零售供应链 新零售时代下的智慧供应链：不仅仅是供应链

在“新零售”时代，“智能供应链”的概念应运而生。但本质上，最终目的是更完美地满足消费者的需求。

然而，在新的零售时代，智能供应链管理不仅仅是供应链。它依靠大数据和信息系统来整合全面的客户感知、智能指挥协调、精准的客户服务、全方位的功能协调、重点保障，使所有系统在信息的指导下协调行动，最大限度地发挥服务能量，有序释放服务能力，最终使服务精准化，使供应链透明、灵活、敏捷，各种功能更加协调。

新零售时代，智能供应链整合了“商品、供应链、大数据”三个方面。它不仅使“供应链”与商品和消费者的关系越来越密切，而且使“大数据”应用于“供应链”和“营销”的各种场景，给企业带来“自动化”和“精准化”。对于这样的“融合”，需要的是对业务深度的理解和“大数据”分析挖掘的双重能力。对于这样的“精准”，离不开对用户需求的综合感知。

其实不管是“老零售”还是“新零售”，本质上还是以“人、货、市”为中心不变。新零售的成功在于围绕这三个核心的业务要素重构是否有效。在新的零售时代，消费者对价格、商品库存和差异化服务提出了更高的要求。价格和库存的管理是基于合理的商品结构和智能选择方法。也就是说，首先要对商品进行科学的分类和定位，然后针对不同类别的商品采取相应的定价和库存策略。

因此，商品分类、动态定价和库存管理是智能供应链的三个重要环节。

首先是商品分类。大多数与智能有关的问题都可以归结为多维空中的模式分布问题。对于每个品牌，都有自己的战略规划，尤其是品类战略。然后在符合自身战略的前提下，制定完善合理的品类和价格方案。然后通过借用类似于“用户画像”的思想逻辑，用各种维度给各个品类的每个产品贴上标签，创造出自己的“产品画像”。

以一款跑鞋为例，可以从设计师之手、特殊运动功能、彩色面料款式、当季新款、畅销价格、低毛利率、高收藏等各个维度进行标注。这样每个商品就可以在每个品类标签中找到自己的品类，然后通过每个品类的交叉组合找到自己的精准定位。这些标签不仅仅是定性标签，而是所有可以定量计算的标签，即这些标签对销售的最终影响有多大，消费者对这些标签或标签组合的喜欢程度有多大，都可以用模型的方式来表达。

商品分类实际上是对零售三大核心“人、货、市”中“货”的深入解读，这种分析与“人”的画像密切相关。商品的准确定位为后续需求预测、促销定价、补货和订单逆转、采购规划和R&D规划提供了基础。从另一个角度来看，商品分类为“YEATION商品”奠定了技术基础，即通过分类从商品的角度定量地确定是什么原因导致一种商品卖得好和卖得不好，从而为未来的商品选择构建了一个强大的模型。需要注意的是，根据实时数据更新，商品的标签也在不断更新，所以商品的定位和相应的决策也在动态变化。

至于产品定价，人工做定价决策效率不高，很难考虑定价的准确性。比如对于一个商品应该88元卖还是66元卖的定价决策，即使所有影响定价的数据和信息都抛给你，包括它的利润指数、销售指数、联合率、销售率、页面浏览量、生命周期阶段、目标存销比等。，仍然很难人为地做出科学的定价决策。考虑到SKU的多样性和复杂性，尤其是长尾SKU，人工定价显然是对企业资源成本的严重浪费，也是不现实的。

那么智能供应链是如何做到的呢？

对于智能供应链，不同类别的商品有不同的定价策略。

比如有些产品是畅销产品却有其他竞争产品与之竞争，那么竞争产品的实时价格动态对于这类产品的定价尤为重要，其定价策略是价格导向的；有些产品不仅受欢迎，而且市场上暂时没有类似的产品可以替代，因此消费者对此类产品的价格感知程度会较低，定价策略可以以利润最大化为导向，也可能进行实验性涨价；有些商品本身就是滞销商品，应该降价。这类商品的定价策略可能只是为了控制成本；当然，还有新产品，也许一个新产品刚推出的时候，更大的目的是为了销量最大化。因此，此时的定价需要分析不同价格下的流量和销量分布，以便进行实验定价。

可以看出，商品定价需要根据商品的不同划分对应合适的定价目标，从而确定相应的模型约束，并将与商品相关的定价信息输入到相应的模型中，从而获得相应的输出结果。然后在决策后，对其效果的关键指标进行持续跟踪监控，作为下一个定价模型的输入，使定价不断优化。

第三个方面是库存管理。智能补货可以算是库存管理的领头羊。将自动补货模型应用于具体场景，优化库存结构，保持库存持续健康水平，需要从发货和收货两个方面入手。在入库的情况下，定位本次满足补货条件的所有SKU，根据补货任务运行模型得到补货数量的建议，最终生成生产补货决策。

在交货情况下，定位滞销高库存的SKU，基于商品滞销分级运行模型，得出相应的促销和降库存处理方案。不同种类的商品应采用不同的库存控制策略，应用不同的库存模型，配置不同的模型参数。

讲完这三部分，整个智能供应链中有一个不可或缺的东西，就是商品数量的驱动力——销售预测。且不说预测精度每提高1%，就能带来数倍的运营成本降低，而以销售预测为核心的需求计划，应该对各个环节的规划起到支撑作用。同时，零售商可以通过需求预测合理安排门店员工，高效服务消费者。

成功门店的排产计划总能在合适的时间将合适的资源分配到合适的岗位。零售商不仅要能预测顾客每天消费的高峰时间，还要能预测消费者光顾哪些店铺，这些都是建立在准确的销售预测基础上的。至于销售预测，要想在“新零售”时代达到“精准”，就要靠所有渠道、多个联系人的实时数据积累。模型本身应该能够判断这些连续输入数据的值权重并有效地应用到模型中，通过预测效果的自学习实现参数的优化调整。

显然，简单的时间序列模型和季节模型很难独立成为销售预测的主力军。

实际上，销售渠道的分类在需求预测中也是必要的。毕竟不同的线下店或者线上店属性标签不同，不同类型的店销售的同一商品的销售预测模型可能存在差异。由此可见，供应链整合规划的“智慧”不仅仅是销售和运营之间的规划整合，更是需求规划、品类管理、渠道管理之间的协调。

在新零售时代，“供应链”和“智慧”不会因为新技术的注入而变得高不可攀。相反，因为“智慧”，我们更好地为客户服务，我们的品牌更贴近客户。“供应链”，因为它的“智慧”，因为它与消费者和商品的联系更紧密，因为它的温度和激情，不仅仅是一条冷链，让消费者有更好的体验。