核心技能
Python核心语法（项目驱动引入）
在首个实战小项目中掌握变量、列表、字典、循环、函数，避免枯燥语法跟读
建议预留 180 分钟
学习目标
- 掌握变量与四种基础容器
- 掌握循环与条件判断
- 能定义带参数的函数
关键概念
- 列表与字典
- for/while循环
- 函数定义
为什么学习
- 该学习者需用Python写数据分析脚本，达到能阅读并写出常用语法即可，不需深入语言机制
如何检验理解
- 能独立写一个读取订单数据并计算总价的脚本
工具链
Jupyter Notebook与代码工程习惯
用Notebook组织分析流程，规范单元格划分与注释，保证代码可复现
建议预留 90 分钟
学习目标
- 熟练使用Notebook运行与调试代码
- 养成结构化呈现分析结论的习惯
关键概念
- Markdown说明
- 单元格执行顺序
- 魔法命令
为什么学习
- 从第一个项目起就要建立可复现的项目组织习惯，是作品集质量的关键
如何检验理解
- 能在Notebook中按数据导入-清洗-分析-结论四段组织首个分析项目
工具链
Git与GitHub作品集基础
掌握版本控制与Readme发布，为3个可展示项目建立规范仓库
建议预留 120 分钟
学习目标
- 掌握git add/commit/push
- 能写出可读的项目README
关键概念
- 版本控制
- GitHub仓库管理
- README规范
为什么学习
- GitHub是可展示作品集的载体，需在早期就学会并贯穿3个项目
如何检验理解
- 能创建仓库、commit、push并写好README发布三个项目
基础概念
供应链业务流程与KPI指标
理解采购/仓储/运输/配送/逆向全链路业务逻辑与准时率、履约率、周转、成本等KPI
建议预留 150 分钟
学习目标
- 掌握供应链五大环节业务逻辑
- 理解物流核心KPI定义
- 能识别KPI背后的业务问题
关键概念
- 供应链流程
- 准时率
- 库存周转
- 履约成本
为什么学习
- 领域业务知识是分析结论落地的前提，需理解业务场景与指标口径
如何检验理解
- 能向非技术同事解释准时率/库存周转率/履约成本的口径与意义
核心技能
Pandas数据清洗（核心必备）
读取CSV/Excel，处理缺失值、去重、类型转换，是清洗流水线的基石
建议预留 180 分钟
学习目标
- 掌握DataFrame读取与查看
- 处理缺失值/重复/异常类型
- 完成类型转换与重命名
关键概念
- DataFrame
- 缺失值填充
- duplicated/dropna
- .astype
为什么学习
- 数据清洗是岗位最核心能力，必须在真实案件中反复练习达到熟练自动化
如何检验理解
- 能独立把一份脏订单数据清洗成规整表格并解释每步处理
核心技能
Matplotlib+Seaborn业务可视化
绘制折线/柱状/散点/箱线/热力图，用图讲清物流趋势与异常
建议预留 180 分钟
学习目标
- 绘制基础统计图表
- 用Seaborn做分布与热力图
- 美化图表服务于表达
关键概念
- 折线/柱状/散点
- 箱线图
- 热力图
- 图表定制
为什么学习
- 可视化是岗位要求能力且用于对外沟通，掌握常见业务图表即可达熟练
如何检验理解
- 能制作一张解释库存/销量趋势的业务图表并配文字结论
核心技能
描述性统计与业务指标计算
用均值/中位数/方差/分位数量化物流数据分布，支撑业务描述
建议预留 120 分钟
学习目标
- 掌握集中趋势与离散度量
- 学会用pandas计算统计量
- 能解读数据分布含义
关键概念
- 均值/中位数
- 标准差/方差
- 分位数
为什么学习
- 统计是提取数据结论的基础，理解其含义并会用Python计算即可
如何检验理解
- 能对配送时长数据计算均值/分位数并判断分布特征
核心技能
配送网络与路径数据特征分析
分析配送距离/时间/成本/节点维度数据，理解路线优化数据基础
建议预留 120 分钟
学习目标
- 理解配送网络构成
- 掌握路径/节点/成本数据维度
- 能做配送数据特征分析
