数据集概览
| 数据集名称 | 供应链管理数据集 |
| 数据总量 | 720,000+ 条运营记录（覆盖 1,200+ 节点企业多年度供应链数据） |
| 供应链类型 | 制造业供应链 / 零售供应链 / 冷链物流 / 跨境供应链 / 电商履约 |
| 行业覆盖 | 电子制造 / 汽车零部件 / 快消品 / 医药流通 / 服装纺织 / 食品饮料 |
| 核心指标 | 采购订单、库存水位、物流时效、供应商绩效、需求预测、成本分析 六大维度 500+ 指标 |
| 时间跨度 | 2018 - 2025 年日/周/月粒度数据 |
| 数据来源 | 企业ERP系统、WMS仓储管理系统、TMS运输管理系统、供应商协同平台、海关报关数据 |
数据维度详细说明
| 字段名称 | 数据类型 | 取值范围/说明 |
|---|---|---|
| supply_chain_id | String(18) | 脱敏供应链标识ID |
| node_type | Enum | SUPPLIER | MANUFACTURER | DISTRIBUTOR | RETAILER | WAREHOUSE | LOGISTICS |
| industry_sector | Enum | ELECTRONICS | AUTO_PARTS | FMCG | PHARMA | TEXTILE | FOOD_BEV |
| period_date | Date | 数据记录日期 2018-01-01 至 2025-12-31 |
| granularity | Enum | DAILY | WEEKLY | MONTHLY |
| po_quantity | Integer | 采购订单数量 |
| po_fulfillment_rate | Float | 订单履约率 0.0 - 1.0 |
| inventory_level | Integer | 库存量（SKU单位） |
| inventory_turnover | Float | 库存周转率（次/年） |
| safety_stock_days | Float | 安全库存天数 |
| lead_time_days | Integer | 采购前置时间（天） |
| delivery_lead_time | Float | 物流交付时效（小时） |
| otif_rate | Float | 准时足量交付率（OTIF） 0.0 - 1.0 |
| transport_cost | Float | 单笔运输成本（元） |
| supplier_score | Float | 供应商综合评分 0.0 - 100.0 |
| quality_defect_rate | Float | 质量缺陷率（PPM） |
| forecast_demand | Integer | 需求预测量（SKU单位） |
| actual_demand | Integer | 实际需求量（SKU单位） |
| forecast_accuracy | Float | 预测准确率 0.0 - 1.0 |
| supply_chain_risk | Enum | LOW | MODERATE | HIGH | CRITICAL |
脱敏 JSON 数据样例
[
{
"supply_chain_id": "SC-MFG-E0062",
"node_type": "MANUFACTURER",
"industry_sector": "ELECTRONICS",
"period_date": "2024-08-15",
"granularity": "DAILY",
"po_quantity": 1850,
"po_fulfillment_rate": 0.942,
"inventory_level": 4200,
"inventory_turnover": 12.5,
"safety_stock_days": 14.0,
"lead_time_days": 21,
"delivery_lead_time": 48.5,
"otif_rate": 0.917,
"transport_cost": 2850.0,
"supplier_score": 87.3,
"quality_defect_rate": 152.0,
"forecast_demand": 1750,
"actual_demand": 1850,
"forecast_accuracy": 0.946,
"supply_chain_risk": "LOW"
},
{
"supply_chain_id": "SC-DIST-W0128",
"node_type": "DISTRIBUTOR",
"industry_sector": "FMCG",
"period_date": "2024-11-22",
"granularity": "WEEKLY",
"po_quantity": 12800,
"po_fulfillment_rate": 0.883,
"inventory_level": 35000,
"inventory_turnover": 24.8,
"safety_stock_days": 7.0,
"lead_time_days": 5,
"delivery_lead_time": 24.0,
"otif_rate": 0.861,
"transport_cost": 6200.0,
"supplier_score": 72.5,
"quality_defect_rate": 320.0,
"forecast_demand": 13500,
"actual_demand": 12800,
"forecast_accuracy": 0.948,
"supply_chain_risk": "MODERATE"
},
{
"supply_chain_id": "SC-LOG-C0234",
"node_type": "LOGISTICS",
"industry_sector": "PHARMA",
"period_date": "2025-03-10",
"granularity": "DAILY",
"po_quantity": 420,
"po_fulfillment_rate": 0.995,
"inventory_level": 680,
"inventory_turnover": 36.2,
"safety_stock_days": 3.5,
"lead_time_days": 2,
"delivery_lead_time": 6.5,
"otif_rate": 0.988,
"transport_cost": 4200.0,
"supplier_score": 94.1,
"quality_defect_rate": 12.0,
"forecast_demand": 410,
"actual_demand": 420,
"forecast_accuracy": 0.976,
"supply_chain_risk": "LOW"
}
]
AI 应用场景
需求预测与补货优化
基于历史销售数据、季节性因素、促销活动等特征，训练时间序列预测模型（LSTM/Transformer），优化安全库存设定与自动补货策略。
物流路径智能规划
结合实时交通、天气、运力数据，使用强化学习（RL）与运筹学优化算法进行多目标路径规划，降低运输成本并提升OTIF交付率。
供应商风险评估
融合供应商绩效数据、外部舆情、财务指标等多源数据，构建图神经网络（GNN）供应商风险传导模型，实现供应链中断预警。
仓储网络优化
基于订单分布、配送半径、仓储成本等特征，使用混合整数规划（MILP）与遗传算法进行仓储选址与库存分配优化。
供应链成本分析
利用XGBoost/随机森林模型对供应链各环节成本进行归因分析，识别成本异常节点，辅助制定降本增效方案。
供应链大模型问答
基于RAG（检索增强生成）技术，将供应链运营数据嵌入向量数据库，构建供应链领域LLM智能问答系统，辅助管理决策。