零售行业仓库商品数据标记

一、业务场景与目标说明

1.1 核心问题

在零售仓配场景中，同一个 SKU 在不同时间、不同仓库会处于不同的运营状态，比如：

刚上新+强铺货：集中铺到大量门店，出库门店数和出库量突然放大；
短暂下架：仓里有货，但被暂停销售、系统下架、或临时停采，短期内无出库；
长期下架：商品不再运营，长时间没有出库，库存为 0 或维持极低且不流动；
缺货：库存为 0 或极低，但从历史看有稳定销量，说明供应跟不上需求。

目标是：
利用所有历史数据，自动识别每一天、每个仓、每个商品所处的状态，为补货、上新评估、陈列管理等提供基础标签。

二、数据与粒度设计

2.1 基础数据粒度（事实表）

建议以日粒度的出入库、库存明细作为基础事实表，每条记录至少包含：

date：日期（按自然日）
warehouse_id：仓库 ID
sku_id：商品 ID
cate_1 / cate_2 / cate_3：一级/二级/三级品类（方便后面按品类调阈值）
inventory_qty：当日期末库存数量（或日均库存）
outbound_qty：当日出库量（所有门店合计）
outbound_store_cnt：当日有出库行为的门店数（去重）
（可选）inbound_qty：当日入库量

若没有 inbound_qty，可后续用库存变化进行推算。

2.2 分析粒度（打标粒度）

一条记录 = 仓库 × SKU × 日期

这是打状态标签的基本单元。后续一切逻辑都以 (warehouse_id, sku_id, date) 为唯一键。

多级品类（cate_1/2/3）不会改变粒度，而是用来确定阈值和规则（不同品类的生命周期/周转速度不同）。

三、基础指标和特征计算

在打标签之前，需要先算一些"滑动指标"和"统计特征"，这些指标用于判断"异常"。

3.1 库存变化与入库推算

如果没有入库字段 inbound_qty，可用库存差和出库回推"隐式入库量"：

text 复制代码

inbound_qty(t) = max( inventory_qty(t) - inventory_qty(t-1) + outbound_qty(t), 0 )

解释：

库存变化 = 昨日库存 + 入库 - 出库。
整理得：入库 = 今日库存 - 昨日库存 + 出库。
负值直接截断为 0，避免数据噪音导致"负入库"。

这一步是为了捕捉"上新/铺货时入库量的突然放大"。

3.2 滑动窗口指标（Rolling Features）

对每个 (warehouse_id, sku_id)，按日期排序，计算：

短期销量/门店数
- roll_7d_outbound_qty：最近 7 日出库量之和
- roll_7d_outbound_store_cnt：最近 7 日有出库门店总数（可以按天求去重后再求和）
中长期销量
- roll_30d_outbound_qty：最近 30 日出库量之和
- roll_30d_outbound_store_cnt：最近 30 日有出库门店数之和
库存与入库
- roll_7d_inbound_qty：最近 7 日入库量之和
- roll_30d_inbound_qty：最近 30 日入库量之和
销量统计特征（历史期）

可以基于较长时间窗口（比如所有历史、或最近 90/180 天）计算每个 SKU 在各仓的统计量：

hist_outbound_mean：历史平均日出库量（排除 0 日可选）
hist_outbound_std：历史日出库量标准差
hist_outbound_median：历史日出库量中位数
hist_outbound_MAD：基于中位数的绝对偏差（Median Absolute Deviation）
hist_store_cnt_median：历史出库门店数中位数
hist_store_cnt_MAD：门店数 MAD

这些统计量用于自动形成"上新强铺货"的阈值和"常规动销"的判定标准。

四、四类状态的业务定义和数学化规则

4.1 上新强铺货（New & Strong Push）

业务理解 ：

该 SKU 在该仓刚开始销售，处于集中铺货阶段，短时间内对大量门店发货，出库量和出库门店数明显高于其后续常态水平。

4.1.1 新品识别（上新起点）

对每个 (warehouse_id, sku_id)：

text 复制代码

首销日期 first_sell_date = 最早 outbound_qty > 0 的 date
上新期长度 T_new = 按品类设定，常见 7--14 天（生鲜可以短一点）

