第五章 业务架构，5.4 智慧供应链(作者：昏河)

Posted 2020-08-25 jiapeng

5.4 智慧供应链

前言

在面对天猫双11当天1207亿商品交易额（GMV）和6.57亿物流订单时，供应链作为电子商务企业运作的支柱，是如何有效地组织、协调和优化这个复杂且动态变化的供需网络，从而可以高效地支持2016年猫全球购物狂欢节呢？

 

1. 传统电子商务企业供应链

在2015年前，天猫供应链关注的重点是借助天猫电子商务交易平台，实现供应链交易过程的全程电子化。在这个阶段，天猫利用其供应链将上下游的企业和客户等进行全面的协同和交易撮合，对平台相关的信息流、资金流和物流进行监控和管理。在这种传统的电子商务供应链的支持下，天猫完成了多次双11，重点打造了其交易系统、库存系统、商品系统和会员系统等一系列传统电子商务支柱系统。并通过一次又一次的双11极大地提升了这些系统的稳定性和可靠性，在这些系统的支持下天猫供应链具备了处理频繁变化需求和复杂业务形态的动态供应链雏形，也具备了信息化、数字化、集成化、可视化和自动化等技术特征，但仍然属于传统电子商务供应链，在供应链的控制和管理的智能化水平上还存在着较大的提升空间。

 

2. 天猫智能供应链

在2015年后，天猫双11业务的复杂性和规模日益增加，对其供应链管理的效率和智能化水平也提出了新的要求。2015年天猫双11全球狂欢节涉及了超过1.6万个国际品牌，其中33%的总买家向国际品牌或商家购物，买家及卖家来自全球232个国家及地区。2016年参与双11狂欢的国家和地区共计235个，百万店铺线下和线上打通，真正实现了全球狂欢，在背后依赖的正是天猫智能供应链。

在这段时间，阿里巴巴天猫技术团队开始在多个垂直行业的供应链领域进行深耕细致，并引入了运筹优化、机器学习、自然语言处理和图像识别等算法，升级了天猫供应链的控制和管理能力。目前天猫供应链已具备了需求预测、供应链优化、供应链仿真、智能选品和定价等一系列智能服务。

 

2.1 需求预测

天猫作为拥有数亿活跃用户的生态系统服务商，及时掌握顾客的需求变化，对顾客需求做出快速而准确的预测是天猫供应链建设的基础。需求预测是整个市场需求波动的晴雨表，也是供应链运作的源头，需求预测的准确度和灵敏性直接影响到电商的库存策略，物流安排、对顾客订单的交付率准时率、以及个性化推荐策略等。

天猫供应链平台的需求预测包括两个部分，分别为商品需求预测和用户偏好需求预测。商品需求预测是指商品在时间和空间两个维度上的需求预测，关注不同区域不同时间颗粒度上对SKU的需求预测，它与采购策略、库存策略和物流策略紧密相关，其使用场景侧重在商品采购批量的确定、库存在空间和时间维度的分配、物流资源的订购和安排等环节。高质量的商品需求预测有助于减少商品缺货给商家和平台带来的巨大损失、有助于减少闲置库存产生的资金和人力浪费、更有助于提前准备和安排物流资源以提高物流服务水平。用户偏好需求预测是指对平台上每个消费者个人购买偏好的预测，主要是基于用户在天猫和淘宝等平台上的购买、点击、搜索、收藏和评价等行为信息，预测消费者在当前阶段对商品类目、价格带和规格等关键属性偏好的需求预测，其用途主要是进行商品个性化推荐和展示。

对于商品需求预测，当前天猫供应链平台包括常规需求预测、新品需求预测和包含双11期间的活动商品需求预测。当前的预测算法考虑了历史成交、活动数据、节假日和大促日信息、以及商品特性等数据，系统对数千维特征进行构建，并将特征切分为交易、流量、活动、类目和属性等特征集合，建立了多层级的预测模型，在模型中融合了梯度渐近树算法、随机森林算法、以及支持向量机等数十种机器学习算法。需求预测主体算法可以支持商品与算法进行自适应匹配，根据不同的商品信息在每个决策时空内进行商品与不同的融合模型进行快速匹配，以进行更高精度的预测。同时通过预测数据和真实数据的监控和反馈，算法能够持续地优化预测模型，并基于商品需求的预测质量持续调整模型参数和模型融合方案。

用户偏好需求预测是基于阿里体系内沉淀的大数据，通过深度学习和机器学习等算法，构建了用户画像、商品画像、类目画像和品牌画像等，并建立了用户类目偏好预测模型、用户品牌偏好预测模型、用户商品偏好预测模型、商品间关联预测模型、以及类目关联等数十种预测模型。这些模型在天猫和淘宝平台上众多的购物场景下为用户提供了个性化的商品推荐。在2016天猫双11期间，天猫多个业务的推荐版块就是采用了这种用户偏好需求预测的算法和模型，为用户提供更精准的个性化购物体验。

 

