难倒刘强东的奥数题，京东智能供应链解开了
原创：谭婧
刘强东有几个问题，需要你帮忙做个决策：
（一）
到货快，花钱爽，建议商品离消费者越近越好。除了京东超级大仓库亚洲一号之外，得增加仓库数量，扩大仓库网络。而仓库又分一二三四好几级，一级一级把商品库存下沉。然鹅，快乐从不便宜，不断扩建，费用会上涨。据测算，每多一层仓库节点，增加大概1.4倍的库存成本。
问题来了，你会建议刘强东扩建仓库吗，那建多少个呢？
（二）
中国消费者酷爱促销打折，还得打骨折，即使常年买199减99，也不够。秒杀和爆款的优惠券，一张都不能少，图书节、电脑节、厨卫节、美妆节、母婴节，一个节都不能落下。
然鹅，促销多了，销量预测难，备货难，到底多便宜才能拉动销售？
问题来了，你会建议刘强东打几折呢？
（三）
目前京东自营商品540万个单品（SKU），员工变成保险精算师也算不过来，这样，热销品专人照顾，小众商品顾不过来，没日没夜加班也不行……
问题来了，你会建议刘强东停售哪些小众商品呢？
企业经营，靠“抛硬币”决策，太过儿戏。这些大决策又会被分解为成千上万个小决策，落在京东员工的工位上，电脑前，电话里，分分钟考验智商。
85后员工，“题这么难，我要跳槽了。”
90后员工，“这哪里是工作，这是奥赛题，我不高兴了。”
95后员工，“这么多报表，本来后天交，为什么明天交，你活不到后天吗？”
借北京亦庄傍晚最后的光，刘强东在集团大厦的办公室里，思考供应链对京东意味着什么。零售的本质是效率，仅仅用人的脑力来提效的做法，就像窗边的晚霞，注定落幕。
靠什么？靠科技。
京东的未来，要压在智能供应链上。刘强东回想起十几年前关闭卖光磁产品门店的那几夜。
如今，大数据、自动化、智能化，大雨滂沱，鼻孔里都是湿润的泥土味儿。
“雨后泥土的气息”一词最早出现于1964年，美酒鉴赏师常称，这种气味藏在葡萄酒中，味蕾都可以感受到。不过最新的研究表明，这种气息应该是由微生物带来的。
气候变化，小微生物，最为敏感。
星星挂上深蓝色夜幕，刘强东在集团高管会上提出了坚定的要求：“智能供应链是京东的未来。Y负责此事，负责到底。”
未来，充满未知。Y是数学里的未知数。用Y命名，其意义非常明确。
Y现在叫做“智能供应链Y业务部”，它有个曾用名，Y事业部，下文简称Y。
Y这颗星星，光芒初闪，并不抢眼。
彼时，老板们方向清晰了，但是员工还很陌生。供应链是一个超级复杂的系统，就好比全北京的车都堵在五环上，交警搞不定，市长搞不定，智能能搞定？我不信。
供应链的实际情况可能比全世界大都市的交通还要复杂，还没有交警。“智能供应链”在工业界没有先例可循，学术界仍在理论里推演。
彼时，中国电商野战军在摩拳擦掌。沃尔玛、家乐福等传统超市在拥抱变革时迟到。旧式供应链方法论无法照抄。
摆在Y团队面前的第一个难关，是供应链智能系统没啥人愿意用。比起代码丑、BUG多，更让技术人员心碎的是——没人用。管你技术大拿还是小拿，技术必须为业务服务，为零售这门生意服务。
老张，一位有着二十多年采购经验的员工。他对什么自动系统、什么人工智能，一脸不屑。对零售生意的掌控，他完全不亚于一位港交所里的股票操盘手。
他对行业、对要卖的商品非常熟，他知道最好的价格段在什么位置，竞争对手会怎么定价，近期消费者的转化率会怎么样，商家促销会怎么样，返利怎么样……这一切棘手的问题，经他之手，都能做一个挺好的平衡。
说白了，一个人的供应链的经验和知识价值千金，销量是真金白银，这是他赖以生存的根本，他会用一切去捍卫。
“还智能补货，你咋不叫智障补货呢？”
心底里，老张也希望能够多带出几个高徒。
公司的业务增长越来越快，京东的货架是电子的，数字的，这也意味可以放下比隔壁沃尔玛超市多n倍的商品。电子货架的成本可以不做计算，但是仓库里的货可不行，压货就是压钱。
手艺可以传承，经验不能立马复制。这位专家若在京东开课的话，少说能教这样几门课：动态定价、收益管理、促销管理、市场洞察、渠道管理、销售预测、补货预测……
这些头疼的事，都直接关系到生意的好坏。老张心里苦，也想有人帮。
