覆盖全国30+仓配中心
团队规模
10个月
项目周期
一、业务场景与客户痛点
该零售集团经营生鲜、食品、日化等多个品类，在全国设有30余个仓配中心，门店数百家。传统补货主要依赖采购与店长经验，旺季缺货、淡季积压并存。
- 预测靠经验：采购凭感觉下单，节假日、促销、天气影响难以量化
- 缺货与积压并存：热销品断货、长尾品积压，库存周转慢
- 数据分散：POS、库存、促销、天气、节假日数据未打通
- 决策链长：补货审批层层流转，错过合适下单窗口
二、解决方案
旭日神州与集团供应链部门联合，按"数据打通—特征工程—预测建模—补货建议—闭环复盘"路径建设智能需求预测平台：
2.1 数据打通与特征工程
整合POS销售、库存、促销、节假日、天气、区域活动等数据，构建商品×门店×时间的特征体系。
2.2 需求预测模型
按品类分层建模：生鲜品类强调时效与损耗，标品强调稳定性；对促销与节假日采用单独特征与规则叠加。
2.3 补货建议与人工复核
系统输出仓与门店的补货建议，采购员在界面上一键确认或调整，调整行为回流用于模型再训练。
2.4 效果看板与复盘机制
按周复盘预测准确率、缺货率、库存周转，品类经理与算法团队共同优化。
三、实施过程
- 第1-2个月：数据打通、品类分层与试点品类确认
- 第3-6个月：试点品类预测模型上线，与采购员并行运行2个月做对照
- 第7-10个月：推广至全品类与全国30余个仓配中心，完成流程嵌入与培训
四、价值成效
| 指标 | 建设前 | 建设后 |
|---|---|---|
| 需求预测准确率 | 采购员经验判断 | 提升至85%以上 |
| 库存周转 | 基线水平 | 提升22% |
| 缺货率 | 基线水平 | 下降约30% |
| 补货决策时长 | 数小时 | 缩短至分钟级建议、人工确认 |
系统上线后，采购员从"拍脑袋下单"转向"看建议下单"，节假日大促备货更有底气，生鲜损耗与标品积压同时得到改善。
五、客户评价
集团供应链总监表示："AI预测不是替代采购，而是把老采购脑子里的经验变成系统里可复用的特征和模型，新人来了也能站在前辈的肩膀上做决策。"