- 迎新洪峰由数据填出，不需模型预测，只需统计与呈现
- 入站分布、体检时段、缴费流水、床位供给四类分布已可算
- 接站依据表、窗口排班表、物资备货表是调度落地形态
- 临时改行程、明日预估、跨届同比属真预测，当前数据不足
- 能追溯的判断才有资格自动化，先出依据单再谈机器人
报到日的混乱从来不是当天造成的。它是前一天没算出来：没算出上午十点那两个小时会挤多少人，没算出某个站要派几路车，没算出尺码偏大的床品会先发完。
这一类能力最容易被误解成"要有一个模型"。在迎新这个场景里，恰恰不用。
理由很特殊，值得先说清楚：迎新的洪峰不是猜出来的，是填出来的。 绝大多数新生在到校之前就在系统里填了车次、到站时刻、出行方式；他们勾了床品尺码、交了费、约了体检时段。也就是说，"明天上午有多少人来"这个问题的答案，在事情发生之前就已经躺在库里了——它不需要被预测，它需要被算出来、摆到该看的人面前。
"数据全有、缺的是算与看"，这句话在行程这一项上是字面意义的准确。
19.1 已经把分布算出来的四件事
到站分布。 每个学生填了出行方式、出发时间、到站时刻、车次、出发区域、到哪个站、是否需接站、有无陪同。系统按站点、按两小时一档做汇总，"今天预计到达"和"已经接到"两处数并列，还能看热门出发地与近七日的到达趋势。"哪个站、哪个时段最挤"这句话，今天直接答得出。
体检时段。 预约数据按时段、按天、按学院分别汇总，完成率和各时段余量都在同一处。哪几个时段被抢满、哪几个时段空着，不需要模型。
缴费流水。 缴费率、已收金额、按日的到账趋势，加上绿色通道的申请量。资金流在迎新期是一条逐日累计的曲线，它最需要的是当天看得清，不是月底复盘。
床位供给。 楼栋、楼层、房间、床位的总数与已分配数、分配率，加上选宿的四个总量数字（应选、已选、改选、未选）。供需对不上的楼栋，从这几组数就能看出来。
这四件事的共同点：它们都是把已经存在的数据按决策需要的维度重排一次，不涉及任何推测。 而迎新一半以上的调度问题，到这一层就已经解决了。
19.2 真正需要"预测"的那一小截，现在做不到
把话说全：上面是分布，不是预测。 剩下的三件事是真正的预测，各自现状如下。
"还有多少人会临时改变行程。" 到站时刻是填报值，改签、晚点、临时换车站都会让实际与填报偏离。系统里有一个"是否正点到达"的字段，但它靠人工回填，无法自动校正。这一项要等跨年数据积累起来才谈得上校准，目前不做承诺。
"明天到多少人。" 这一句看似显然，实际差一步：当天的填报会持续变化，而系统里的到达分布是按"截至目前已填报的人"算的。 如果只填了六成，那条曲线只反映六成。要做成可用的明日预估，得先给出填报覆盖度、再用历年同期的到达节奏补差。前者是可加的（它就是一个完成率），后者需要跨届对照——这一项不在当前版本范围内。
"去年这个时候是什么样。" 系统里有近七日、近三十日、按日趋势、今日小时分布，但没有任何自动的环比与同比——现在看到的"比昨天低"这类句子，是拿两天的数现场相减得到的，不是系统算出来的。跨年度对照同理：数据在同一所学校的库里存着，可是"和上一届同一时点比"这句话，今天要靠人导出来对。
这一段结论值得单独划出来：趋势可看，同期可比、跨届可校这三件事，都还在路上。
19.3 算出来之后，落到哪张纸上
调度的产出必须是一张能被执行的纸，不是一个界面。三张依据表是这一类的合理形态：
接站依据表——按站点、按时段列出预计到达人数，接站路线与车辆安排照它排。这一张的数据今天齐了。
窗口与人员排班表——按时段列出待办人数峰值，据此安排当天开几个窗口、哪几个时段加人。这一张缺的是资源侧： 学校有多少窗口、每个窗口每小时能办多少件，这些数字目前不在系统里。没有产能数据，再准的到达曲线也只能给出"人多"，给不出"加两个"。
物资备货表——按尺码、按物品汇总申报量，直接指导采购与分装。床品尺码、军训服装这些采集字段本来就在系统里，这一张是最容易做、也最容易被忘掉的一张——它省的是真金白银的备货过剩。
三张表里两张的数据已经在系统里，一张需要学校补一个东西（窗口产能）。这也说明一件事：智能化推进到后面，卡住的往往不是算法，是学校有没有把自己的资源约束数字化。
19.4 一个必须点破的诱惑：把调度做成聊天机器人
技术上进化到这一步很容易：把到达分布、时段余量、床位供给接上大模型，让工作人员用一句话问"明天要派几路车"。
我们不主张现在做这件事，理由不是技术，是责任。
排班与派车是一个会被追问的决定。"为什么那天只派了两路车"——答复必须能指回一个可核对的依据：某日某时段的预计到达多少人、一辆车坐多少人。这张依据表是可以打印、可以存档、可以事后复盘的。换成一段对话，事后没有任何人能复原当时的推理过程，责任就落在按按钮的人身上。
第二十二章会把这条讲成一个通则：能追溯的判断才有资格自动化。 在这里它是一个很朴素的取舍——先给一张排班依据单，再谈问一句就答的机器人。
19.5 这一类的验收方式
学校可以用三句话判断一家产品在这一类上做到哪一步：
"给我看今天按两小时一档的到达分布，标出预计与已到。"——答得出的，说明行程数据真的进了统计，不只在填报表里存着。
"这个曲线旁边写的'比上一周期低'，是系统算的还是人写的？"——这一问专门筛掉把规则引擎当模型宣传的说法。答案若是"写死的规则"，那是诚实的；若是"模型给的"，请它出示这条结论的依据记录。
"如果我想看去年同一时点，怎么办？"——今天老实的回答是：导出来对。不老实的回答是跳过这一问。
预测与调度的价值不在"算得准"，在"让排班的人不必猜"。 迎新这个场景有一处特殊的便利：数据由本人提前填好，所以大多数"预测"根本不需要预测——它只需要被认真统计一次，然后放到该看见它的人面前。