阿里新零售中的智能补货（I）— 库存模型

文章作者：阿里零售通算法团队

出品社区：DataFun

---

导读： 零售通作为阿里巴巴新零售的八路大军之一，肩负着“共建智能分销平台”和“让百万小店拥抱DT时代”的重要使命。一方面，我们通过线上平台（零售通APP）将零售品牌商的货品展现给小店的店主，并提供交易渠道让店主进行批发进货；另一方面，我们通过天猫小店和如意POS对小店进行赋能，帮助他们在线下的销售中能迅速发现C端消费者的需求，提升小店的坪效。 在这种B2B2C的创新分销模式中，智能化的供应链体系不仅要保证平台能持续稳定的为小店进行供货，还要控制供应链成本，让数字化渠道成为最经济的分销方式。

我们在不断迎接新零售模式下供应链各种挑战的过程中，逐渐沉淀出一套利用大数据和智能算法解决供应链补货的方法论，在这里与大家分享。本系列分为两部分：第一部分主要介绍智能补货的库存模型；第二部分会详细介绍补货模型中的销量预测算法以及我们在预测中用的一些经验和方法论。 本篇将对第一部分，即智能补货的库存模型进行介绍。

--

01 为什么需要智能补货

零售通作为连接商家、小店和C端消费者的数字化分销平台，保障货品供应的持续性和稳定性成为供应链的首要目标之一。不同于天猫、淘宝等直接面向C端消费者的平台，零售通直接触达的用户是小店的店主。他们在平台上进行采购的主要目的之一是用于补货。如果此时需要补充的货品在平台上已售罄，这不仅会损失平台的成交额(GMV)，也造成了店内的货品供应不足，导致小店的收入降低。另一方面，如果为了最大化保障供应率，而将一大批货品囤积在零售通的仓库中进行售卖，则有可能导致某些货品长时间卖不出去，增加了库存周转时间和滞销率，降低了供应的效率。

因此，供应链补货的目标是通过供应方式（供应时间，供应数量，供应周期等）的决策达到仓库中需求和供给的平衡，使得仓库中货品的库存既可以最大化满足用户的需求，也能将库存周转时间控制在一定范围之内，保证供应的效率。（因此在很多行业中，供应链补货又叫做“库存平衡”。）

在某些传统行业中，供应链的补货任务大部分还是通过人工完成。一方面，传统行业的渠道信息数字化大多构建得不完善，无法完全通过数据实现精准补货；另一方面，传统行业的计算能力有限，在求解某些优化问题中无法实现大规模的复杂计算。而零售通背靠阿里巴巴集团这颗参天大树，不仅在数据获取渠道上突破了线下渠道数据的限制，还在计算资源上得到了充分的保证。这些优势为零售通供应链在智能补货算法的应用和发展提供了成长的土壤，使得通过基于机器学习和运筹学构建的智能补货算法体系成为可能。

--

02 库存理论（inventory theory）

无论是传统零售还是新零售，货品都会经历从生产制造到分销、再到消费整个周转过程。分销中的每个环节都需要维持一定货品库存来应对需求的不确定性。因此，分销商或者零售通都需要解决以下三个问题并作出正确的决策：

1. 未来某段时间的需求是多少？

2. 需要为未来的需求准备多少货？

3. 每天的库存水位是多少？

无论作出何种决策，这三个问题都可以用“进-销-存”模型来描述。

该模型需要进行连续决策，即以上三个问题不是一次性决策，而需要周而复始的不断进行下去。另外，上一次的决策结果（补货数量）会影响下一次决策状态（当前库存）。用数学可以对此过程进行如下描述：

其中