在京东，像老张一样的业务专家，有千余位，企业继续发展，一味增加人手的方法，也并不可取。
这些困难，Y部门早都开始留意了。
当第一代的智能系统上线的时候，老张们齐刷刷的目光里，都藏着鄙视。Y的人也很着急，技术大牛们的梦想就是自己开发的软件工具能让人使用，用得越多越好，顺手改变一下世界。
再这样下去，世界改变不了，得改简历，换工作单位了。
没人用怎么办？总不能给业务团队下跪吧。这么干，一是尊严不允许，二是有七大事业群，几十个业务部门，跪得过来吗？
就拿第一代智能系统里的补货系统来说，好不好用呢？
实话讲，肯定是没有2020年版的第三代好用。
坦白讲，第一代补货系统是有缺陷的。
比如，建模比较简单，很多特殊场景并没有考虑到。凡事都得有个过程。
人间事，千难万难，难在许多人不肯有个开始。
于是，研发团队人人手里都揣上了业务书籍和各种学习资料，哪怕是坐在马桶上也不歇。想当年学编程的时候，也都是学霸。学零售业务知识，不能丢人。
学习雷锋，好榜样。学习零售，好研发。
人在突破认知之际，往往伴生恐惧。Y的研发人员发现，供应链是零售的核心。用智能软件系统把人的决策方式改变了，这是要闹革命。
说好只是写代码、写算法的美好生活去哪里了？
Y团队看透了，无处退。
Y团队想通了，不想输。
隔行如隔山，研发人员对业务专家的敬仰之情，犹如滔滔江水。多年后，回想当初，技术团队才领悟到，正是当初心里充满了对业务的尊重，对业务的敬畏，才在漆黑一片中摸到了“入口”，看见了微弱的光。
当研发专家碰上业务专家，也会闹笑话。
不善言辞的研发专家，开口第一句：“我观察你好长一段时间了。”然后，陷入一阵沉默。
某销售品类负责人是一位美女，人靓音柔，态度好。听到这话，看着对方的神情，一脸疑惑。
“啥情况，刚上班，就有帅哥来表白吗？”
看看他手上，也没有准备鲜花。
某销售品类负责人的内心戏：“一个销售人员，到底如何精细化管理京东要卖出的商品？京东的每一件自营商品，自从买进来的那一刻起，就开始占库房、占资金，这些都是成本，你一定要追求一个最优解。”
问题像飞虫一样天天在脑海嗡鸣盘旋，精疲力尽。
研发同事：“坦白地讲，我观察过你一段时间了，你的小组有20个人，每个人精细化管理的商品数量，不超过200个单品，这是一个正常员工不借助工具能达到的工作量的极限。”
某销售品类负责人的内心戏：“哎呀，有人抓住了痛点。京东现有的单品已经超过500万了。得多大一支人马来管理才够数？”
这次，研发帅哥和业务美女终于顺利对齐了思路。
老办法是淘汰法，把销售额、销售量排名，尾部淘汰掉，不要了。但是，没有人能保证这个方法正确。堂堂零售巨头，用的还是小学老师的方法。糟糕的是，销售是波动的，消费者是善变的，规律越来越难抓。
没把淘汰法淘汰掉的原因是，你没有更好办法了。
新办法是智能化，用AI算法去发现商品的“效应排名”。京东的理念是，商品要对消费者有吸引力，才是你经营这款商品的基本逻辑。这是一套围绕消费者的思路。
Y团队认为，每个商品的贡献，应该按每一个部门自己的理解去定位。最终是为业务、生意定制。这也是“智能选品系统”的产品逻辑。
“智能选品系统”瓜熟蒂落，但是别高兴得太早，后面游戏终极Boss——“智能补货系统”。
CEO当着所有人的面说：“这事儿特别重要，这是公司的能力建设。”一谈到能力，大家都认真了，谁也不想“没能力”。
更重要的是，这是刘强东说的，你不听，试一试，“企业咚咚”马上就登不上去了（可能是办公室网络不好，领导没有读心术，这位同学，把头上的汗擦擦）。
CEO站台是很重要，但是不代表，CEO能站在每个京东业务员工的背后，盯着大家用智能系统。
到底能不能用起来，你得有真本事——智能产品得用业务逻辑“思考”。
2015年，从第一代智能补货上线。
系统迭三代，已是五年后。
京东集团智能供应链Y业务管理部高级总监，胡浩在心中感慨：“你要是问我当时的心里话，我都不认为智能补货是有成功的希望的。”
胡浩的记忆里：“智能补货，我们花了非常长的时间，相当于智能补货是一个CEO级的项目”。
