企业官网建设流程全解析

DACRI（Decision-Aware Causal Intervention Ranking，决策感知的因果干预排序）这类方法，最早引起我注意，不是因为它名字新，而是因为它恰好踩中了供应链落地里的一个真实痛点：你知道自己该干预，但资源有限，不知道先干预谁。传统预测模型能告诉你某个关键物料下个月大概率会缺货，却不能直接告诉你该换供应商、加安全库存，还是启动第二货源。DACRI 的思路，就是把这些候选动作当成干预变量，用因果推断估计每个干预的真实效果，再按决策成本和可行性排序，最后输出一份“先做什么、后做什么”的行动清单。

这个主题适合谁看？一类是供应链计划、采购和运营团队，想从“拍脑袋排序”过渡到“数据驱动排序”；另一类是数据科学和分析团队，正在做预测但发现预测结果没法直接指导动作。这篇文章不点评任何具体论文，只按我自己落地这类因果排序方法的经验，把概念、流程、参数、坑和排查顺序拆开讲。

1. 先想明白：DACRI 解决的是“做什么”而不是“会发生什么”

1.1 关键供应链里的三类问题

关键供应链指什么？通常指那些一旦断供就会导致生产停线、业务中断、甚至公共安全风险的物料链条，典型的有电子元器件、汽车关键零部件、医疗耗材、特殊化学品等。这类供应链有一个共同特点：替代性差、切换成本高、库存回旋余地小。

运营团队每天面对的问题，其实可以分成三层。

第一层是“会发生什么”。比如下个月某款主控芯片的需求量是多少，现有库存能不能撑到新批次到货。这一层是预测问题，主流做法是时间序列、需求预测、机器学习回归。

第二层是“为什么会这样”。比如这周缺货是因为供应商产能不足，还是因为销售预测偏低导致采购计划滞后。这一层是归因问题，通常靠根因分析、流程回溯和数据下钻。

第三层是“现在应该干预谁”。预算有限、谈判能力有限、仓库空间有限，时间窗口也就一两周，手上有三五个候选动作：给A供应商加急订单、给B物料补安全库存、给C品类找第二货源。到底先做哪个？这一层才是 DACRI 真正聚焦的地方。

很多团队的问题是，前三层都做了，第三层靠开会拍板。拍板不是不行，但动作一多、品类一杂，经验就覆盖不过来了，这时候才需要一套基于因果推断的干预排序方法。

1.2 预测、归因和干预排序不是一回事

这里要特别强调一个容易混淆的点：预测准不等于知道怎么干预。模型预测某物料下周缺货概率 80%，这只是信息。真正的问题是：如果我把安全库存从 7 天加到 14 天，缺货概率能不能降到 20%？如果我把订单从供应商A转到供应商B，交期会不会从 40 天变成 25 天？这些问题问的是“如果我做了某个动作，结果会不会变”，也就是因果干预效果。

普通机器学习模型学的是相关性。历史数据里，供应商A的交期长和缺货高可能同时出现，但交期长是缺货的因还是果，或者背后还有一个被忽略的产能利用率变量在同时影响两者，模型并不知道。因果推断要做的，就是把这层关系拆开：要么通过实验，要么通过合理的因果结构假设，估计出“动作→结果”的真实效应。

DACRI 里的 Ranking 也很关键。它不追求把所有干预都做一遍，而是在有限资源下给出优先级。所以它的输出不是一张相关性热力图，而是一张按预期净收益排序的行动清单。

2. 为什么不能直接拿历史相关性和普通评分来排序

2.1 相关性背后的混杂因素

假设我们想评估“增加安全库存”这个干预的效果。如果只看历史数据，库存高的物料缺货率确实低，于是很容易得出“安全库存越高越好”的结论。但这里有个明显的混杂：需求波动大的物料，计划员本来就会设置更高的安全库存，而需求波动大本身就会导致更高的缺货风险。也就是说，库存水平和缺货率同时受“需求波动”这个变量影响，直接比较会产生偏差。

供应链数据里混杂因素非常多：季节因素、促销节奏、供应商产能周期、汇率波动、客户信用变化，还有计划员自己的操作习惯。这些变量如果没进模型，干预效果的估计就可能偏掉。DACRI 这类方法的做法，是先画一张因果结构图，把哪些变量影响干预、哪些变量影响结果、哪些变量同时影响两者，全部显式列出来，再决定哪些变量要在估计时控制住。

