vs 2015可以做网站吗,网站开发员工保密协议,诺诚软件开发,个人营销网站内容来自演讲#xff1a;潘峰 | 预见明日科技#xff08;北京#xff09;有限公司 | CEO
摘要
本文介绍了企业供应链中的挑战和解决方案。文章指出#xff0c;供应链成本占企业经营成本的大部分#xff0c;且存在供给端和需求端的高度不确定性。为应对这种不确定性…
内容来自演讲潘峰 | 预见明日科技北京有限公司 | CEO
摘要
本文介绍了企业供应链中的挑战和解决方案。文章指出供应链成本占企业经营成本的大部分且存在供给端和需求端的高度不确定性。为应对这种不确定性企业需要预测并储备库存但这也带来成本问题。实际操作中企业还面临数据多、变化多和成本高的挑战。
为此文章提出一种通过AI技术打造的供应链大模型解决方案。该模型能处理大量数据并根据销售数据特点匹配最适合的预测模型。它还能提供场景化、精细化、精准的需求预测以及差异化捕获建议帮助企业对未来业务预期达成共识。系统支持常规品类预测、促销品类预测和新品类预测等。
最后文章提到如何让AI成为企业内部各种角色的助手。系统适应企业的内部业务流程整合不同角色的数据并自动选择最适合当前状况的预测模型输出预测结果。同时系统识别预测节点的数据提示用户进行线下协同的过程。
一、公司简介
我们是一家专注于供应链优化的人工智能技术服务商同时也是一家SaaS公司。我们的产品主要集中在为企业提供智能销售预测和智能库存管理这两个模块旨在帮助企业提升供应链运营效率并降低运营成本。
“遇见”这个名字寓意着我们希望通过AI技术帮助企业提前预见未来运筹帷幄决胜千里。虽然我们公司成立于2022年相对较新但我们的团队并不年轻。我们的团队由一群来自头部互联网公司、快消零售企业和顶级高校的行业老炮组成。这些合伙人相识多年在各自的专业领域中积累了丰富的经验这些丰富经验的加持下我们也为众多企业提供数字化服务。
二、企业痛在哪里
可能大家对供应链这个概念不是非常了解。但是我们都有一个共识企业的供应链成本通常占了整个经营成本的大头有的企业甚至高达50%甚至80%。因此即使是对供应链的一点点优化节省了一个百分点的成本最终都会体现在企业的财务收益上。
然而供应链有一个显著的特点就是供给端和需求端的高度不确定性。例如你很难准确预测下个月某个单品能卖出多少而向供应商订购一批原料时他们能否准时、足量地按照预期送达也是不确定的。为了应对这种不确定性供应链中出现了许多概念。 我们之所以产生成品库存、原材料库存、产能储备等是因为我们需要通过这些准备来应对供应链中的不确定性。然而这些资源的背后意味着成本。如果资源过多可能会导致高库存、高产能从而产生损耗等问题而如果资源过少则可能错失销售机会造成履约困难难以满足客户需求。
例如在我们服务过的年营收几十亿的快消上市企业中每年由于高库存过期带来的损失就高达一亿元以上。因此企业通常追求用刚刚好的资源来满足不确定性的需求这就需要企业对未来的经营做预测对供应链中的储备库存做预测。但在实际操作过程中企业面临许多挑战包括数据多、变化多和成本高等问题。
三、我们诊断的问题是什么
首先数据非常多。对于一个快消企业来说可能有几十到上百个SKU如果是零售企业可能要处理几千甚至上万个SKU。每个SKU在不同的时间段都可能有不同的促销活动。此外还需要考虑全渠道的问题包括线上线下的销售渠道以及各种经销商等不同部门可能会有不同的一些预测方式。
其次变化多。受到宏观因素如经济、天气和微观因素如竞争的影响需求波动非常快。同时新品发售非常频繁这也会导致需求的变化。
最后成本高。在我们服务过的众多肩腰部企业中为了解决这些挑战他们通常需要投入大量的人力和物力进行销售预测或需求预测。然而这种高成本的投入往往导致企业在做销售预测时无法做到足够细致。 过去很多企业使用Excel进行销售预测但在处理大量数据时往往只能做到某一品类的处理和预测或者按月粒度进行预测。要想进一步细化到周甚至天的级别难度非常大。而且即使某一次预测准确了能否保持长期稳定也是一个问题。此外实时性也是个挑战想要提前做好未来几个月的每周计划完全依靠人力操作是非常困难的。
因此由于上述原因企业的预测很难达到高质量水平导致库存和损耗都难以降低而部分商品的有货率和服务水平又无法提高。这就是企业面临的双重困境。
四、我们的解决思路是什么
我们的解决方案是通过打造一个AI供应链大模型为企业提供场景化、精细化、精准的需求预测以及差异化捕获建议。这个系统可以在AI的辅助下让企业的不同角色在统一的数据、统一的界面中对未来业务预期达成共识。只有各个团队达成共识才能匹配最佳资源。例如如果你的工厂产能充足能够满足需求端的需求但是物流车队和仓储资源可能无法满足需求这就存在问题。因此我们最终需要一个完整的共识来确保所有环节都能够协调一致。
在这一基础上我们的产品架构底层是遇见科技的供应链大模型可以处理企业历史沉淀下来的各种数据包括结构化和非结构化数据。然后根据企业的销售数据特点我们会匹配最适合做未来销售预测的模型。在这里我们提供了两个业务场景预测魔方和库存管理大师分别服务于预测和企业备货的。在这个平台上我们可以支持企业的常规品类预测、促销品类预测和新品类预测等。
