数据里的「星系旋臂」:一个调料批发商用Python看见了自己生意里的银河

你仔细想想，一家调味品批发商的日常数据，看起来是杂乱无章的一串数字。今天卖出 200 包火锅底料，明天只出了 30 包，后天突然跳到 500 包，跟宇宙里随机分布的恒星没什么两样。

但只要你把时间轴拉长——三个月，半年，一年——那些数字里会慢慢浮现出结构来。就像星系的旋臂，平时看不见，一旦你退后一步，整个图案就清楚了。

从「感觉」到「看见」

我以前也不是什么数据派。我是个卖调料的，武汉农贸市场里长大，后来自己开了档口，每天进货出货、算账收款，哪懂什么数据分析。

转折点是去年。有一天我突然发现，我一直在凭感觉进货——感觉冬天到了火锅底料应该好卖，感觉夏天来了凉拌汁应该走量大。但「感觉」这个东西，有时候准，有时候真的不准。

准的时候觉得自己是天才，不准的时候，库房里堆着几百件过期的货。那感觉，你懂的。

所以我开始琢磨，能不能用一点简单的方法，把那些「感觉」变成看得见的东西。我就是用 Python，很简单的那种——pandas 读个 Excel，matplotlib 画个图。没什么高深的。工具不重要，重要的是你开始去看了。

第一条线索：天气和销量

我第一个想搞清楚的问题是——天气和销量之间，到底有没有关系。这个直觉每个做批发的都有。天冷卖火锅底料，天热卖凉拌汁，这是常识。但常识和证据之间是有一段距离的。

我把过去两年的销售记录翻出来，从网上找了武汉这几年每天的气温数据，两个表一合并，画散点图。结果出来的时候，我自己都愣了一下。

真的有相关性，而且比我想象的还要明显。气温低于 10 度的时候，火锅底料和辣椒面的销量，平均比气温 25 度以上时高出差不多 60%。这个 60% 不是我拍脑袋想的，是跑回归跑出来的。R² 虽然不高，大概 0.3 多一点，但趋势是清楚的。

但更有意思的事情在后面。

藏在残差里的节奏

我把每天的数据点按时间顺序连起来，画成一条折线。然后用滑动平均把大趋势抹出来，再把实际销量减去这条趋势线，得到所谓的「残差」——那些不能被大趋势解释的部分。

你猜我在残差里看到了什么？

我一开始以为是噪声，后来仔细想了想，这特么不全是噪声。每个月的月底，餐馆会集中进货，备下个月的货。这个节奏顺着供应链往上游传，传到我这里，就是每隔一阵子突然来一波订单，然后平静几天，再又一波。这个节奏，就是我数据里的旋臂。

星系比喻不是一个修辞

星系里的旋臂是怎么形成的？天体物理学家会告诉你——是密度波。恒星并不是固定在旋臂里的，它们绕着银河中心转，穿过旋臂。旋臂本身是一种密度更高的波，恒星进去时速度慢一点，出来时快一点，所以在旋臂那里会「堵车」，看起来亮一点。

你的销量数据也是一样。具体的每一笔订单，就像星系里的某颗恒星。今天张三来买了 50 包鸡精，明天李四来拉了 200 瓶醋——单看任何一笔，都是随机的。但你把几千笔订单放在一起看，那些重复出现的模式，就是你的旋臂。