2.2 反事实：历史上没发生过的干预怎么估计

另一个难题是反事实。因果干预效果的定义是：同一批物料，在“做了干预”和“没做干预”两种情况下结果之差。但在现实中，同一批物料要么做了干预，要么没做，你永远只能观测到其中一种。这就是为什么常说因果推断的核心是处理缺失的对照。

关键是，很多干预在历史上根本没有发生过，或者只发生过一两次。比如某个关键品类从来没有导入过第二货源，那你拿历史数据怎么估计“导入第二货源”的效果？这靠传统回归是做不到的。可行的思路有几条：

第一，找近似场景。看看其他品类、其他产品线，甚至行业内的公开案例，有没有做过类似动作，把那些结果作为先验信息。

第二，缩小干预的定义粒度。把“导入第二货源”拆成“引入备用批准供应商”“降低单一供应商份额”“建立合格供应商池”等更细的动作，历史数据里可能能找到这些子动作的记录。

第三，用小规模试点和影子运行补数据。这也是我更推荐的方式：与其在模型里硬推一个没发生过的干预，不如设计一个最小可行试点，先在一个物料号上验证，把观测数据积累起来，再回填模型。

2.3 决策感知的真正含义：错误代价是不对称的

“Decision-Aware”这个词，我理解下来核心是：排序的目标不是让预测误差最小，而是让决策损失最小。

举个例子。假设两个物料都有 10% 的缺货风险。对物料 A，多备一周库存的成本很低，仓库也放得下；对物料 B，库存成本极高，而且货值大、保质期短。这时候普通预测模型会觉得两者风险一样，但决策模型会认为物料 A 更值得干预，因为单位干预成本低、边际收益高。

更典型的是漏报和误报的不对称。漏报一个真实断供风险，可能导致停线，损失可能是几十万；误报一个虚假风险，最多是多付一次加急运费。两个预测误差绝对值一样，但后果差几个数量级。所以决策感知的方法会把成本函数写进目标，排序时直接按“预期干预收益减去预期干预成本”来算，而不是按“得分高者优先”。

这一步看起来简单，实际落地时最容易出错。因为业务部门很难给出精确的成本数字，通常需要供应链、财务、运营一起把每个干预动作的成本边界敲定，哪怕是一个粗略的范围，也比完全忽略好得多。

3. 从数据到干预排序的六步落地流程

3.1 定义干预候选集和结果指标

第一步别急着建模，先把干预候选集列出来。每类供应链的候选动作不一样，但常见类别大致如下：

结果指标也要定义在前面。我建议优先用运营侧指标，而不是纯财务模型指标，常见的有：缺货次数、缺货天数、服务满足率、库存周转天数、加急发货比例、断供导致的停线工时。指标不要贪多，3 到 5 个核心指标足够，否则后面效果评估会变得很分裂。

3.2 收集并清洗数据

DACRI 需要的数据至少覆盖四块：干预记录、结果记录、时变混杂变量、静态属性。

干预记录就是“什么时候对哪个物料做了什么动作”，比如某天给某物料提升了安全库存，某周给某供应商下了加急订单。很多企业的 ERP 订单里有加急标记，但要把它转成结构化的干预事件表，通常需要手工梳理一遍。

结果记录是每个物料每个周期在运营指标上的表现，比如按周汇总的缺货次数和满足率。

时变混杂变量很关键，包括需求预测值、在手订单、供应商产能利用率、交期达成率等。这些变量会随时间变化，会影响干预决策，也会影响结果，需要在估计时控制。

数据清洗时最容易踩的坑是时间错位。干预是第 3 周做的，结果应该看第 4 周到第 6 周，而不是第 3 周本身。曾经我见过一个项目，把干预和结果放在同一周统计，导致几乎所有干预看起来都有效，因为缺货发生了才触发加急，加急当周缺货统计还在。这种时间对齐问题，必须在清洗阶段就定好规则。

3.3 构建因果结构假设

这一步不要省。你不需要画出完美的因果图，但至少要把三件事说清楚。

第一，哪些变量是干预的父节点，也就是会影响“要不要做干预”的因素。比如物料缺货风险越高，越可能被加库存，这就是一个父节点。

第二，哪些变量是结果的父节点，也就是真正驱动缺货或满足率变化的因素。

第三，哪些变量同时影响干预和结果，也就是需要控制的混杂因素。

把这个图画出来，团队就对齐了一个很重要的共识：模型里哪些变量是要估计的效应，哪些变量只是用来做控制。如果这一步省掉，后面所有系数解释都会打架。

3.4 估计干预效果

有了因果结构假设，接下来就是选择估计方法。常见的方法包括倾向得分加权、双重差分、工具变量、结构方程模型等。具体选哪个，取决于数据形态：干预是不是随时间变化、有没有对照组、有没有合适的工具变量。

