5-4 数据驱动的生产运营管理决策

研报正文总结

01 引言：数据到管理决策

• 核心观点：从海量数据中释放价值需要将数据转化为管理决策，这需要两个关键步骤：建模和求解。
• 数据特征：运营管理中的数据来源多源异构，数据完备度低，数据质量普遍较低，场景难以重复，评价标准主观且复杂，决策可解释性要求高，决策容错率与业务场景相关，决策可控性不完整。

02 用什么数据/指标？以促销分析为例

• 痛点：促销效果差、促销费用效率低、促销分析及决策难。
• 案例一：某公司促销期内产品销售量增长57%，利润增长26%，但需要分析销售增长来源和促销效果。
• 模型：替代效应分析模型（线性回归和逻辑回归）、竞品替代选择模型、未来与历史销量替代模型（前景理论和参考价格模型）、选择模型进阶（嵌套Logit模型和马尔可夫链模型）。
• 评价指标：转化率、销量、销售额、利润等。
• 案例二：某电商公司促销后销量、利润、销售额大幅增长，但转化率大幅下降，需要分析顾客分群和转化率。
• 促销决策：效果评估、选品、转化率、决策风险控制。
• 成功案例：某宠物产品智能促销优化、某快消巨头智能促销优化、某鞋类品牌促销优化，均通过数据分析和模型优化提升了促销效果和ROI。

03 大数据中的小数据--长尾品定价管理

• 业务要求：一个半自动化的工具，可系统地为大多数SKU提供定价建议。
• 问题：价格的定义、广告的影响、目标品类及产品（畅销商品和长尾商品）。
• 长尾商品的收益管理：按特征分组、对冲、鲁棒优化、探索与学习。
• 收益管理案例：概念模型及线上A/B测试结果，覆盖率和用户感知度分析。

04 决策质量V.S. 决策速度--无人仓智能管理系统

• 京东无人仓：货到人模式，资源不断占用和释放，需要确定（小车，货架面，工作站）三者的匹配关系。
• 核心问题：货架– AGV –工作站 多重匹配。
• 目标：尽量满足工作站商品出库量要求，尽量少出货架，搬运成本尽量低。
• 数学模型：多重指派问题，最小化AGV运行总距离及未满足订单费用。
• 压力测试：求解规模可处理问题规模>100,000种商品>120,000 个货架>200 个工作站>1,000个机器人>10,000,000个变量<2 秒求解时间。
• 瓶颈与解决思路：转换成分离问题，利用拉格朗日乘子法。
• 算法效果：大规模混合整数规划线性规划+小规模整数规划，问题规模降低大约75%。
• 扩展问题：超大规模仓的处理、AGV路径规划、对偶参量的训练与学习。
• 挑战与展望：无人仓与传统仓的结合、订单延时匹配及动态匹配、三维立体仓、仓库布局与排班、新的自动化技术带来的管理问题与场景。