台风前夜，超市货架上的矿泉水总是最先空掉。人们推着购物车，把一箱箱水往车里搬，收银台前排起长队。这个场景每年夏天都在沿海城市重复上演。有意思的是，同样受台风影响的日本，便利店里的水却很少被抢空。差别不在居民的恐慌程度，而在补货的速度。日本便利店的库存系统能根据气象预警自动触发配送，台风登陆前二十四小时，货车已经把水送到门店后仓。货架空了，后仓还有，店员补货只需几分钟。抢购潮还没来得及形成，供应就跟上了。

这种补货能力背后是一套库存预测系统。它把天气预报、历史销售数据、门店位置、周边人口密度放在一起算，提前判断哪些店需要加量。系统不完美，偶尔也会算错，但比人工凭经验订货准得多。国内一些连锁超市前几年开始试类似的系统，效果参差不齐。问题往往不在算法本身，而在数据质量。有的门店销售记录不准确，有的配送中心信息不互通，系统拿到脏数据，算出来的结果自然不可靠。

数据质量这件事，说起来枯燥，却是很多技术落地时真正的卡点。一个朋友在物流公司做调度，他说公司花大价钱买了路径优化软件，结果用了一个月就搁置了。原因很简单，司机实际走的路线和系统记录的对不上，有些临时绕路没有录入，有些装卸时间被漏记。系统基于错误的历史数据规划路线，给出的方案还不如老调度员拍脑袋。后来他们花了半年时间补录数据，软件才重新启用。技术本身没问题，是喂给它的东西不对。

台风天的矿泉水还牵出另一条线：信息传递的速度。过去气象预警靠电视和广播，现在手机推送能在几分钟内覆盖几百万人。但推送多了也会出问题。去年台风“梅花”逼近时，我一个在上海的朋友收到七条不同渠道的预警短信，内容大同小异，时间却差了两个小时。他反而不知道该信哪条。预警系统多了，协调机制没跟上，信息过载就成了新麻烦。技术解决了“传不到”的问题，又带来了“传太乱”的问题。

说到信息过载，想起另一个场景。医院里的监护仪也是同样道理。设备能实时监测十几项指标，报警阈值设得低一点，护士站整天响个不停，时间长了人就麻木了。设得高一点，又怕漏掉危险信号。有家医院的做法是让算法先做一轮筛选，把明显不危险的报警压下去，只把真正需要关注的推给护士。这个改动听起来简单，背后需要对每种报警的误报率做大量统计。技术在这里做的不是加法，是减法。

回到超市货架。那瓶被抢购的矿泉水，从出厂到上架要经过生产、仓储、干线运输、城市配送、门店收货好几个环节。每个环节都有信息系统在管，但系统之间经常不通。一瓶水在仓库系统里显示有货，门店系统里却显示缺货，原因是两边对“库存”的定义不一样。有的算上了在途，有的没算。这种细节没人会写在技术方案里，但它决定了台风天你能不能买到水。技术落地到最后，拼的都是这些不起眼的地方。