7-5 盒马供应链算法 -杨光耀 盒马

盒马供应链介绍

• 商业模式：盒马包含盒马鲜生、X会员店、盒马云超、盒马邻里等多种业务模式，以线上线下一体化、最快30分钟到家的O2O模式为核心。
• 经营品类：包括餐饮半成品、3R（Reduce, Reuse, Recycle）、蔬菜水果、生活服务、标准品、海鲜水产、大包装商品等。

供应链成本与模式

• 物流与库存成本：整件物流成本低于包裹物流，冷链成本差异更大。库存越分散，需求不确定性越高，缺货和损耗增加，导致库存成本上升。
• 供应链模式：平台卖家、工厂基地、国产地外CDC、生产商、经销商、农场自营、CDC、RDC、门店、消费者等多种模式。

供应链算法定位

• 零售商算法优势：盒马作为零售商，最接近消费者，最能感知和把握需求，利用数据和算法应对市场波动。
• 供应链算法逻辑：从销售计划到库存管理，再到履约能力，形成闭环优化。

生鲜自动补货系统

• 背景：盒马追求极致新鲜，推出日日鲜系列商品，对供应链提出更高要求。
• 主要成就：
  • 算法效果：订货人效提升70%，损耗率降低30%，缺货率降低25%。
  • 技术深度与创新：时空异构图神经网络模型引入商品销量预测，显著提升预测准确率。
• 算法模块：
  • 需求预测
  • 动态调控库存模型

销量预测算法迭代路径

• 简单模型：单SKU建模，确保覆盖全量SKU。
• 机器学习模型：跨SKU参考信息，减少异常值。
• 深度时序模型：不依赖特征工程，保留原始时序信息。
• 时空图网络模型：考虑样本间相互影响，表征复杂信息。

大型挑战与解决方案

• 挑战：新品较多、节假日影响、恶劣天气、疫情影响、复杂活动、商品替代性、市场行情等。
• 解决方案：采用图模型、引入出行数据、小时级别天气数据、公开疫情数据、复杂营销活动异构图等。

库存算法系统架构

• 模型层：销量预测结果、订货量建议、安全库存天数。
• 工程层：订货日历、历史批次出入库信息、仓内库存移动。
• 数据层：缺损目标拆分、销量预测区间估计、批次条码监督学习模型。

库存动态调控系统

• 功能：实时更新预测、动态流量倾斜、自动折扣清仓、全局优化调控、销量还原。