在 [first_sell_date, first_sell_date + T_new - 1] 这个时间窗口内，是候选"上新期"。

4.1.2 强铺货特征

在上新期中，如果满足以下任一类的"超常放大"特征，即可标记为"上新强铺货"：

门店数显著高

text 复制代码

outbound_store_cnt(t) > hist_store_cnt_median + K1 * hist_store_cnt_MAD

K1 取 2~3，根据品类调整。

出库量显著高

text 复制代码

outbound_qty(t) > hist_outbound_median + K2 * hist_outbound_MAD

或使用分位数：

text 复制代码

outbound_qty(t) > hist_outbound_Q90 （历史 90% 分位）

入库量显著高（如果有 / 或用 inbound 推算）
text 复制代码
```
inbound_qty(t) > hist_inbound_median + K3 * hist_inbound_MAD
```

最终规则（示例）：

text 复制代码

若 t 在 [first_sell_date, first_sell_date + T_new - 1] 内，
且 (门店数显著高 OR 出库量显著高 OR 入库量显著高)，
则状态 = "上新强铺货"。

可细化为：

若只有在上新期的最前几天（如前 3--5 天）放大量，其余趋于平稳，则集中标记前几天为"上新强铺货"，之后转"正常上架"。

4.2 短暂下架（Short-term Off-shelf）

业务理解 ：

商品本身仍在运营，但因为系统/运营决策/合规检查等原因，在短期内停止出库；通常仓里还有库存，而且下架前后都有正常出库。

4.2.1 关键特征

一段 不太长 的连续天数，outbound_qty = 0；
这段时间内 inventory_qty > 0（仓里有货却不卖）；
在这段时间的前后有一段时间存在出库（说明只是一段时间的暂停）。

4.2.2 形式化规则

设：

短暂下架天数区间：
- 最小天数 K_min，比如 2~3 天；
- 最大天数 K_max，比如 10 天（超过就趋向"长期下架"）。

对每个 (warehouse_id, sku_id)：

找到所有日区间 [t_start, t_end] 满足：

text 复制代码

对于 t ∈ [t_start, t_end]：
    outbound_qty(t) = 0
    AND inventory_qty(t) > 0
区间长度 L = t_end - t_start + 1
K_min ≤ L ≤ K_max

在区间前后存在出库：

text 复制代码

在 [t_start - P, t_start - 1] 这 P 天中，存在 t'，使 outbound_qty(t') > 0
并且 在 [t_end + 1, t_end + Q] 这 Q 天中，存在 t''，使 outbound_qty(t'') > 0

P,Q 可取 7 天或按品类配置。

对符合条件的每个日期 t ∈ [t_start, t_end]，打标：
text 复制代码
```
状态 = "短暂下架"
```

4.3 长期下架（Long-term Off-shelf）

业务理解 ：

该 SKU 基本从该仓的货架/运营体系里撤掉了，长时间无法购买或不再补货。通常表现为：

很长时间 outbound_qty = 0；
库存为 0 或极低且不再有入库；
前段时间曾经有较明显的销量记录。

4.3.1 阈值依赖品类

不同品类生命周期差异巨大，建议按品类配置长期下架识别天数 M：

示例：

一级品类	短暂下架上限 K_max	长期下架阈值 M
生鲜	3--5 天	7--14 天
食品杂货	7--10 天	30 天
日化百货	10--14 天	30--60 天

4.3.2 形式化规则

对每个 (warehouse_id, sku_id)，寻找满足：

text 复制代码

存在连续 M 天区间 [t_start, t_end]，对所有 t ∈ [t_start, t_end]：
    outbound_qty(t) = 0
并且 (以下任一成立)

1）库存长期为 0 型：
    inventory_qty(t) = 0  对所有 t ∈ [t_start, t_end]

2）库存极低且无入库型：
    inventory_qty(t) ≤ I_low （小阈值，如 1 或 2）
    且 inbound_qty(t) ≈ 0 （可以用 roll_30d_inbound_qty 很小来判断）

3）长期无流动型：
    inbound_qty(t) ≈ 0 且库存几乎不变化（|inventory_qty(t) - inventory_qty(t-1)| ≤ δ）

同时，确保在 [t_start - H, t_start - 1] 这段时间内，商品曾经有稳定销量：

text 复制代码

roll_30d_outbound_qty(t_start - 1) > V_min

否则可能本来就是"从未真正上架过"的死货，不必标记为下架，而是"从未推广"。

对满足的每个日期 t ∈ [t_start, t_end]，打：

text 复制代码

状态 = "长期下架"

