零售場景最佳化短期總成本，快反交付周期縮短30%｜創新場景

場景描述

圖片系AI生成

安踏在DTC(Direct-to-Consumer，直面消費者)之後收回更多門店，渠道商品越多，對商品營運能力的挑戰和需求越高，全國一盤貨需要高效營運。原來的期貨模式應變不足，需要不斷提高的快反生意占比。此前期貨占比97%，從期貨訂貨到上市有半年時間，如果市場發生變化，則容易產生庫存風險，或者錯失生意機會。

快反不快是因為缺機制、全手工、無系統，憑經驗辨識生意機會，對人的依賴大，從客戶到工廠，涉及的業務多，協同層級多，效率慢，快反交付周期60天，甚至70天。

安踏希望透過計畫建設，建立未來高效商品營運模式的流程和系統平台，高品質保證快反業務增長，推動安踏品牌貨品效益全面提升。 具體分為幾個目標：

1.控庫存、降風險: 透過歷史銷售數據和演算法模型，預測未來銷售情況，從訂貨下單開始控制渠道庫存，降低渠道積壓風險。

2. 提效率、抓機會: 透過一體化協同平台，從客戶下單到品牌內部協同，以及工廠交期反饋等，數據透明、資訊一致，提升下單效率、決策效率，縮短快反整體交付周期，快速響應市場需求，讓商品更快上架銷售，以抓住更多生意機會。

3. 識爆款、促增量: 透過歷史銷售數據和演算法模型，及時辨識暢銷款、計算缺口量，促進增量生意的達成。

解決方案

計畫使用技術棧包括Phython、PostgreSQL、GreenPlum、Nginx、Redis、Kafka，基於容器化快速部署。安踏與杭州覽眾數據公司基於海量數據+演算法+機器學習模型共創開發系統，使用了基於MPP架構的資料庫Greenplum來構建高可用、高效能、高擴充套件性的數倉；

在數倉基礎上利用統計學、離散數學、機器學習（比如線性回歸、KNN、k-means）等來構建演算法模型，透過演算法模型+數據為業務提供生意預測以及決策依據。 同時系統是基於雲原生環境開發構建、部署以及執行，利用雲端運算的優勢讓系統具備彈性伸縮、可延伸性、靈活性以及持續交付的能力。同時，透過雲安全防護措施，保障了系統的安全性和可靠性。

成效

計畫從訂貨下單開始就透過數據分析、演算法模型計算，進行精準控貨切單；從商品試銷開始，就進行商品爆暢款預測，辨識生意機會；各層級客戶在系統上進行快反下單，打通到供應鏈、工廠，實作快速復期，快反下單決策。

供應鏈縮短交付周期，商品能在衰退期前到店銷售，捉住了生意機會，提高了商品的銷售貢獻率。 計畫上線後，現貨快反占比提升到12%，快反交付周期縮短30%，現貨商品銷售貢獻率提升6%。 同時，在爆暢款的辨識有效性上，系統推薦的款比人工手工圈款在售罄率高出5%以上。

生意辨識準確率達91.67%，辨識款售罄率在同波段內持續跑贏。計畫率先在行業內實作從客戶到供應商的一體化協同，率先線上下渠道套用數據分析、爆暢款辨識，其演算法模型在行業對標中處於領先。

「關於創新場景50」

場景不是案例，它更加精準、也更加抽象。數位化就是創新場景的不斷疊加和叠代。

目前場景正在征集中，更精準的解讀、更廣泛的曝光、更強大的品牌勢能，歡迎你提出問題，更歡迎你留下解決的方法和工具。點選這裏投遞更多場景資訊