为发挥行业引导及标杆示范作用，鼓励并挖掘供应链各环节及零售企业内外部的供应链创新与协同，中国连锁经营协会(CCFA)于2013年初开展了零售业供应链最佳实践案例年度征集活动，并于近日正式发布《2023年度零售业供应链最佳实践案例》。

观远数据作为业内领先的一站式智能分析平台与服务提供商，与世界500强企业联合利华合作的“从AI需求预测到基于多级库存控制理论的补货策略”案例，凭借前瞻性的技术创新、领先性的行业实践、显著卓越的数字化成效，成功入选《2023年度零售业供应链最佳实践案例》，成为经过层层筛选最终入选的15个案例之一。

CCFA表示，此次入选的案例充分体现了过去一年企业在供应链实践方面的关注重点，更是行业供应链发展的趋势所向，其中即包括利用AI技术，提高需求预测的精确度，从而提高订货的合理性，在保证服务水平的前提下实现自动补货，提高订单满足率，降低库存水平。

联合利华与观远数据的合作实践，正是走在行业供应链发展趋势的前沿，为企业塑造供应链核心能力提供了深具价值的参考范本。

以下为入选案例原文呈现，期望能帮助更多企业找到供应链数字化升级方向。

从 AI 需求预测到基于多级库存控制理论的补货策略

技术应用方：联合利华（中国）有限公司

技术提供方：杭州观远数据有限公司

上海易钧信息技术有限公司

第一部分：案例简述

1．案例综述

为了应对市场快速与多端的变化，以数据驱动实现智能供应链带来业务价值的提升，联合利华携手观远数据和易钧，通过 AI 需求预测与多级库存补货策略的结合，落地并验证供应链指标的优化。

2．实施周期

整个过程从理论搭建，分析洞察，实验搭建，指标模拟到实践验证，为期六个月。

3．案例成效

成功实现在测试商品范围内，服务水平略有提升的情况下，预期库存下降10%。

第二部分：案例详述

1．背景介绍

联合利华应用多级库存控制理论（以下简称“补货策略”）于供应链实际运作，即：工厂-CDC-RDC 三层，SP（工厂-CDC 生产计划）与DRP（CDC-RDC 发运计划）的计划均需要关注最下层 RDC 所面对的来自全国的终端需求。基于此可极大程度避免因每层之间的补货依赖造成的牛鞭效应。为了进一步优化供应链业务指标，应对多变的市场，联合利华携手观远数据与易钧，通过 AI需求预测与多级库存补货策略结合，探究更加智能与科学的供应战略体系。

2．思路及实施流程

三方共同搭建了完整的计算链路，结合仿真模拟的高阶分析方式，设计实验并落地测试。最终系统化监控并追踪落地业务指标的变化。

解决方案亮点：

1) 基于需求预测的仿真模拟目标库存（Stock Mock）

通过仿真模拟，大规模计算历史数据以获得需求预测准确率FA（Forecast accuracy，以下简称“FA”）与库存指标DOH（Days on hand,以下简称“DOH”）和 Service level（订单服务水平，以下简称“Service level”）之间的关联，得到趋势如图1所示， 并得结论每提升1%的 FA，在稳定 Service level 在目标的前提下，可以降低1.2%的DOH。

图 1：FA 与 DOH 和 Service level 模拟后的关联

2）合理的实验对象

有了上述理论基础，需要合理的实验与落地测试才能看到实际价值。期间通过严密的实验对象筛选，针对所有的组合进行分类打标，选取准确性高，稳定性强，销量排名在前30%，以及后链路自动化DRP系统需要承接的未来1-3 周预测跨度的SKU到仓的组合作为有代表性的实验测试对象，既有代表性，又有实验可操作性。

3）严谨的控制变量执行

在实验落地测试中，需要严格控制计划员的修改动作。一次修改会导致未来几周需求和库存的变化，导致落地测算结果的失真。因此被选定的实验对象与系统产出的目标库存值需要严格遵守被使用在自动化DRP系统。

图 3：在执行期间自动化看板进行跟踪（demo 数据）

3．案例成效

1）DOH 降低

选定的实验对象在测试期间，服务水平略有提升的同时，RDC的DOH也相应的有所降低。

2）效率提升

测试为系统化实现且无须人工操作，自动化可达100%。

3）业务可拓展性

整个实验和测试可被系统化，且逻辑可拓展到全部业务范围。