【業界】深度 | 阿里新供應鏈體系架構解讀

來自專欄『運籌OR帷幄』大數據人工智慧時代的運籌學

作者：粵謙 本文轉載自阿里技術官方公眾號（ali_tech）深度 | 阿里新供應鏈體系架構解讀

歡迎原鏈接轉發，轉載請私信@留德華叫獸獲取信息，盜版必究。

敬請關注和擴散本專欄及同名公眾號，會邀請全球知名學者發布運籌學、人工智慧中優化理論等相關乾貨、知乎Live及行業動態：『運籌OR帷幄』大數據人工智慧時代的運籌學

阿里妹導讀：很多童鞋發現，每年雙11收貨的速度，越來越快了。在「提速」的背後，阿里工程師是如何做到的呢？本文主要講解天貓雙11期間供應鏈的相關工作，包括前期的備貨、爆款下沉等準備事項、流量調控、銷量預測、補貨調撥、以及倉、配履行等多個環節，闡述其中遇到的挑戰和取得的成果。

本文作者粵謙，阿里巴巴資深技術專家，創建供應鏈演算法團隊，負責供應鏈平台事業部演算法研發，通過綜合使用多種演算法來保障供應鏈的整體運行效率。

供應鏈概述

天貓雙11是一年一度的盛事，大量的用戶會在雙11期間來到阿里巴巴的平台上購物，這也就意味著會產生海量的訂單和包裹。這些包裹大小不一，分布在全國各地，且數量龐大。如何快速、高效的處理這些訂單，將消費者的包裹儘可能快的送達到消費者手中，成為雙11期間一件非常重要而艱巨的工作，其背後依賴於整個供應鏈的高效協同。

阿里的供應鏈系統分為上下游兩個部分，上游涉及業務決策層，包括商品、價格、營銷活動、營銷策略、供應鏈計劃等模塊，上游會將結果傳輸到供應鏈的下游模塊，包括訂單情況、庫存管理、補貨調撥的動作等，然後上下游協同起來構成了整個系統的架構體系。

從地理位置和倉網結構來看，供應鏈網路極其複雜，不僅有大量的倉，倉的角色還十分多樣，比如有全國中心倉、區域倉、前置倉等，因此如何將上下游結合起來進行統一的決策是非常具有挑戰性的問題。

在整個供應鏈中台體系中，供應鏈計划具有非常重要的意義。從宏觀上來說，目標是希望建設一個協同、高效、經濟的一個供應鏈體系，通過不斷的循環、迭代、優化形成最優策略。首先是進行目標設定，通過演算法計算得到決策的方向，然後通過實時數據的迴流在結果上進行反饋，最後把結果與當初的目標進行比對，評估執行情況，如果未能達標就進入下一輪的循環，這就是供應鏈系統不斷迭代和優化的過程。

此外在供應鏈建設中還有一個很重要的命題：供應鏈多模塊協同。上游的模塊包括有會員CRM、商品管理、品類規劃、品牌調性、選品、價格管理、營銷管理、商家管理、流量管理等模塊，下游的模塊包括有S&OP、預測、補貨、調撥、庫存、訂單、履行、倉網結構、第三發配送等模塊。

這些複雜模塊之間如何達到有機的聯動並形成整體運作的高效體系？這是我們一直在研究的問題。比如在大促期間，如果某項業務需要在某個區域進行營銷活動，並且制定了一系列營銷的方案和計劃，但是如果後端整個倉的產能和配送無法協同的話，就容易造成上游生產了很多訂單、但下游無法配送出去的情況，會極大損害消費者的時效和消費體驗。

2017雙11的挑戰

2017的雙11，給整個供應鏈系統提出了更高的要求：

• 準確的細顆粒度需求預測，需求預測是整個供應鏈的起點，要求支持後端SKU級別；
• 商品種類極多，各種優惠促銷策略極其複雜；
• 提前進行大量備貨入庫，入庫量非常龐大；
• 倉庫庫容、運配網路都有產能上限；
• 大量商品需要在廣袤的地域上進行合理的庫存分布；
• 海量訂單的時效如何保障，這是雙11條件下很重要的一點。

以上這些命題都是需要解決的問題。

預測備貨

需求預測是整個供應鏈的起點，更遑論雙11背景下提出的準確的細顆粒度需求預測，這涉及系統的演算法研發層面，具體來看分為兩方面的工作。

第一方面，需要在數據層面上進行數據收集、清洗、特徵準備的工作，這裡的數據非常紛繁複雜，包括過往歷史的用戶行為數據、商品銷售數據、以及雙11期間具體的促銷信息（包括參與促銷的商品種類、促銷策略、滿減、滿贈等促銷信息）。

第二方面，需要考慮演算法模型層面，主要涉及三個演算法：傳統的時間序列演算法、常用的機器學習演算法以及雙11期間研發完成的深度學習演算法，通過反覆的調試致力於將這三類演算法高效地融合在一起，最終形成了一整套的演算法模型解決方案。這兩項工作結束之後就可以生成銷售預測和各種顆粒度的預測，比如前端的商品、價格預測等細顆粒度，整個品牌、行業銷售情況的粗顆粒度，還可以用於後期的產品企劃。

在預測的基礎之上要進行大促預熱期的備貨，整個雙11的備貨起點起始於10月中旬，但其實在這之前整個供應鏈的備貨工作就已經展開了。為了輔助整個業務的便利性，系統進行了全局視圖的項目，以期在多模塊下實現跨模塊的決策，各個階段都能在統一視圖進行管理，這也便於後期的復盤活動。

