生鲜损耗是连锁商超头号降本点（行业公开口径损耗率 15-30%，CCFA 数据）。本文从工程角度拆解极昆仑智能问数（极昆仑iInsight）如何把"每日巡检→根因归因→分级处置→验证复盘"四步方法自动化：巡检调度与阈值规则怎么设计、五类根因怎么从结构化+非结构化数据里拆出来、分级降价怎么变成派单到价签/POS 的工作流、T+30 对照实验怎么设计，以及民生品价格红线如何在架构里硬编码。文末附自家数据自算公式。
一、问题定义：损耗为什么是"系统性问题"而不是"管理问题"
先看一组工程上很不友好的现实约束：
-
损耗每天都在发生，临期商品每小时都在过期：人工巡店是离散采样，损耗是连续过程------采样频率跟不上事件频率，这是任何"人盯"方案的底层天花板；
-
损耗 = 报废 + 盘亏 + 降价让利（口径：零售损耗管理通用口径，与 NRF 一致）：三个组成部分里有"主动让利"（分级降价），它和"被动报废"在财务上性质完全不同，账要分开算；
-
短保商品"高毛利高损耗"：乳品/烘焙/熟食毛利 40%，保质期 1-7 天。一盒临期鲜奶卖不出去，不但不赚，还倒贴仓储和报废处理费------毛利率越高，临期失效的损失越大，这是一个反直觉的财务结构；
-
订货两难：订多报废、订少缺货。传统靠店长经验订量，本质上是一个无反馈的开环控制。
结论：这是一个高频、连续、多根因、需要闭环验证的问题，天然适合"规则引擎 + 工作流 + 对照实验"的工程解法，而不是"再招几个人盯着"。
二、系统设计：四步自动化的工程拆解
2.1 巡检调度：从"人发现"到"主动预警"
设计为每日凌晨定时任务 + 阈值规则双通道：
每日 00:30 触发全量 SKU 扫描：
临期命中：到期天数 ≤ 2（短保品口径，按品类可配）
损耗超标命中：损耗率 > 8%（超基准 2 倍，按品类可配）
结果 → 早 8 点推送到店长 + 生鲜采购总监工作台要点：阈值全部语义层固化（到期天数、损耗率红线），同一规则跑全量 SKU 结果可复现；巡检是规则编译的确定性问题，不是模型生成------损耗超标 2 倍的 SKU 连续 3 天没人发现这种情况，在规则引擎下不存在。
2.2 根因归因：结构化 + 非结构化融合
五类根因（订货过量/陈列失效/促销缺位/供应链影响/品类特性）怎么拆？工程上是多源信号 → 归因引擎 → SKU 级根因分布：
| 根因 | 结构化信号 | 非结构化信号 |
|---|---|---|
| 订货过量 | 订货量 vs 实际销量偏差、库存周转天数 | 采购纪要"大量囤货" |
| 陈列失效 | 货位动线数据、陈列面占比 | 巡店记录"冷柜第 3 层温度偏高、鲜奶提前变质" |
| 促销缺位 | 促销档期覆盖率 | 导购反馈"叶菜区到货太晚、货架期只剩 1 天" |
| 供应链影响 | 到货延迟天数、批次质检 | 物流异常报告 |
| 品类特性 | 历史损耗基线（品类天然损耗） | ------ |
关键点：一半根因在系统外------巡店记录、温度监控、顾客反馈都是文本，必须先做实体识别与事件抽取，再与结构化指标在语义层对齐。纯 SQL 只能算出"损耗 12%"，算不出"冷柜温度异常导致鲜奶提前变质"。
2.3 分级处置：从"方案"到"可执行动作包"
分级降价规则（短保品，按毛利结构可配）：
到期 2 天 → 7 折
到期 1 天 → 5 折
到期当日 → 报废止损（生成报废清理单）
配套动作：SKU 级订货调整 + 陈列/设备整改行动包动作包不是一张建议表，是工作流：分级降价自动派单价签/POS，报废清理单自动派单门店，订货调整自动派单采购------这是系统对接，不是查数。人只做审核确认。
2.4 验证复盘：T+30 对照实验
这是整个闭环里最容易被忽略的工程环节：试点门店 vs 对照门店。15 家试点门店生鲜损耗率 12%→8.2%（毛改善 3.8pp），临期报废减少 52%，月度减少损耗 92 万（净口径 1.1pp）------毛改善不能全额计入，因为分级降价在让利（一部分"报废"变成"低价卖掉"），净口径必须扣除让利部分。
三、收益模型与自算公式
年化减少损耗 ≈ F × ΔL：
-
F = 生鲜年销售（财务当天可拿）
-
ΔL = 损耗率净降幅（已扣除让利）：行业实施系统化损耗管理常见改善区间 1-2pp（行业研报推演值）
-
示例口径：F = 10 亿，原损耗率 12%，净降幅 1.1pp → 1100 万/年 （满额兑现）；按门店执行率 50% 折算，保守 500 万/年起步
取数原则：店长执行越到位、数据越全，越靠近 2pp 上限；反之取下限。收益是经营结果，取决于执行力度，POC 只验证技术可行性。
四、合规边界：红线如何硬编码
"能干活又管得住"不是话术，是架构约束：
| 环节 | 数字员工自动执行 | 永远人工 | 架构层硬编码约束 |
|---|---|---|---|
| 民生品价格 | ❌ 不自动调价 | 店长+生鲜采购经理确认 | 民生品（米面油/蛋奶）价格底线白名单，规则引擎跳过 |
| 供应商协议 | ❌ 不签退换货/补损协议 | 采购+商品部人工 | 协议签署不在任何工作流节点 |
| 责任认定 | ❌ 不自动归咎个人 | 管理复盘 | 归因只到 SKU/流程，不到人 |
| 商品决策 | ❌ 不替代人 | 人拍板 | 最终确认节点全部人工 |
四个"绝对不做"（不自主调整民生品价格底线、不自主签退换货协议、不压民生品价格、不替代人做商品决策）在权限模型里是白名单+跳过规则，不是事后提示------这是和"靠人自觉"最本质的区别。
五、为什么通用 ChatBI 做不了
| 能力 | 通用 ChatBI | iInsight |
|---|---|---|
| 查损耗率/拉临期清单/出统计表 | ✅ | ✅ |
| 非结构化根因识别（巡店/温度/反馈） | ❌ 只查结构化 | ✅ |
| 五类根因归因到 SKU 级 | ❌ | ✅ |
| 分级降价+订货调整行动包 | ❌ 只给数据 | ✅ |
| 降价派单价签/POS + 报废单派单 | ❌ | ✅ 工作流 |
| T+30 对照实验闭环 | ❌ | ✅ |
三个跨不过去的壁垒：非结构化融合 （根因一半在系统外，问不出拉不出）、行动方案生成不是出一张表 （每个 SKU 降到几折、订量调多少、报废单怎么派，都要落成动作）、自动执行工作流 + 民生品红线（派单到价签/POS 是系统对接，红线要硬编码）。
六、怎么试
30 分钟需求对齐（不带销售，只看数据适配度）→ 概念验证：拿自家真实生鲜数据跑 1 批历史临期与损耗案例的处置模拟，当场对比"店长经验 vs iInsight 分级降价+订货调整"。根因拆得准不准、方案合不合理，当场判断；损耗率是经营结果，要 2-3 个月试点才出结论。
数据来源：
生鲜损耗率 15-30% 来自中国连锁经营协会（CCFA）零售业生鲜经营统计；
损耗构成口径与全美零售联合会（NRF）年度损耗报告一致；
改善幅度 1-2pp 为行业研报常见区间推演值。