四条旋臂

我自己的数据里，到现在辨认出了四条旋臂。跟银河系竟然刚好一样——当然这只是巧合。

🖼 图片：四条旋臂标注示意图

核心、旋臂、外围

星系不止有旋臂。银河系中间有一个亮得发白的核心，恒星密度最高，旋臂从核心伸出来，外围越来越稀疏，直到消失在黑暗里。这个结构，在你的生意数据里也有对应。

核心部分，就是你的基本盘——不管季节怎么变，总有人要买的东西。对我来说是生抽、老抽、味精、食盐。需求弹性很小，构成时间序列里稳定的基线。

旋臂，是围绕核心的波动，有波峰有波谷，但不会脱离核心。

外围，是偶尔卖一点、大部分时候不动的产品。某些小众香料、进口调料——稀疏，遥远，但也是整个系统的一部分。

扰动会恢复

我刚开始做数据分析时满脑子想的是预测——下个月卖多少，下个星期进多少货。这个思路没错，但容易让你盯着细节而看不见结构。

后来我换了角度：不去预测具体数字，而是先搞清楚数据里有哪些结构。哪条旋臂现在是活跃的，哪条在消退。

2024 年 3 月，我有一段销量突然掉得很厉害，比模型预测少了快 30%。我一开始以为是模型坏了，后来才发现——是一家连锁餐厅那个季度换了供应商，少了一家大客户。

如果你只看原始销量曲线，它就是一个 outlier，一个该被剔除的异常值。但把它放进星系的框架里看，它就是一个扰动——核心还在那里，旋臂还会回来。

果然，那个月丢掉的销量，在接下来的两个月里慢慢回来了。不是那家餐厅回来了，是其他客户的订单慢慢填补了缺口。

暗物质：数据里看不见的引力

这个比喻最让我着迷的地方是暗物质。天文学家说，星系里我们能看见的物质——恒星、气体、尘埃——只占总质量的不到 20%。剩下的 80% 是暗物质，看不见，但通过引力影响一切。没有它，旋臂根本维持不了那个形状。

你的生意里也有暗物质。

口碑、店主的信任、同行之间的闲话、某个大厨在背后跟别人说你家的花椒质量稳定——这些东西不直接出现在销量数据里，但它们在幕后拉着一切。

我有一个做了十二年川菜的客户，进货量不是最大的，但他从来不换供应商。他会跟别的厨师推荐我。这些推荐带来的新客户，你很难在数据里直接追溯到源头。这就是生意里的暗物质。

有个做湘菜的大哥，进货量在所有客户里排不进前十，但他的影响力分数是最高的。他跟好几个新开张的餐馆老板熟——他的推荐比我发传单管用多了。这些东西，不藏在销量数字里，但藏在星系的引力场里。

退后一步，把自己当成天文学家

我今天聊这个，不是想讲天文学，也不是想教 Python。我是真的觉得——换个角度看数据，有时候比多跑几个模型更有用。

我们这些做传统生意的，每天的流水、订单、库存，在大多数时候就是数字。记在账本上，存在手机里，最多月底看看赚了多少。

但如果你愿意退后一步，把自己当成天文学家，那些数字就不再是一串流水账——它们变成了一片星空。有些星星组成了星座，有些是流星转瞬即逝，有些区域特别亮说明那里有东西，有些区域一片黑暗但你知道它在拉扯一切。

这个视角一旦有了，你就回不去了。

我现在每个月底做复盘，不再只看「这个月比上个月多卖了没」。我把过去 12 个月的数据拉出来，看看哪条旋臂现在往上走、哪条往下走、有没有新的扰动出现、基本盘还稳不稳。

我自己用的工具说出来都不好意思——pandas 加 matplotlib，偶尔用一下 seaborn。全部代码不超过 200 行，跑在一个我花了两个晚上配置好的 Jupyter Notebook 里。

找到它们之后，很多事情会变得清楚一点。不是全部清楚，但至少你不再是在完全黑暗里做决策了。我用这个方法，去年年底备货的准确率比前年提高了大概 25%。库房里堆积的过期货明显少了——这个我不用算也知道。

最后

我们活在数据里，但数据不是冷冰冰的数字。数据是人，是选择，是一家家餐馆每天开门关门背后那些具体的决策。你看到的销量曲线，其实是几百个陌生人的集体行为叠在一起的结果。

这个想法，每次想到都会觉得有点震撼。

 如果觉得不错，点个「在看」、转发吧。谢谢你看我的文章，我们下次再见。 

 作者：航源

 投稿或爆料：3559198105@qq.com