42｜Prediction＋Early Warning：訂單延遲與履約異常預警

一、案例定位

以 500 筆跨境訂單建立延遲機率與 Early Warning。進階重點不只『預測準不準』，而是門檻、Recall／Precision 與訂單商業影響如何共同決定預警。

二、學習目標

理解 probability prediction 與 Early Warning 的差異。

用門檻把機率轉成行動。

比較 Recall、Precision 與漏判。

把訂單價值與優先級加入預警優先順序。

三、案例情境

營運團隊每天有大量在途訂單，不可能逐筆追蹤。公司希望提早找出可能延遲的訂單，但過多預警又會造成 alert fatigue。

Excel 核心表格（Word 完整閱讀版）

下列內容直接整理自本案例對應的 Excel 工作簿。Word 版保留理解案例所需的核心輸入、計算結果與管理輸出；若原始資料筆數很大，正文列示代表性樣本，而模型結果與管理摘要則完整呈現。學生可先只閱讀 Word 完成案例理解，再到 Excel 修改參數與資料進行情境重算。

Excel表 42-1｜訂單延遲預測代表性樣本

訂單

延遲機率

訂單價值

優先級

Risk Tier

預期風險價值

建議處置

預警理由

SO0001

10.89%

110.10

High

Green

15.58

一般監控

高Backlog

SO0002

36.40%

461.40

Normal

Amber

167.96

加強追蹤

高Backlog、海關

SO0003

51.90%

528.90

High

Red

356.83

主動聯繫＋備援承運

天候、長距離

SO0004

3.67%

449

High

Green

21.41

一般監控

基準風險

SO0005

1.85%

597.40

Normal

Green

11.05

一般監控

基準風險

SO0006

2.08%

280.90

Normal

Green

5.84

一般監控

基準風險

SO0007

31.74%

107.10

Normal

Amber

34.00

加強追蹤

海關

SO0008

14.86%

647

High

Amber

124.99

加強追蹤

天候、長距離

SO0009

29.17%

344.80

High

Amber

130.76

加強追蹤

高Backlog、長距離

SO0010

7.25%

237.50

High

Green

22.40

一般監控

長距離

SO0011

9.55%

370.10

High

Green

45.94

一般監控

基準風險

SO0012

7.36%

323

Normal

Green

23.78

一般監控

長距離

SO0013

19.13%

29.40

High

Green

7.31

一般監控

高Backlog、長距離

SO0014

14.22%

457.30

High

Green

84.51

一般監控

海關

註：此表列示代表性資料樣本，用來理解欄位與模型邏輯；完整資料保留於 Excel 工作簿供深入分析與 What-if 重算。

Excel表 42-2｜預警門檻模型驗證

門檻

預警件數

Recall

Precision

漏掉延遲件數

0.25

117

58.51%

47.01%

39

0.35

66

43.62%

62.12%

53

0.45

33

24.47%

69.70%

71

0.55

15

12.77%

80.00%

82

0.65

10

9.57%

90.00%

85

Excel表 42-3｜管理摘要

KPI

結果

訂單數

500

實際延遲率

18.80%

平均預測延遲機率

17.60%

Red 預警

37

實際延遲件數

94

35%門檻 Recall

43.62%

35%門檻 Precision

62.12%

四、主要結果

500 筆訂單的實際延遲率約 18.8%，平均預測延遲機率約 17.6%。

目前 Red 預警約 37 筆。

以 35% 為機率門檻時，Recall 約 43.6%、Precision 約 62.1%；門檻提高會減少預警量，但通常增加漏判。

五、Excel 決策模型

延遲機率根據 Backlog、天候、海關、距離、承諾天數與承運商訊號建立。

Expected Risk Value＝延遲機率×訂單價值×優先級係數。

Risk Tier 不只看機率，也看商業影響。

六、主要結果與管理解讀

Prediction 告訴我們『可能性』，Early Warning 則回答『現在要不要行動』。

高價訂單即使延遲機率中等，也可能值得提前處理。

門檻沒有唯一正確答案，要依客服資源、延遲成本與可承受漏判設定。

七、What-if／模型驗證

比較 25%–65% 五種門檻；若客服每天最多只能處理 80 個預警，應選哪個門檻？若漏掉 VIP 延遲的成本很高，又該如何調整？

八、AI Prompt

你是跨境履約 Early Warning Copilot。根據延遲機率、訂單價值、優先級、Risk Tier、Recall／Precision 與預警理由，列出最值得主動處理的訂單類型。請說明門檻 trade-off，並避免把 60% 延遲機率描述為『一定會延遲』。對 Red 預警提出可執行的備援行動。

九、Excel＋AI 分工

Excel：預測機率、風險價值、門檻驗證與預警分層。

AI：原因摘要、處置建議、alert fatigue 與例外管理。

十、課堂討論題

Recall 和 Precision 哪個對跨境履約更重要？

高價訂單是否應使用不同門檻？

模型若長期把某承運商判成高風險，應如何驗證是否合理？

十一、資料來源

全部為教材模擬資料。