预测分析

每一次预测参与都始于一份书面决策规范。模型将为哪个决策提供信息？谁来做决策？两边方向的错误成本是多少？决策者需要多快获得预测，以及需要什么粒度级别？当前正在增强或替换的流程是什么，并且它在相同指标上的表现如何？如果没有这些答案，建模工作往往会倾向于数据科学家最擅长优化的任何指标；有了这些答案，之后的每一次权衡都有了参考点。

我们特别关注不对称成本。在需求预测中，对易腐库存的过度预测成本与对旗舰产品的预测不足成本不同；在客户流失建模中，假阳性可能触发昂贵的挽留优惠，而假阴性则会完全失去客户。我们设计损失函数、决策阈值和置信要求，以明确反映这些不对称性，而不是依赖默认的对称指标来美化模型。

预测范围受到同样的关注。短期预测和长期预测通常是不同的问题，需要不同的特征和不同的模型。我们抵制将一个模型应用于所有预测范围的诱惑，并且我们构建规划界面以明确暴露预测范围。

• 建模前的决策规范
• 非对称损失和阈值调优
• 适用于预测范围的模型选择
• 层次结构（区域、渠道、SKU）
• 新实体的冷启动策略
• 人工判断的覆盖工作流程

我们的实践涵盖了完整的预测工具包：在简单性取胜时采用经典指数平滑和ARIMA；针对表格问题，采用带有丰富特征工程的梯度提升树；为了可解释的概率预测，采用状态空间模型和贝叶斯结构时间序列；在跨序列学习有帮助时，采用现代全局深度模型，如时序融合 Transformer、N-BEATS和DeepAR；用于事件时间问题的生存模型；以及用于异常检测的隔离森林、自编码器和概率方法。每种技术都有其适用的领域，可以在其中成为正确的解决方案。

我们尤其钟爱概率预测。点预测迫使决策者将未来视为确定无疑；而概率预测让他们能够明确为风险定价。分位数预测、预测区间和完整的预测分布，使得库存策略、产能决策和定价策略的制定成为可能，这是点预测无法支持的。额外的工程投入是适度的，而运营效益是巨大的。

我们还密切关注层次协调。在业务层级（国家、地区、商店；品牌、类别、SKU）不同级别独立生成的预测几乎从不会相互协调。协调方法（MinT、自上而下、自下而上组合）恢复了协调性，并且几乎总能同时提高准确性。

“一个经过良好校准的概率预测，其价值远超一个稍微更准确的点预测。”

大多数预测项目在首次投入生产时失败，并非因为模型本身不好，而是因为评估所用的指标未能代表错误操作的运营成本。我们设计的评估工具能模拟部署环境：尊重时间的滚动起源交叉验证，包含模型将面临的季节性模式的保留期，以及纳入在框架阶段确定的不对称成本的指标。

我们积极进行回溯测试，包括对照业务当前做法的基线进行。一个新模型能以微小差距击败复杂基线，远比以巨大优势击败简单基线更令人印象深刻——也更可靠。在可能的情况下，我们会重现历史决策，并衡量模型预测的美元成本与当时实际采取的决策成本进行对比。

校准受到明确关注。一个承诺90%区间的概率预测必须在约90%的时间内包含真实值，否则依赖它的规划将默默地失效。我们会在保留数据上测试校准，并在必要时使用如共形预测等技术进行重新校准。

一个仅存在于独立仪表盘中的预测很少会被采纳。我们将预测系统直接整合到它们旨在提供信息的规划工作流程中——整合到S&OP周期、需求规划工具、CRM、联络中心控制台——以便在做出决策的地方消费预测。这种整合工作通常是模型被“欣赏”和被“使用”之间的区别。

人为干预被视为一项功能，而非失败的标志。规划者拥有模型不具备的背景信息——竞争对手的发布、已知的供应中断、数据中尚未显现的营销决策——一个无法接受他们输入的系统很快就会被忽略。我们设计了干预界面，不仅捕获干预值，还捕获干预原因，以便干预本身成为下一个周期的训练数据。

运营监控涵盖生产中的预测误差、输入分布的漂移以及预测偏差和校准的变化。当模型按计划重新训练时，计划会根据观察到的变化率进行调整；当模型按信号重新训练时，触发条件是明确且定期审查的。

预测准确性的提高通过特定的运营机制转化为商业价值——更低的缓冲库存、更高的服务水平、更少的缺货、人员配置更合理的联络中心、更有选择性的客户挽留支出、更自信的产能决策。我们与财务和运营部门合作，在项目开始前明确这些机制，并在部署后对其进行衡量，以便在未来的任何商业案例中都可以证明系统的价值。

在我们所参与的项目中，最常见的单一成果是显著减少了库存或保守缓冲区中占用的营运资金，同时提高了服务水平。其次最常见的是淘汰了人工预测流程，其工作量以前隐藏在运营人员成本中。