5.3 预测分析与决策优化审计

5.3 预测分析与决策优化审计

预测类模式用历史数据估计未来数值（销量、负荷、产量、故障概率），决策优化则在约束下选择动作。本节横向审计这对搭档的成色：为什么简单基线如此难打败、外部变量何时值得引入、预测到决策的最后一公里断在哪。

打不败的朴素基线

预测领域的第一定律：朴素基线出奇地强。销量预测里"上周同天值加季节修正"能打败一半的深度模型；负荷预测里"去年同期加温度回归"几十年不倒。原因不是模型不行，而是多数业务序列的信噪比就那么高——剩下的"可预测部分"本来就不多。审计预测项目，第一个动作永远是让供应商与朴素基线对比，第二个动作是问赢了基线多少个百分点、这几点换算成3.5节那三笔钱值多少。

import random

random.seed(83)

def series(n=104):
    """一年销量：趋势 + 周季节 + 噪声。"""
    out = []
    for t in range(n):
        trend = 100 + 0.3 * t
        weekly = 20 * [0, -10, -15, 5, 30, 45, 10][t % 7]
        out.append(trend + weekly + random.gauss(0, 12))
    return out

data = series()
train, test = data[:-8], data[-8:]

def mae(pred, actual):
    return sum(abs(p - a) for p, a in zip(pred, actual)) / len(actual)

naive = [train[-7 + i % 7] + 0.3 * (8 + i) for i in range(8)]   # 同星期 + 趋势
oracle = test
print("朴素基线 MAE: %.1f | 噪声下限估计: %.1f" %
      (mae(naive, oracle), sum(abs(a - b) for a, b in zip(test, naive)) / 8 * 0.7))
# 在这样的序列上，复杂模型能从基线手里抢到的改进往往只有百分之几。
# 项目的钱要花在别处：数据清洗、外部变量、决策联动，而不是堆模型层数。
​

外部变量的引入时机

什么时候值得给模型加输入？审计口径是增量验证：加入外部变量（天气、促销日历、宏观指标）后单独重跑回测，改进显著才保留。常见的反模式是"特征越多越先进"——促销日历对快消品是命脉，对建材销量的影响却微弱到不值得维护数据管道。每个外部特征都是一条要长期养的数据管道，养不起的管道不如不加。

最后一公里：从预测到决策

预测类项目最隐蔽的失败在预测之后。模型说"下周销量涨两成"，然后呢？补货规则接了吗？补多少、谁审批、断货责任算谁的？没有接到决策动作的预测是挂在墙上的仪表盘。成色好的项目把预测和优化耦合起来：预测给出分布（不是单点），优化器在分布上算期望成本最低的动作。这也解释了预测和优化为什么是搭档而非邻居——单点预测丢掉的方差信息，恰恰是优化最需要的。

def order_decision(mu, sigma, price=10, cost=4, salvage=1, under_cost=2):
    """报童模型：在需求分布上找期望利润最高的订货量。
    mu, sigma: 预测的均值与标准差——分布，而不是单点。"""
    best_q, best_profit = mu, None
    import math
    def expected_profit(q):
        # 用正态近似离散扫描
        profit = 0.0
        for d in range(int(mu - 3 * sigma), int(mu + 3 * sigma)):
            w = math.exp(-((d - mu) ** 2) / (2 * sigma ** 2))
            sold = min(q, d)
            profit += w * (sold * (price - cost)
                           - max(q - d, 0) * (cost - salvage)
                           - max(d - q, 0) * under_cost)
        return profit
    for q in range(int(mu - 2 * sigma), int(mu + 2 * sigma)):
        p = expected_profit(q)
        if best_profit is None or p > best_profit:
            best_q, best_profit = q, p
    return best_q

print("预测均值300标准差40 -> 建议订货量:", order_decision(300, 40))
print("预测均值300标准差90 -> 建议订货量:", order_decision(300, 90))
# 不确定性越大，最优订货量越保守。单点预测给不出这个结论——
# 这就是"预测必须交分布、决策必须在分布上做"的含义。
​

图：预测到决策的最后一公里

结果、解读与变式

背景（打不败的基线）、操作（基线对照、报童决策）、结果（增量验证口径与最后一公里检查）完整。解读：预测模式的成色规律是"基线先于模型、分布先于单点、动作先于精度"。变式：换行业时最先失效的是外部变量的相关结构——天气对饮料和水泥的作用方向都不同，特征清单必须逐行业重建。下一节看匹配类模式：推荐与搜索。

预测团队的组织位置

模式审计之外补一个组织观察：预测团队的汇报位置影响成色。汇报给技术的团队，模型精度漂亮但业务采纳率低；汇报给业务的团队，模型朴素但真被用进补货与排产决策。原因不难理解——预测的价值只有通过决策动作兑现，而动作权限在业务手里。成色好的组织安排是预测团队嵌入业务条线、共享业务考核，模型上线时连带着一份"决策接入清单"：哪个系统读这个预测、触发什么动作、谁负责异常覆盖。这份清单的存在与否，比团队的算法竞赛奖牌更能预测项目成败。

回测的三个作弊手法

审计预测项目还要会识别回测作弊。手法一：用未来数据做特征（比如用当月促销强度预测当月销量，而促销计划当月初才确定，看似可得实则泄漏）。手法二：随机切分训练测试集，时间序列必须按时间切分，随机切分让模型"见过未来"。手法三：反复调参直到测试集表现好，等于把测试集当训练集用过了。三招都让报告数字虚高，识别方法分别是审特征时间戳、审切分方式、问调参轮次与测试集使用次数。回测可信度不解决，前面所有精度讨论都是空中楼阁。