不管是傳統(tǒng)零售還是新零售，需求預(yù)測(cè)永遠(yuǎn)都是一個(gè)意義重大且極具挑戰(zhàn)性的問(wèn)題。一方面，如果能準(zhǔn)確預(yù)測(cè)出未來(lái)的需求，那么它將作為最可靠的依據(jù)，幫助公司精準(zhǔn)決策；另一方面，未來(lái)的需求受到很多不確定因素的影響，導(dǎo)致準(zhǔn)確的需求預(yù)測(cè)就像窺探“天機(jī)”一樣困難。
傳統(tǒng)采購(gòu)人員主要依賴自身的“專家經(jīng)驗(yàn)”執(zhí)行補(bǔ)貨操作，這種純粹憑個(gè)人經(jīng)驗(yàn)和感覺(jué)的預(yù)測(cè)方式往往只能關(guān)注一些銷量靠前的少量商品做精細(xì)化的補(bǔ)貨計(jì)劃。另外，由于人的精力有限、決策依據(jù)信息不全、無(wú)法及時(shí)捕獲市場(chǎng)趨勢(shì)變化等客觀因素，會(huì)導(dǎo)致商品補(bǔ)貨預(yù)測(cè)不夠準(zhǔn)確，最終出現(xiàn)經(jīng)常性缺貨、堆積的現(xiàn)象。
這種典型現(xiàn)象就像是庫(kù)存管理中赫赫有名的“報(bào)童模型”：報(bào)童每天采購(gòu)多少?gòu)垐?bào)紙賺得錢(qián)最多？如果采購(gòu)多了賣不出去就會(huì)浪費(fèi)，采購(gòu)少了會(huì)出現(xiàn)缺貨而失去賺錢(qián)的機(jī)會(huì)，這里面的學(xué)問(wèn)很大，與庫(kù)存預(yù)測(cè)優(yōu)化極其相似。
（圖源網(wǎng)絡(luò)）
●如何提高預(yù)測(cè)計(jì)劃商品的覆蓋率?
●如何在減少人力成本的同時(shí)大大提高補(bǔ)貨的效率?
●如何準(zhǔn)確把握各商品的不同生命周期，從而對(duì)其進(jìn)行精確的補(bǔ)貨預(yù)測(cè)?
針對(duì)上述需求，結(jié)合客戶業(yè)務(wù)流程和數(shù)據(jù)狀況，惟客數(shù)據(jù)研發(fā)了一套基于時(shí)序分析的智能補(bǔ)貨系統(tǒng)，從根本上解決了“人治”帶來(lái)的諸多困難和不確定性，使得完全通過(guò)數(shù)據(jù)驅(qū)動(dòng)的需求預(yù)測(cè)和智能補(bǔ)貨成為可能。舉個(gè)例子來(lái)說(shuō)：一個(gè)賣花灑的門(mén)店，月底店長(zhǎng)需要給廠家下單進(jìn)多少件的花灑供下個(gè)月在淘寶店上去賣，這時(shí)他需要考慮的因素就很多：比如這款花灑在歷史銷售情況中每個(gè)月能賣多少件（包括前幾個(gè)月分別賣了多少，去年同期賣了多少）；下個(gè)月是否有針對(duì)性的促銷活動(dòng)，持續(xù)多久；當(dāng)前倉(cāng)庫(kù)中這款花灑還剩多少件；下月計(jì)劃補(bǔ)貨是多少才能滿足店家?guī)齑嬷苻D(zhuǎn)率為20的需求等。
惟客數(shù)據(jù)智能補(bǔ)貨系統(tǒng)，商家只需要圈選需要預(yù)測(cè)的店鋪，系統(tǒng)后端程序會(huì)自動(dòng)獲取相應(yīng)的模型數(shù)據(jù)完成下月補(bǔ)貨量預(yù)測(cè)，并通過(guò)預(yù)測(cè)算法模型，及時(shí)捕獲sku全生命周期的趨勢(shì)變化，讓庫(kù)存周轉(zhuǎn)率維持在一定范圍之內(nèi)，使智能預(yù)測(cè)、精準(zhǔn)補(bǔ)貨變得更簡(jiǎn)單便捷！
如此神奇的系統(tǒng)，好奇背后都有哪些模塊組成嗎？就讓小編為大家一探究竟！
數(shù)據(jù)采集與預(yù)處理模塊
基于電商系統(tǒng)的原始訂單明細(xì)、發(fā)貨和庫(kù)存等維表數(shù)據(jù)，加工處理生成店鋪和sku粒度的每日匯總信息（銷量、出庫(kù)量、庫(kù)存量，平均售價(jià)等）。