关键概念
- 配送网络
- 路径节点
- 时效与成本
为什么学习
- 配送给优化岗位需理解网络数据特征，作为求解器使用的基础认知
如何检验理解
- 能对配送订单数据按区域/距离/时效做特征分析
核心技能
SQL数据查询
掌握SELECT/JOIN/GROUP BY/窗口函数，从数据库取物流业务数据
建议预留 240 分钟
学习目标
- 掌握SELECT/WHERE/聚合
- 掌握JOIN联表查询
- 掌握窗口函数
关键概念
- SELECT
- JOIN
- GROUP BY
- 窗口函数
为什么学习
- SQL是取数必备技能且笔试常考，需达到能独立完成多表聚合查询的熟练度
如何检验理解
- 能写SQL完成订单-客户联表并按区域分组统计
基础概念
NumPy数值计算基础（按需补学）
了解ndarray与向量化计算，作为Pandas底层理解
建议预留 90 分钟
学习目标
- 认识ndarray基本运算
- 理解向量化计算优势
关键概念
- ndarray
- 向量化
- 广播
为什么学习
- 该学习者走Pandas为主路线，NumPy仅需了解其在pandas底层的作用，不必深究
如何检验理解
- 能识别数组运算与向量化在数据分析中的作用
补充知识
仓储流程与WMS数据理解
理解出入库/库位/库存数据与WMS系统表结构，支撑智慧仓储分析
建议预留 120 分钟
学习目标
- 理解仓储作业流程
- 认识WMS数据表结构
关键概念
- 出入库
- 库位
- WMS
为什么学习
- 智慧仓储岗位需要理解仓储数据来源，属行业认知纳入补充学习
如何检验理解
- 能描述出入库/库位数据字段并理解WMS数据结构
核心技能
假设检验与AB对比（理解为主）
理解p值与置信区间，用t检验/卡方检验支撑运营决策
建议预留 150 分钟
学习目标
- 理解p值与显著性判断
- 会调用t检验/卡方检验
- 能正确解读检验结果
关键概念
- p值
- 置信区间
- t检验
- 卡方检验
为什么学习
- 假设检验用于支撑决策，该学习者需理解逻辑并会调scipy，不要求手推
如何检验理解
- 能对两批配送时效差异做t检验并解读是否显著
核心技能
VRP配送路径优化（调用求解器，项目3）
理解TSP/VRP逻辑，用OR-Tools求解小规模配送路径并解读结果
建议预留 280 分钟
学习目标
- 理解TSP/VRP问题逻辑
- 调用OR-Tools建立求解模型
- 解读优化结果与业务价值
关键概念
- TSP/VRP
- OR-Tools
- 启发式思路
- 路线成本
为什么学习
- 配送优化按目标仅需理解逻辑并调用现成求解器，重点解读结果而非写算法
如何检验理解
- 能用OR-Tools求解配送路径问题并输出与解读优化后的路线
核心技能
Pandas数据变换合并与聚合
掌握groupby、merge/join、pivot_table，从多表构建分析底表
建议预留 180 分钟
学习目标
- 掌握分组聚合与agg
- 掌握merge/join/concat
- 掌握pivot_table透视
关键概念
- groupby
- merge/join
- pivot_table
- 聚合函数
为什么学习
- 物流分析需从多维度聚合汇总，是数据分析中必然高频使用的核心能力
如何检验理解
- 能对订单-商品两表join后按SKU/地区分组聚合出透视表
核心技能
库存分析（ABC/XYZ分类）
用ABC与XYZ分类诊断库存健康度，给出补货与优化建议
建议预留 150 分钟
学习目标
- 理解ABC/XYZ分类逻辑
- 会用pandas实现分类矩阵
- 基于分类给出管理建议
关键概念
- ABC分类
- XYZ分类
- 库存健康度
- 周转率
为什么学习
- 库存分类是智慧仓储岗位核心，需在实际仓库数据上熟练计算并给出建议
如何检验理解
- 能对SKU做ABC/XYZ分类矩阵并输出高价值库存优化建议
核心技能
SKU需求EDA分析（项目1）
对历史销售做探索性分析，识别需求模式、季节性与异常，作为首个可展示项目
建议预留 300 分钟
