<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>把数字变成决策</title><description>谭子健（Eric Tan）的个人主页：把数字变成决策——零售场景中的数据与策略实战，从供应链仓端到流量与用户培育。</description><link>https://www.tanzijian.cn/</link><item><title>告别古法 SQL 分析：把时间还给分析本身</title><link>https://www.tanzijian.cn/blog/knowledge-base-for-ai/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/knowledge-base-for-ai/</guid><description>分析师的一天：两个小时的找表对口径，二十分钟的真正分析。解法是四件套知识库——它本来是写给人的，大模型来了之后，它成了 AI 的上下文。</description><pubDate>Mon, 28 Sep 2026 16:00:00 GMT</pubDate></item><item><title>不同商品角色不同命：一套策略打天下的时代结束了</title><link>https://www.tanzijian.cn/blog/product-role-matrix/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/product-role-matrix/</guid><description>供应链最大的浪费，是用同一套策略管一万种命运完全不同的商品。四个维度交叉出角色矩阵，策略从「一条规则管全网」变成「一张路由表」。</description><pubDate>Mon, 21 Sep 2026 16:00:00 GMT</pubDate></item><item><title>节假日怎么办：安全库存的时间节点框架</title><link>https://www.tanzijian.cn/blog/holiday-safety-stock/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/holiday-safety-stock/</guid><description>「中秋的货什么时候开始囤？」「老规矩，提前两周。」「两周是哪来的？」「……」——把什么时候加、什么时候撤，从手感变成规则。</description><pubDate>Mon, 14 Sep 2026 16:00:00 GMT</pubDate></item><item><title>库存算法上线怎么做 A/B：对标、冻结与混杂因素清单</title><link>https://www.tanzijian.cn/blog/ab-testing-did/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/ab-testing-did/</guid><description>库存算法做不了经典的 A/B——同一个仓里两组库存会互相挤占。我们的解法：人工配对照仓、配完锁死、双重差分评估、混杂因素提前设计成变量。</description><pubDate>Mon, 07 Sep 2026 16:00:00 GMT</pubDate></item><item><title>算法全切翻车记：缺货率暴涨教我的三件事</title><link>https://www.tanzijian.cn/blog/algorithm-cutover-lessons/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/algorithm-cutover-lessons/</guid><description>回测里库存大降、周转大降，评审全票通过。全量切换一周后，缺货率翻了四倍。这个教训值得写给所有做算法上线的人。</description><pubDate>Mon, 31 Aug 2026 16:00:00 GMT</pubDate></item><item><title>80% 的 SKU 不服从正态分布：安全库存的公式用对了吗</title><link>https://www.tanzijian.cn/blog/demand-distributions-safety-stock/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/demand-distributions-safety-stock/</guid><description>安全库存 = Z × σ × √提前期，每个人都背过。但把大量仓品的出库序列逐个做分布检验后，结论是：我们给一大半商品开着一副不对症的药。</description><pubDate>Mon, 24 Aug 2026 16:00:00 GMT</pubDate></item><item><title>缺货与周转的平衡术：库存优化空间到底在哪</title><link>https://www.tanzijian.cn/blog/stockout-vs-turnover/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/stockout-vs-turnover/</guid><description>销售嫌缺货，财务嫌压货。但大部分公司的库存问题轮不到这对矛盾出场——库存不是均匀地多了，而是结构性地放错了。</description><pubDate>Mon, 17 Aug 2026 16:00:00 GMT</pubDate></item><item><title>仓网升级：RDC 到 FDC，拉式还是推式</title><link>https://www.tanzijian.cn/blog/network-push-pull/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/network-push-pull/</guid><description>教科书说拉式牛鞭小、推式易积压。但教科书的结论是建立在「各仓互相看不见库存」的旧前提上的——前提一变，结论得重新推一遍。