五、基于AI预测的基本原理是什么
在这里揭秘一下我们基于AI的预测原理。首先我们通过明道云提供的数据连接器和自己做的一些数据连接工作将企业的内部结构化数据接入系统。这些数据通常来自企业的核心业务系统或ERP系统。
然而很多企业的营促销数据往往是非结构化这在过去是一个大问题。今年随着生成式AI的发展情况有所改善。我们的大模型能够处理过去销售人员不愿意在系统中维护的大量营促销行为只需要将过去的营促销历史复盘报告、未来的计划以文档或邮件形式提供给我们我们会将其结构化并映射到企业的日历中告诉你过去在什么时间段进行了哪些营销活动未来有什么计划。
现在我们会综合企业的销售数据、未来的营促销规划以及业务需求等所有参数提供你所需要预测到的时间颗粒度、业务颗粒度系统会自动选择最适合当前状况的预测模型并基于此模型输出预测结果。当有真实效果时我们会进行复盘分析评估系统预测的准确率。
上面是企业在内部单线依赖数据进行预测的简单流程但在大型企业中情况往往更为复杂。
六、如何让AI做好业务的“Copilot副驾驶”
在很多情况下企业内部存在多种角色如财务、销售和供应链团队等。他们各自有各自的计划和目标同时还存在历史数据等问题。所以在过去软件供应商通常会通过咨询的方式先帮助企业梳理业务流程规范团队协同、预测等。
作为一家SaaS公司我们开发了一个轻量级的工具特点是“帮忙不添乱”。无论企业原来的协同方式是什么样的我们会尽可能适应企业的内部业务流程。在这个工具中不同的角色可以添加不同的数据比如财务目标KPI、销售计划等系统会自动计算并整合历史数据。然后专门负责销售预测或需求计划的团队会将这些数据汇总到一起在系统中进行识别和分析。
系统可以识别出预测节点的数据。如果大家对于未来的预测数据比较接近这部分数据就可以被视为高度共识企业无需过多关注。但如果有偏差较大的数据我们会将它们标记出来并提示用户进行线下协同的过程我们不会限制企业进行线下协同的方式。
当有了这样一个共识的预测需求时我们可以制定后面的供应链供应计划、库存计划和补货计划等。这些都依赖于我们背后的大模型能力它支持数据清洗、企业销售模型分析并能自动选取最适合的模型给出最优建议。
七、行业新势力面对的挑战
作为行业新势力我们希望能够更好地服务客户提供优质、精准且广泛的服务。然而这对于一个行业新势力来说是很难的。
让我们回顾一下这个行业在中国过去的一个情况。外企的传统软件在这个领域领先国内十几年他们的产品相对成熟但本土化能力相对较弱。我们接触的一些大型上市公司的IT团队反映很多外企系统操作门槛高价格也较高。
在过去国内企业更多是以比较重的定制化加咨询的项目方式服务于头部企业对于肩腰部的企业来说由于成本限制选择不多。因此大家期望以更低的成本、更好的体验和效果来使用这些服务。
然而对于一家刚成立一年的公司来说既要满足低成本、好体验和好效果的需求又要拓展渠道、守住擅长领域这确实是一个挑战。
八、如何更好地服务更多客户
之前我看过一篇关于任总的采访他提到了要缩减产品、拥抱集成还有今天上午他提到的坚守自己的专业领域我们也很认同这个观点。从公司成立的第一天起我们一直坚持核心战略思路即有边界感并聚焦。过去一年多的时间里我们仅专注于两个产品模块并分析了自身的特点。首先我们的团队拥有多年行业实操背景来自各企业的产品、技术和业务高管。同时我们还有一套供应链大模型。除了这两个优势企业需要灵活、低成本并且能适应不同企业需求的业务系统。
所以我们做了这样一个设计前两部分由我们负责而整个业务系统的开发则完全交给明道云。
从公司成立的第一天起我们就专注于极致的业务模式。我们没有编写任何一行前端代码而是将所有技术工作投入到后端算法的研发上。同时我们的内部产品团队也集中精力研究如何使用明道云系统来搭建符合客户需求的业务界面。这种专注使我们能够在一个垂直聚焦领域内构建出一套相对灵活且简单易用的系统。
九、预见科技明道云 为企业带来的实际业务效果
我们这个客户是一家快消企业专门从事男士护肤品的生产与销售。客户经营全渠道业务包括线上如天猫、抖音和京东和线下商超等销售渠道。此外产品线非常丰富从香水、口喷、香皂到护肤品、沐浴露甚至开始涉足男士胶原蛋白等领域。产品迭代速度快企业不仅希望保持业务高速增长还期望保证利润。
过去供应链团队可以不惜任何成本确保供应但现在需要考虑库存情况。美妆护肤品行业的供应商订货周期通常为30天至60天但终端用户下单后要求1至3天内交付这之间存在巨大差异意味着企业必须准备大量资源尤其是库存资源来应对这种差距。因此我们利用刚刚提到的系统给他们搭建了一个预测平台帮助企业解决这一问题。
在这个项目中我们涵盖了企业的自动化数据清洗、分析和自动算法选择从无到有地搭建了一个周期滚动预测并与智能库存策略联动为客户提供最合适的库存规划。客户上线使用了一个多季度的时间在该系统的帮助下整体预测准确率比过去仅依赖人工Excel的拍脑袋做法提升了20%。
最后我要再次感谢任总及其团队在日常协同工作中给予我们的大力支持。作为明道云的服务商尽管客户需求是通过我们转达给明道云但仍然得到了非常快速的响应对此我们深表感谢