这里给一个比较通用的操作顺序：先跑一个最简单的版本，把干预作为变量放入模型，调整混杂变量后看效应方向；再用倾向得分匹配或加权做一遍，看结论是否一致；如果结论稳定，再考虑更复杂的模型。结论一致性比单模型精度更重要。

同时要强调一点：不要因为某个方法很炫，就跳过简单版本。先看简单模型给出的效应方向和量级是否合理，再逐步加复杂度，能省掉很多排查时间。

3.5 把决策成本写进评分函数

估计出每个干预的效果之后，还不能直接排序。要把决策成本、执行难度、风险边界一起算进去。

这里用一个示例来说明评分思路，具体公式要看业务口径：

干预优先级得分 = 预期效果权重 * 效果估计值 - 成本权重 * 单次干预成本 - 风险惩罚 * 执行失败概率 + 可行性调整 * 资源可用度

这只是示意，不是标准公式。真正落地的关键在于把每个权重和业务口径对齐：效果估计值用什么指标，成本是财务口径还是资源口径，风险惩罚怎么定义，可行性调整是专家打分还是系统数据。权重可以先用简单枚举法：让业务负责人给几个典型场景打分，反推出权重范围，再小范围校准。

3.6 排序、复盘、再训练

排序结果出来后，做两件事：一是给业务团队看排序结果是否合理，二是在过去几周的数据上做回测，看如果当时按这个排序执行，结果会不会比实际执行更好。

回测通过后，可以进入影子模式：系统每周输出一份推荐清单，业务团队按自己的经验执行，但系统同步记录“推荐了什么、实际做了什么、后续结果如何”。跑 4 到 8 个周期后，用新数据重新评估模型效果，再决定是否让推荐清单进入正式决策流程。

4. 关键参数与判断标准：怎么算有效

4.1 结果指标：用一线运营指标而不是学术指标

很多团队一开始会把模型评估指标设成精度、召回、AUC 这类，但业务侧最关心的其实是：缺货次数降了多少、加急订单减少多少、满足率提升多少。我建议评估时至少同时看两层。

第一层是模型指标，验证排序的区分度。可以用排序相关性、Top-K 命中率，即推荐干预的前 10 个物料里有多少确实出现了风险改善。

第二层是业务指标，也就是前面说的缺货次数、满足率、库存周转。这一层直接决定项目能不能继续做下去。

4.2 效果估计的置信度和最小可行改善

因果推断的估计值都带不确定性。排序的时候，不能只看点估计，还要看置信区间。两个干预候选，一个效果均值是 0.3，置信区间很宽；另一个效果均值是 0.25，置信区间很窄。如果预算只能做一个，我大概率会选后者，因为收益更确定，虽然看起来少一点。

同时要定一个“最小可行改善”门槛。比如缺货率至少要降低 5 个百分点才算有效干预，低于这个值不值得组织资源去执行。这个门槛应该由业务和财务一起定，不能交给数据团队拍脑袋。

4.3 排序更新节奏

干预排序不是每天都要重排。任务窗口和决策节奏决定更新频率：如果补货周期是一周，每周重排一次就好；如果是按季度做供应商策略，季度重排一次更合适。

更新太频繁有两个坏处：一是业务团队还没来得及执行，排序就变了，失去参考意义；二是短期波动会导致排名反复跳动，削弱信任。更稳妥的做法是把排序分成两层：长期策略层，比如供应商结构、安全库存策略，每月或每季更新；短期执行层，比如加急、调拨，每周更新。

5. 常见坑与排查链路

5.1 先查数据泄漏和时间错位

如果排序效果在回测里好得不正常，几乎是数据泄漏。常见的泄漏来源有三种。

第一，用了未来信息。清洗时把当期之后的数据混进了特征，比如用第 4 周的实际需求去预测第 3 周的缺货风险。

第二，时间窗口没对齐。干预、混杂变量、结果三个时间点的错位，前面已经提过。

第三，目标泄漏。结果指标本身被当作特征引入，比如用“是否缺货”去预测“是否需要干预”，那就没有任何意义。

排查时先检查特征的时间戳是否严格在预测时点之前；再检查干预事件表和结果表的时间对齐规则；最后用一个随机打乱标签的版本跑一遍，如果模型还是能拿到高精度，说明特征里存在泄漏。

