课程定位

供应链工作经常要在需求变化、库存约束和交付承诺之间做判断。本专题围绕人工智能在供应链管理中的应用，关注企业怎样找出适合用数据和模型辅助的环节，以及怎样检查建议有没有改善经营。以下三个方向属于学习线索，可用实际业务流程对照；示例用于帮助理解，具体教学安排以当期通知为准。

课程内容与学习重点

从日常异常找出值得验证的场景

可以先梳理订单从形成、补货到发运的过程，记录延期、缺货、临时改量和库存积压出现在哪里。以某个品类反复缺货为学习例子，区分需求波动、预测偏差、采购周期和数据更新时间带来的不同影响，再选择一项相对明确的目标。把场景写清楚，后续才能判断模型提示实际解决了哪个问题。

把订单、库存与履约数据放在一起看

同一订单可能在采购、仓储和销售系统中有不同状态，比较前要先确认数据口径与时间尺度。可以用脱敏样例梳理库存可用量、在途量、承诺交付时间与实际签收时间，辨别缺少哪些信息会影响建议。观察模型输出时，也可记录哪些结果能由业务团队直接核验，哪些情况仍需要人工判断并说明原因。

用共同的指标评价试用结果

可分别观察缺货率、订单处理时长、积压情况和交付稳定性，再比较试用前后的变化。以补货建议为学习例子，先限定品类和门店范围，记录接受建议或人工调整的理由，事后对照异常和客户反馈。考虑季节与促销等影响，有助于识别变化是否与实际流程调整有关，也能讨论在哪些情况下适合继续扩大试用。

适合人群

适合采购、计划、仓储、履约和供应链数字化岗位，也适合需要评估相关项目的运营管理者。可以准备一个脱敏流程、一项常见异常及一两个目前使用的业务指标。

开课与报名咨询

课程表将该专题安排为上午与下午两个时段，学习时长为1天。单模块的具体日期、上课地点、费用和参加方式请通过下方表单详询。

温馨提示：课程内容为拟定，具体实际讲授内容由授课老师根据学员情况灵活调整，最终以课堂授课为准。