学习目标
- 端到端完成数据清洗与EDA
- 识别需求趋势与季节性
- 产出结构化可读分析报告
关键概念
- EDA流程
- 趋势/季节性
- 分析报告框架
为什么学习
- 这是目标要求的数据清洗→分析→可视化全流程里程碑项目，需独立完成
如何检验理解
- 能产出完整SKU销售EDA分析报告并发布到GitHub
核心技能
相关性与回归基础
理解相关系数与线性回归，为预测建模打基础
建议预留 150 分钟
学习目标
- 理解皮尔逊相关系数
- 理解线性回归思想
- 会用sklearn做简单回归
关键概念
- 相关系数
- 线性回归
- 拟合与残差
为什么学习
- 回归是预测建模的核心，理解其原理与评估指标并会用sklearn即可达标
如何检验理解
- 能对销售额与推广费等指标做相关性分析并用线性回归建模
补充知识
异常数据检测与质量监控
用IQR/Z-score识别异常订单/设备异常值，保障数据质量
建议预留 90 分钟
学习目标
- 掌握IQR/Z-score方法
- 识别业务异常数据
关键概念
- IQR
- Z-score
- 异常值
为什么学习
- 异常检测提升数据质量监控能力，属于加分项但可降级处理
如何检验理解
- 能用IQR方法识别配送异常订单并评估影响
补充知识
运费与成本分摊分析
按线路/客户/区域拆解物流成本结构，找出优化空间
建议预留 150 分钟
学习目标
- 掌握成本拆分维度
- 用透视分析成本结构
- 提出成本优化方向
关键概念
- 成本分摊
- 维度拆解
- 优化空间
为什么学习
- 成本分析是数据驱动决策的好应用，但非核心必备，降级为补充
如何检验理解
- 能按维度拆解运费并指出成本优化点
补充知识
波次拣选与仓库布局优化（进阶）
基于订单库位数据优化拣货路径与波次策略
建议预留 180 分钟
学习目标
- 了解波次拣选优化逻辑
- 认识库位布局优化方法
关键概念
- 波次拣选
- 拣货路径
- 库位布局
为什么学习
- 仓库布局优化是深度内容，超出实习入门范围，仅做方向认知即可
如何检验理解
- 能描述波次拣选优化思路并能借助工具做基础分析
核心技能
时间序列与需求预测建模（项目2）
用移动平均/指数平滑/Prophet预测SKU需求并评估误差，支撑库存决策
建议预留 320 分钟
学习目标
- 使用成熟库做时间序列预测
- 计算并解读MAE/RMSE
- 将预测结果对接库存决策
关键概念
- 移动平均
- 指数平滑
- Prophet
- MAE/RMSE
为什么学习
- 预测建模为目标终点，用成熟库实现并评估误差即可达入门达标，明确不做公式手推
如何检验理解
- 能构建需求预测模型并输出MAE/RMSE评估作库存补货建议
核心技能
Scikit-learn机器学习建模入门
调用sklearn做回归与分类（线性回归/决策树/随机森林），用于销量预测
建议预留 240 分钟
学习目标
- 掌握训练/测试集划分
- 会用回归与分类模型
- 读懂特征重要性与评估指标
关键概念
- 训练/测试集
- 随机森林
- 决策树
- 评估指标
为什么学习
- 岗位只需调用成熟库跑模型，掌握流程与评估即可，不要求推导公式
如何检验理解
- 能调用random forest/线性回归完成销量预测并进行特征重要性解读
核心技能
供应链KPI可视化看板（Dashboard）
用可视化制作物流指标看板，支撑业务决策
建议预留 240 分钟
学习目标
- 设计看板指标体系
- 组合多图表呈现KPI
- 输出结论支撑决策
关键概念
- KPI指标体系
- 看板布局
- 业务结论
为什么学习
- 看板是可展示作品，也是向管理层传达指标的岗位能力，需达能成品水平
如何检验理解
- 能制作含多图表与结论的物流KPI看板并讲解
核心技能
库存补货优化（EOQ/安全库存）
理解EOQ订货量与安全库存计算，给出补货策略建议
建议预留 180 分钟
学习目标
- 理解EOQ模型逻辑
- 计算安全库存与服务水平
- 形成补货策略建议
关键概念
- EOQ
- 安全库存
- 服务水平
- 补货策略
