1号店:供应链中的大数据决胜

标签:电商技术商业热点数据社会大数据电商中国技术商业论坛及领袖峰会

访客:29135  发表于:2013-11-09 16:44:52

关于更多精彩内容,详见:中国技术商业论坛暨领袖峰会

1号店:供应链中的大数据决胜

            1号店副总裁 王欣磊


王欣磊:大家下午好,我尽量快一点讲一下。

   大家可能也都知道一号店,因为最近我们在北京打广告打得比较猛。对于我们来讲,我们是一个五年的企业,今年是我们的五周年。大家都知道一号店是做超市品类的,所以对于我们来讲,很重要的一点就是我们的供应链的环节,供应链的环节,其实里面都涉及到很多包括我们的数据、系统,怎么样去更好地服务于供应链。我今天针对这个话题,讲一下我们的道、术、法,名字有点悬乎,里面都是很实在的我们日常碰到的一些问题。

   首先讲的是前瞻之道。因为对于电商来讲,很重要的一点就是,其实我们的理念应该是前端取决于后端,前端的销售和营销的这一端,后端就是供应链。现在我们碰到很大问题,是后端不断影响前端。在这个过程当中,我们深刻的体会是如果我们能够有一个通往未来的时间通道就好了,如果说像疯子如果能够建造一个高速的列车把我们送到未来,让我们看看半年之后的销量,或者说一年之后的销量会越来越,甚至是明年的销量会森林,对我们的供应链来讲就非常好了。我举个例子,其实我们周年庆的时候,7月份是五周年庆,第一个星期前三天就给供应链带来了非常大的压力,从三天的时候我们就开始收缩前端销售的力度,来确保供应链的流畅,相信两天之后的双11,因为大家也都经历过去年的疯狂,相信今年会更加疯狂,也会引起中国的商品流通供应链的大猜测。我们之所以讲要有前瞻之道,其实我们现在的业务模式非常多,包括我们自己有我们的自主营销的部分,有很多商品是我们自己卖的,包括我们还有很多商品是通过开放平台的模式,是通过我们的供应链陪送出去。另外比如说像今年我们也开出来生鲜的频道,现在我们的生鲜在上海已经卖得非常好,包括在北京也开始卖生鲜,生鲜的供应链,因为它要求冷链、冷藏冷冻的设备,所以它又不太一样。包括我们现在在做一些散购的模式,类似唯品会,它是要求如装是快进快出的模式,这个里面又是跟其他的不太一样。同时我们也看到,随着我们的品类学习多,我们现在自营的就有几十万种,品种从一开始做的食品饮料到日用品,日用品我们做的最多的像纸、洗发水这些,逐步地向电器、家居包括一些服装,这样的品类发展。随着我们的SPO越来越多,我们不可能在一个超级大的仓库,即使你做一个再大的仓库,也不可能把所有的SPO放里面。第二,即使你有一个超级大的仓库,运营成本也是非常高的。去想象一下,如果你有一个像飞机场那么大的仓库,去捡货的过程就是非常的吃力的,不要式包括供应商的送货、上架、捡货、补货这样的过程。所以随着我们的模式越来越多,对应的后端的要求越来越高,这个时候就要求我们把系统怎么样去做得更加的灵活性,或者说更加有前瞻性。

1号店:供应链中的大数据决胜

   我刚刚查邮件,举一个非常小的例子,我们昨天碰到一个漏洞,突然碰到一个订单有132件商品在里面,我们中间的一个字段就爆了,它实际上下载是592个,所以现在只能改成600,这是个很小的例子。因为在业务不断发展过程当中,我们会出现各种各样很多情况,我们的系统需要非常灵活,包括我们把它做成更多模块化的控制,通过服务、SOA了服务,去掌握每个模块的灵活性。同时以标准的接口给其他人提供服务,这个就要求我们系统在设定的时候,需要去做非常好的想法。同时也是包括很多的数据,刚才车总讲到的,ETL的问题是我们经常碰到的。因为再一个复杂的系统里,数据的定义,刚才讲的性别就有几十种定义,其实并不是说性别有几十种定义,而是在这个系统里定义性别的字段或者在这个表里有几十个地方,那么多地方,应不应该把它归在一起?不归在一起的话,做数据仓库或者做整个大数据处理的时候,怎么能够掌握好,在哪个地方如果发生变化的话怎么掌握它,这就是系统要非常柔性的,这个也是很多电商都是自己开发大量的不的系统。包括前端的系统,包括后端的ERP的系统,包括我们自己的WMS、PMS,都是我们自己开发的,因为变化非常大,我们很难想象如果我们依赖于第三方系统它的接口会怎么样。

