必赢亚洲 App 更新预测模型以后，为什么原有库存数据和历史销量仍然非常重要？

“新模型更准，那旧的库存和销量数据是不是可以清掉了？”

这个想法恰好反过来。新模型上线之前，要用历史数据证明自己比旧模型更好；上线之后，还要用新产生的数据继续和旧模型对照。历史销量和库存批次不是模型换代后剩下的旧零件，而是给新模型判分的那份考卷。必赢亚洲 App 里预测模型的更新，设计为在保留全部历史记录的前提下进行，本文说明这样做的理由，以及更新前后应该怎样对比。

历史数据在一次更新里承担三个角色

第三行的“相似商品”，指新品上架时借用同类老商品的历史销量起步，这套做法属于模型路由里的冷启动模型，见一个食品企业同时有上万个 SKU 时，为什么不能给每个商品使用相同的预测模型。

更新前后怎样对比：影子运行

必赢亚洲模型的更新，建议先让新版本在后台并行运行一段时间（示例为 2–4 周），只记录预测，不驱动补货和预警建议，这叫影子运行。期间同时对比三个指标：预测误差（如加权绝对百分比误差 WAPE）、缺货率和报废率。缺货和报废必须一起看，因为单独压低报废，很容易靠“少订货”做到，代价是缺货增加。

以上为一组模拟的新旧对照结果，用于说明读法，不代表真实数据。

这组数字的读法是：误差和报废都在改善，缺货率却上升了。缺货成本高于报废成本的品类，比如毛利较高的短保商品，继续观察；成本相反的品类，可以先切换。两类成本的权衡见短保食品的安全库存为什么不能照搬普通商品的库存公式。

更新后预测变差，按这个顺序排查

1. 先确认变差是真的。拿同一批商品、同一时间窗口比较，不要拿更新前的平稳周去比更新后的节假日周。
2. 检查节假日和促销日历。日历缺一个节日，误差就会集中在那一天；促销日历与新版本不同步，同样会让预测偏离。
3. 检查缺货日修正。某天缺货售罄后销量记为 0，并不表示没有需求。历史里的缺货标记如果丢了，新模型会低估需求，判断方法接近区分真实需求增长和促销造成的短期异常。
4. 仍然变差，就回退。系统设计为保留上一个版本和更新前后的预测记录，回退到上一版，并把这段时间的对照记录交给模型维护方复查。

顺序不能倒。直接回退最快，但只回退不查原因，下一次更新还会遇到同一个问题。

数据保留与导出建议

• 更新前确认同步：盘点、入库和报损记录先同步完成，再更新。
• 不用清除数据来“解决问题”：更新后遇到异常，不要卸载重装或清除应用数据。历史和批次记录一般保存在账号侧，清除本地缓存不会让预测变准。
• 更新前导出一份备份：库存批次和近期销量各导出一份，导出入口一般位于“设置”或“数据管理”，以应用内实际界面为准。
• 历史至少保留一个完整年度：再加上最近几周的日粒度记录。
• 改名与并店要留对照：门店改名、并店或品类调整时，保留新旧编码的对应关系，否则历史会断成两截。