阿裏也推供給側改革？雲棲大會詳解AI如何發力供應鏈！

10月12日，杭州雲棲大會上，在新零售智慧供應鏈專場中，阿裏巴巴供應鏈平台事業部資深專家鄧玉明詳解了阿裏巴巴人工智能在供應鏈中的應用。

而在此之前，阿裏巴巴供應鏈研究中心負責人遊五洋則在“新零售下的供應鏈變革”主題演講中表示了新零售機遇下麵臨著新的挑戰，其中之一便是數字化。

人工智能無疑將在數字化的新零售中扮演重要角色。鄧玉明則從供應鏈角度展開了話題的論述。

從領域劃分，可以分為上下兩層結構，上層偏業務決策層，包括選擇商品、營銷節奏、客戶群體，規劃銷售情況，銷售計劃，直接影響備貨調撥整個邏輯。下層則偏向協同計劃與執行，包括倉儲等。

阿裏有著豐富和複雜的品類結構，以快消快消母嬰為代表的產品並不重，但關聯度較高。在一個包裹中可能存在多件物品，如何去解決拆單比高的問題。而家具類體積比較大，拆單比低，但在物流操作上又十分困難。部分商品具備一定周期性，數據表現穩定。但是像冰箱等家用電器等非高頻銷售，數據極不穩定。同時，後端倉儲如何進行同步協同，雙方業務對接。

加上倉配網絡複雜的關係，一方麵倉的數量比較大，包括菜鳥倉、社會協同倉、第三方外掛倉等，如何實現高效庫存分布。另一方麵各個倉的角色不同，具有層次結構，包括區域倉、前置倉等。加上為適應全球化過程，需要實現從國內到國外的雙向進出口等問題，隻有降低服務成本，解決前述問題，才能實現服務的確定性。

針對於商品管理，在引入商品中，從多個維度看其是否有用，以及現有的品類結構、角色。補充商品屬性等，通過大數據對其進行整合分析，包括物理屬性、體積重量等。而在盤點商品過程中，則看商品品類角色及其所做貢獻，哪些是明星款，哪些引流款，哪些盈利款。在這個過程中，涉及數據維度定義、轉化率、毛利貢獻率等，通過使用機器學習算法以實現。在商品利用效率達到尾端的時候，會進行汰換。一個極為明顯地例子如月餅。此外為了保證平台利潤，會對商品貢獻程度進行計算，會在其往負的方麵傾斜前進行汰換。

鄧玉明特別指出，預測每提升1個百分點，會對下流管理帶來更好的提升。並坦言，在對促銷信息整合分門別類上花了很長時間。機器學習、深度學習、時間序列等三大類算法，針對不同銷售速度商品，精確度是不一樣的。一般會通過組合算法的方式融合，在整體上得到比較魯棒的效果。並會對不同顆粒度的目標進行預測。預測的持續優化需要花費十分多的精力。