从经验到模型，从模型到算法，从算法到直觉.docVIP

从经验到模型，从模型到算法，从算法到直觉：我的决策智能化与年终总结

在供应链需求预测岗的第三个年头，我终于彻底推翻了自己过去信奉的“经验优先”准则。年初负责华东区域快消品的月度补货计划时，我凭着三年的区域经验预判春节后洗护类产品需求会下跌30%，直接按照这个比例提交了补货方案，结果当月区域缺货率飙升到12%，光是临期调货的物流成本就超出了季度预算的40%。事后复盘才发现，当年春节较往年提前了11天，加上区域内新开业的3家连锁超市做开春促销，实际需求仅下跌了8%，我依赖的“历史同期经验”恰好忽略了这两个关键变量。那次事故之后，我花了十个月时间走完了从经验判断到智能决策的完整路径，才真正明白决策智能化从来不是把经验直接扔进系统就万事大吉，而是一个不断把隐性认知显性化、把显性规则模型化、把模型输出直觉化的螺旋上升过程。

从经验到模型：把模糊判断拆解成可量化的规则坐标

我最初理解的“建模”，就是找IT部门写个公式，把我平时考虑的几个因素输进去自动出结果。直到第一次和数据团队对齐需求时，我才发现自己所谓的“丰富经验”，本质上是一堆无法被定义的模糊描述：我跟开发说“销量突然上涨的时候要警惕是不是促销带来的”，对方追问“上涨多少算突然？涨幅维持几天算促销带来的？和去年同期相比高多少需要调整权重？”，我一个都答不上来。过去我判断需求波动，靠的是“感觉这个涨势不太对”“这个单品往年这时候不会卖这么多