此次沃爾瑪全球CMO/COO峰會，現(xiàn)場邀請了全球十幾個國家近40位CXO參加，閉門探討全球前沿科技在新零售領(lǐng)域的應(yīng)用。觀遠數(shù)據(jù)算法團隊對于需求預(yù)測案例分享，讓各國企業(yè)重新認識了中國的新零售大環(huán)境和需求預(yù)測的落地實踐。

需求預(yù)測不能脫離本土文化

生鮮業(yè)務(wù)一直是沃爾瑪?shù)闹攸c項目，已經(jīng)成為沃爾瑪?shù)膹姶笸苿右?。進入中國市場20余年，沃爾瑪一直將數(shù)據(jù)分析和需求預(yù)測作為其產(chǎn)品備貨、運輸、銷售的重要手段。然而，對于生鮮產(chǎn)品的預(yù)測，除了受天氣、溫度等常規(guī)因素的影響，還有來自中國本土市場環(huán)境的綜合挑戰(zhàn)。

區(qū)域消費差異

中國國土遼闊，每個地方都有自己特色的飲食和消費習(xí)慣，南北方對于蔬菜水果肉類的喜好都有所不同，所以各個區(qū)域不同品類生鮮產(chǎn)品預(yù)測都會存在很大差異。

采購渠道差異

不同于西方的農(nóng)場制生產(chǎn)，中國還存在大量零散的采購渠道，因此沃爾瑪在對中國市場，生鮮產(chǎn)品采購數(shù)量預(yù)測和價格進行統(tǒng)層面也存在很大難度。

中西方文化差異

中國傳統(tǒng)文化源遠流長博大精深，中國人在不同的節(jié)日和節(jié)氣都會有特殊的消費習(xí)慣和食品喜好，和西方文化存在很大差異，同樣也成為節(jié)假日期間商品備貨的重要參考。

需求預(yù)測邏輯優(yōu)先

基于中國特殊的國情，觀遠數(shù)據(jù)為沃爾瑪打造了具有本土特色的需求預(yù)測分析模型。基于對采購供應(yīng)鏈各個環(huán)節(jié)影響因素綜合分析來預(yù)判需求量。

而在這整個鏈路中，供應(yīng)商、門店和消費者是三個重要的組成部分，每一個模塊都有自己的影響因素。比如供貨商會考慮種植條件和利潤；門店在補貨時會考慮到貨物的品相、歷史表現(xiàn)、成本、市場競爭力以及現(xiàn)有的庫存狀況；而消費者會考慮到價格，節(jié)假日的需求，購物當天的天氣等等。

在PoC階段，觀遠數(shù)據(jù)把這些因素中能夠提前知曉和可以數(shù)據(jù)化的部分作為預(yù)測的主要數(shù)據(jù)來源。

結(jié)合了這些數(shù)據(jù)，觀遠數(shù)據(jù)對其中三種生鮮產(chǎn)品進行了T+4/5/6的銷售預(yù)測，這三種產(chǎn)品是由Omega8結(jié)合實際商業(yè)場景選擇，覆蓋了銷量不連續(xù)的季節(jié)性品類和價格變化多以及浪費量大的常規(guī)品類，以此來檢驗觀遠模型的能力。

在整個PoC過程中，觀遠算法團隊選擇了有代表性的門店，并在Omega8的幫助下進行了實地走訪，通過與門店經(jīng)理進行業(yè)務(wù)場景和人工訂貨經(jīng)驗的深度交流，了解生鮮售賣過程中的痛點和特點。在形成基本邏輯之后，將原始數(shù)據(jù)提煉為更適合模型理解的特征，并輸入到模型中進行調(diào)優(yōu)。得到模型的輸出后，觀遠算法團隊還通過模型效果評估、誤差分析等各種方式來不斷改進模型，以得到更準確的結(jié)果。

在試點測驗的第一周內(nèi)，由于某測試品類遭遇了產(chǎn)地的突發(fā)狀況導(dǎo)致供貨不足，使得預(yù)測結(jié)果偏高，觀遠數(shù)據(jù)通過增設(shè)自調(diào)優(yōu)模塊，對預(yù)測誤差進行監(jiān)控，使得模型可以快速的對環(huán)境改變作出響應(yīng)和調(diào)整，并很快恢復(fù)到原有的高預(yù)測水平線上。

通過60天的PoC探索和建模，觀遠數(shù)據(jù)對分布在5個城市內(nèi)的26家門店進行了為期2周的試點測驗，針對單店單天單SKU進行銷量預(yù)測的輸出，最終獲得了比原有模型超預(yù)期的效果呈現(xiàn)。

未來，觀遠數(shù)據(jù)將堅持創(chuàng)新、變革，不斷探索中國本土的“AI+BI”智能決策方案。

xiesc