先说结论:AI 落地数据准备这件事,九成力气不在选模型,在收拾数据。我做过 30 多个 WMS 上线项目,见过太多团队把预算砸在算法演示上,到了真要接生产数据才发现,库位表里一半编码对不上,库存数和账面差着一截,历史单据缺字段缺得没法看。AI 落地数据准备不是上线前一周的收尾活,它是决定这个项目能不能活过三个月的前置条件。

2024 年秋天,我在一家华东的 3PL 仓做项目。客户想上 AI 补货建议,演示那天模型跑得挺漂亮,给出的建议单看起来有模有样。结果一接真实数据就露馅了:同一个产品在三个系统里是三个编码,拣货记录里一半没有库位信息,过去半年的出库单有两成缺了重量字段。模型不是算不准,是根本没有能算的东西。项目停了六周,专门回去补数据。

这个坑我见过三次。每一次的剧本都差不多:业务方急着看效果,技术方急着跑演示,数据准备被当成"顺手的事"。顺手的事最后都要加倍还回来。

AI 落地数据准备先分清三类数据

AI 落地数据准备要收拾的其实就三类,搞混了就会白干。第一类是主数据:产品、库位、供应商、客户。这类数据讲究一个"唯一"。一个产品只能有一个编码,一种叫法。一个库位只能有一个坐标,一个状态。主数据脏,AI 的每一次判断都会建立在错的底座上。检查方法很直接:把产品表导出来,按名称、规格、条码三组字段分别查重,重合的先合并再谈别的。

第二类是交易数据:入库单、出库单、移库单、盘点单。这是 AI 学"仓库是怎么运转的"唯一的教材。交易数据讲究"完整"。缺了时间戳的单据等于没有发生过,缺了库位信息的拣货记录等于没有路径。我的做法是按月抽查:每个月随机抽 100 单,从头到尾跟一遍,看字段缺失率。缺失率超过一成,这个月的数据就不进训练集。

第三类是状态数据:库存快照、库位占用、设备状态。这类数据讲究"新鲜"。AI 要的是仓库现在的样子,不是上个月的样子。很多仓的库存快照是每天夜里跑一次批处理,白天发生的变化要到第二天才看得到。拿这种数据去做实时推荐,建议出来的时候货早就挪走了。

三类数据对应三种脏法:主数据是乱,交易数据是缺,状态数据是旧。收拾的办法各不相同,混在一起用同一套清洗流程,等于没收拾。

收拾数据的顺序不能反

顺序反了是最常见的翻车点。正确顺序是先主数据,再交易数据,最后状态数据。主数据是字典,字典错了,后面所有翻译全错。我见过一个项目先花了三周清洗历史订单,结果一对主数据,发现产品编码换过两版,历史订单里的编码一半已经作废,三周白干。

主数据收拾到什么程度算合格?我的上线前夜检查清单 上有三条硬指标:产品编码唯一率百分之百,库位编码和物理库位一一对应,供应商与客户名称去重完成。达不到就别往下走,往下走就是给后面的返工攒利息。

交易数据收拾有个取巧的办法:别想着把历史全洗干净。挑最近一段连续的、质量最好的时间段,比如最近三个月,要求这段数据字段完整、口径一致。AI 学的是规律,不是考古。三个月干净数据,胜过两年半脏半净的历史。

状态数据最难,因为它考验的不是一次性清洗,而是持续更新的能力。上线前先问自己一个问题:库存变化能不能在发生后一个小时内反映到系统里?不能的话,AI 的建议永远慢半拍。这个问题不解决,上了 AI 也只是把滞后包装得更漂亮。

AI 落地数据准备的算账方式

拿一个例子算:一个中等规模的仓,每天 500 单,每单平均 3 行。一个月就是 4 万 5 千行交易数据。字段缺失率如果是一成,每个月就有 4500 行残缺记录。一年攒下来,残缺记录超过 5 万行。等 AI 上线后开始出离谱建议,再回头补这 5 万行,成本是上线前补的数倍——因为那时业务已经跑在脏数据上了,停不下来。

所以数据准备的预算要单独立项、单独排期。我的经验是,准备时间至少占整个 AI 项目周期的三分之一。低于这个比例,项目大概率会在上线后两个月内回炉。管理层听到这个比例常常皱眉,觉得数据准备"看不见产出"。看不见产出是对的,但它决定了后面的产出是不是真的。

还有一个反常识的判断:数据量大不等于数据好用。很多仓一开口就是"我们有五年的历史数据",听起来很富。真打开一看,五年里换过两次系统、改过三次编码规则、中间还有半年是手工台账。这样的五年,不如三个月口径统一的数据。AI 不怕数据少,怕的是数据各说各话。

上线前夜检查清单 的最后一项,我每次都写同一句话:找一个一线拣货员,让他看一眼 AI 给出的建议,问他"这建议像不像你们仓真实的样子"。他点头,数据准备才算过关。他摇头,回去继续收拾。模型不会告诉你数据是脏的,只有一线的人能。

数据准备还有一个容易被忽略的分工问题:这活到底归谁?业务方觉得是技术的事,技术方觉得是业务的事,最后谁都不管。我的做法是写进项目启动会:主数据的归属是业务,交易数据的完整性是操作,状态数据的及时性是系统。三方各认一块,每周对一次数。责任不清的数据准备,最后一定是糊涂账。

常见翻车点我再补两个。第一是编码规则中途改了没人通知。产品编码加了一位,条码换了体系,AI 还在按老规则认货,认出来的全是错的。编码规则一改,第一时间同步给所有相关方,写进变更记录,别只在小群里说一声。第二是测试数据和生产数据混在一起。测试单、培训单、演练单混进交易数据,AI 学到的规律里就掺了假动作。上线前先把测试单据清出去,单独建测试账套,别图省事共用一套。

AI 落地数据准备没有捷径,也没有哪家厂商的工具能替你把脏数据变干净。收拾好三类数据,AI 才有机会真正帮上忙。收拾不好,AI 只是多了一个背锅的。

作者:林晓|WMS 实施顾问