么水平就该下采
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
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
李家麒 / 2026年7月我做了一套销售预测与库存计划系统，取名叫“天枢”。它目前还没有上线，代码躺在我的 SQL Server 里，存储过程跑得通，模型竞赛的结果也不错，但离真正接入企业的 ERP、让计划员每周用它来下需求单据（预测单及采购申请单），还有一段路要走。一、为什么做它？ 一个优秀的计划员很难培养出来。计划工作不是简单的“看看上个月卖了多少，这个月大概也卖这么多”，更不是来单了