【 圖片來源：pixabay 】

新零售的本質是什么？李健豪給出的答案是提升效率。

李健豪現(xiàn)任超盟數(shù)據(jù)CTO，加入超盟數(shù)據(jù)前他曾先后供職于亞馬遜和IBM北美總部，從事數(shù)據(jù)挖掘工作。李健豪是個典型的技術狂人，曾經六次獲得美國黑客馬拉松賽冠軍。2015年，他創(chuàng)立了一家名叫StylePuzzle的大數(shù)據(jù)公司，并成功拿到真格基金的百萬美元投資。更重要的是，在真格基金徐小平的介紹下，李健豪結識了超盟數(shù)據(jù)CEO李思賢。出身于家族企業(yè)的李思賢當時正在思考如何用技術提升零售行業(yè)的效率，這個想法與李健豪不謀而合。一見如故之下，2016年4月李健豪正式加入超盟數(shù)據(jù)擔任CTO。

補貨已成為便利店的效率瓶頸

零售這個古老的行業(yè)環(huán)節(jié)眾多，每一個環(huán)節(jié)都有巨大的效率提升空間，超盟數(shù)據(jù)選擇的切入點是補貨。補貨是零售行業(yè)的高頻場景，尤其是在便利店，幾乎每天都在發(fā)生。如果能用技術將補貨自動化、智能化，對便利店整體運營效率的提升是立竿見影的。

自動補貨算不上一項新技術，很多企業(yè)都做過嘗試，比如星巴克。補貨分為兩類，一類是區(qū)域大倉從供應商處補貨，另一類是終端門店從區(qū)域大倉補貨。區(qū)域大倉補貨的SKU數(shù)多、頻率低，終端門店則恰好相反。以往自動補貨技術主要針對大倉，很少涉及門店層面，原因在門店的數(shù)據(jù)顆粒太小，計算量十分龐大，投入產出比不高。

補貨并不像它字面意思所呈現(xiàn)的那么簡單，背后還包含了對門店銷售情況的精準把握和預測。門店的銷售情況不是一成不變的，而是受到天氣、促銷等眾多因素影響。補貨過多會造成庫存積壓，補貨太少則會導致機會損失。店長每天都要分析判斷哪些SKU需要補貨，每個SKU各補多少，應該在什么時間點補。假如一個門店只有幾款SKU，憑借經驗做出判斷的確不難。但現(xiàn)實中，一家便利店的SKU往往多達數(shù)百上千，人力分析不僅效率低下還容易出錯。尤其是保質期短的生鮮商品，即時性要求非常高，常常需根據(jù)上午的銷售情況及時調整下午的補貨策略。人力補貨帶來的效率瓶頸顯而易見。

超盟數(shù)據(jù)反復思考的，就是如何利用人工智能技術幫助便利店制定補貨策略，提高門店的整體運營效率。

兩大創(chuàng)新推動自動補貨技術下沉

數(shù)據(jù)驅動決策的第一步是采集數(shù)據(jù)，在貨架上植入傳感器或者用攝像頭拍照都可以采集數(shù)據(jù)。超盟數(shù)據(jù)最初的做法是用打印機采集零售小票，但和前兩種方式一樣，打印機采集的信息不夠直觀，需要多次清洗才能使用。每個便利店的小票格式各不相同，超盟數(shù)據(jù)需要先把數(shù)據(jù)格式標準化，然后進行清洗和Named-entity recognition(NER)，最后通過匹配超盟數(shù)據(jù)內部的商品數(shù)據(jù)庫，對每個商品進行維度擴充并打上標簽。

這種數(shù)據(jù)采集方式的另一個缺陷在于，它需要從頭開始一點一滴積累數(shù)據(jù)，無法對零售商后臺數(shù)據(jù)庫的數(shù)據(jù)進行充分利用。因此超盟數(shù)據(jù)開始嘗試直接接入零售商的數(shù)據(jù)庫。

雷鋒網了解到，除了零售商后臺的海量銷售數(shù)據(jù)，超盟數(shù)據(jù)還引入了天氣、地理位置、促銷活動等上百個維度的數(shù)據(jù)，用于訓練自動補貨模型。

