首页 > IT业界 > 正文

智能决策落地百年雀巢,杉数科技助力电商计划实现智能升级

2021-09-27 14:19:56  来源:

摘要:今年上半年 , 雀巢交出了十多年来最好的半年报 , 中国咖啡、专业餐饮、乳品和宠物食品均实现两位数增长 , 其中电商销售额增长 19 2%, 占集团总销售额的 14 6%。
关键词: 智能
今年上半年 , 雀巢交出了十多年来最好的半年报 , 中国咖啡、专业餐饮、乳品和宠物食品均实现两位数增长 , 其中电商销售额增长 19.2%, 占集团总销售额的 14.6%。今年 618 期间 , 雀巢更是凭借新品爆发 , 在饮品行业销售中表现强势 , 稳居行业领先地位。雀巢电商的不断高速成长 , 给雀巢集团带来了业绩的增长。然而快速增长的背后 , 其传统的成熟供应链体系却迎来了敏捷性上的巨大 " 考验 "。

需求高速增长背后的供应链烦恼

企业的供应能力不是无限的 , 面对电商的迅猛发展 , 雀巢的供应链的需求计划、库存计划、履约计划都倍感压力 , 尤其是需求计划 , 在双 11、618 等大促的新玩法层出不穷 , 外加越来越多的非计划性促销 ( 如直播带货等 ) , 计划管理者该如何科学制定需求计划 , 以提供基准预测、做好需求端判断、并综合考虑供应端能力 , 是非常困扰的难题。拿直播带货来说 , 雀巢通常需要提前一个月向平台申请直播 , 直到直播前 2~3 天才知道是否能够获得直播资源。这让供应链部门非常被动 , 过早备货可能出现堆货的情况 , 若等到直播确定后再备货 , 又可能由于时间太赶而无法提供足够的货物 , 影响到订单服务水平。

 

雀巢的总体目标并不能对各部门起到很好的指导作用 , 不能有效被执行。雀巢电商 SKU 数量繁多 , 达到成百上千的级别 ( 不同包装视为不同 SKU ) 。雀巢的总体业务目标往往依靠管理层集体决策 , 而在实际工作中 , 雀巢的整体需求计划会被拆分到 SKU 层级去执行 , 这就出现了整体需求计划与执行层面的颗粒度不一致的情况。整体需求计划落到具体 SKU 层级时 , 需求计划的准确度往往会出现很大的偏差。

 

此外 , 在雀巢销售额占比中 , 新电商渠道 ( 如拼多多、私域流量 ) 与新品发展势头强劲 , 但是由于新渠道与新品没有历史数据作为参考 , 也未形成成熟的运营体系 , 需求波动较大。如何在缺乏历史数据参考的情况下制定需求计划 , 也给雀巢带来了挑战。

面对以上问题 , 作为 Gartner 供应链 Top5 的雀巢发现其供应链计划存在诸多局限性 , 根本无法满足中国电商市场的独特需求 , 亟需一个更智能的线上需求计划协同平台。

新一代需求计划平台探索之路

面对电商计划难题 , 雀巢希望能够尽快找到一个专业的供应链合作伙伴 , 搭建敏捷高效的需求计划协同平台。然而进展并没有那么顺利 , 雀巢发现很少有系统开发商能够了解其整体业务 , 无法从全局考虑需求计划前后端各部门的业务关联 , 通常是单纯将数据按照一定规则抽取和分析 , 缺乏完整的业务逻辑与处理 , 方案在设计上存在很大局限性 , 并不能实质性解决各个部门间的协同、分析、提报等问题 , 无法满足雀巢电商需求计划协同管理的要求。雀巢新的需求计划协同平台迟迟无法落地。

一次偶然的机会 , 雀巢结识了杉数科技。雀巢发现杉数科技对供应链有着非常专业的理解 , 能够为企业解决需求预测、库存管理、仓储优化等一系列场景中的优化问题 , 帮助京东、好丽友、永辉超市诸多知名企业在需求计划 / 供应计划 / 履约计划方面取得了不错的落地成效。经过深入沟通 , 雀巢非常认可杉数科技的专业性 , 双方达成合作 , 双方携手共同打造新一代电商智能计划平台。

雀巢电商智能计划实现快速升级

杉数科技团队在接到雀巢项目后 , 并没有急于进行系统开发 , 而是对雀巢整体业务情况进行了全面调研。通过对雀巢电商全渠道进行业务梳理 , 为雀巢构建一个更加有效的电商计划解决方案做好前期准备。