4.4 缺货（Out-of-stock）

业务理解 ：

该 SKU 市场上有需求（历史看是动销商品），但此刻仓库库存为 0（或远低于合理安全库存），且不再出库，属于供应跟不上需求。

缺货通常是优先级最高的运营问题。

4.4.1 缺货识别的要素

当前库存为 0 或接近 0：

text 复制代码

inventory_qty(t) <= 安全库存阈值 I_safe（通常 0 或很小）

当前无出库或出库远低于历史水平：

text 复制代码

outbound_qty(t) = 0

或者：

text 复制代码

outbound_qty(t) << hist_outbound_mean （比如 < 0.2 * hist_outbound_mean）

近期有动销/需求

防止一些本来就卖不动的"慢死货被误判缺货"：
- 滑动窗口销量：
  text 复制代码
```
roll_30d_outbound_qty(t-1) > V_min
```
- 或滑动窗口出库门店数：
  text 复制代码
```
roll_30d_outbound_store_cnt(t-1) > S_min
```
可选：门店层面的未满足订单/缺货报表

如有门店订单数据，可以叠加：
text 复制代码
```
store_order_qty(t) > 0 但 outbound_qty(t) = 0
```

4.4.2 形式化规则

对 (warehouse_id, sku_id, date=t)：

text 复制代码

if inventory_qty(t) <= I_safe
   AND ( outbound_qty(t) = 0
         OR outbound_qty(t) < α * hist_outbound_mean )
   AND ( roll_30d_outbound_qty(t-1) > V_min
         OR roll_30d_outbound_store_cnt(t-1) > S_min ):
    状态 = "缺货"

其中：

I_safe 通常可取 0 或基于品类设置安全库存水平；
α 取 0.1～0.3；
V_min、S_min 由全局或品类统计确定（比如，定义"动销 SKU"为过去 90 天至少有 10 单销量、至少覆盖 3 家门店）。

五、状态优先级与冲突消解

同一天同一 SKU 可能满足多种规则（例如：既库存为 0 且长期无销量，同时刚刚过了上新期），需要定义全局优先级，保证每天只有一个最终标签。

建议优先级（从高到低）：

缺货（最直接影响销售和消费者体验）
上新强铺货（新品运营阶段）
短暂下架
长期下架
正常

具体实现上，判定流程可以写成：

text 复制代码

for 每个 warehouse_id, sku_id, date=t:

    if 满足缺货条件:
        label(t) = "缺货"
    else if 满足上新强铺货条件:
        label(t) = "上新强铺货"
    else if 满足短暂下架条件:
        label(t) = "短暂下架"
    else if 满足长期下架条件:
        label(t) = "长期下架"
    else:
        label(t) = "正常"

注意：

长期下架和短暂下架本质上是一个"区间属性"，可以先整体识别区间，再回填到每天。

但在最终逐日判断时按上述优先级覆盖即可。

六、多仓、多级品类的参数管理

6.1 多仓（多个仓库）

多仓不需要修改规则逻辑，只需要确保所有计算都在 (warehouse_id, sku_id) 的分组内独立进行：

滑动窗口、历史统计量，都以"仓+SKU"为单位；
这样同一 SKU 在不同仓可以有完全不同的生命周期和状态。

伪代码示意：

text 复制代码

按 (warehouse_id, sku_id) 分组：
    按 date 排序
    计算 rolling 指标 + 历史统计指标
    计算首销日期 first_sell_date
    扫描日期序列进行状态判断打标

6.2 多级品类（cate_1 / cate_2 / cate_3）

多级品类主要用于配置不同的阈值，例如：

上新期长度 T_new；
短暂下架最短/最长天数 K_min, K_max；
长期下架阈值天数 M；
缺货安全库存 I_safe；
动销判断阈值 V_min, S_min；
强铺货判断时阈值倍数 K1, K2, K3。

可以设计一张"品类参数表"，例：

cate_1	cate_2	cate_3	T_new	K_min	K_max	M	I_safe	V_min	S_min	α（缺货倍率）
生鲜	水果	进口水果	5	2	5	10	0	5	3	0.2
生鲜	肉禽蛋	冷鲜肉	3	2	5	7	0	5	3	0.2
食品	饮料	碳酸饮料	10	3	10	30	2	10	5	0.3
日化	清洁	洗衣液	14	5	14	60	2	8	4	0.3

在计算时，根据 SKU 的 cate_1/2/3 去匹配对应类别的参数。

七、整体实施流程（端到端）

这里给一个可直接翻译成 SQL/Python 的流程框架（按逻辑步骤描述）。

步骤 0：准备基础日表

从原始业务系统中抽取或汇总出日粒度的库存+出库表：

text 复制代码

fact_daily_sku_warehouse
(
  date,
  warehouse_id,
  sku_id,
  cate_1, cate_2, cate_3,
  inventory_qty,
  outbound_qty,
  outbound_store_cnt
)