谁说不是呢？刘强东都来站台了。
2017年，智能补货“诞生”第二代，这一代完整些了，各种模型都考虑到了，家电、快消、美妆都和这个系统混了个“脸熟”。
第二代做完，第三代补货系统的难题来了，重卡陷泥沼，不知道该怎么提高了。
比如刘强东最喜欢的保温杯，就是用来泡枸杞的那款，断货了怎么办？
一共两步。
第一步，先做预测，看这个杯子未来能卖多少个，有多少人和老刘品位相近。
第二步，依据上一步的预测，来决定这个杯子补多少个。
最早学术界研究供应链的方法，就是教科书里的方法，没有人会质疑。学校里老师如此教，学生如此学。然而，这个方法，有个Bug，假如第一步预测错了，第二步也歇菜了。
Y部门的上空，乌云压顶，城防欲摧。
研发工程师回家冲澡的时候，旁若无人地干嚎，水声混着调不准的歌声。
“哭着来，要笑着走过啊。”
“哭着建模，要笑着调包啊。”
2017年12月的一天，一辆黑色的轿车，停在了京东总部楼下，胡浩在等着接人。几位背着黑色双肩包的人，匆匆下车。
那一刻，学界宗师，推开Y部门的大门。
大洋彼岸起飞，降落首都国际机场，赶到北京亦庄的京东大厦时，时差还没有倒过来，就直接坐到了会议室里。
“只要我们利用好京东生态圈高质量、高深度、全面的数据，我们完全可以比亚马逊电商平台做得更好。”
算法研发团队的人，你看看我，我看看你，没人敢打断申作军教授的发言。
憋在心里的话是：“以前，谁敢想？”
申作军教授，是美国加州大学伯克利分校教授。
申作军教授做客京东，到访Y部门，一待就是三个月，同行的还有几位博士生。他们的背后是京东硅谷实验室的200多位科学家。
在硅谷，京东跟Facebook、谷歌抢人才，团队成员大多来自MIT、Stanford、UC Berkeley、Georgia Tech、Michigan等美国知名高校。
吸引人才的不是钱，是技术上的高难度问题，技术的难题里蕴含着前沿发现。
你越说难，科学家们越兴奋。
供应链科学家研究的问题不会从实验室的试管里冒出来，难点都在工业界，因为供应链生于工业界。难点要在大型企业的生意中找，越大越好，越大越有难题。
前面提到的补货，在仓库管理员眼里，就是缺啥补啥，和缺钙补钙是一个道理。补货难题在科学家眼中，是《大数据驱动的自动补货系统研究》。
申作军教授和胡浩，还有Y部门研发团队的一帮人天天在一起，有人声鼎沸的争论，有陷入困境的迷茫，有找到突破的兴奋。
几个月以来，他们为了一个共识——“用机器学习的方式来解运筹的问题，而不是用运筹的问题来解一个机器学习的算法。”当你面对面听到这句话时，仿佛能从胡浩略带湖南腔的尾音里，闻出一股咸鲜麻辣的香气和湘军的霸气。
供应链里，一个决定决定着下一个决定，这不是绕口令，这是多米诺骨牌，严肃理论叫做牛鞭效应。
在大数据与人工智能算法面前，供应链提效找到了从绿皮火车到高铁大提速的可能。相比传统的方法，数据驱动的技术改变了供应链。
那为何到了2017年才讨论用数据驱动的方法，为什么不从第一代开始？你信不信，中国铁路工程专家詹天佑一开始也想修高速的火车。
原因是，以前并没有这么强的数据处理能力，所以大家只好从简化复杂问题入手。根据你对业务的分析，对业务的理解，你与业务专家坐下来访谈，在这一过程中发现哪些是关键，重要的事情如何影响，如何衡量量化因素，最后用建模型来解决掉，这是传统的理论。
一句话就是，靠人脑分析总结。
从供应链诞生之日起，传统方法的思路都没变过。师傅带徒弟，老师带学生。以前，白发苍苍的供应链专家这样思考，而今，深受脱发困扰的供应链IT专家还是这样。
2017年，依靠高质量的数据和机器学习，新方法走入白色镁光灯光束的中央。
胡浩感觉到技术的方向发生了变化，但没有百分之一百的把握，他和团队尝试往新的方向去调整、改变。胡浩侧耳倾听，技术直觉告诉他，老的方法已经把效率提到了极致，前进一步都非常困难，新的方法也许能成。
为了提效，甚至整个公司的企业流程都改变了。出发时，这一切根本无法想象。
加班的京东，大厦里到处都是灯光、人声、人影。
“不，要Excel卸载了才解恨。”
“就是今天。”