摘要:很多仓库上AI翻车不是算法不行,是主数据太脏:一个产品三个编码、库位账实不符,模型算得越快错得越离谱。本文讲AI进仓之前,怎么把主数据擦干净。
这两年我走访了不少仓库,聊到AI,几乎每家都有故事。奇怪的是,讲失败的项目时,大家骂的都是算法:预测不准、推荐不靠谱、系统越用越乱。可我越听越觉得,算法背的锅里,有一大半应该算在主数据头上。模型不认识你的仓库,它只认识你喂给它的数据。数据是脏的,模型算出来的每一个结论都会带着脏数据的形状,而且算得越快、界面越漂亮,错得越理直气壮。
AI学得越快,主数据的脏账暴露得越快
这里有个反常识的判断:数据越脏,越不应该急着上高一级的算法。很多人以为算法够聪明就能自动纠错,现实刚好反过来。聪明的模型擅长从数据里找规律,脏数据里的规律同样会被它一丝不苟地学下来,然后以很高的置信度输出。过去靠人工经验还能察觉不对的地方,一旦套上模型的确定性外衣,反而没人敢怀疑了。主数据的问题不会因为上了AI就消失,只会从偶尔错一次变成系统性地错,而且错得整齐划一。
人工时代脏数据没这么要命,是因为人会临场纠错:拣货员发现编码对不上,会打电话问一圈再动手;司机发现装不下,会自己调整装法。模型没有这种弹性,它只会按数据一板一眼地执行,错了也执行得飞快。所以AI进仓不是把人的活交给机器,而是把原来靠人兜底的地方交给了不会兜底的系统,兜底的人一撤,脏账全暴露了。
根据我们跟踪的几个项目,主数据的脏法翻来覆去就那么几类:编码不唯一、库位账实不符、计量单位和条码不统一。每一类单独看都是小毛病,合在一起喂给模型,就是一场灾难。
三个仓,三种主数据脏法
2023年秋天,浙江一家做小家电的第三方仓上了补货预测模型。系统每天准时建议补A款电水壶,补货单开得漂漂亮亮,现场却天天找不到货。查了两个星期才发现,一个产品在系统里有三个编码:采购部建了一个,电商部为了对接平台又建了一个,仓库自己盘点时对不上还补了一个。三个编码的库存各记各的,模型把三处库存一加,得出库存充足的结论,实际上能卖的只有一个编码下面的货。旺季断货三天,客户按合同罚了款,项目组关停了模型,问题却不在模型。
2024年春天,广东一家仓做波次拣选优化,模型按库位体积推荐装车方案,算出来一车能装40箱。结果司机在月台等了两个多小时,实际只装下28箱。库位主数据里的长宽高是三年前手工量的,后来换了包装、换了托盘,没人更新过主数据。模型按过期尺寸排得满满当当,现实一装就超。现场的人从此不再信系统的装车建议,优化项目名存实亡。
还有一家仓的条码乱象也很有代表性:供应商条码、内部编码、平台编码混着用,扫码枪扫十次有三次要人工干预。后来上AI视觉复核,误报率居高不下,工程师调了两个月参数才承认,问题不在相机和算法,是主数据里同一个商品挂了两张不同的标准图,机器怎么看都觉得对不上。
如果不知道自己仓的主数据脏到什么程度,可以先做一次小体检:随机抽一百个在售产品,查编码有没有重复;随机抽五十个库位,拿着账面尺寸去实地量一遍;再抽二十张最近的出入库单,看单位换算有没有手工改过的痕迹。三个抽查里只要有一个对不上超过一成,就说明主数据还没到能上模型的程度,体检结果本身就是立项擦数据的最好理由。这个体检花不了半天时间,却能省下后面几个月的返工。
擦主数据之前,先算一笔账,再定一个顺序
很多老板一听数据治理就摇头,觉得这是个无底洞。我的建议是先算账,而且要把两边的账都算清楚:
| 项目 | 擦数据的投入 | 不擦的代价 | | 编码唯一化 | 两三个人花两周核对合并 | 预测模型系统性误判,旺季断货赔款 | | 库位账实核对 | 一次全盘加日常抽盘 | 装车、拣选建议持续失真,现场不再信任系统 | | 单位与条码统一 | 约定规则并清洗历史单据 | 扫码干预、视觉复核误报,人工兜底越兜越多 |
根据这几家仓的事后复盘,擦数据的投入通常只是模型返工成本的零头,而不擦的代价会按月复利:每一次错误决策都在消耗现场对系统的信任,信任一旦花光,AI项目就不是技术失败,是组织失败。
另外给一个实操建议:别一上来就全仓铺开。先拿一个品类、一个仓做试点,把编码合并、库位实测、条码统一三件事跑通,算出试点前后的人工干预次数和预测准确率变化,拿着这个结果再去要全仓推广的预算。试点的好处不只是省钱,是让老板和现场都亲眼看到,擦完数据之后系统确实变准了,后面的阻力会小很多。
算完账,再看顺序,这同样有讲究。我的判断是,先主数据,再交易数据,模型选型往后放。主数据是仓库世界的户口本,户口本错了,后面所有单据都是错上加错。
具体过关的标准可以收敛成三条。编码这件事,一个产品只能有一个身份,多余的编码要合并、要冻结、要让所有系统认同一个。库位这件事,账面必须和实地对得上,尺寸、承重、可用状态都要实测,不能量一次管三年。单位和条码这件事,进货单位、存储单位、出货单位之间的换算要写死在系统里,条码规则全仓统一,供应商来货贴错码要有拦截而不是事后人工认。
三条都过关,再谈算法选型;有一条没过关,预算不如先花在擦数据上。这不是保守,是算过账之后的次序。
趋势判断:主数据会变成仓库的下一道门槛
往前看两三年,我有一个有依据的判断:主数据质量正在变成仓库接AI项目的入场券。算法和算力越来越便宜,真正稀缺的是干净、可信、口径统一的数据资产。客户审仓、平台对接、自动化厂商进场,迟早会先问一句:你的主数据经得起查吗?问法可能很具体:编码有没有重复、库位上一次实测是什么时候、条码规则是谁定的。答不上来,自动化厂商的报价单上就会多出一项数据治理费用,而且不会便宜。
所以问题不妨留给每一家正在谈AI的仓库:你的仓,敢不敢先晒一晒主数据体检表?如果不敢,答案其实已经很清楚了,AI可以等,擦数据不能等。
作者:陈博士|供应链行业研究员