为什么学习
- 结合需求预测落地库存决策是本岗位加分项，理解逻辑并会应用公式计算即可
如何检验理解
- 能结合预测与服务水平计算安全库存并给出补货建议
核心技能
数据报告与数据讲故事
将分析结论转化为面向业务/管理层的清晰报告与建议
建议预留 150 分钟
学习目标
- 学会结构化呈现结论
- 用图表支撑业务建议
- 撰写可交付的数据报告
关键概念
- 报告结构
- 结论先行
- 业务建议
为什么学习
- 讲清数据分析结论是实习生面试展示与岗位日常所需，支撑作品集表达
如何检验理解
- 能把项目分析写成含结论与建议的规范数据报告
补充知识
A/B测试与运营策略评估
物流场景下对仓储/配送策略变化进行实验设计与效果评估
建议预留 120 分钟
学习目标
- 理解A/B测试设计
- 会用统计评估策略效果
关键概念
- A/B测试
- 实验设计
- 效果评估
为什么学习
- 结合统计与模型评估策略是加分能力，属进阶拓展降级为补充
如何检验理解
- 能设计简单A/B实验评估配送策略并给出结论
前置关系与知识联系
- 库存分析（ABC/XYZ分类） → SKU需求EDA分析（项目1）
- 假设检验与AB对比（理解为主） → 异常数据检测与质量监控
- 供应链KPI可视化看板（Dashboard） → 数据报告与数据讲故事
- 时间序列与需求预测建模（项目2） → Scikit-learn机器学习建模入门
- Pandas数据清洗（核心必备） → 异常数据检测与质量监控
- Jupyter Notebook与代码工程习惯 → Pandas数据清洗（核心必备）
- Pandas数据变换合并与聚合 → 波次拣选与仓库布局优化（进阶）
- 供应链业务流程与KPI指标 → 库存分析（ABC/XYZ分类）
- SKU需求EDA分析（项目1） → 时间序列与需求预测建模（项目2）
- 相关性与回归基础 → Scikit-learn机器学习建模入门
- Pandas数据变换合并与聚合 → 运费与成本分摊分析
- Pandas数据变换合并与聚合 → 库存分析（ABC/XYZ分类）
- 仓储流程与WMS数据理解 → 库存分析（ABC/XYZ分类）
- Pandas数据清洗（核心必备） → Pandas数据变换合并与聚合
- 时间序列与需求预测建模（项目2） → 库存补货优化（EOQ/安全库存）
- Matplotlib+Seaborn业务可视化 → 供应链KPI可视化看板（Dashboard）
- 配送网络与路径数据特征分析 → VRP配送路径优化（调用求解器，项目3）
- 假设检验与AB对比（理解为主） → A/B测试与运营策略评估
- 描述性统计与业务指标计算 → 假设检验与AB对比（理解为主）
- 描述性统计与业务指标计算 → SKU需求EDA分析（项目1）
- Python核心语法（项目驱动引入） → SQL数据查询
- Matplotlib+Seaborn业务可视化 → SKU需求EDA分析（项目1）
- 库存分析（ABC/XYZ分类） → 库存补货优化（EOQ/安全库存）
- Pandas数据清洗（核心必备） → SKU需求EDA分析（项目1）
- Python核心语法（项目驱动引入） → Matplotlib+Seaborn业务可视化
- SKU需求EDA分析（项目1） → 供应链KPI可视化看板（Dashboard）
- 配送网络与路径数据特征分析 → 运费与成本分摊分析
- 供应链业务流程与KPI指标 → 配送网络与路径数据特征分析
- Scikit-learn机器学习建模入门 → A/B测试与运营策略评估
- Python核心语法（项目驱动引入） → Pandas数据清洗（核心必备）
- NumPy数值计算基础（按需补学） → Pandas数据清洗（核心必备）
- 库存分析（ABC/XYZ分类） → 波次拣选与仓库布局优化（进阶）
- 假设检验与AB对比（理解为主） → 时间序列与需求预测建模（项目2）
- 假设检验与AB对比（理解为主） → 相关性与回归基础
结合互动地图查看具体关系类型，再选择下一步。