受邀沃爾瑪全球CMO/COO峰會，觀遠引領社區生鮮預測實踐

　 阿里云優惠券 先領券再下單

從單一的溫飽型消費到多元化營養調劑型消費，人們對生鮮產品的需求日益增加。然而，生鮮產品要經過生產、采摘、物流、銷售多道程序才能到達消費者手中，在人們嘗到最新鮮的產品之前也免不了各種浪費。為了減少資源浪費、助力各個渠道及時止損，需求預測的重要性變得越來越突出。

近日，觀遠算法團隊成員接受沃爾瑪中國總部邀請，遠赴英國利茲，去參加沃爾瑪全球CMO/COO峰會， 現場分享與沃爾瑪如何通過生鮮產品銷量預測，提升銷售，降低報廢的合作案例。

此次沃爾瑪全球CMO/COO峰會，現場邀請了全球十幾個國家近40位CXO參加 ，閉門探討全球前沿科技在新零售領域的應用。觀遠數據算法團隊對于需求預測案例分享，讓各國企業重新認識了中國的新零售大環境和需求預測的落地實踐。

需求預測不能脫離本土文化

生鮮業務一直是沃爾瑪的重點項目，已經成為沃爾瑪的強大推動引擎。進入中國市場20余年，沃爾瑪一直將數據分析和需求預測作為其產品備貨、運輸、銷售的重要手段。然而，對于生鮮產品的預測，除了受天氣、溫度等常規因素的影響，還有來自中國本土市場環境的綜合挑戰。

區域消費差異

中國國土遼闊，每個地方都有自己特色的飲食和消費習慣，南北方對于蔬菜水果肉類的喜好都有所不同，所以各個區域不同品類生鮮產品預測都會存在很大差異。

采購渠道差異

不同于西方的農場制生產，中國還存在大量零散的采購渠道，因此沃爾瑪在對中國市場，生鮮產品采購數量預測和價格進行統層面也存在很大難度。

中西方文化差異

中國傳統文化源遠流長博大精深，中國人在不同的節日和節氣都會有特殊的消費習慣和食品喜好，和西方文化存在很大差異，同樣也成為節假日期間商品備貨的重要參考。

需求預測邏輯優先

基于中國特殊的國情，觀遠數據為沃爾瑪打造了具有本土特色的需求預測分析模型。基于對采購供應鏈各個環節影響因素綜合分析來預判需求量。

而在這整個鏈路中，供應商、門店和消費者是三個重要的組成部分，每一個模塊都有自己的影響因素。比如供貨商會考慮種植條件和利潤;門店在補貨時會考慮到貨物的品相、歷史表現、成本、市場競爭力以及現有的庫存狀況;而消費者會考慮到價格，節假日的需求，購物當天的天氣等等。

在PoC階段，觀遠數據把這些因素中能夠提前知曉和可以數據化的部分作為預測的主要數據來源。

結合了這些數據，觀遠數據對其中三種生鮮產品進行了T+4/5/6的銷售預測，這三種產品是由Omega8結合實際商業場景選擇，覆蓋了銷量不連續的季節性品類和價格變化多以及浪費量大的常規品類，以此來檢驗觀遠模型的能力。

在整個PoC過程中，觀遠算法團隊選擇了有代表性的門店，并在Omega8的幫助下進行了實地走訪，通過與門店經理進行業務場景和人工訂貨經驗的深度交流，了解生鮮售賣過程中的痛點和特點。在形成基本邏輯之后，將原始數據提煉為更適合模型理解的特征，并輸入到模型中進行調優。 得到模型的輸出后，觀遠算法團隊還通過模型效果評估、誤差分析 等各種方式來不斷改進模型，以得到更準確的結果。

在試點測驗的第一周內，由于某測試品類遭遇了產地的突發狀況導致供貨不足，使得預測結果偏高，觀遠數據通過增設自調優模塊，對預測誤差進行監控，使得模型可以快速的對環境改變作出響應和調整， 并很快恢復到原有的高預測水平線上。

通過60天的PoC探索和建模，觀遠數據對分布在5個城市內的26家門店進行了為期2周的試點測驗，針對單店單天單SKU進行銷量預測的輸出， 最終獲得了比原有模型超預期的效果呈現。

未來，觀遠數據將堅持創新、變革，不斷探索中國本土的“AI+BI"智能決策方案。

申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！