如果有入库表，可 join 出 inbound_qty；如果没有，后续根据库存变化自动推算。

步骤 1：按仓+SKU 计算时间序列特征

对 (warehouse_id, sku_id) 分组，按 date 排序，计算：

prev_inventory_qty（上一日库存）
inbound_qty（根据公式推算）
roll_7d_outbound_qty / roll_30d_outbound_qty
roll_7d_outbound_store_cnt / roll_30d_outbound_store_cnt
roll_7d_inbound_qty / roll_30d_inbound_qty
历史统计量：hist_*（可先做一个按 sku+仓聚合的结果表）

步骤 2：识别上新期与上新强铺货

对每个 (warehouse_id, sku_id)：

找出首销日期 first_sell_date（最早 outbound_qty>0 的 date）；
从品类参数表查出 T_new；
在 [first_sell_date, first_sell_date + T_new - 1] 内，判断每天是否为"强铺货"（是否超过阈值）：
- 若是，则 label_candidate(t, "上新强铺货") = 1。

步骤 3：识别下架区间

寻找连续 outbound_qty = 0 的区间；
对每个区间，根据区间长度 L 判断是"短暂下架候选"还是"长期下架候选"；
短暂下架候选：
- 要求区间内库存 > 0；
- 区间前 P 天和后 Q 天存在出库；
- 满足则区间内所有 t 标记 label_candidate(t, "短暂下架") = 1。
长期下架候选：
- L >= M（品类参数）；
- 区间内库存为 0 或极低且无入库；
- 区间开始前有历史动销；
- 满足则区间内所有 t 标记 label_candidate(t, "长期下架") = 1。

实现上可以先通过窗口函数给"连续 0 销量"段分段，例如利用"连续区间 ID"的套路（按累加分组）。

步骤 4：每日缺货判断

对每个 (warehouse_id, sku_id, date=t)：

从品类参数表取 I_safe、α、V_min、S_min；
根据前文缺货公式判断是否为"缺货"；
若是，则 label_candidate(t, "缺货") = 1。

步骤 5：按优先级合成最终状态

对每个 (warehouse_id, sku_id, date=t)，基于候选标签和优先级做决策：

text 复制代码

if label_candidate(t, "缺货") == 1:
    label_final(t) = "缺货"
elif label_candidate(t, "上新强铺货") == 1:
    label_final(t) = "上新强铺货"
elif label_candidate(t, "短暂下架") == 1:
    label_final(t) = "短暂下架"
elif label_candidate(t, "长期下架") == 1:
    label_final(t) = "长期下架"
else:
    label_final(t) = "正常"

最终得到一张状态表：

text 复制代码

sku_warehouse_daily_status
(
  date,
  warehouse_id,
  sku_id,
  cate_1, cate_2, cate_3,
  status  -- {上新强铺货, 短暂下架, 长期下架, 缺货, 正常}
)

八、异常数据与边界情况处理

8.1 从未销售过的 SKU

若一个 (仓, SKU) 从历史到现在 outbound_qty 始终为 0：

如果库存也一直为 0：可以视为"从未上架"，通常可以直接给"未上架/无效 SKU"标签，不进入上述 4 类；
如果曾经有库存但始终没卖出去：可以视为"无动销"，也可以归到"正常"或单独一类"僵尸 SKU"。

这一类可在流程前单独识别出来，避免误判为长期下架或短暂下架。

8.2 清仓尾货场景

在长期下架前，有时会出现一个短期内突然高销量、之后直接归零且不再补货，这属于"清仓"。

如果需要区分，可增加一类规则（可选）：

在某个日期附近，outbound_qty(t) 短期内显著高于历史；
随后立即长时间 inventory_qty=0且 outbound_qty=0；
可以给这段之后标记为"清仓后下架"，但严格来说已经属于长期下架扩展。

8.3 数据缺失与异常峰值

对明显的异常峰值（极大或极小），可以通过 MAD 或分位数方法提前进行 winsorize（截断）；
对缺失库存数据，可根据相邻几天的库存和出入库推算填补；实在无法合理推断的日期，可以不给状态或标为 未知。

九、扩展：从规则到模型（可选思路）

当前设计是一套纯规则+统计阈值的逻辑，优点是：

解释性强、可调参；
便于和业务一起 review；

如果数据规模大、特征维度多，可以进一步演化为：

先用这套规则在历史数据上自动打标签（弱监督标签）；
再用这些标签训练一个分类模型（例如 XGBoost、LightGBM）；
输入特征包括：实时库存、入库、出库、门店数、品类、价格带、促销标记等；
模型可以学到更复杂的非线性规律，对规则边界附近情况更鲁棒。