需求预测：分拨中心计划经理在大促前把预测误差复盘做成了一本可审阅的工作簿

备产会上的老问题

每年大促前，尹振华（化名）所在的分拨中心都要开一次备产会：运力租多少、场地怎么排班、临时用工招多少人。依据是件量预测，过去主要靠经验加上去年同期数据，结果是旺季爆仓和淡季运力闲置轮番出现。

今年数据组按线路和品类搭了一个预测模型，跑了一个季度。备产会之前，运营总监要求尹振华拿出一份复盘：新模型比原来的做法准了多少，哪些品类还不能放心用。

预测模型由数据组负责，尹振华要做的是把对比结果整理清楚，并且让各区域的计划员能按同一个口径填报。

第一步：工作簿先定结构

他先让 AI 设计结构，不急着出文件：

我是分拨中心运营计划经理，要复盘八个业务品类的件量预测误差，比较传统预测和模型预测。请先说明工作簿分几张表、每张表的作用、字段和单位，以及改善幅度怎么算、怎么检查数据。先不要生成文件。

AI 给出的设计是五张表，字段为业务品类、主要区域、周均票数（千票）、传统预测误差率和 AI 预测误差率。尹振华确认时补充了一句口径说明：误差率越低越好，所以"优化值应小于基准值"，校验表要能识别出反方向的记录。AI 复述后，把这一条做成了"优化方向校验"。

卡住的地方：说明文档写得太散

工作簿顺利生成。但第一次生成的 Word 说明写得像一篇介绍文章：前面讲了一大段需求预测的意义，真正告诉计划员"怎么填、谁来审"的内容却散落在各段里，找不到重点。

尹振华没有逐段提意见，而是直接给了一个骨架：

重新组织 Word 说明，严格按以下七章：一、用途与适用范围；二、工作簿结构说明（每张表能否编辑）；三、填写与使用步骤；四、字段字典（字段名称、类型、填写说明、示例值）；五、数据审核清单（每项"通过/退回"）；六、审批会签；七、常见问题。每章只写这一章该写的内容。

给出骨架之后，第二版基本一次合格。他只调整了会签角色的顺序，让它和中心的审批流程一致。

两份文件的内容

品类件量预测误差对比工作簿（Excel）：

• 说明：适用场景、使用方法、颜色约定和数据声明；
• 参数与输入：改善率达标阈值、重点关注名额和年化换算期数三项参数；服装鞋帽、3C 数码、生鲜冷链、大件家电、图书文创、美妆个护、汽配件、医药件八个品类的主要区域、周均票数和两种误差率；
• 分析计算：各品类误差率的改善量、下降幅度、"达标/关注"判定和排名，汇总区给出改善量合计、平均改善率、达标品类数和改善率上下限等；
• 校验：记录条数、数值完整性、优化方向、勾稽差异、取值范围五项，汇总为总体状态；
• 图表：传统预测与 AI 预测误差率的对比柱状图，以及预测准确率、旺季爆仓次数、临时用工成本、运力闲置率的现状与目标对比（示例数据）。

**预测复盘填报与审阅模板（Word）**七章，正是他给出的骨架：

• 用途与适用范围，以及场景背景；
• 工作簿结构：五张表各自的内容和能否编辑；
• 五步填写流程：调整参数、整行替换数据、确认校验通过、查看结果、完成审核会签后再对外引用；
• 字段字典：五个字段的类型、填写说明和示例值，比如基准误差率"取近三期平均更稳妥"；
• 数据审核清单六项，包括数据来源可追溯、口径一致、客户面单信息脱敏等合规检查；
• 会签角色：运营调度主管、网点经理、安全管理员、信息技术部、运营总监；
• 三个常见问题：扩行、公式被覆盖、图表不刷新。

说明里还写明：预测结果由运营主管确认后才用于执行，保留人工干预通道。

备产会上，尹振华用工作簿里的图表介绍了各品类的对比情况。排名靠后的品类，备产时仍以经验预测为主、模型结果作参考。

计划岗可以直接用的做法

1. 告诉 AI 指标方向：误差率越低越好，写清楚后校验规则才能正确判断。
2. 说明文档给骨架：七章各写什么事先列好，比生成后逐段修改快得多。
3. 模型归数据组，复盘归业务：工作簿只做对比和审阅，不替代预测本身。
4. 审核会签后再对外引用：数据过了校验和会签，备产会上才能直接拿来决策。