Python供应链数据分析提示词：5步生成库存优化报告
提示词描述：
专为供应链从业者设计的Python数据分析提示词模板，通过结构化指令让AI生成可直接执行的库存分析代码。适合需要快速处理大量SKU数据、生成可视化报表的采购/仓储管理人员，平均可节省60%的数据处理时间。
提示语关键词：
Python供应链分析,库存优化提示词,AI数据分析模板,库存周转率计算,滞销品预警,Python代码生成
提示词内容：
【使用场景】
适用于供应链管理人员使用Python进行库存数据分析的场景。当你需要快速生成库存周转率分析报告、滞销品预警清单或补货建议时，可直接使用本提示词模板。
【操作步骤】
1. 将以下提示词复制给AI：
"你是一名供应链数据分析师，请根据我提供的库存数据（字段包括：SKU编码、商品名称、当前库存量、日均销量、入库日期、库龄天数），使用Python的pandas库完成以下分析：
① 计算每个SKU的库存周转率（公式：365/库龄天数）
② 标记库龄超过{滞销阈值}天的商品为'滞销品'
③ 按库存周转率升序排列，输出前{TOP数量}个需要优先处理的SKU
④ 生成补货建议：对日均销量>{销量阈值}且当前库存<7天销量的SKU标注'紧急补货'
请用表格形式输出结果，并附带Python代码实现。"
2. 填写占位符：{滞销阈值}（建议90）、{TOP数量}（建议20）、{销量阈值}（建议50）
3. 将实际库存数据以CSV格式粘贴给AI
【效果示例】
输出包含：
- 库存分析结果表格（含SKU、周转率、状态标签）
- 完整的Python代码（含数据读取、计算逻辑、结果导出）
- 可视化建议（如使用matplotlib绘制库龄分布图）
【进阶技巧】
① 可增加"安全库存计算"模块：要求AI根据历史销量波动率自动计算安全库存值
② 结合ABC分类法：让AI自动将SKU按销售额贡献度分为A/B/C三类
③ 添加时间序列预测：使用prophet库预测未来30天销量趋势