2.2 供应链优化

传统电商的供应链专注于将其上下游的企业和客户等进行协同和交易撮合，对平台相关的信息流、资金流和物流进行监控和管理，但在供应链管理的智能化和精细化等方面还存在不足，导致了其供应链运作效率和成本控制方面存在着较大的提升空间。

天猫供应链平台以运筹优化算法和人工智能算法作为驱动，针对供应链运作中的补货、库间调拨、以及健康库存等关键业务环节进行了优化。同时针对天猫平台在日常和双11期间的业务特点，考虑了不同商品在各区域和时段的需求预测和波动情况、商品的区域营销策略、物流设施的空间拓扑结构、商品库存的历史在架和周转状况等因素，构建了相关业务的数学模型，建立了自动补货、自动调拨和健康库存等优化管理模块，以优化库存资源分配、提高商品在各区域的周转率和在架率。以双11前进行的集货仓全国调拨为例，自动调拨算法在综合考虑各区域需求预测的前提下进行了有限库存的全国调拨和库存分配，平衡各区域的供给和需求，优化双11期间总体库存周转和在架率。

在营销端，天猫供应链平台也采用了运筹学优化算法，针对商品参与活动的计划和调度问题进行了优化。在综合考虑了类目分配、活动折扣、历史销量、以及库存等业务信息和规则后，建立了混合整数规划的数学模型，应用了分支定界等优化算法高效解决了该问题。在2016天猫双11期间，天猫部分活动版块就是采用了该数学模型和优化算法对商品在双11期间不同活动时间段进行优化调度，以提供消费者更好的购物体验。

 

2.3 供应链仿真

由于电商企业的供应链是一个高度动态，高度变化的复杂系统，其中任何一个环节的行为在很大的概率上依赖于其他环节的表现，仅仅通过解析方法和相关模型还不足以全面地分析和描述电商企业的真实供应链。供应链仿真技术是分析和优化这个复杂系统的重要工具，它不用搭建全景的实体模型，只用实体模型的一部分成本来模拟真实系统，通过建立虚拟模型以测试针对真实供应链系统的各种想法和假设条件，因而可以节省资金和时间投入，更重要的是供应链仿真技术极大地降低了电商企业的决策风险。

天猫智能供应链平台融入了针对电商供应链业务的仿真技术，支持对不同业务线多个业务场景进行仿真分析，将其供应链作为一个整体系统来进行研究和分析。通过模拟每个区域的客户下单、采购补货、预约入库、调拨入库、以及订单送达等多个业务环节，在不同决策场景下对这些环节进行一体化的仿真分析，以确定采购补货和仓间调拨等业务决策的合理性。同时天猫供应链仿真技术与平台上的优化技术紧密结合在一起，一方面通过仿真技术对运筹学获取的供应链运作优化结果予以验证，另一方面，供应链仿真得出的仿真结果可以作为运筹优化的初始解或中间解，进而辅助优化模块更有效地逼近供应链运作决策的最优解。为有效地应对本次双11，天猫部分自营业务和类自营业务需要调整其补货和调拨业务的关键逻辑和参数，就是通过了天猫供应链仿真技术予以支持和验证，在降低决策成本的前提下提高了供应链业务决策的准确性。

 

2.4 智能选品和定价 

品类分析和挖掘是平台和商家生存的关键，也是任何一家做电商的平台需要具备的能力。天猫智能供应链平台采用了深度学习、文本挖掘、图像处理、以及自然语言处理等技术，提供了智能化选品、商品聚类和智能定价的服务能力。

对于新品的选择，供应链平台通过深度学习算法，对不同渠道商品的相关文本和图片进行分析和挖掘，建立了商品本体库、商品特征库、以及相关的商品比对模型，为自营和类自营店铺提供了智能化的新品挖掘方案，进而丰富平台和店铺商品线的深度和宽度。 对于既有商品的聚类和汰换，供应链平台将淘系中积累的大数据与天猫业务沉淀下的行业专业知识进行了融合，并通过机器学习算法和自然语言处理算法建立了季节性预测模型、潜力预测模型、复购周期预测模型和舆情分析模型，进而对不同行业的商品进行聚类和汰换。此外，基于不同行业下商品比对模型和商品聚类，供应链平台应用了机器学习算法和运筹学方法建立了不同商品聚类下的商品价格模型以指导商品定价。这些模型一方面支持了店铺日常的品类规划业务，另一方面也为双11大促进行了选品支持。

 

总结

电子商务平台的优势之一是在于能够随时随地、持续大量地收集数据，为电商业务提供及时和可视化的供应链数据，这些高价值的数据为电商企业供应链的智能化提供了土壤。天猫智能供应链平台依托大数据和云计算，覆盖了零售平台从选品、采购、补货、调拨、定价和营销等各个供应链环节，通过运筹学、机器学习、深度学习、文本和图像识别等算法和技术，从整体上优化了供应链运作的效率和成本，通过对跨领域数据和算法的融合，产生了乘法效应，为各业务提供了全供应链的智能解决方案，最大化了其供应链的商业价值。