李健豪介紹，用傳統(tǒng)手段導入零售商的數(shù)據(jù)會給其數(shù)據(jù)庫造成很大壓力，帶來一定的風險，比如影響POS收銀系統(tǒng)的穩(wěn)定性。為了解決這一問題，超盟數(shù)據(jù)花很多時間和精力專門開發(fā)了一套ETL工具。目前這套工具正在申請專利。

超盟數(shù)據(jù)的另一項專利技術是基于AWS Lambda（也稱為無服務器計算（Serverless Computing））的自動補貨模型。

正如前文所述，傳統(tǒng)自動補貨技術很少涉及門店層面，原因在于門店的數(shù)據(jù)顆粒太細，且實時性要求很高。假如一家門店有2000個SKU，意味著超盟數(shù)據(jù)需要訓練2000個預測模型，而且為了保證實時性，這2000個模型需要全部并行運算。也就是說，補貨預測是一種短時爆發(fā)性業(yè)務，需要很高計算力。按照傳統(tǒng)的云服務計費模式（企業(yè)級服務通常按月計費），補貨預測的計算成本是連鎖便利店難以承受的。

超盟數(shù)據(jù)的自動補貨解決方案巧妙地選擇了AWS Lambda，并利用其成功搭建了一個承載數(shù)據(jù)采集、清洗、分析和數(shù)據(jù)展現(xiàn)的核心業(yè)務系統(tǒng)?；贚ambda，用戶無需預配置或管理服務器即可運行代碼，而且Lambda 只在執(zhí)行代碼時按消耗的計算時間計費，代碼未運行時不產生費用。通過這種方式，超盟數(shù)據(jù)成功將補貨預測的計算成本降到了比連鎖便利店期望還要低的水平。

產品落地大于技術本身

李健豪介紹，單純從算法而言，自動補貨不難實現(xiàn)，難的是如何壓縮成本以及讓技術與業(yè)務完全結合。每個企業(yè)內部的補貨流程千差萬別，配送周期、每個SKU的配送頻率、最小配送量都不相同，缺少一套統(tǒng)一標準。這種情況下，隨便扔給零售商一個模型是產生不了價值的，必須配備一套完整的系統(tǒng)技術才有機會落地。

“零售商不關心你的算法是否高大上，他只關心你的技術能不能幫他掙更多錢。超盟數(shù)據(jù)會幫零售企業(yè)梳理業(yè)務，結合不同企業(yè)的情況制定標準給到企業(yè)。這樣一套標準不是互聯(lián)網公司坐在辦公室能想出來的?！崩罱『缹卒h網說道。

目前，超盟數(shù)據(jù)的自動補貨解決方案已經在河北的美食林、廣東的便宅家和福建莆田的文獻便利店等多個連鎖便利店企業(yè)落地應用。

李健豪介紹，自動補貨是一項通用性技術。雖然超盟數(shù)據(jù)的解決方案目前落地的大多是傳統(tǒng)連鎖便利店，但未來也可以推廣到鮮果便利店、生活超市和購物中心等更多個零售業(yè)態(tài)。

零售業(yè)效率提升分兩步走

李健豪認為，新零售的核心思想是提高效率，這也是超盟數(shù)據(jù)自動補貨解決方案的根本理念。零售業(yè)的效率提升分為兩步：第一步是信息化，有了信息化才能知道效率瓶頸在哪；第二步是智能化，用算法幫助管理者快速決策。

除了自動補貨，超盟數(shù)據(jù)另一個幫助零售企業(yè)提升效率的解決方案是基于動態(tài)計算的KPI制定。李健豪介紹，很多連鎖便利店企業(yè)的老板其實并不清楚門店的經營到底是在上升還是下滑。比如有兩家門店，一家門店由于店長經營策略得當，業(yè)績不錯；另一家經營策略一般，但受益于地理位置，營業(yè)額也不錯。傳統(tǒng)的KPI計算方法比較簡單，單純從數(shù)字上來看，這兩家門店的經營情況基本一致，但它們還有很大的提升空間。

超盟數(shù)據(jù)的目標就是通過大數(shù)據(jù)挖掘出這些門店的潛力，制定更合理的KPI，激勵門店業(yè)務增長。

聚沙成塔，集腋成裘，無論自動補貨還是KPI制定都只是零售眾多環(huán)節(jié)中的一小部分，但正是在這一點一滴的技術提升中，零售行業(yè)已經迎來一場巨大的變革。雷鋒網

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。