结合全局业务洞察 , 杉数团队开始着手进行产品和算法方案设计 , 考虑了不同角色用户的需求、保持计划颗粒度的一致性以及针对细分场景算法建模。杉数基于供应链计划平台——需求计划产品模块 ( Demand.AI ) , 以 SaaS 部署的方式为雀巢电商团队构建了电商智能计划平台 , 全面接收各电商渠道销售端的信息 , 形成信息的及时透传和互联 , 同时纳入雀巢市场营销活动、市场占有率、公司销售目标与销售提报数据 , 输出短周期协同需求计划及长周期需求计划 , 并在平台中内嵌智能需求预测算法 , 为线上渠道销售预测提供智能建议。。

 

图为 : 杉数 Demand AI 需求计划方案框架流程

 

考虑不同角色用户的需求

杉数团队在进行产品方案设计时 , 考虑了不同模块的视角需求 :

针对计划员 , 系统会提供不同情况下的需求预测结果 , 比如活动、销售目标 ( 反应人为因素驱动的销售预期 ) , 不考虑销售目标 ( 反应真实的市场需求 ) , 销售提报的结果等等 ; 计划员也可以通过事业部或者品类层级数字拆解到最小颗粒度 , 反复进行不同假设下的测试 ;

针对销售 , 杉数能够提供在综合考虑活动计划、历史销量、销售目标等因素后的预测结果。销售基于该结果进行细节判断和修改 , 以此实现从数据出发到判断结束的合理需求计划流程 , 而不是提供一个空白表格 , 完全由销售来输入需求。

保持计划颗粒度一致性

针对需求计划颗粒度不一致的问题 , 杉数团队通过将电商智能计划平台底层设计保持统一产品颗粒度 , 保证时间颗粒度可转化 , 实现从金额到数量的转换、产品层级之间的数据聚合与拆分、时间颗粒度上的拆解等功能 , 各个模块之间也有参考衔接的过程 , 保证了需求计划与客户运营、供应计划的数据衔接 , 为全链路精细化管理提供了协作基础。

针对细分场景算法建模

尤其值得一提的是 , 需求计划的制定符合业务场景细分 , 通过大量的数据信息找出具有同一类需求变化特点 ( 时间、空间、产品、需求群体 ) 的组合 , 进行针对性的建模。例如同样的 SKU 单品在不同季节或地域的销售特征可能差异很大 , 因此在分类时 "SKU 单品 + 季节 ( 春 / 夏 / 秋 / 冬 ) + 地域 ( 黑龙江 / 上海 / 广州 .... ) " 形成的每一个组合都是需要单独分析的对象。

 

此外 , 对于新渠道与新品等这类缺乏历史数据参考的渠道产品 , 杉数科技采用了特殊化的处理逻辑。以新品销售预测为例 , 雀巢新品推出的速度很快 , 但新品的销售预测缺少历史销售数据 , 常规算法可能无法计算预测结果 ; 如果等新品销售一段时间后再进行预测 , 可能又会出现由于新品刚推出时推广投入较多 , 销售量很大 , 导致计划员调高了后期的销售预测值。对于这类场景 , 杉数科技实行与常规品不一样的处理逻辑 , 前期业务逻辑主导 , 中期算法辅助决策 , 后期转常规品 , 增加系统对新品计划的灵活性 , 让企业在面对无法用常规算法处理的场景可以做后处理。

 

电商智能计划平台的实施大大帮助雀巢提升了线上全渠道的需求管理能力 , 电商需求计划准确度得到大幅提升 , 极大地减少了因销售预测不准导致的断货、堆货的情况 ; 实现了需求管理的精细化、自动化、智能化。

杉数科技对智能决策技术、供应链原理、各个行业生意本质的理解并非一日达成。在过去 5 年 , 杉数科技与 20 多个细分行业 100 多家标杆客户合作、团队内部行业经验沉淀、产品研发打磨、算法多次迭代形成 , 在销量预测、收益管理、网络优化、需求计划、自动补货等业务环节中的核心决策问题上 , 帮助企业业务管理人员快速响应最为复杂多变的产业及市场挑战 , 实现显著超越传统经验的决策效率和效果 , 同时有着一套从业务梳理、方案设计到产品和算法实施的完整方法论和落地经验。未来 , 杉数科技将利用智能决策技术为更多以食品饮料、美妆、医药为代表的快消企业在端到端供应链上创造更多实际价值 , 推动行业供应链数智化升级。


第三十六届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:baxuedong

免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。