女装/预测与目标库存/预测模型与算法治理
L2X7P1
设计稿 v2.0
‹ 需求预测总览销量清洗与还原 ›☰ 总览功能地图
王
王运营
总部 · 商品运营

预测模型与算法治理

算法注册 → 启停 → 热切换 → 灰度 → 效果自动切换 → 回滚,六个动作全部在界面上完成,且每一步留痕。模型不是黑盒,切换不是发版。

在册算法
6个
4 启用 / 1 灰度 / 1 已停用
当前生效版本
v3.2
2025-10-15 发布,生效 6 天
灰度比例
15%
按门店哈希分桶,非随机抽样
自动切换阈值
±3pp
灰度与主版本 MAPE 差异超阈值才建议切换
可回滚点
5个
保留最近 5 个版本,回滚耗时 < 2 分钟
昨日切换次数
0次
近 30 天共 3 次,均自动记录

算法注册表(X7)

热切换指不重启批次、不改配置文件,下一个取数窗口即生效
优先级算法方法族适用场景版本承载占比MAPE灰度启用操作
1加权移动平均(近7/近7-14)加权 MA有稳定近两周销量的常规款v3.246%17.2%—编辑删除
2Holt-Winters(阻尼·乘性季节)指数平滑 ETS季节性强、历史 ≥ 52 周v2.822%19.4%—编辑删除
3LightGBM 分位数回归梯度提升树含促销/价格/天气特征宽表v3.224%15.8%15% 门店编辑删除
4N-BEATS(残差全连接堆叠)深度模型大店、长序列、可接受算力成本v0.9—15.1%试点 8 家店编辑删除
5Croston(需求量+间隔双 SES)间歇需求近 14 天零销或销 1 件款v1.46%31.5%—编辑删除
6相似款迁移(属性近邻)类比法无历史新品冷启动v1.12%24.7%—编辑删除
共 6 个注册算法 · 承载占比按 SKC-店组合数统计
每页

热切换流程(4 步,预计 2 分钟生效)

X7 灰度与回滚
STEP 1
提交
选择目标算法与版本
STEP 2
预演
用昨日快照复算对比
STEP 3
灰度 15%
按门店哈希分桶
STEP 4
全量生效
写回算法注册表
10-21 02:40
LightGBM v3.2 灰度 15%(按门店编码哈希取模,固定分桶,可复现)
10-21 02:41
预演结果:灰度组 MAPE 15.8% vs 主版本 17.2%,方向性偏差 +1.1%
10-22 02:40
待观察第二个决策日,若连续 2 日 MAPE 不劣于主版本则提升至 50%
10-24 02:40
计划全量生效,保留 v3.1 / v3.0 两个回滚点

效果自动切换判据

主指标
加权 MAPE(按行销量加权,不是简单平均)
副指标
偏差率 |bias| ≤ 5%(方向性,正=高估)
切换阈值
灰度组 MAPE 优于主版本 ≥ 3pp,且连续 2 个决策日成立
否决条件
任一品类 MAPE 恶化 > 2pp → 自动暂停灰度并告警
样本量要求
灰度组有效行 ≥ 500 行,否则不触发自动判定
回滚触发
生产 MAPE 连续 3 日超阈值 25% → 自动回滚至上一版本
人工闸门
全量生效必须人工点击,自动策略只产出"建议切换"
灰度组(15% 门店)MAPE 15.8%
对照组(85% 门店)MAPE 17.2%
差异−1.4pp

灰度组 vs 对照组 MAPE 走势

灰度组 MAPE(%)第 8 天起灰度组稳定低于对照组

版本与回滚点

版本发布变更MAPE状态
v3.22025-10-15新增天气因子与分位数输出15.8%生效中
v3.12025-09-28修正节假日倍率口径17.2%回滚点
v3.02025-09-10引入 MinT 层级调和18.1%回滚点
v2.82025-08-12Holt-Winters 参数分组19.4%归档

模型管理参数

层级调和说明(MinT)

本轮决策日实测

为什么必须调和

品类、SKC、门店×SKC、SKU 四级各自独立预测时,下级加总通常不等于上级(不满足 SGS=S),自上而下拆解又会低估波动。MinT 取 G=(S′W⁻¹S)⁻¹S′W⁻¹,把层级全部信息用上,W 用收缩协方差 mint_shrink 估计,规避样本协方差在小样本下不可逆的问题。

调和前上下级差异4.2%
MinT 调和后差异0.1%
top-down 拆解差异1.8%
i治理红线:热切换只改算法选择,不改历史结果。已生成的决策行必须与当时的算法版本绑定(决策行上带 algo_version 字段),否则回溯复盘时无法解释"同一行昨天和今天的建议为什么不一样"。
L2X7P1
看准确度回溯 系统算法参数