数据分析36计(26)：传统行业数据分析，沃尔玛如何用马尔可夫链优化拣货流程...

案例 1 — 拣配过程

让我们以物品拣选的各个步骤为例

拣货步骤

• 检查下一个商品的位置和数量

• 转到该位置并检查是否存在该商品

• 如果商品存在（订购数量），请选择它并移至下一个商品位置

• 如果订购的商品不存在，请寻找 1-2 个的替代商品

• 如果替代品存在并且很好，则拣选一个并移至下一个商品位置

• 如果替代品不可用、不合适或不适合放入容器，选择看上去与订购商品接近的商品，或不选任何商品，然后继续进行下一个商品的挑拣

拣货步骤可视化

商店中商品的典型拣货流程图

订单/物品交付后，客户可以选择接受还是拒绝。拒绝可能由于各种原因而发生，即

1. 损坏的物品

2. 对客户来说为不适合的替代品

如上图所示，一个商品可能会处于 3 种可能的状态

1. 客户接受

2. 客户拒绝

3. 没有商品选择（零选择）

业务指标

基于此过程，我们可以回答诸如以下的问题吗？

• 每天被客户手动拣选并被客户接受的总拣选物品的百分比是多少？

• 当客户的替代品缺货时，客户接受的商品百分比是多少？

• 对于特定的项目类别（例如Colas），当不适合容器的替换商品被拒绝的百分比是多少？

• 由于原商品不可用而被剔除的商品的百分比是多少？

如果可以得到此类问题的答案，可以使企业识别导致接受度降低，零选择率较高的物品/物品类别。为实现此目的，我们提出了一种状态转换模型，该模型基于可用数据来获取状态转换的概率。

模型

商品挑拣的过程非常适合于马尔可夫链模型。在选择过程中过渡到下一个状态仅取决于当前状态，而不取决于过去的状态，这使其可以表示为马尔可夫链。

马尔可夫状态转换图

缩写过程中的各个状态为缩写为:

• 订单商品找到（IF）

• 订单商品未找到（INF）

• 选择替代商品 1（排名最高/最相关）（SUB1）

• 选择替代商品 2（排名稍低）（SUB2）

• 替代产品缺货（OOS）

• 替换商品不合适（BAD）

• 替代商品无法放在容器中（TOTE）

• 替代商品不在指定位置（LOC）

• 替代商品手动拣配（MP）

• 客户接受（CA）

• 客户拒绝（CR）

• 零选择（NP）

转移概率是经验概率。即基于历史经验。

还要注意蓝色状态（CA，CR，NP）。这些状态的自转移概率为 1.0。显然，这意味着当拣配商品进入这些状态中的任何状态时，没有任何可能性以非零的概率再走出。

在马尔可夫链模型中，此类状态称为吸收状态，上述链称为吸收马尔可夫链，因为每个过渡非终端状态最终都有可能落入3个吸收状态之一。

关于 absorbing markov chains 的基础理论：https://www.cnblogs.com/guolei/p/3504931.html

公式

现在我们已经定义了状态和转移概率，让我们将其表示为转移矩阵 T

转移概率矩阵

蓝色的列代表开始状态，绿色的列代表结束状态。

每一行的总和为1，表示此矩阵是右随机矩阵。
最后 3 行只有 1 个值 1，表明这些是吸收状态的自转移。

以上的转移矩阵 T 可以改为转移态 t 和吸收态 a：