中國生鮮食品消費與人均GDP增長呈正比，居民對生鮮食品的需求，尤其是對水果、蔬菜等的需求，持續高速增長。果蔬類產品作為零售類行業日益重要的組成部分，是提高消費者進店頻率和門店忠誠度的重要驅動力。不同於其他商品具有相對穩定的市場環境和供應鏈規劃，果蔬品的補貨因其自身特性而顯得更加複雜。基於中國地大物博的國情和複雜的市場環境，沃爾瑪希望在中國尋找一家立足本土的資料智慧公司，透過AI演算法與商業智慧結合，解決果蔬商品的智慧補貨問題，將訂銷比維持在穩定範圍內。
應用場景
果蔬零售市場剛剛觸及到核心供應鏈改造，還存在著大量創新空間，而果蔬供應過程裡的高成本高損耗問題使得現代化供應鏈升級的需求變得更加緊迫。中游經銷鏈條訂貨補貨系統存在依賴人工經驗判斷，具有不穩定性、波動大，效率低和難以大範圍標準化複用等問題。
沃爾瑪和觀遠資料落地的“AI智慧補貨”專案，結合AI演算法，透過異常判斷、視覺化分析等方式，快速梳理資料間的關聯並發現異常，實現自動化處理，大範圍、強穩定的銷量預測用於輔助商業決策的規劃和制定、有效管理和安排供應鏈，從而來指導門店訂貨，資源分配，以及門店運營。
面臨挑戰
一、行業面臨的挑戰：果蔬的易腐性造成的供應鏈管理問題。
• 高成本：為保證果蔬類產品的品質，延長其生存壽命，在採摘、加工、包裝、運輸、售賣和儲存的各個過程中需要投入更大的人力維護和資源消耗；
• 高損耗：損耗是果蔬產品保證食品安全的一個重大問題，過量進貨會導致成本增加產生資源浪費，缺貨和貨物品相變差更會使得消費者的消費體驗大打折扣，甚至引發食品安全問題。
二、業務實踐中面臨的挑戰：果蔬類產品短暫的生命週期，要求具有更快更準的訂貨量判斷。
• 需求的不確定性
由於果蔬類產品的可挑選性和可替代性，顧客購買行為常常會由價格、品質、商品組合、歷史體驗和個人口味等多重因素決定，而果蔬類產品的品相和口感受產地環境、當年天氣等多重難以人工干預的因素影響，價格波動、斷貨缺貨等行為出現頻率高，這使得果蔬類產品的需求量具有較大的不穩定性。
• 精細的預測維度
果蔬類產品的易腐性要求果蔬品類必須處於快速的貨物週轉過程中，補貨與售賣需同頻進行以響應市場需求，配合相應的採購補貨場景，要求預測落在更精細的維度裡。
• 複雜的產品模式
不同於其他商品所具有的品牌忠誠度，果蔬類產品很難具有長期的穩定消費模式，這樣的長期不穩定性無疑增加了預測的難度。
• 未知的關鍵資訊
鮮食產品由於進貨商渠道的多樣性和難組織性，以及品相的不可控等性質，造成果蔬類產品的價格動盪和促銷行為的不定期發生，而這些資訊在確定補貨量時是無法預知的。
資料支援
雙方建立起完整的“資料清洗—特徵工程—模型訓練—結果輸出—誤差監控”的AI迭代流程，部署自動任務流程每日對接新資料，實現了對未來4～6天的預測輸出，指引門店訂貨。在POC階段，觀遠資料選擇了沃爾瑪26家門店對模型預測進行兩週的試點測試，每日計算單SKU單門店預測準確率，最終在3種測試品類上，兩週的預測準確率較之原有模型精度絕對值平均提升7%。
應用技術與實施過程
一、前期調研
沃爾瑪與觀遠資料根據果蔬品類的行業痛點，透過走訪門店，與一線工作人員和採購部門進行業務交流，瞭解果蔬類補貨的真實場景中面臨的問題和訂貨時的考量因素，結合系統資料進行問題分析和影響因子的資料化處理。常見的果蔬品類可被大致分為兩種，季節性商品和非季節性常規商品，季節性商品因上市時間短且時間不固定，受市場環境影響較大，銷售量大的非季節性商品同樣存在損失率高的情況。結合實際情況，沃爾瑪選擇出具有代表性的大臺農芒（季節性）、小臺農芒（季節性）、山東富士蘋果（非季節性）三個單品進行AI預測。
二、方案設計
方案結合銷售、清倉、進貨等資料，增加天氣、節假日以及和中國國情緊密相關的節氣等相關資訊，根據業務場景進行門店維度單品的按天預測。嘗試多種模型，融合業務經驗和統計數值、訊號變換等特徵，進行資料平滑等操作，經過對歷史資料呈現趨勢的學習調整引數。建立起完整的“資料清洗—特徵工程—模型訓練—結果輸出—誤差監控”的AI迭代流程，部署自動任務流程每日對接新資料，實現對未來4～6天的預測輸出，指引門店訂貨。
三、成果檢驗
選擇26家門店對模型預測進行兩週的試點測試，每日計算單SKU單門店預測準確率，最終在3種測試品類上，兩週的預測準確率較之原有模型精度絕對值平均提升7%；
全自動預測後臺，自動載入每日新資料，完成模型自更新與當前預測任務。
商業改變
一、經濟效益變化
後續計劃將擴充套件到全國門店及Top10果蔬商品，並保持7%的預測準確率提升，將會帶來單品類年均上百萬收益提升的經濟效益。透過構建完整的自動化任務流，增強經驗的複用性，同時深度挖掘和監督資料異常，反饋門店運營可能存在的問題。此外，減少果蔬類產品的損耗和報廢，保持果蔬產品的新鮮度，提高消費者在消費過程中的購物體驗，同時保持較高的進店率和轉化率，促進門店其他產品的銷售額增長。
二、社會效益變化
演算法+人工智慧+大資料構成的企業供應鏈智慧化決策，是現代供應鏈中重要的一部分。將人工智慧演算法應用於複雜的果蔬產品供應鏈，是推進傳統食品行業現代化的必經之路。
三、環境效益變化
響應聯合國減少食物損失和浪費的全球倡議，透過精準銷售預測還原真實的市場需求，從售賣點入手，向生產商和消費者進行供求關係的兩端影響，減少因資源分配不合理導致鮮食產品的浪費，以確定能夠帶來最優投資回報的方式減少食物損失。同時輔助補貨的合理規劃，加快鮮食產品流通，保證產品質量，提升食品安全。
關於案例提交企業·觀遠資料：
觀遠資料成立於2016年，致力於為泛零售、消費以及網際網路領域客戶提供新一代智慧資料分析與決策（AI+BI）產品方案。區別於傳統BI平臺，觀遠資料首創性地提出了一套從敏捷分析到智慧決策的“5A”落地路徑，可根據企業的資料基礎，協助客戶規劃相應的數字化升級路徑，一步步實現面向未來的資料驅動體系。目前已經服務了沃爾瑪、聯合利華、百威英博、王府井集團、全家便利店、赫基集團、元氣森林、三頓半、奈雪的茶、生鮮傳奇、小紅書、bilibili等上百家零售消費和網際網路企業。