面向供應(yīng)鏈挖掘“商品關(guān)系鏈”價(jià)值
——“大數(shù)據(jù)與智慧物流”連載之二

李 嘉/文

面向供應(yīng)鏈挖掘“商品關(guān)系鏈”價(jià)值
——“大數(shù)據(jù)與智慧物流”連載之二

李 嘉/文

中國(guó)有句俗語：人以群分，物以類聚。這句話蘊(yùn)含樸素的大數(shù)據(jù)思維。本文以筆者親自主導(dǎo)的一個(gè)倉(cāng)儲(chǔ)商品布局優(yōu)化案例為切入點(diǎn)，深入探討這種思想在電商供應(yīng)鏈領(lǐng)域的價(jià)值。

一、物以“類”聚

評(píng)價(jià)電商倉(cāng)儲(chǔ)能力的核心KPI之一是在售SKU（Stock Keeping Unit）總量。不同種類的SKU，在碼放標(biāo)準(zhǔn)、安保要求、生產(chǎn)流程、打包方式、溫度控制等方方面面存在巨大差異。簡(jiǎn)單來說，在售SKU總量越多，電商的供應(yīng)鏈能力越強(qiáng)?，F(xiàn)行模式下一個(gè)SKU對(duì)應(yīng)一個(gè)銷售種類（例如32G Iphone7 金色手機(jī)，即為一個(gè)標(biāo)準(zhǔn)SKU）；相應(yīng)地，一個(gè)SKU默認(rèn)為倉(cāng)配體系中的一個(gè)最小作業(yè)單元（比如最小上架單位、最少補(bǔ)貨單位、最少揀貨單位等）。然而細(xì)思起來，這種模式存在一個(gè)巨大的“意識(shí)斷層”，即：引入一個(gè)SKU的動(dòng)作在采購(gòu)端完成，其核心動(dòng)機(jī)是根據(jù)市場(chǎng)需求拓展供給商品，根本目在于提升GMV；而倉(cāng)配體系遵循的鐵律是用最低的成本把商品送達(dá)用戶，根本目標(biāo)在于降低成本。兩者分處銷售與運(yùn)營(yíng)兩端，目標(biāo)不同，本質(zhì)上沒有任何理由支持“每一個(gè)銷售基本單元必須 ＝ 每一個(gè)運(yùn)營(yíng)最小作業(yè)單元” 這個(gè)等式的成立。

在跨越 “意識(shí)斷層”方面，JD運(yùn)營(yíng)已經(jīng)開始了探索。以2016年7月在華南某10萬平方米倉(cāng)儲(chǔ)中心進(jìn)行的科學(xué)倉(cāng)儲(chǔ)布局項(xiàng)目為例，見圖1。布局前后效果見圖2。

從圖1看出，項(xiàng)目引入SKU簇作為庫(kù)內(nèi)的最小作業(yè)單元，同簇SKU在整個(gè)庫(kù)房生命周期內(nèi)，會(huì)被同時(shí)執(zhí)行上架、補(bǔ)貨、移庫(kù)等操作，不可拆分。經(jīng)實(shí)地測(cè)算，重布局后，減少揀貨時(shí)無效移動(dòng)59%。無效移動(dòng)案例如下：

a.Case平庫(kù)：揀貨員穿越了一個(gè)巷道，但未揀選任何商品，記錄為一次無效移動(dòng)。

b.Case“貨到人”庫(kù)：一個(gè)移動(dòng)貨架有100件商品，類kiva機(jī)器人搬運(yùn)一次后，揀貨員揀選了其中1件。此情況中，其余99件商品分別記錄一次無效移動(dòng)。

具體實(shí)施步驟如下：

1. 利用大數(shù)據(jù)預(yù)測(cè)工具計(jì)算每2個(gè)SKU被同單購(gòu)買的概率；將此概率作為個(gè)體距離，應(yīng)用聚類算法，在SKU總量基礎(chǔ)上生成若干SKU初始簇；