   大家也都知道,我们是跟沃尔马合作的,我们了解到沃尔马.COM,它其实一开始完全是利用第三方的系统,它前端是用了买下来的OTG的系统,中间的MS是IBM的,CMS系统是用的另外一家,搜索也是用另外一家,这么多异构之系统合在一起它要发生变化的时候,它是非常难去做变化的,因为你知道每家厂家都不可能为你去做太多的灵活定制。这个过程当中他们就非常痛苦,因为业务发展也很快,这种业务会被束缚,这种时候你要做一个调整,哪怕一个数据发生变化,你都要在所有的系统里面去同步,所以这个是非常痛苦的,这个也就为是  恩很多电商企业自己做系统,来确保它的柔性的发展。

   另外供应链系统的很大的问题,开仓。因为我们目前来讲可能更多的是在北上广这样的一线城市发展,我们也在逐步地渗透到二线城市里面去,比如我们在成都、武汉、济南丢开了藏决定是不是开仓库,其实是一个很复杂的测算系统。首先我们要去申请开仓的是我们老板就会问为什么要开,开了之后成本是不是会下降,下降之后会不会带来流量的上升或者定单的上升,这一系列问题都需要做很大的决定。比如说我们要选择多大的仓库,这就是一个很大的问题。比如说一开始我们就发现,我们最近在泉州和济南都开了仓库,但是发现一开始应的仓库太小了,为什么?太小会有很大的问题。属于我们仓库太小的话,我们放的SKU就会很少,SKU放的很少的话,拆单率就会很高。拆单率很高的话,其实它的成本是上升的。大家想象一下,如果你下一个定单,我既要把一部分的商品送过去,一部分是从济南送过去,这个就产生了两个配送的费用,这两个配送的费用,一个是用户体验不好,一个是成本会增加,这里面就需要做很多测算。

   拿济南做例子,山东的消费者并不只看到济南仓库的这些商品,他是所有的商品都能够看到的,只是说我在配送的时候,他下了订单的时候,我们选择怎么样给他配送。这个是我们前面又要给他很丰富的SKU数量,让消费者能够看到很多的SKU,同时我又要能够在本地通过有限的仓库,给他提供更快或者说更好的物流配送的服务。这个对我们来讲,我们是做了很大一条系统,多地多仓这个系统是非常复杂的,亚马逊也在做这方面的系统,这个有点像计算机里缓存的机制,像现在仓储系统也是相当于一个缓存,是一个前置的仓库。这个前置的仓库相当于缓存的模式,我们怎么样提高它的集中率,就不断地需要用很多数据的方法,去做这方面的工作。同时我们因为在前端,包括对商品的价格、设置、促销都会有很多问题,这个也需要通过系统来对它进行更好的优化。这个就是我们讲的开仓,对于供应链来讲,这个网络怎么样不断省长过程当中,我们要通过数据做充分的预测,去提高它的集中率,这个是我们讲的前瞻之道。

   大家可以看到,现在我们其实也在是逐步扩展全国的配送网络,包括整个配送队伍也是在全国40个城市有200个配送队伍,同时我们在做供应链开放平台,供应链开放平台也是为很多的供应商或者传统企业提供服务,他可以作为我们的商家作为我们的供应链,他都可以去享受整个供应链的服务。

