去年 10 月,一个 AI 厂商的销售带着笔记本电脑来我们仓做演示,聊的就是数据准备。半小时后,他盯着屏幕上满屏的报错,憋出一句:"你们这个 SKU 数据……有点特别。"我差点笑出声。特别?我们仓 3000 平、4 个人、600 多个 SKU,数据乱得那叫一个有性格:同一个纸箱,系统里有三个名字;库位 A-12-03,账上有 40 箱,爬上去一看,堆的全是退货。
那天我算是想明白一件事:AI 落地前的数据准备,不是大公司的专利活,是我们小仓的保命活。Gartner 有个预测:到 2026 年,缺乏 AI 就绪数据的 AI 项目,60% 会被放弃。MIT 的 NANDA 项目 2025 年的调查也挺扎心:95% 的生成式 AI 试点没在损益表上拿出可衡量的回报。数字背后就一句话——模型不背锅,数据先翻车。我们小仓可烧不起这个钱,所以这笔账,我得先跟自己算清楚。
我们仓的数据到底脏在哪
先讲主数据,也就是 SKU、库位、客户这三张表。这是 AI 的地基,地基歪了,上面盖什么都塌。
我们仓最经典的脏法叫"一物多码"。一款抽纸,采购建了一个 SKU 叫"纸巾-抽纸-3 层",运营嫌名字长又建了一个"抽纸 3 层",后来换了供应商,包装从 100 抽变 120 抽,又建了一个。系统里三个 SKU 指的是同一款货,库存分散在三个编码下,AI 算补货的时候以为是三种货,补货建议能准才怪。600 多个 SKU,我抽查了一遍,类似的重码有 40 多个,占比快到一成。
库位更离谱。我们仓没有专职的库位管理员,货来了哪里有空往哪塞,系统里的库位和实际货位早就各过各的。去年盘点,账面库存准确率 91%,也就是说每 100 个库位里有 9 个账实不符。AI 拿着 91% 准确率的数据排拣选路径,拣选员按它的路线走,走到库位发现没货,再折回去——这哪是提效,这是给人添堵。以上是我们仓自己的盘点数,拿出来就是想说,小仓的数据脏起来,一点不比大仓含糊。
客户主数据也不干净。同一个客户,"东莞 XX 贸易"和"XX 贸易(东莞)"在系统里是两家,发货地址一个写"工业区 3 路",一个写"工业区三路",AI 做客户分群能分出两个客户来。你说这怪谁?怪我们小仓没专人管数据,怪我这个老板以前觉得"差不多就行"。差不多就行,AI 可不认"差不多"。
三类数据,收拾顺序不能错
AI 落地前的数据准备,我按我们仓的教训排了个顺序:主数据第一,作业数据第二,设备数据第三。顺序错了等于白干。
| 数据类别 | 包括什么 | 脏数据长什么样 | 收到什么程度才够试点 |
|---|---|---|---|
| 主数据 | SKU、库位、客户三张表 | 一物多码、库位账实不符、客户重名 | 头部 SKU 零重码,库位准确率 95% 以上 |
| 作业数据 | 订单、拣选、盘点记录 | 漏扫码、盘点差异随手改、退货单拖三天才录 | 单据当天清,拣选记录能对上订单号 |
| 设备数据 | 扫码枪、传感器、打印机日志 | 时间戳错位、日志缺失、报错没人看 | 日志能对上订单,时间戳与系统一致 |
为什么主数据先行?因为作业数据是流水,主数据是字典。字典错了,流水再全也是错的。我们仓的做法是先收拾动销前 200 个 SKU——别贪多,先把占出货量八成的头部 SKU 洗干净。库位呢,先锁死"一个库位只放一个 SKU"这条铁规矩,再谈别的。客户表合并重名,花一个下午就能干完大半。