補貨調撥

補貨調撥也是庫存領域非常重要的環節之一。在這一部分，需要進行動態庫存布局、轉運/越庫策略、預售/爆款下沉等主要活動。

首先是動態庫存布局。倉網結構複雜且角色各為不同，如果想要互相支援需要考慮好兩個問題：如何把庫存放在離消費者最近的地方？如何平衡存貨成本和時效？因此系統的將倉的結構進行多層次級別的劃分，爆款放在前置倉，其他放在CDC或區域倉，這背後的原理是根據銷售速度再通過演算法引擎來驅動。

此外是轉運/越庫策略，這在雙11期間已經得到了實踐應用，入庫效率顯著提升。之前的工作方式是將商品統一送到CDC倉並直接上架，然後通過調撥邏輯調撥到前置倉；轉運是指商品分貨區分貨，這樣可以減少成本並提升效率；越庫則在於商家分貨，因此處理速度更快。

還有一個重要的雙11項目是預售/爆款下沉，其核心思想是將商品儘可能地放在靠近消費者的地方，能夠縮短髮貨鏈路、緩解區域倉的壓力，而且前置倉通過原箱發貨、預打包等措施能夠大大提升發貨效率。預售情況下，商品訂單已知可以提前備貨；爆款商品則會提前考察，考察維度除了銷售速度還有發貨速度等，後續就可以有序調撥到DC倉，能夠快速揀貨打包。

倉配履行

倉配履行環節涉及預約配送、主動截單、訂單生成調控、智能倉內操作、運配計劃等動作。

預約配送是為了緩解物流壓力，聯動上下游在時間上對訂單進行錯位，在上游激勵消費者選取預約配送，緩解壓力的同時也能夠保障時效性。

主動截單與整個倉容掛鉤，需要在訂單履行系統里進行截單操作，視倉庫處理能力的上限來定，一旦接近上限就需要進行截單、蓄洪、然後等到壓力緩解之後再下發訂單，這樣可以保證整個倉的生產有序進行，避免癱瘓且保護倉的產能。

訂單生成調控同樣以保護倉的產能為目標，這是通過控制訂單生成方式來控制的，一般會採取兩個方案：流量調控和營銷調控，如弱化營銷力度、削弱訂單生成力度，以形成有序的訂單生成過程，其背後的邏輯都是為了緩解倉的壓力，避免爆倉。

智能倉內操作是指在倉內使用智能機器人AGV，基於一些智能化的操作來提升揀貨效率。倉儲往往會面臨著貨品擺放、揀選路徑、自動化、人效提升等挑戰，而機器人本身可以自我學習從而不斷優化，此次雙11的實踐效果也表明揀貨效率至少提升了三倍有餘。

倉後的運配主要面臨的問題是如何在滿足運輸要求的前提下，對現有資源實現最大化的利用。運配計劃的制定和執行可以有效地削斷運配路徑和成本，比如在不違背單車運能、時間等相應的限制因素的前提條件，對多訂單尋求最大程度的拼載策略；在出庫鏈路，按照規模化運輸的策略，通過一級/二級分拔/集貨來執行幹線運輸等等。

商家協同

在商家端跟商家協同同樣是十分重要的工作，主要包括一盤貨管理、ERP訂單協同&商家倉協同。首先是一盤貨管理，之前的工作模式下經常會帶來商家兩地送貨、成本較高等問題，雙11融合了自營業務和平台官方旗艦店業務的供應鏈體系，商家只需一次送貨就可以滿足多售賣渠道的需求，降低了商家成本。比如雀巢的當日達、次日達佔比從30%提升到了70%，跨倉發貨比從60%降低到10%，運貨成本和操作成本都大大降低。

此外是ERP訂單協同&商家倉協同系統，賦予商家更加方便快捷的訂單履行決策。對於商家來說提升了決策效率，對於整個供應鏈體系來看多了一個商家倉的角色，所以可以將商家倉的角色也納入到倉網體系中去，有助於統一協調外部資源，能達到更好的管理效果。

未來展望

2017年的雙11創造了銷售奇蹟，雙11結束後至今整個項目組也一直在進行復盤活動，包括產品化思考、內容沉澱和反思：

• 2018年供應鏈的系統模塊會更複雜化，倉網結構更複雜化。在複雜度增加的情況下，應該如何更好地去平衡需求與供應的矛盾是項目一直在研究的難題；
• 大的潮流趨勢之下，需要思考如何通過大數據、IoT、社交網路等新技術實現供應鏈+的結合和升級；
• 個人經驗和智能學習的碰撞。智能化演算法不斷提出的背景下，強化學習、深度學習等新型決策機制應該與個人經驗形成有機的、智能化的解決方案；
• 供應鏈對實時反饋和智能化的要求不斷提升，所以要更好更快地提升整體效率。

如果你是運籌學/人工智慧碩博或在讀，請在下圖的公眾號後台留言：「加微信群」。系統會自動辨認你的關鍵字，並提示您進一步的加群要求和步驟，邀請您進全球運籌或AI學者群（群內學界、業界大佬雲集）。

同時我們有：【運籌學|優化愛好者】【供應鏈|物流】【人工智慧】【數據科學|分析】千人QQ群，想入群的小夥伴可以關注下方公眾號點擊「加入社區」按鈕，獲得入群傳送門。

學術界|工業界招聘、徵稿等信息免費發布，請見下圖：