   第二点就是一个平衡。这个就是我刚才讲到的,我们怎么样去在系统里面取得一定的平衡,因为对我们来讲,我们更多的考量是这个供应链或者现在供应链最大的挑战就是它的整体的成本。这个里面,一方面我们有消费者的体验,因为如果说假设我在济南没有仓库的话,很简单,如果一个山东的消费者要从一号店买东西,必须从北京的仓库给他发过去,这个时候就有两点,一点是他陪送的速度比较慢,一般要到第三天才能收到。这是一个问题,第二个我们肯定是需要收取一定的配送的费用,我们一般都在是北上广深满百包邮的,我们是所有的电商里面包邮最是高的,因为我们卖的品种,的确是非常苦的品类,一方面我们在每一个定单里面,我们总共有多少件商品?16.7件,这个是远远超过其他的B2C,其他的B2C平均在两件左右,所以我们的商品数量特别多,而且特别重,因为我们都是卖很多的液体,比如说纸,比如说洗衣粉、油、粮这些东西,都特别重。第三点,洗发水这种,我们的液体特别多,所以我们的包装会非常非常严谨,大家可能买过一号店的东西都知道,拆开之后洗发水包装可能很难拆开。在这种情况下,我们的整个配送的成本是非常高的,所以我们既要考虑到用户的体验,让他尽量快的能够收到,运费也不要太高,所以我们希望能够在当地开舱。在当地开仓之后,整个的成本也就提高了。对一部分消费者他的成本降下来了,比如说他买的商品,就完全是在当地仓库里的,这部分消费者,我们服务他的成本是降下来了,但是对有一部分用户,他买的商品有一部分在北京,有一部分在济南的话,它的成本就上去了。所以我们就需要考虑,怎么样达到一个平衡,这个是目前我们自己在内部做的一个比较大的项目,在考量我们在当地分仓,配备一个什么样的SKU,去满足当地的消费者定单。这个是动态的过程,首先我们要考虑,要把前面一段时间的整个定单的数量,包括消费者买的东西,把它去拿过来作为一个历史数据,然后做一些前瞻的预测,同时我们还要根据一些在近期网站上办的一些促销,这些促销的数据,我们也需要拿过来做一些前瞻的预测。另外我们也根据季节性的因素,去看它销量可能会有什么样的改变。说起来可能很简单,但是这里面其实都是书记的问题。

   举个例子来讲,促销的预测,我们是非常难做的,为什么?因为第一个,对于我们电商来讲,因为促销非常多,所以我们也很难去做很多前瞻性的计划。比如我很难我说再三个月之前把这段时间的促销全都定下来,很多促销可能在一两个星期之内就决定了,甚至很多小的促销就是一个星期,这个SKU这段时间有滞销了就做一下促销,所以有很多临时性的需求。对于我们后面做数据模型的人来讲,他怎么知道什么时候发生促销或者什么时候发生大的促销?这些他都没有很好的数据在里面,所以一方面我们基础的数据系统化是非常重要的。

   第二点,做数据的要人通过业务知识的理解,去掌握数据。比如说我们现在做数据模型的人,我想尽办法跟他们讨论,说我们能不能按照他采购的人去下PU情况去预测他能不能做一些促销,因为他如果说下的PU比较大,或者跟日常的PU不太一样,他去问供应商采购的数量比较多的时候,不是也意味着他要做一些促销。

   这个就是我们讲的仓库的模式,一个是我们再一个地方,比如说在上海我们有四个大仓,现在也是在做更多的扩张的过程当中。包括未来我们可能会有更大的地方,但是即使再大的地方,仓库也是一个一个独立开的。我们怎样平衡一个地区不同仓库之间的摆放SKU的方法,  到底在哪些仓库里放那些SKU,这里就有很多模式。比如说有一个中心的模式,比如说一个仓库,我把尽量多的SK都放进去,但是它每个都很少,如果它出现比较低的库存或者缺货就由其他仓库给它补,仓库间的调拨也很复杂。如果说我们要每个仓库都平衡的话,只有说一个仓库放几个品类的商品,这样的话就决定了你肯定是要去采单,所以这个又是一种测算,要计算到底哪种方法更好,或者对于消费行为来讲,哪一种方法成本更优。

   同时我们现在也不可避免的,因为随着我们的单量越来越大,SKU数量越来越多,这是一个几何基数上升的过程,我们就要其计算我是不是能够容忍一定程度的拆单。同时我解决拆单的问题是说我们在仓库里把所有的东西都放好,都配备在一起,把它变成一个包裹,还是说允许我有相隔包裹,但是我在分捡中心甚至在配送站汇总在一起,这就是一个不同的思路了。如果说我仓库复杂,就不得不按照不同的品类分开,这个时候就会产生两个包裹。如果说能在分捡中心,包裹出来之后往配送站送的地方,分捡到哪个配送站,比如这个配送站是去张江的,这个是去浦西的,在这个地方汇合在一起。

   这个优化,我们在仓库里面怎么样上架到去捡货,捡货完了之后分捡,包装、配送出去。大家想象一下,如果捡货员去30万件商品当中捡出16.7件的话需要多长时间?需要小于80秒。

   我今天就讲这些,谢谢大家。

关于更多精彩内容,详见:中国技术商业论坛暨领袖峰会

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");