受邀沃爾瑪全球CMO/COO峰會(huì)，觀遠(yuǎn)引領(lǐng)社區(qū)生鮮預(yù)測實(shí)踐

　 域名預(yù)訂/競價(jià)，好“米”不錯(cuò)過

從單一的溫飽型消費(fèi)到多元化營養(yǎng)調(diào)劑型消費(fèi)，人們對生鮮產(chǎn)品的需求日益增加。然而，生鮮產(chǎn)品要經(jīng)過生產(chǎn)、采摘、物流、銷售多道程序才能到達(dá)消費(fèi)者手中，在人們嘗到最新鮮的產(chǎn)品之前也免不了各種浪費(fèi)。為了減少資源浪費(fèi)、助力各個(gè)渠道及時(shí)止損，需求預(yù)測的重要性變得越來越突出。

近日，觀遠(yuǎn)算法團(tuán)隊(duì)成員接受沃爾瑪中國總部邀請，遠(yuǎn)赴英國利茲，去參加沃爾瑪全球CMO/COO峰會(huì)， 現(xiàn)場分享與沃爾瑪如何通過生鮮產(chǎn)品銷量預(yù)測，提升銷售，降低報(bào)廢的合作案例。

此次沃爾瑪全球CMO/COO峰會(huì)，現(xiàn)場邀請了全球十幾個(gè)國家近40位CXO參加 ，閉門探討全球前沿科技在新零售領(lǐng)域的應(yīng)用。觀遠(yuǎn)數(shù)據(jù)算法團(tuán)隊(duì)對于需求預(yù)測案例分享，讓各國企業(yè)重新認(rèn)識(shí)了中國的新零售大環(huán)境和需求預(yù)測的落地實(shí)踐。

需求預(yù)測不能脫離本土文化

生鮮業(yè)務(wù)一直是沃爾瑪?shù)闹攸c(diǎn)項(xiàng)目，已經(jīng)成為沃爾瑪?shù)膹?qiáng)大推動(dòng)引擎。進(jìn)入中國市場20余年，沃爾瑪一直將數(shù)據(jù)分析和需求預(yù)測作為其產(chǎn)品備貨、運(yùn)輸、銷售的重要手段。然而，對于生鮮產(chǎn)品的預(yù)測，除了受天氣、溫度等常規(guī)因素的影響，還有來自中國本土市場環(huán)境的綜合挑戰(zhàn)。

區(qū)域消費(fèi)差異

中國國土遼闊，每個(gè)地方都有自己特色的飲食和消費(fèi)習(xí)慣，南北方對于蔬菜水果肉類的喜好都有所不同，所以各個(gè)區(qū)域不同品類生鮮產(chǎn)品預(yù)測都會(huì)存在很大差異。

采購渠道差異

不同于西方的農(nóng)場制生產(chǎn)，中國還存在大量零散的采購渠道，因此沃爾瑪在對中國市場，生鮮產(chǎn)品采購數(shù)量預(yù)測和價(jià)格進(jìn)行統(tǒng)層面也存在很大難度。

中西方文化差異

中國傳統(tǒng)文化源遠(yuǎn)流長博大精深，中國人在不同的節(jié)日和節(jié)氣都會(huì)有特殊的消費(fèi)習(xí)慣和食品喜好，和西方文化存在很大差異，同樣也成為節(jié)假日期間商品備貨的重要參考。

需求預(yù)測邏輯優(yōu)先

基于中國特殊的國情，觀遠(yuǎn)數(shù)據(jù)為沃爾瑪打造了具有本土特色的需求預(yù)測分析模型。基于對采購供應(yīng)鏈各個(gè)環(huán)節(jié)影響因素綜合分析來預(yù)判需求量。

而在這整個(gè)鏈路中，供應(yīng)商、門店和消費(fèi)者是三個(gè)重要的組成部分，每一個(gè)模塊都有自己的影響因素。比如供貨商會(huì)考慮種植條件和利潤;門店在補(bǔ)貨時(shí)會(huì)考慮到貨物的品相、歷史表現(xiàn)、成本、市場競爭力以及現(xiàn)有的庫存狀況;而消費(fèi)者會(huì)考慮到價(jià)格，節(jié)假日的需求，購物當(dāng)天的天氣等等。

在PoC階段，觀遠(yuǎn)數(shù)據(jù)把這些因素中能夠提前知曉和可以數(shù)據(jù)化的部分作為預(yù)測的主要數(shù)據(jù)來源。

結(jié)合了這些數(shù)據(jù)，觀遠(yuǎn)數(shù)據(jù)對其中三種生鮮產(chǎn)品進(jìn)行了T+4/5/6的銷售預(yù)測，這三種產(chǎn)品是由Omega8結(jié)合實(shí)際商業(yè)場景選擇，覆蓋了銷量不連續(xù)的季節(jié)性品類和價(jià)格變化多以及浪費(fèi)量大的常規(guī)品類，以此來檢驗(yàn)觀遠(yuǎn)模型的能力。

在整個(gè)PoC過程中，觀遠(yuǎn)算法團(tuán)隊(duì)選擇了有代表性的門店，并在Omega8的幫助下進(jìn)行了實(shí)地走訪，通過與門店經(jīng)理進(jìn)行業(yè)務(wù)場景和人工訂貨經(jīng)驗(yàn)的深度交流，了解生鮮售賣過程中的痛點(diǎn)和特點(diǎn)。在形成基本邏輯之后，將原始數(shù)據(jù)提煉為更適合模型理解的特征，并輸入到模型中進(jìn)行調(diào)優(yōu)。 得到模型的輸出后，觀遠(yuǎn)算法團(tuán)隊(duì)還通過模型效果評估、誤差分析 等各種方式來不斷改進(jìn)模型，以得到更準(zhǔn)確的結(jié)果。

在試點(diǎn)測驗(yàn)的第一周內(nèi)，由于某測試品類遭遇了產(chǎn)地的突發(fā)狀況導(dǎo)致供貨不足，使得預(yù)測結(jié)果偏高，觀遠(yuǎn)數(shù)據(jù)通過增設(shè)自調(diào)優(yōu)模塊，對預(yù)測誤差進(jìn)行監(jiān)控，使得模型可以快速的對環(huán)境改變作出響應(yīng)和調(diào)整， 并很快恢復(fù)到原有的高預(yù)測水平線上。

通過60天的PoC探索和建模，觀遠(yuǎn)數(shù)據(jù)對分布在5個(gè)城市內(nèi)的26家門店進(jìn)行了為期2周的試點(diǎn)測驗(yàn)，針對單店單天單SKU進(jìn)行銷量預(yù)測的輸出， 最終獲得了比原有模型超預(yù)期的效果呈現(xiàn)。

未來，觀遠(yuǎn)數(shù)據(jù)將堅(jiān)持創(chuàng)新、變革，不斷探索中國本土的“AI+BI"智能決策方案。

申請創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！