从单一的温饱型消费到多元化营养调剂型消费，人们对生鲜产品的需求日益增加。然而，生鲜产品要经过生产、采摘、物流、销售多道程序才能到达消费者手中，在人们尝到最新鲜的产品之前也免不了各种浪费。为了减少资源浪费、助力各个渠道及时止损，需求预测的重要性变得越来越突出。
近日，观远算法团队成员接受沃尔玛中国总部邀请，远赴英国利兹，去参加沃尔玛全球CMO/COO峰会，现场分享与沃尔玛如何通过生鲜产品销量预测，提升销售，降低报废的合作案例。
此次沃尔玛全球CMO/COO峰会，现场邀请了全球十几个国家近40位CXO参加，闭门探讨全球前沿科技在新零售领域的应用。观远数据算法团队对于需求预测案例分享，让各国企业重新认识了中国的新零售大环境和需求预测的落地实践。
需求预测不能脱离本土文化
生鲜业务一直是沃尔玛的重点项目，已经成为沃尔玛的强大推动引擎。进入中国市场20余年，沃尔玛一直将数据分析和需求预测作为其产品备货、运输、销售的重要手段。然而，对于生鲜产品的预测，除了受天气、温度等常规因素的影响，还有来自中国本土市场环境的综合挑战。
区域消费差异
中国国土辽阔，每个地方都有自己特色的饮食和消费习惯，南北方对于蔬菜水果肉类的喜好都有所不同，所以各个区域不同品类生鲜产品预测都会存在很大差异。
采购渠道差异
不同于西方的农场制生产，中国还存在大量零散的采购渠道，因此沃尔玛在对中国市场，生鲜产品采购数量预测和价格进行统层面也存在很大难度。
中西方文化差异
中国传统文化源远流长博大精深，中国人在不同的节日和节气都会有特殊的消费习惯和食品喜好，和西方文化存在很大差异，同样也成为节假日期间商品备货的重要参考。
需求预测逻辑优先
基于中国特殊的国情，观远数据为沃尔玛打造了具有本土特色的需求预测分析模型。基于对采购供应链各个环节影响因素综合分析来预判需求量。
而在这整个链路中，供应商、门店和消费者是三个重要的组成部分，每一个模块都有自己的影响因素。比如供货商会考虑种植条件和利润；门店在补货时会考虑到货物的品相、历史表现、成本、市场竞争力以及现有的库存状况；而消费者会考虑到价格，节假日的需求，购物当天的天气等等。
在PoC阶段，观远数据把这些因素中能够提前知晓和可以数据化的部分作为预测的主要数据来源。
结合了这些数据，观远数据对其中三种生鲜产品进行了T+4/5/6的销售预测，这三种产品是由Omega8结合实际商业场景选择，覆盖了销量不连续的季节性品类和价格变化多以及浪费量大的常规品类，以此来检验观远模型的能力。
在整个PoC过程中，观远算法团队选择了有代表性的门店，并在Omega8的帮助下进行了实地走访，通过与门店经理进行业务场景和人工订货经验的深度交流，了解生鲜售卖过程中的痛点和特点。在形成基本逻辑之后，将原始数据提炼为更适合模型理解的特征，并输入到模型中进行调优。得到模型的输出后，观远算法团队还通过模型效果评估、误差分析等各种方式来不断改进模型，以得到更准确的结果。
在试点测验的第一周内，由于某测试品类遭遇了产地的突发状况导致供货不足，使得预测结果偏高，观远数据通过增设自调优模块，对预测误差进行监控，使得模型可以快速的对环境改变作出响应和调整，并很快恢复到原有的高预测水平线上。
通过60天的PoC探索和建模，观远数据对分布在5个城市内的26家门店进行了为期2周的试点测验，针对单店单天单SKU进行销量预测的输出，最终获得了比原有模型超预期的效果呈现。
未来，观远数据将坚持创新、变革，不断探索中国本土的“AI+BI”智能决策方案。
