為發揮行業引導及標桿示范作用，鼓勵并挖掘供應鏈各環節及零售企業內外部的供應鏈創新與協同，中國連鎖經營協會(CCFA)于2013年初開展了零售業供應鏈最佳實踐案例年度征集活動，并于近日正式發布《2023年度零售業供應鏈最佳實踐案例》。

觀遠數據作為業內領先的一站式智能分析平臺與服務提供商，與世界500強企業聯合利華合作的“從AI需求預測到基于多級庫存控制理論的補貨策略”案例，憑借前瞻性的技術創新、領先性的行業實踐、顯著卓越的數字化成效，成功入選《2023年度零售業供應鏈最佳實踐案例》，成為經過層層篩選最終入選的15個案例之一。

CCFA表示，此次入選的案例充分體現了過去一年企業在供應鏈實踐方面的關注重點，更是行業供應鏈發展的趨勢所向，其中即包括利用AI技術，提高需求預測的精確度，從而提高訂貨的合理性，在保證服務水平的前提下實現自動補貨，提高訂單滿足率，降低庫存水平。

聯合利華與觀遠數據的合作實踐，正是走在行業供應鏈發展趨勢的前沿，為企業塑造供應鏈核心能力提供了深具價值的參考范本。

以下為入選案例原文呈現，期望能幫助更多企業找到供應鏈數字化升級方向。

從 AI 需求預測到基于多級庫存控制理論的補貨策略

技術應用方：聯合利華（中國）有限公司

技術提供方：杭州觀遠數據有限公司

上海易鈞信息技術有限公司

第一部分：案例簡述

1．案例綜述

為了應對市場快速與多端的變化，以數據驅動實現智能供應鏈帶來業務價值的提升，聯合利華攜手觀遠數據和易鈞，通過 AI 需求預測與多級庫存補貨策略的結合，落地并驗證供應鏈指標的優化。

2．實施周期

整個過程從理論搭建，分析洞察，實驗搭建，指標模擬到實踐驗證，為期六個月。

3．案例成效

成功實現在測試商品范圍內，服務水平略有提升的情況下，預期庫存下降10%。

第二部分：案例詳述

1．背景介紹

聯合利華應用多級庫存控制理論（以下簡稱“補貨策略”）于供應鏈實際運作，即：工廠-CDC-RDC 三層，SP（工廠-CDC 生產計劃）與DRP（CDC-RDC 發運計劃）的計劃均需要關注最下層 RDC 所面對的來自全國的終端需求。基于此可極大程度避免因每層之間的補貨依賴造成的牛鞭效應。為了進一步優化供應鏈業務指標，應對多變的市場，聯合利華攜手觀遠數據與易鈞，通過 AI需求預測與多級庫存補貨策略結合，探究更加智能與科學的供應戰略體系。

2．思路及實施流程

三方共同搭建了完整的計算鏈路，結合仿真模擬的高階分析方式，設計實驗并落地測試。最終系統化監控并追蹤落地業務指標的變化。

解決方案亮點：

1) 基于需求預測的仿真模擬目標庫存（Stock Mock）

通過仿真模擬，大規模計算歷史數據以獲得需求預測準確率FA（Forecast accuracy，以下簡稱“FA”）與庫存指標DOH（Days on hand,以下簡稱“DOH”）和 Service level（訂單服務水平，以下簡稱“Service level”）之間的關聯，得到趨勢如圖1所示， 并得結論每提升1%的 FA，在穩定 Service level 在目標的前提下，可以降低1.2%的DOH。

圖 1：FA 與 DOH 和 Service level 模擬后的關聯

2）合理的實驗對象

有了上述理論基礎，需要合理的實驗與落地測試才能看到實際價值。期間通過嚴密的實驗對象篩選，針對所有的組合進行分類打標，選取準確性高，穩定性強，銷量排名在前30%，以及后鏈路自動化DRP系統需要承接的未來1-3 周預測跨度的SKU到倉的組合作為有代表性的實驗測試對象，既有代表性，又有實驗可操作性。

3）嚴謹的控制變量執行

在實驗落地測試中，需要嚴格控制計劃員的修改動作。一次修改會導致未來幾周需求和庫存的變化，導致落地測算結果的失真。因此被選定的實驗對象與系統產出的目標庫存值需要嚴格遵守被使用在自動化DRP系統。

圖 3：在執行期間自動化看板進行跟蹤（demo 數據）

3．案例成效

1）DOH 降低

選定的實驗對象在測試期間，服務水平略有提升的同時，RDC的DOH也相應的有所降低。

2）效率提升

測試為系統化實現且無須人工操作，自動化可達100%。

3）業務可拓展性

整個實驗和測試可被系統化，且邏輯可拓展到全部業務范圍。