白名单业务流程

历史90天订单明细

筛选 可调拨品类

大促

白名单预测

选品（白名单）

计算流程之前

读取当天的特征数据

过滤库房属性为空

参考快速算法逻辑

取特征表当天分区的Label数据作为训练集的label

按天插入分区表，每天记录前90天的特征数据

用searchAPI取搜索结果（每个词的top10）

筛选R2R可用白名单

给调拨

计算RDC可用库存

label打标：（BAND用的王鑫的band，一级分类7天BAND）1. 三级分类结果中：BAND ABC 热搜词表结果中： 无促销，BAND CD2. 热搜： BAND AB3. 热搜： 促销NEW. 热搜出来的&次新品（ 近3天的平均销量 相同三级分类，BAND D的7天平均销量）

新品白名单

箱规

拆单

SKU： dc间的配对+配出量计算

库存、网络、系统参数。。。

库存平衡白名单

全部TDC历史90天进入范围的SKU出全量预测结果，存到app.app_alloc_whitelist表中

确定SKU数量

汇总

RANK

用池子剔除

剔除 虚拟、测试商品，不参与的仓

等待RDC下所有二级仓计算完成后，计算分配

Search

SKU+DC，计算逆配量

TDC：可调拨品类、黑名单

读取最新的训练模型

根据最新SKU的品类信息，更新订单信息

卡周预测1

大促分配

计算总单量

取热搜词表，三级分类表

band

取特征表7天前的分区数据作为训练集

使用未剔除的总单量做分母，和剔除后的各个订单参数，计算百分比，进行排序

数据清洗特征生成（每天跑）

数据清洗

安全库存模型，计算FDC、TDC的补货量

组装、排序仓群信息

参数汇总

模型训练（每周跑）

训练模型

筛选可用白名单

Sklearn

符合85%的条件

多次调拨建议筛选

DC： 可配出量限制逻辑（产能约束）

动态调整项

构造可调拨的SKU+DC

按照DC维度，分别构造GBDT训练模型，并把模型文件存储到本地

生成特征

FDC：不可调拨品类、黑名单、不可调拨SKU

定义：新品|次新品（销量预测定义）能调的：次新品SKULIST

卡一个规则

计划性调拨

订单过滤： 剔除包含不可调拨的父单

TDC：收货地口径前90天所有有效订单

4个标对应不同的调拨策略另外该白名单SKU不受调拨白名单数量限制

可调拨SKU+DC池子

数据准备

根据系统推过来的配置算法的TDC列表，过滤白名单范围，存入app.app_alloc_whitelist_online

SKU+DC，计算需求量、可供给量

白名单

热搜