預(yù)測(cè)計(jì)劃配置模塊
用戶在智能補(bǔ)貨系統(tǒng)中的“預(yù)測(cè)計(jì)劃”頁(yè)面選擇“新增”預(yù)測(cè)計(jì)劃，即可進(jìn)入相應(yīng)的配置頁(yè)面，填入“預(yù)測(cè)計(jì)劃名稱”，勾選該計(jì)劃涉及的“店鋪名稱”等信息完成配置，這樣預(yù)測(cè)計(jì)劃表中會(huì)生成一條關(guān)于新增預(yù)測(cè)計(jì)劃的記錄，該模塊主要記錄了該預(yù)測(cè)計(jì)劃的ID、目標(biāo)店鋪ID列表、生效狀態(tài)等信息。
數(shù)據(jù)采集與預(yù)處理模塊
利用預(yù)測(cè)配置表，得到所有有效狀態(tài)的預(yù)測(cè)計(jì)劃對(duì)應(yīng)的候選店鋪及其sku的相關(guān)數(shù)據(jù)（銷量、出庫(kù)量、庫(kù)存量，平均售價(jià)等），進(jìn)一步生成每個(gè)預(yù)測(cè)計(jì)劃的sku周期（比如10天為一個(gè)周期）匯總數(shù)據(jù)，最終得到各預(yù)測(cè)計(jì)劃各sku的時(shí)序結(jié)構(gòu)樣本數(shù)據(jù)集。
銷量預(yù)測(cè)模塊
將預(yù)測(cè)計(jì)劃的sku樣本數(shù)據(jù)集和促銷信息（時(shí)間和規(guī)模）輸入到時(shí)序分解模型，并結(jié)合自定義移動(dòng)平均算法，得到該預(yù)測(cè)計(jì)劃中各sku在下一周期（比如未來(lái)10天）的銷量、銷售額等指標(biāo)。
補(bǔ)貨量預(yù)測(cè)模塊
根據(jù)銷量預(yù)測(cè)結(jié)果、當(dāng)前庫(kù)存情況和上一周期庫(kù)存周轉(zhuǎn)率等信息，計(jì)算得到各預(yù)測(cè)計(jì)劃中各sku在下一周期的預(yù)測(cè)補(bǔ)貨量。
前端展示模塊
最后可以在展示模塊，看到上述各階段輸出的相關(guān)預(yù)測(cè)指標(biāo)，包括：銷量、銷售額、補(bǔ)貨量、庫(kù)存周轉(zhuǎn)率等，用戶能夠更直觀的掌握整體或各sku的相關(guān)指標(biāo)信息，同時(shí)也能通過(guò)后驗(yàn)統(tǒng)計(jì)的庫(kù)存周轉(zhuǎn)率結(jié)果，對(duì)先驗(yàn)各預(yù)測(cè)指標(biāo)的準(zhǔn)確性進(jìn)行驗(yàn)證。
現(xiàn)如今的消費(fèi)環(huán)境下，需要提升核心競(jìng)爭(zhēng)力的不僅僅是門(mén)店，包含流程效率、品牌在內(nèi)，只有均衡提升核心競(jìng)爭(zhēng)力，才能夠在新興的零售模式下創(chuàng)造更高的業(yè)績(jī)。平臺(tái)化的補(bǔ)貨部署只是提升核心競(jìng)爭(zhēng)力的第一步，通過(guò)不斷的技術(shù)升級(jí)和算法優(yōu)化能夠幫助品牌在未來(lái)的市場(chǎng)競(jìng)爭(zhēng)中占據(jù)主導(dǎo)地位。
關(guān)于惟客數(shù)據(jù)：WakeData惟客數(shù)據(jù)是一家以大數(shù)據(jù)和AI人工智能為核心的數(shù)字化客戶經(jīng)營(yíng)服務(wù)商，率先提出數(shù)字連接、數(shù)據(jù)智能、數(shù)字運(yùn)營(yíng)的數(shù)字化升級(jí)實(shí)踐路徑。面向地產(chǎn)、家居、汽車和泛零售等線下行業(yè)提供「惟客云」數(shù)字化客戶經(jīng)營(yíng)系統(tǒng)，以客戶為中心、以數(shù)據(jù)驅(qū)動(dòng)，助力企業(yè)提升客戶服務(wù)體驗(yàn)和經(jīng)營(yíng)效率。喚醒數(shù)據(jù)，讓客戶經(jīng)營(yíng)更簡(jiǎn)單。
