排班预测是什么？

输入数据

• 交易类数据：POS 流水、订单量、外卖接单量，能反映真实的忙闲节奏。
• 客流类数据：进店计数、排队时长、线上预约量。
• 生产类数据：工单计划、产线节拍、设备产能。
• 修正因子：天气、节假日、促销日历、商圈活动。

粒度与输出

零售与餐饮通常用 15–30 分钟粒度，制造业按班次或小时粒度。预测结果需要换算成「岗位 × 人数」，再叠加技能要求与合规约束，才能变成可执行的班表。只给一条总人数曲线，店长仍然排不出班。

冷启动怎么做

没有历史数据的门店，先做 2–4 周手工采样：按 15 分钟记录交易笔数或客流，同时记录当班人数，得到「每笔交易需要多少人力」的粗略系数，作为首版基线；系统上线后再用真实数据迭代。

常见偏差来源

• 促销与异常日未剔除：把大促当天当成常态样本，会把基线抬高。
• 只预测总量不预测结构：总人数够了，但缺的是收银而不是理货。
• 预测与排班脱节：预测做完没人用，班表仍是店长凭经验手动改。