3年磨砺10大算法模型支撑京东百万SKU精准补货

      京东业务发展极其迅猛，自营SKU已百万级+，且仓储网络层级极其复杂，人均所需要负责的SKU+DC已高达万计。面临如此海量数据，如何科学补货，在保证现货率同时拥有合理的周转显得至关重要，且困难异常。智能补货恰是在这样的业务环境下成长起来的利刃尖兵系统产品，有效的解决补货数量难确认、补货时间难找准、操作繁琐耗时间等难题，目前在已使用智能补货的重点品类中库存周转天数降低20%，重点商品现货率提高5%，并可使人效大大提升，据调研和系统使用数据估算可节约约8000人天/年。

1 智能补货预测先行，大数据支撑的销量预测

      供应链最难解决的问题就是“牛鞭效应”，尤为重要的是供应链的源头，预测市场的动向，消费习惯，供应链源头的精准与否直接关乎到供应链的反应速度。传统意义中好的供应链计划需要经验丰富的采购管理人员根据对历史数据和未来销售任务的分析和判断做出最终结果。但当SKU发展到上百万，十个几仓库维度时，单一的人工经验或简单的计算将呈现灾难性状态.这个时候的大数据预测通过分析百万级SKU过去1~2年的历史销量数据、趋势。经过数据清洗、建模、动态趋势节假日调整等同时接入未来促销计划、多模型PK、机器学习最终输出RDC维度三个月内每日销量预测应用于采购、内配、退货、库内补货等各系统，大数据的应用使客户在未下单前，就已从供应商处采购商品，驱动调拨系统将商品放到距离客户最近的仓库。为确保预测的准确度，依据业务的特点，我们设计了简单预测建模，影响因子预测建模，历史销量预测建模，机器学习/综合预测建模等4种算法模型。

   (图为预测模型相关）

2 10种补货算法模型提供科学补货建议，周转天数降低20%

      根据SKU的实际库存，参考销量预测、备货周期、送货时长、安全库存甚至供应商的仓库支援关系，自动计算各仓的建议补货量，并可实现一键下采购单。

     智能补货系统经过3年的用户行为数据和业务数据双积累。不断产品流程优化，并深入融合业务进行算法模型优化，创新出包括默认标准模型，安全库存模型，新品模型，季节品模型，长尾品模型，大家电模型，补货点百分比模型，以供定采模型，图书补货模型，图书不动销模型等10种算法模型。目前，重点品类库存周转天数降低20%，重点商品现货率提高5%，节约库存资金高达2亿元。同时，长尾品自动补货已成功开启，80%长尾SKU会通过智能补货系统的科学建议，定期定时自动触发补货单。据调研报告相关数据届时补货效率提升150%，预计节约工时成约达8000人天/年。

                      （图为库存 模型补货算法模型相关）

3 极致体验，一键采购

为保证面向全品类时的适用性，智能补货平台以细致灵活的参数配置功能，保证各品类的个性化和独特性，涵盖补货类、辅助类、供应商类等三大类，近二十种可配置参数，加之大数据支撑的精准预测与10种补货算法模型，且以极致的用户体验为导向的UI设计和交互，实现真正意义上的一键采购，将采销人员最大限度的从繁冗的补货工作中释放。

     京东智能补货系统的应用与不断完善，是京东技术创新驱动业务发展的体现。在京东技术研发与业务运营部门的通力协作下，京东智能补货系统将让京东的SKU管理步入全新阶段，不仅全面提升现货率、库存周转等核心指标，更解放人效，让京东的运营效率进一步提升。

来源：京东零售平台