数据质量评估：商品AI项目上线前必须检查的10类数据

商品AI项目上线前的数据质量评估，不是检查表里有没有数据，而是判断这些数据是否足以支持具体决策。销售数据完整，不代表能做门店补货；库存有数量，不代表能识别可分配库存；在途没有预计到货日，也不能作为销售窗口内的有效供给。

项目不必等所有数据完美才开始，但必须知道哪些场景现在能做、哪些只能简化、哪些会因数据缺口产生误导。

先用五条规则判断数据是否“决策可用”

完整性检查关键字段和业务范围是否缺失；准确性检查数据是否与源系统及业务事实一致；一致性检查不同系统的商品、门店、时间和金额口径能否对齐；及时性检查更新频率是否匹配决策；可追溯性检查字段来源、转换规则和责任人是否清楚。

同一个字段在不同场景中的要求不同。月度品类计划允许较低频更新，日补货则需要更及时的销售与库存；不依赖尺码的品牌层指标可以容忍少量尺码字段缺失，款色码配货、有效库存或尺码供给分析则不行。

1. 商品主数据：商品是否能被正确比较

检查SKU、款、色、码、品类、波段、上市日期、商品角色、价格带和生命周期状态。常见问题是编码重复、属性空缺、品类层级变化未映射，以及同一商品在ERP和电商平台使用不同编码。

主数据错误会让相似款、结构分析和预测分组失效。修复时应保留历史映射，不能直接覆盖旧分类后让历史数据失去解释。

2. 门店与渠道数据：销售发生在哪里

检查门店编码、开闭店日期、区域、商圈、面积、容量、店群、渠道类型和货权。加盟店还应标明数据覆盖率、更新时间和库存调用权限。

门店分群是分析维度，门店分级常用于资源与管理层级，两者不能混为一个字段。关闭门店或改造期间的数据也不应直接进入正常基线。

3. 销售数据：卖出多少采用什么口径

明确支付、发货、签收还是退货后的净销售；处理取消单、退货、换货、员工内购；单独标记大促、直播、会员活动和异常团购。金额还要区分吊牌额、实售额、含税与否。

线上退货存在滞后，近期支付销量不能直接当最终需求。经销商Sell-in也不能替代消费者Sell-through，收入确认仍应按合同和财务政策处理。

4. 库存状态：有库存是否真的能卖

至少区分账面库存、可售库存、未承诺可售库存、可分配库存、可承诺库存、锁定库存、残次品和待质检退货。若库存已经扣除订单或欠交需求，后续计算不得再次扣减。

只有少量边缘尺码的门店，账面有货但未必具备有效销售机会，因此补货和动销分析还要结合关键尺码与有效可售天数。

5. 在途与采购订单：货什么时候能够使用

检查订单数量、已收数量、未发运数量、可取消状态、预计出厂、预计到仓、预计到店和质检时间。在途必须避免与未发运订单重复计算。

只有在销售窗口内按时到货且可售的部分，才能作为有效在途。供应商理想承诺应与历史实际履约时间分开记录。

6. 价格与促销：销量是否由经营条件改变

保存吊牌价、实际成交价、券、满减、平台补贴、活动标签、活动时间和资源位。成交折数＝实售额÷吊牌额；折让率＝1－成交折数，术语应统一。

缺少促销标记，模型会把活动峰值当作日常需求，把提前清货的低价销量当作商品自然表现。

7. 尺码数据：销售是否被断码截尾

检查品类、性别、店群的关键尺码定义，鞋类还要考虑楦型、宽窄版和区域差异，服装则要考虑核心尺码与版型。记录局部断码天数，不要简单删除整天销售。

销售比例不等于真实需求比例。长期缺货尺码的历史占比被压低，直接用于下一季配货会重复制造断码。

8. 供应与履约数据：建议是否来得及执行

检查采购、生产、质检、运输、入库、上架各段实际时间，以及MOQ、整箱倍数、产能、面辅料、鞋楦底模和专用设备限制。只记录“生产7天”不足以表示完整快反提前期。

9. 计划与预算数据：模型受什么目标约束

检查销售目标、需求预测、可实现销售、采购计划、OTB、目标毛利、目标期末库存及版本日期。它们含义不同，不能使用一个“计划量”字段混在一起。

计划必须保留版本、审批人和生效时间，否则无法判断系统使用的是旧目标还是最新决策。

10. 决策与结果数据：系统建议是否真正产生价值

记录建议内容、使用数据、约束、生成时间、人工接受或修改、执行时间及结果。没有这类反馈，项目只能评估预测误差，无法判断建议是否被执行、为什么被拒绝、业务结果是否改善。

用业务风险决定修复优先级

以下P0、P1、P2仅作为项目内部修复优先级示例，不是行业统一分级，也不同于内容选题优先级。P0数据问题会直接导致错误订单、库存重复计算或权限越界，例如库存状态不清、SKU映射错误、在途重复和销售口径混用，应先修复。P1问题影响模型精度或解释，例如活动标签缺失、关键尺码定义不足，可限定场景后修复。P2问题主要影响分析丰富度，可进入后续迭代。

验收不应只看空值率。可以抽取真实业务样本，沿“源系统—数据层—模型输入—建议输出”逐项核对，并让商品、供应链、财务和IT共同确认口径。数据覆盖不足时，输出应明确标记范围和置信边界。

第七在线的数据准备应围绕目标场景展开：做补货需要销售机会、库存状态、有效在途和提前期；做商品计划还要增加目标、OTB、成本与商品结构；做尺码优化则必须下钻到款色码和断码记录。第七在线可基于实际接入与项目配置辅助计算和形成建议，但不能替企业补造缺失的业务事实。

上线门槛应由场景决定

商品AI的数据门槛不是“数据很多”，而是关键事实能否在同一商品、门店和时间口径下被还原。上线前先明确场景，再检查十类数据，最后按决策风险修复，通常比追求一张抽象的数据质量总分更有效。

常见问题

1. 数据不完整，项目还能开始吗？

可以从数据较完整、动作清晰的场景试点，但必须标明覆盖范围和不可支持的决策。

2. 历史数据需要几年？

没有统一年限。要覆盖与场景相关的季节、生命周期和活动，并重视数据可比性；更多错误历史不一定更有价值。

3. 库存每天对不上怎么办？

先核对同步时点、订单占用、退货质检和跨仓调拨，再决定采用哪个快照；高风险自动执行场景应暂缓。

4. AI能自动清洗所有数据吗？

可以辅助识别异常、重复和映射候选，但业务含义、库存权属和财务口径需要责任人确认。

5. 数据质量项目由IT负责吗？

IT负责技术链路，业务部门负责定义口径和验证事实；没有业务责任人的数据治理难以持续。