由達睿供應鏈管理咨詢與AceEvents共同舉辦的《供應鏈創新發展與變革轉型2020年度杰出企業案例評選》已圓滿落幕，以下為本次案例評選的最后一篇杰出案例，案例的主角是京東物流。

業務背景與痛點

安利1959年創立于美國，并于1995年進入中國市場，通過幾十年不斷開拓，中國市場已成為其全球份額最大的市場。經過多年的發展，安利的供應鏈網絡已廣泛分布于全國各地，其中包括約200家的線下門店，24個分倉，以及線上商城渠道及背后的電商倉庫。雖說經過多年的發展，但對安利供應鏈管理的更大挑戰卻是出現在最近幾年，這些挑戰主要來自于：

1.  快速增長的電商業務及其波動和不確定性

2.  急劇增加的供應鏈物流網絡復雜度

3.  難以實現線上與線下客戶的交付達成平衡并兼顧物流成本和庫存的控制

這些挑戰讓安利供應鏈團隊應接不暇。雖然早在2014年安利就提出“數字化”、“年輕化”、“體驗化”的供應鏈戰略轉型方向，但經過幾年的努力，實際效果仍低于預期。2019年一季度末，安利全國庫存周轉天數達到75天，遠高于行業同類品牌的40天，與此同時各倉庫現貨率水平參差不齊，那些距離工廠和CDC較遠的區域倉庫存在現貨率水平低于全國平均水平的問題。

京東物流助力安利的供應鏈轉型

京東物流集團成立于2017年（京東2007年開始自建物流，2012年正式注冊物流公司，2017年4月25日正式成立京東物流集團），京東物流不僅充分運用其自身強大的倉網物流體系來服務企業客戶（包括在全國運營超過750個倉庫），同時近年來京東物流還致力于價值供應鏈管理的探索，通過數字化和智能化技術為客戶的供應鏈管理賦能，而實現全渠道+全鏈條的數字供應鏈價值增值服務。

2018年京東物流承接了安利全國所有成品的倉儲物流業務，雙方就此建立了良好合作關系。在此基礎上2019年雙方進一步深化合作。京東物流利用其在電商模式積累起來的豐富需求預測、補貨與庫存管理經驗并結合京東物流的大數據智能算法能力，為安利定制化開發了銷量預測與智能補貨調撥系統（簡稱智能預測補調系統），并全面承接安利的供應鏈分銷計劃工作，協助安利做好工廠到倉、倉到倉及倉到店的補貨和調撥業務。

數字智能方案賦能

這里說的數字智能解決方案并非單方面僅強調算法工具的先進性，而是大數據算法的能力與商業邏輯的緊密結合。過去安利的人工分銷與補貨管理背后蘊藏著其多年業務經驗沉淀下來的管理邏輯，這部分需要提煉和保留，但過去人工分銷計劃管理在速度，效率和精準度層面，漸漸無法適應電商場景下消費者需求特征的多樣化，特別是在面對復雜和快速變化的市場情況下。因此大數據人工智能與商業邏輯的緊密結合才是符合企業變革的解決方案的方向。京東物流在為安利制定解決方案之前先對安利庫存計劃團隊的人工補貨邏輯及整體庫存策略進行了詳細調研分析，并通過算法模型初步佐證了通過數字化智能算法解決方案與安利業務策略的結合將有效提升安利供應鏈運營成效及效率。

智數解決方案的詳細內容

整個解決方案包括多個部分：商品布局、銷量預測、智能補貨與調撥系統、經營看板、庫存仿真、庫存健康診斷系統方案，以及結合各倉差異化備貨策略而制定的B2C訂單拆單方案。

1. 商品布局：通過銷量預測、庫存計劃、運營模擬，基于時效、成本、服務水平等因素，提供商品入哪里（選倉）、入多少（庫存）的最優供應鏈決策建議；

2. 銷量預測：以京東物流大數據平臺、算法平臺、預測中心為基礎，結合京東物流積累的行業數據，綜合考慮品類、品牌、產品生命周期、價格、銷售計劃、營銷計劃、配額、節假日、市場環境等各種因素，輸出銷量預測。預測主要的步驟為數據清洗、特征工程、分類選型、算法迭代以及輸出預測結果。

圖I 智能預測工程化方案

數據清洗：是指對歷史數據中的大單進行剔除，以及對因為缺貨導致的銷量損失進行

量數據回填，同時把異常的數據通過一定規則做數據預處理；

特征工程：是指梳理數據層面的特征，以便于識別；

分類選型：將數據特征與對應的算法模型進行匹配，輸出對應的模型和權重后，選擇結果最優的一個或幾個組合模型，對SKU進行預測；

算法迭代：是指模型確認后進行訓練和學習，算法模型持續調優的過程。

智能補貨：根據安利業務特點提供多樣化的補貨策略，深入融合業務進行算法模型優化，系統會依據歷史銷量、銷量波動程度兩個因素輸出sku顆粒度的補貨參數缺省值（也可根據業務需求自主設置）。系統依據智能預測結果，結合補貨規則，指導每個sku在倉庫維度的采購建議量，協助計劃人員進行補貨決策，為計劃人員輸出智能化、自動化的補貨建議，提高計劃人員的決策能力，提升補貨的精準度，有效的在提高現貨率的同時降低庫存周轉天數。

圖II 補貨調撥系統-基于周期盤點庫存模型(R, s, S)

主要的補貨策略為：基于銷量預測和庫存策略計算下游的補貨需求，工廠庫存供應充足時，按照下游補貨需求進行滿足；工廠的庫存供應不足時，按照各倉由遠及近優先級或者需求比例的方式修正下游的補貨需求，同時會考慮總倉的可配出庫存，啟動總倉補貨，將工廠無法滿足的需求由總倉進行支援，如果總倉也不能夠滿足下游剩余需求，系統還有最后的全國均衡的兜底邏輯進行補充。

3. 庫存仿真：采用供應方、倉庫和需求方三類基本邏輯單元建立庫存系統的仿真模型，并定義各單元的屬性參數，基于事件調度法，并借鑒進程交互法的處理方法，實現庫存系統仿真的算法，從而解決復雜模型的優先級處理、仿真運行狀態存儲以及庫存策略的實現等問題，實現正向的運營結果模擬和逆向的系統配置參數推薦

4. 經營看板：針對安利供應鏈各環節各部門的生產數據、業務數據、銷售等數據進行360度全景展示，并根據數據分析后的結果進行方案建議和后續執行。

整個解決方案除了技術方面還包括業務策略與流程方面的調整和適配，異常情況的處理機制，以及績效考核機制等方面。

轉型成果與總結

經過京東物流的價值供應鏈分銷計劃團隊與安利的共同努力，從調研論證，到解決方案設計，再到落地運營。安利供應鏈轉型成效已初步呈現，根據2020年中的績效數據來看

·      安利成品物流費用節約10%以上

·      庫存周轉天數從75天下降至45天

·      同時現貨率從原先的97-98%提升并維持在99.5%及以上水平

·      分銷計劃人員數量較之前減少一半，并有望進一步提升。

安利歐洲供應鏈規劃總監認為安利（中國）和京東物流價值供應鏈的這次合作是一個很好的標桿，為安利中國業務特別是電商渠道業務的更快速的發展提供了強有力供應鏈的支撐，并且安利期望未來與京東物流展開更廣闊的合作。而對京東物流而言，這個案例充分展示了京東物流在原有先進物流管理服務能力的基礎上通過數字化和智能化技術為客戶供應鏈管理賦能，助力客戶實現數字化供應鏈的轉型，并創造更高業務價值的能力。