供应链需求预测与库存优化
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_ade1c2ac/supply-chain-demand-forecast。
技能介绍
适用问题
当业务手里有一张按日期记录的销售表，却需要回答“下个月卖多少、要不要补货、哪个 SKU 风险高”时，直接拍脑袋补货容易带来缺货或压库。该技能面向 CSV/Excel 销售数据，把需求预测从临时脚本整理成可复用的分析流程。
技能如何工作
输入字段通常包括 date、sku、sales，也可附带 price、promotion、stock、lead_time。技能会先做数据质量检查：统计缺失率、时间连续性、异常值与季节性，并输出 cleaned_data.csv。随后进入预测环节，依据数据量和特征情况选择 Prophet、XGBoost、LightGBM 等方法，默认倾向使用 Prophet 处理季节性与节假日效应，输出带置信区间的 forecast_results.csv 和交互式图表。若提供库存相关参数，可进一步计算安全库存、再订货点 ROP 和 EOQ，生成补货建议表。最终报告会把历史趋势、分解结果、模型对比、MAPE、MAE、RMSE 与高风险 SKU 预警集中呈现。
适用边界
它更适合有至少 12 个连续时间点的历史销售数据，且预测目标明确为 SKU、品类或整体需求。缺失过多、异常值疑似真实业务事件、或 MAPE 明显偏高时，需要结合促销、节假日、停产等业务背景再判断，而不是直接采信模型输出。
使用场景
- 零售运营拿到各门店月度销售 CSV，想判断下季度某个 SKU 是否要增加备货。
- 供应链分析师有 24 个月销量和促销标记，需要比较 Prophet 与 XGBoost 的预测误差。
- 计划专员收到补货提前期和安全库存目标，需要生成再订货点与补货建议表。
- 数据工程师希望把历史需求清洗、异常值检测与 HTML 报告输出纳入可复用脚本。
适合人员
- 负责 SKU 补货计划的供应链专员，需要在月度复盘时给出安全库存与再订货点。
- 处理门店销量 Excel 的零售运营，想知道哪些品项下月可能缺货或滞销。
- 使用 Python 做时序分析的工程师，需要把 EDA、预测和 HTML 报告串成流程。
- 评估需求预测模型的数据分析师，需要查看 MAPE、MAE 和 RMSE 对比结果。
相关技能
优先使用 web_fetch 抓取百度热搜，校验当天数据，失败时自动降级到浏览器，并输出 TOP 10 排名标题。
每晚自动搜集指数、政策与资金数据，按固定模板生成约1200字的A股政策与交易机会日报，并标注受益板块、驱动事件和涨跌方向。
将自然语言 TikTok 需求映射到 KeyAPI REST 场景，按文档校验端点并执行数据查询与分析。
按城市抓取 BOSS 直聘 AI 岗位，保存为 CSV 等表格，标记今日新增，并输出薪资趋势、投递建议和网页报告。