别急着上模型：先做一次五分钟的数据体检

我们接项目前一定会做一次数据体检。不看真实数据，只问五个问题，通常十几分钟就能判断这件事能不能做、要做多久。这五个问题你自己也可以先问一遍，能省下不少沟通成本。

一、粒度：数据记到多细

这是最致命的一条。想给每家门店每个单品定备货量，数据就必须细到“门店 × 单品 × 日”；如果系统里只有“门店 × 日”的总营业额，那再多年份也算不出单品备货。粒度不够不是清洗能解决的问题，它是信息本身不存在。

反过来也要注意：粒度过细但字段缺失同样麻烦。比如有每一笔订单，却没记录订单属于哪个门店的哪个渠道，那渠道差异就分析不了。

二、跨度：覆盖了几个完整周期

餐饮零售有很强的季节性和节假日效应。只有 6 个月数据，模型没见过春节、没见过暑期，就无法把这些因素和普通波动区分开。我们的经验门槛是：预测类项目至少 18 个月，最好 24 个月；选址类项目至少 12 个月且要覆盖淡旺季。

另外要问一句：这段时间里有没有发生过结构性变化——大规模改版菜单、外卖占比翻倍、疫情期间的异常。有变化不一定不能做，但要在建模时显式处理，不能装作没发生。

三、变异：你想问的那个变量，变过没有

想知道降价会怎样，历史上就得调过价；想知道新装修能带来多少提升，就得有装修前后的对比门店。数据里没有变化，就没有可供学习的信号——这时候正确的做法是先设计一次小范围试验去制造变化，而不是硬算一个没有依据的弹性。

四、口径：同一个字段，各部门说的是不是一回事

“营业额”是否含税、是否扣掉退单、外卖平台佣金算在哪一边，财务、运营和 IT 给的口径经常不一样。这类问题不解决，模型算得再精细，结论也会在汇报会上被一句“这个数跟我们财务的对不上”打回来。

我们会在项目一开始就要一份字段说明，并且拿一两个月的数据和你们财务报表对一次账。这一步看着琐碎，但它决定了结论最后能不能被采信。

五、可得性：拿数据要走多久流程

技术上没难度，但实际项目里最常拖期的就是这一环：数据在第三方 SaaS 里、导出要走审批、每次只能导一个月。开工前把”谁来导、多久导一次、什么格式“敲定，比事后催三次有用。

体检不合格怎么办

• 粒度不够——先改数据采集，哪怕只是让门店多记一个字段，三个月后再来算；
• 跨度不够——先做描述性分析和规则版方案，等数据攒够再上模型；
• 没有变异——设计一次小范围试验，用两三个月拿到可用的对比数据；
• 口径不清——先花一周对齐口径，这一周省不掉，早对晚对都得对。

这些替代方案通常比硬做一个模型便宜得多。我们宁可这次少接一个项目，也不想交付一份自己都不敢背书的结论。