2. 根據(jù)簇內(nèi)每一SKU的支持度，計(jì)算其在簇內(nèi)的件數(shù)配比；

3. 根據(jù)待布局儲(chǔ)區(qū)容積，尋找全局最優(yōu)的簇實(shí)例組合。最優(yōu)目標(biāo)為：揀貨時(shí)無效移動(dòng)次數(shù)最少;

4. 根據(jù)待上架目標(biāo)介質(zhì)的實(shí)際容量，以及簇內(nèi)配比，對(duì)初始簇進(jìn)行裁剪（目標(biāo)介質(zhì)指以下中的一種：可移動(dòng)貨架、平庫(kù)巷道、shuttle貨格等）。一個(gè)初始簇會(huì)被切分為若干個(gè)簇實(shí)例。一個(gè)簇實(shí)例是一個(gè)具體到件數(shù)的存儲(chǔ)/作業(yè)單元;

5. 按切分好的簇實(shí)例及其分布完成上架。簇實(shí)例示意圖見圖3。

該項(xiàng)目在算法實(shí)現(xiàn)層面存在以下難點(diǎn)，供讀者應(yīng)用時(shí)參考：

圖1：某庫(kù)房商品布局演進(jìn)

圖2：某庫(kù)房商品布局前后效果圖

1. 預(yù)測(cè)SKU合買概率難度較大，歷史訂單數(shù)據(jù)受季節(jié)因素、贈(zèng)品綁定、促銷等因素影響明顯；

圖3：簇實(shí)例示意圖

圖4：融合熱銷品近產(chǎn)線模型

圖5：某熱銷品近產(chǎn)線效果的計(jì)算方法

圖6：思維導(dǎo)圖

2. 不同類型儲(chǔ)區(qū)對(duì)簇實(shí)例裁剪要求各異，需兼顧以下維度思考:

（1）簇實(shí)例之間應(yīng)保有關(guān)聯(lián)度

（2）避免熱銷簇過度集中，導(dǎo)致局部擁堵

（3）避免簇實(shí)例的商品量過大，導(dǎo)致占用目標(biāo)介質(zhì)過多

（4）避免簇實(shí)例的商品量過小，導(dǎo)致揀貨時(shí)SKU易被擊穿

3. 如欲兼容熱銷品近產(chǎn)線模型，會(huì)引發(fā)計(jì)算復(fù)雜度指數(shù)級(jí)攀升，見圖4。熱銷品近產(chǎn)線效果的計(jì)算方法見圖5。

（1）按商品合買概率劃分SKU簇

（2）以巷道為目標(biāo)介質(zhì)，生成簇實(shí)例，上架商品

（3）將銷量最高的巷道移到黃金位置

（4）圍繞01巷道，按簇間合買概率布局02、03巷道

（5）按銷量排序后，03巷道中商品銷量更高，交換02、03巷道中簇實(shí)例

（6）以02巷道為中心，迭代4-5步驟，直至整個(gè)儲(chǔ)區(qū)規(guī)劃完畢

JD運(yùn)營(yíng)從表象上看打破了按SKU管理庫(kù)房的傳統(tǒng)，實(shí)際上是還原了Stock Keeping Unit的本來含義。本文所述SKU簇，提供了定義倉(cāng)配體系更高效的最小作業(yè)單元的新思路，其廣泛應(yīng)用將大幅削減管理復(fù)雜性，更貼近運(yùn)營(yíng)目標(biāo)。運(yùn)營(yíng)中的最小作業(yè)單元不應(yīng)僅是基本銷售單元的影子。

二、 人以“群”分

每一件售出商品背后至少有三個(gè)人：生產(chǎn)商、銷售商、用戶。前文就類聚后的商品，在電商運(yùn)營(yíng)端的價(jià)值進(jìn)行初步討論，并未展開對(duì)商品背后人群的精準(zhǔn)分析。未盡之言以一張思維導(dǎo)圖作為概述，以求啟迪讀者更多思考。見圖6。

作者為京東商城運(yùn)營(yíng)研發(fā)部大數(shù)據(jù)研發(fā)部負(fù)責(zé)人