作业数据第二。订单、拣选记录、盘点记录,这三样是 AI 学"我们仓怎么干活"的教材。教材里不能有断章:拣选员图省事不扫码、盘点差异随手改个数、退货单拖三天才录,这些都会让 AI 学歪。我们仓的土规矩是:当天单据当天清,过夜的单子第二天晨会第一个过。
设备数据最后。扫码枪的日志、温湿度传感器的读数、打印机的报错,这些数据量最大,但试点初期用得最少。先保证扫码枪的日志能对上订单号,传感器的时间戳别比系统时间慢半小时——我们仓就出过这事,传感器时间比 WMS 慢了 25 分钟,AI 拿去做温控分析,结论全错位。
土办法:没预算也能收拾
大公司请咨询公司做数据治理,一单几十万,我们小仓可烧不起这个钱。我们的办法土,但管用。
第一招,Excel 就是治理工具。别笑,我把 SKU 表导出来,按名称排序,重名的排在一起肉眼就能挑出来;再按条码排一遍,没条码的、条码重复的,一眼现形。每周五下午,我和仓库主管花一小时,就啃 50 个 SKU,一个月啃完 200 个头部 SKU。成本是两个人的工时,效果是重码率从快一成降到基本为零。
第二招,扫码枪当裁判。以前拣选员凭记忆拿货,现在强制"扫码确认库位加 SKU",扫错了枪会叫。头两周大家骂声一片,第三周拣选差错率下来了,账实不符的库位也一个个现了形。枪是现成的,规矩是新立的,花的钱是零。
第三招,盘点别搞突击,搞滚动。每天开工前盘 20 个库位,一个月全仓滚一遍。账实不符当场改、当场问原因,是放错了库位还是录错了数。三个月下来,我们仓的库存准确率从 91% 摸到了 97% 以上——再强调一次,这是我们仓自己的盘点数,不是行业标准,拿出来就是想说,小仓靠土办法也能把数抬起来。
算笔账(假设算例):我们仓 4 个人,每人每天抽半小时收拾数据,一个月就是 60 个工时,按每小时 30 元算,1800 元。反过来,要是带着脏数据上 AI 试点:厂商实施费起步几万块,试点跑一个月发现数据不对,推倒重来,实施费打水漂不说,旺季还得靠人工救火。我们这 1800 元,买的是试点不翻车的门票。
反常识的一点是:数据准备这活,越小的仓越要先做。大仓有 IT、有预算,翻车了能兜底;小仓翻一次车,半年的利润就没了。别觉得"我们仓小,数据少,好办"——数据少,错一个就是大头;SKU 才 600 个,重码 40 个,AI 眼里你这仓就没有干净数据。
到底收到什么程度才够试点用?我给自己立了三条线:第一,头部 200 个 SKU 零重码,条码全、单位统一;第二,库位准确率站上 95%,拣选员按单走不再扑空;第三,近三个月的订单、拣选、盘点记录齐全,断档不超过两天。三条线都过了,再请厂商来演示;有一条没过,演示看了也是白看,模型跑出来的结果你不敢用。
给同类的建议:先收拾,再谈 AI
如果你也是小仓主,销售下次再来跟你说"接上就能跑",你先问他三个问题:你们的模型吃我们这种重码 SKU 会怎样?库位账实不符的时候,拣选路径错了谁负责?试点跑偏了,实施费退不退?问完这三个问题,你大概就知道这钱该不该花。
我们仓现在还没上 AI,数据收拾完了,试点排在今年下半年。不急,真的不急。AI 厂商的 PPT 不会过期,旺季可不会等你。先把三张表洗干净,再把作业记录接上,最后才是设备日志。等数据准备好了,AI 来了是帮手;没准备好,AI 来了是祖宗。
小仓有小仓的活法:大公司靠预算碾过去,我们靠一双手一点点抠。抠干净了,小仓也能用 AI——只不过是我们自己的节奏,不是销售的节奏。
作者:小马|小仓创业者,3000 平小仓主