5.2 再查混杂因素和幸存者偏差

如果结果看起来合理但和业务经验冲突，优先怀疑混杂没控制住。比如某供应商的物料看起来交期长导致缺货多，但它供应的本来就是最难做的定制件，交期长和缺货多都是“定制程度高”的结果，而不是因果关系。

幸存者偏差在供应链里也很常见。历史数据里只有存活下来的供应商和物料才有完整记录，那些已经停供、转型、破产的供应商，其数据可能缺失或不再更新。如果只基于现存的供应商做干预效果估计，结果会偏向乐观。处理办法是尽量保留历史供应商的全量记录，哪怕它已经不在当前供应商列表里。

5.3 然后查业务可执行性

模型排在第一位的干预，经常是业务上做不了的。比如某个物料需要双供应商，但该物料有专利或认证壁垒，短期内根本找不到合格的第二家。这种情况不是模型错了，而是约束条件没有进模型。

我建议在排序前，先给每个干预候选打三个标签：能不能做、多久能做、做了会不会有连锁风险。能不能做是硬约束，比如资质、认证、产能、合同条款；多久能做是时间窗，和缺货风险爆发的时点对比；连锁风险是指会不会挤占其他物料的供应资源。这三个标签可以作为排序的过滤条件，而不是全靠模型。

5.4 最后查模型是否在追逐噪音

如果排序结果每期都在剧烈变化，这周第一下周就掉到第十，大概率是模型在追逐短期噪音。供应链数据本身噪声大，尤其是周度数据。处理思路是给结果指标做平滑，比如用四周移动平均，或者缩小估计窗口，用更长周期的数据来减少波动。

另外一个常见问题是在罕见事件上过拟合。关键供应链里真正的大断供是低频事件，样本很少，模型很容易把某次特殊事件学成强规律。这种情况下，宁可降低该类事件的权重，也不要让排序被个别历史灾难主导。

6. 从单类物料试点到全链路推广

6.1 先选一个高价值、干扰少的品类

第一次落地 DACRI，我强烈建议先选一个高价值、历史数据完整、供应商关系相对简单的品类。高价值意味着项目有预算支持；数据完整意味着因果估计不用花大量时间补数；供应商关系简单意味着决策链路短，容易验证。

不要一上来就铺到全品类。全品类意味着要处理完全不同的供应结构和数据质量，排查周期会拉得特别长，项目很容易死在中途。

6.2 建立专家复核和影子模式

模型排序结果上线前，先进入影子模式。系统每周生成推荐清单，但不直接驱动执行，而是由供应链计划员对照自己的判断做一个标注：同意、部分同意、不同意，并写明原因。这些标注是极其宝贵的校准数据。

跑几轮之后，你会发现两类问题：一类是专家掌握了模型没有的特征，比如某供应商老板最近资金链紧张，即将出现撤单风险；另一类是模型捕捉到了专家没注意的规律，比如某个品类的缺货总是集中在特定月份。把这些差异记录下来，是模型迭代最直接的方向。

6.3 监控什么：干预执行率、效果回测、指标漂移

正式上线后，我建议每周或每月固定看三组监控。

第一组是干预执行率。推荐清单里有百分之多少被业务真正执行了。如果执行率很低，说明排序和业务约束脱节，要优先调整过滤条件，而不是调模型。

第二组是效果回测。按周滚动比较“执行了推荐干预的物料”和“没执行干预的物料”之间的结果差异。这个对比不是严格随机实验，但可以作为一种持续监控手段。

第三组是指标漂移。需求模式、供应商产能、运输环境都在变，模型的因果结构假设可能过时。如果发现排序结果和实际结果的差距持续扩大，就要考虑重新估计因果结构，而不只是重新训练参数。

最后留一个我自己的判断：DACRI 这类方法，真正有价值的地方不是把排序做得更花哨，而是逼着团队把“干预动作、结果指标、混杂因素、决策成本、执行约束”这五件事显式地写下来。只要这五件事对齐了，哪怕模型简单一点，落地效果也不会差。反过来，如果这五件事都是黑箱，再先进的因果模型也帮不上忙。