1. 课程导论与项目全景

1.1 供应链计划系统在企业中的核心价值

在当今竞争激烈的商业环境中，供应链计划系统（Supply Chain Planning System, SCPS）已成为企业运营的“中枢神经”。它通过整合需求预测、库存优化与补货计划，帮助企业实现三大核心目标：降低库存成本、提升订单满足率、缩短供应响应周期。

传统的手工 Excel 计划模式面临数据孤岛、响应滞后、人工误差等痛点。而一套自动化的计划系统能够：

• 需求感知：基于历史销售数据与市场信号，生成多维度预测。
• 库存优化：动态计算安全库存与再订货点，平衡服务水平与资金占用。
• 补货协同：自动生成采购建议或调拨指令，缩短计划周期。
• 异常预警：实时监控预测偏差与库存风险，支持快速决策。

1.2 项目目标与范围

本课程实战项目将构建一个轻量级、可落地的供应链计划系统原型，覆盖从需求预测到补货计划的核心链路。项目范围界定如下：

1.3 整体技术架构选型

技术选型遵循轻量、高效、易学原则，采用 Python 全栈技术栈，确保学员在单机环境下即可完成开发与部署。

1.4 各层技术选型详解

1.5 项目目录结构与代码组织

为保障课程代码的可维护性与可扩展性，项目采用模块化分层结构：

supply_chain_planning/
├── app/                        # Flask 应用主目录
│   ├── __init__.py             # 应用工厂
│   ├── models/                 # 数据库模型
│   │   ├── __init__.py
│   │   ├── product.py          # 商品主数据模型
│   │   ├── sales.py            # 销售记录模型
│   │   └── inventory.py        # 库存台账模型
│   ├── routes/                 # 路由与视图函数
│   │   ├── __init__.py
│   │   ├── forecast.py         # 预测模块路由
│   │   ├── inventory.py        # 库存模块路由
│   │   └── replenishment.py    # 补货模块路由
│   ├── services/               # 业务逻辑层
│   │   ├── __init__.py
│   │   ├── forecast_engine.py  # 预测算法封装
│   │   ├── inventory_calc.py   # 库存策略计算
│   │   └── replenishment.py    # 补货计划生成
│   ├── templates/              # Jinja2 模板
│   │   ├── base.html
│   │   ├── forecast/
│   │   └── replenishment/
│   └── static/                 # 静态资源
│       ├── css/
│       └── js/
├── data/                       # 原始数据与测试数据
│   ├── sales_sample.csv
│   └── product_master.csv
├── config.py                   # 配置文件
├── requirements.txt            # 依赖清单
└── run.py                      # 启动入口

1.6 数据流与业务逻辑全景

从原始数据输入到补货计划输出，系统内部的数据流转遵循清晰的管道模式：

1.7 课程学习路径与预期收获

本课程共 30 章，按“数据准备 → 预测建模 → 库存优化 → 补货实现 → 系统集成”五阶段递进。完成本课程后，你将具备：

• 独立搭建一个基于 Flask 的供应链计划 Web 系统。
• 掌握需求预测的经典算法与评估方法。
• 理解安全库存、再订货点、EOQ 等核心库存模型。
• 实现从数据清洗到补货建议生成的完整数据管道。
• 获得可直接用于简历的项目经验与代码资产。