</description><pubDate>Mon, 10 Aug 2026 16:00:00 GMT</pubDate></item><item><title>建议给出去了，怎么知道有没有用：一篇讲透采纳率归因</title><link>https://www.tanzijian.cn/blog/adoption-attribution/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/adoption-attribution/</guid><description>采纳率 72% 回答不了的问题是：剩下 28% 是没采纳，还是没采纳对了？观察窗、容差带、快照锁定、四象限——一套能回答四种「怪谁」的归因方法。</description><pubDate>Mon, 03 Aug 2026 16:00:00 GMT</pubDate></item><item><title>让 AI 帮你做决策：仿真先自证，再谈答案</title><link>https://www.tanzijian.cn/blog/supply-chain-simulation/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/supply-chain-simulation/</guid><description>仓够不够装？有货率掉几个点？跟供应商谈三天假能换回多少？三个没法拍脑袋的问题，用一张等高线图回答。但先回答一个质疑：凭什么相信你电脑里跑出来的曲线？</description><pubDate>Mon, 27 Jul 2026 16:00:00 GMT</pubDate></item><item><title>如何做补货：从预测值到一张采购单</title><link>https://www.tanzijian.cn/blog/replenishment-forecast-to-po/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/replenishment-forecast-to-po/</guid><description>预测曲线躺在表里不会变成库存。把它翻译成采购单，隔着三个参数（BP、VLT、安全天数）和一个叫缺货还原的幽灵。</description><pubDate>Mon, 20 Jul 2026 16:00:00 GMT</pubDate></item><item><title>当业务经验和模型打架：锚点是约束，不是目标</title><link>https://www.tanzijian.cn/blog/business-anchor-as-constraint/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/business-anchor-as-constraint/</guid><description>业务拍的数和模型算的数差了近 10%，怎么办？乘系数、解权重、追最高准确率，三条直觉路线全是坑。正确答案是给经验换一个位置。</description><pubDate>Mon, 13 Jul 2026 16:00:00 GMT</pubDate></item><item><title>如何做一个能生产的预测：从一个数字到四层体系</title><link>https://www.tanzijian.cn/blog/forecast-production-system/</link><guid isPermaLink="true">https://www.tanzijian.cn/blog/forecast-production-system/</guid><description>预测存在，不代表预测体系存在。把一个数字拆成四层生产线，用偏差率代替准确率做评价，再给预测装上五类异常的监控告警。</description><pubDate>Mon, 06 Jul 2026 16:00:00 GMT</pubDate></item><item><title>前置仓智能补货系统</title><link>https://www.tanzijian.cn/projects/smart-replenishment/</link><guid isPermaLink="true">https://www.tanzijian.cn/projects/smart-replenishment/</guid><description>覆盖 300+ 前置仓的动态补货策略体系：分角色的库存水位、天气与促销感知的需求预测、实时水位调节。</description><pubDate>Tue, 30 Sep 2025 16:00:00 GMT</pubDate></item><item><title>商品角色分类与差异化定价体系</title><link>https://www.tanzijian.cn/projects/category-pricing/</link><guid isPermaLink="true">https://www.tanzijian.cn/projects/category-pricing/</guid><description>为 4000+ SKU 建立数据驱动的商品角色标签，并落地差异化定价与 KVI 监控，调价后毛利额提升 6%。</description><pubDate>Tue, 30 Apr 2024 16:00:00 GMT</pubDate></item><item><title>零售需求预测平台</title><link>https://www.tanzijian.cn/projects/demand-forecasting/</link><guid isPermaLink="true">https://www.tanzijian.cn/projects/demand-forecasting/</guid><description>面向采购与补货场景的需求预测平台：统一特征库、分桶评估体系、预测偏差归因看板。</description><pubDate>Mon, 31 Jul 2023 16:00:00 GMT</pubDate></item><item><title>仓网库存仿真沙盘</title><link>https://www.tanzijian.cn/projects/inventory-simulation/</link><guid isPermaLink="true">https://www.tanzijian.cn/projects/inventory-simulation/</guid><description>一个仓网规划与库存策略的仿真工具：在虚拟环境里预演新仓选址、库存分布与履约时效的连锁反应。</description><pubDate>Tue, 31 May 2022 16:00:00 GMT</pubDate></item></channel></rss>