【金猿案例展】沃尔玛——基于果蔬商品智能预测的补货优化

观远数据案例

本案例由观远数据投递并参与“数据猿年度金猿策划活动——2020大数据产业创新服务企业榜单及奖项”评选。

大数据产业创新服务媒体

——聚焦数据 · 改变商业

---

中国生鲜食品消费与人均GDP增长呈正比，居民对生鲜食品的需求，尤其是对水果、蔬菜等的需求，持续高速增长。果蔬类产品作为零售类行业日益重要的组成部分，是提高消费者进店频率和门店忠诚度的重要驱动力。不同于其他商品具有相对稳定的市场环境和供应链规划，果蔬品的补货因其自身特性而显得更加复杂。基于中国地大物博的国情和复杂的市场环境，沃尔玛希望在中国寻找一家立足本土的数据智能公司，通过AI算法与商业智能结合，解决果蔬商品的智能补货问题，将订销比维持在稳定范围内。

应用场景

果蔬零售市场刚刚触及到核心供应链改造，还存在着大量创新空间，而果蔬供应过程里的高成本高损耗问题使得现代化供应链升级的需求变得更加紧迫。中游经销链条订货补货系统存在依赖人工经验判断，具有不稳定性、波动大，效率低和难以大范围标准化复用等问题。 

沃尔玛和观远数据落地的“AI智能补货”项目，结合AI算法，通过异常判断、可视化分析等方式，快速梳理数据间的关联并发现异常，实现自动化处理，大范围、强稳定的销量预测用于辅助商业决策的规划和制定、有效管理和安排供应链，从而来指导门店订货，资源分配，以及门店运营。 

面临挑战

一、行业面临的挑战：果蔬的易腐性造成的供应链管理问题。

• 高成本：为保证果蔬类产品的品质，延长其生存寿命，在采摘、加工、包装、运输、售卖和储存的各个过程中需要投入更大的人力维护和资源消耗； 

• 高损耗：损耗是果蔬产品保证食品安全的一个重大问题，过量进货会导致成本增加产生资源浪费，缺货和货物品相变差更会使得消费者的消费体验大打折扣，甚至引发食品安全问题。 

二、业务实践中面临的挑战：果蔬类产品短暂的生命周期，要求具有更快更准的订货量判断。 

• 需求的不确定性

由于果蔬类产品的可挑选性和可替代性，顾客购买行为常常会由价格、品质、商品组合、历史体验和个人口味等多重因素决定，而果蔬类产品的品相和口感受产地环境、当年天气等多重难以人工干预的因素影响，价格波动、断货缺货等行为出现频率高，这使得果蔬类产品的需求量具有较大的不稳定性。

• 精细的预测维度

果蔬类产品的易腐性要求果蔬品类必须处于快速的货物周转过程中，补货与售卖需同频进行以响应市场需求，配合相应的采购补货场景，要求预测落在更精细的维度里。 

• 复杂的产品模式

不同于其他商品所具有的品牌忠诚度，果蔬类产品很难具有长期的稳定消费模式，这样的长期不稳定性无疑增加了预测的难度。

• 未知的关键信息

鲜食产品由于进货商渠道的多样性和难组织性，以及品相的不可控等性质，造成果蔬类产品的价格动荡和促销行为的不定期发生，而这些信息在确定补货量时是无法预知的。

数据支持

双方建立起完整的“数据清洗—特征工程—模型训练—结果输出—误差监控”的AI迭代流程，部署自动任务流程每日对接新数据，实现了对未来4～6天的预测输出，指引门店订货。在POC阶段，观远数据选择了沃尔玛26家门店对模型预测进行两周的试点测试，每日计算单SKU单门店预测准确率，最终在3种测试品类上，两周的预测准确率较之原有模型精度绝对值平均提升7%。

应用技术与实施过程

一、前期调研

沃尔玛与观远数据根据果蔬品类的行业痛点，通过走访门店，与一线工作人员和采购部门进行业务交流，了解果蔬类补货的真实场景中面临的问题和订货时的考量因素，结合系统数据进行问题分析和影响因子的数据化处理。常见的果蔬品类可被大致分为两种，季节性商品和非季节性常规商品，季节性商品因上市时间短且时间不固定，受市场环境影响较大，销售量大的非季节性商品同样存在损失率高的情况。结合实际情况，沃尔玛选择出具有代表性的大台农芒（季节性）、小台农芒（季节性）、山东富士苹果（非季节性）三个单品进行AI预测。

二、方案设计

方案结合销售、清仓、进货等数据，增加天气、节假日以及和中国国情紧密相关的节气等相关信息，根据业务场景进行门店维度单品的按天预测。尝试多种模型，融合业务经验和统计数值、信号变换等特征，进行数据平滑等操作，经过对历史数据呈现趋势的学习调整参数。建立起完整的“数据清洗—特征工程—模型训练—结果输出—误差监控”的AI迭代流程，部署自动任务流程每日对接新数据，实现对未来4～6天的预测输出，指引门店订货。

三、成果检验

选择26家门店对模型预测进行两周的试点测试，每日计算单SKU单门店预测准确率，最终在3种测试品类上，两周的预测准确率较之原有模型精度绝对值平均提升7%； 

全自动预测后台，自动加载每日新数据，完成模型自更新与当前预测任务。

商业改变

一、经济效益变化

后续计划将扩展到全国门店及Top10果蔬商品，并保持7%的预测准确率提升，将会带来单品类年均上百万收益提升的经济效益。通过构建完整的自动化任务流，增强经验的复用性，同时深度挖掘和监督数据异常，反馈门店运营可能存在的问题。此外，减少果蔬类产品的损耗和报废，保持果蔬产品的新鲜度，提高消费者在消费过程中的购物体验，同时保持较高的进店率和转化率，促进门店其他产品的销售额增长。

二、社会效益变化

算法+人工智能+大数据构成的企业供应链智慧化决策，是现代供应链中重要的一部分。将人工智能算法应用于复杂的果蔬产品供应链，是推进传统食品行业现代化的必经之路。

三、环境效益变化

响应联合国减少食物损失和浪费的全球倡议，通过精准销售预测还原真实的市场需求，从售卖点入手，向生产商和消费者进行供求关系的两端影响，减少因资源分配不合理导致鲜食产品的浪费，以确定能够带来最优投资回报的方式减少食物损失。同时辅助补货的合理规划，加快鲜食产品流通，保证产品质量，提升食品安全。

关于案例提交企业·观远数据：

观远数据成立于2016年，致力于为泛零售、消费以及互联网领域客户提供新一代智能数据分析与决策（AI+BI）产品方案。区别于传统BI平台，观远数据首创性地提出了一套从敏捷分析到智能决策的“5A”落地路径，可根据企业的数据基础，协助客户规划相应的数字化升级路径，一步步实现面向未来的数据驱动体系。目前已经服务了沃尔玛、联合利华、百威英博、王府井集团、全家便利店、赫基集团、元气森林、三顿半、奈雪的茶、生鲜传奇、小红书、bilibili等上百家零售消费和互联网企业。

—— / END / ——

以下内容更精彩︾

2020年度产业图谱： ●2020中国数据智能产业图谱1.0版 ●从产业图谱看中国2020年数据智能行业的发展态势2020数据猿《#榜样的力量#寻找新冠战“疫”，中国数据智能产业先锋力量》大型公益主题策划活动：2019数据猿年度金猿榜：