分析實務 9.2。以 KNIME＋R 的需求預測與再分配流程減少醫療耗材過期浪費。
理解資料清理、需求預測、排名、再分配與利害關係人回饋如何形成完整分析工作流程。
Z5 Inventory 先從醫療機構清出過量或近期未購買的用品，再用預測分析把產品重新分配到有需求的設施。
| 原書指標 | 數值／內容 |
|---|---|
| 美國每年丟棄醫療用品 | 約 50 億美元 |
| 第一階段清理機構 | 30 家 |
| 專案實際參與機構 | 32 家 |
| 避免過期／丟棄的產品價值 | 130 萬美元 |
| 目標 | 降低過量庫存、釋出空間、提升效率、降低供應成本與浪費 |
清理缺失值、錯誤資料與日期問題 → 用 KNIME 整合 R 做需求預測 → 依購買頻率、平均購買量、購買量標準差與預測需求建立目的地排名 → 最佳週期選擇器提升再分配使用率 → 與管理者反覆檢查中間結果。
原書直接報告：32 家機構參與，專案移動 130 萬美元的醫療與外科產品以避免過期丟棄。原書亦稱截至當時沒有收到 超額配送抱怨，但沒有提供統計樣本或錯配率。
分析價值不只是預測需求，而是把預測嵌入供應鏈再分配決策。KNIME 的視覺節點與 R 整合也降低文件維護負擔並提高可重現性。
根據原書流程，把每個步驟分成資料清理、預測、排名、再分配與人工回饋，並指出 130 萬美元是實際專案成果、50 億美元是全美浪費背景，兩者不可混為同一母體。
問題： 能否用 130 萬美元直接推算全美都採用後一定可節省 50 億美元？
參考解答： 不能。原書把 50 億美元視為全美浪費規模與理想潛力背景，沒有提供可支持線性外推的資料。