起 源

京東預測技術(shù)最早應用于圖書品類管理，用以解決其業(yè)務規(guī)模化發(fā)展的需要，通過技術(shù)手段助力業(yè)務爆發(fā)式增長。

伴隨著人工智能技術(shù)的發(fā)展，預測技術(shù)從最初幫助圖書品類采銷人員預測銷量、自動補貨，到現(xiàn)在已經(jīng)應用于京東商城全品類商品運營。以消費品類為例，超過80%的訂單是由系統(tǒng)自動下單補貨。補貨效率提高，庫存現(xiàn)貨率提高，貨物周轉(zhuǎn)周期降低，發(fā)揮更精細的商品運營能力。

發(fā) 展

京東預測系統(tǒng)根據(jù)業(yè)務需求主要衍生出以下三大類別：

銷量預測：基于歷史數(shù)據(jù)和統(tǒng)計學習模型，對商品未來的銷量進行預測，給出商品采購、調(diào)撥等建議；銷量預測同時也是支持智能補貨的重要依據(jù)。

單量預測：主要針對物流單量的預測，比如在大促來臨時，預測系統(tǒng)會預測出某個倉甚至某個站點未來會迎來多少單量，然后根據(jù)預測數(shù)據(jù)安排相應的人力、物力；除此之外，售后客服單量預測系統(tǒng)能夠預測小時內(nèi)的咨詢量數(shù)據(jù)。

GMV預測：預測未來一段時間內(nèi)GMV的發(fā)展情況，支持到商品顆粒度，為財務計劃的制定提供依據(jù)。

以近幾年大促為例，在大促前期，根據(jù)預測系統(tǒng)的預測數(shù)據(jù)，倉配部門提前準備好充足的產(chǎn)能，等到大促開始，就可以直接將這些商品運往離客戶最近的配送站，有效縮短了原本相對較長的供應鏈，大大提高對用戶的響應速度，消費者能夠明顯感受到商品配送的速度越來越快。與此同時物流配送峰值壓力也在逐漸減小，雖然交易量在逐年翻倍，而爆倉發(fā)生次數(shù)卻越來越少，這得益于背后京東在優(yōu)化供應鏈上取得的成果。

非促銷期的銷量預測一般使用基線預測系統(tǒng)，而有促銷條件則使用促銷預測系統(tǒng)，模擬促銷規(guī)則，預測商品會有多少銷量，反過來也可以結(jié)合GMV預測，給采銷促銷規(guī)則的建議。

預測系統(tǒng)架構(gòu)

數(shù)據(jù)經(jīng)過基礎數(shù)據(jù)加工層后到達核心業(yè)務層，也是預測系統(tǒng)的核心部分。這之中特征構(gòu)建、核心算法、預測結(jié)果加工彼此不發(fā)生任何交集，通過時間序列、機器學習、神經(jīng)網(wǎng)絡等人工智能技術(shù)對數(shù)據(jù)的處理分析，最后計算出預測結(jié)果推送給下游系統(tǒng)使用。

預測系統(tǒng)核心技術(shù)選型

每提升1%的預測準確度就可以節(jié)約數(shù)倍的運營成本，因此預測技術(shù)最關心的問題只有一個——如何持續(xù)提升系統(tǒng)預測準確度？

最直接有效的答案是分類細化。如生鮮產(chǎn)品較之于空調(diào)就需要使用完全不同的算法模型，生鮮產(chǎn)品的場景要求備貨周期短、配送速度快，而空調(diào)從生產(chǎn)到提貨就需要很長的周期，另外對于此類不斷迭代的產(chǎn)品，還要關注其產(chǎn)品生命周期的管理；比如今年夏季中國東北的異常高溫使得北方市場空調(diào)、風扇銷售量激增，此類偶發(fā)因素也需要及時加入到模型算法中。

更有特別品類如服裝，不能僅基于歷史數(shù)據(jù)考慮，還需要加入網(wǎng)絡搜索熱度指數(shù)、時尚指數(shù)等指標參數(shù)。算法工程師需要深入了解業(yè)務、了解這些影響市場和商品發(fā)展的因素，一個高效準確的系統(tǒng)才算可用，并能持續(xù)提升預測系統(tǒng)準確度。

但在京東如此龐大規(guī)模的業(yè)務量下，每新增一項業(yè)務就要重新構(gòu)建一套算法和相輔的系統(tǒng)效率太低。高效的方法是按照積木理論原理，打開業(yè)務環(huán)節(jié)之間的強耦合關系，使之成為一個個可拆分、可配置、可組裝的插件。預測系統(tǒng)將核心的流程進行拆分，形成一個個靈活的組件模塊，當有新的業(yè)務變動，只要針對某一部分進行改動和重組，就可以立刻投入使用。

組件化的京東預測平臺不僅提供內(nèi)部業(yè)務使用，也同時開放給了外部的生態(tài)合作伙伴，如果外部用戶也想進行銷量預測，只需要提供相應的數(shù)據(jù)接入整個平臺系統(tǒng)，不需要再進行二次開發(fā)，就能得到可用的預測數(shù)據(jù)。

未  來  

預測技術(shù)是整個供應鏈管理的起點，京東智能預測平臺未來的優(yōu)化將會朝著以下幾個方向達到更智能協(xié)同的要求：

      預測平臺的豐富，完善數(shù)據(jù)處理的方式和方法，增加更多可用的算法模型嵌入進平臺中

      提高業(yè)務豐富度，支持業(yè)務方多元化需求，強化積木賦能

      提高技術(shù)、系統(tǒng)復用性，在積累上創(chuàng)新

增強上下游系統(tǒng)互動，從業(yè)務價值角度出發(fā)，更有針對性的優(yōu)化算法，完善評估指標

此文系作者個人觀點，不代表羅戈網(wǎng)立場

-END-