该资源面向供应链领域的规范性分析与决策支持系统建设，目标是在预测的基础上给出应采取的行动建议，以实现期望结果、优化绩效并降低风险。
用途与评估：资料强调在构建前先了解决策背景，包括需要推荐哪些决策（库存订单、路径、定价、分配）、决策者是谁（计划员、采购、管理者或自动化系统）、目标是什么（降本、提升服务、多目标平衡）、决策频率（实时、每日、每周、战略级）。同时需评估现状（现有决策方式、所用信息、痛点、对建议的信任度）、分析成熟度（描述性、诊断性、预测性是否就绪）以及技术要求（实时或批量、可解释性、系统集成、人工参与或全自动）。
主要能力：资料给出分析演进金字塔（描述性—诊断性—预测性—规范性），并列出规范性分析的组件：预测模型（预测需求、交付周期、成本、延迟与缺货概率）、优化引擎（LP、MIP、NLP、约束规划、启发式与元启发式、多目标优化）、决策规则与逻辑（业务规则引擎、策略约束、可行性检查、审批流）、解释与置信度（推荐理由、置信水平、敏感性分析、备选情景）、行动执行（API 集成、自动化流程、人工复核界面、监控与反馈）。
示例用法：资料提供库存补货建议系统的 Python 示例，组合需求预测、EOQ、服务水平安全库存、再订货点、缺货风险计算、MOQ 与整箱等业务规则，并生成人类可读的解释与建议优先级；还提供路径优化建议系统的结构说明，包括按地理聚类订单、向车辆分配、满足时间窗与容量约束等。
限制：资料未提供具体收费、价格、平台支持范围、部署步骤或效果数据；示例中的部分数据为占位或随机值，实际使用需接入真实库存、成本与供应商数据。