难倒刘强东的奥数题,京东智能供应链解开了

500

原创:谭婧

刘强东有几个问题,需要你帮忙做个决策:

(一)

到货快,花钱爽,建议商品离消费者越近越好。除了京东超级大仓库亚洲一号之外,得增加仓库数量,扩大仓库网络。而仓库又分一二三四好几级,一级一级把商品库存下沉。然鹅,快乐从不便宜,不断扩建,费用会上涨。据测算,每多一层仓库节点,增加大概1.4倍的库存成本。

问题来了,你会建议刘强东扩建仓库吗,那建多少个呢?

(二)

中国消费者酷爱促销打折,还得打骨折,即使常年买199减99,也不够。秒杀和爆款的优惠券,一张都不能少,图书节、电脑节、厨卫节、美妆节、母婴节,一个节都不能落下。

然鹅,促销多了,销量预测难,备货难,到底多便宜才能拉动销售?

问题来了,你会建议刘强东打几折呢?

(三)

目前京东自营商品540万个单品(SKU),员工变成保险精算师也算不过来,这样,热销品专人照顾,小众商品顾不过来,没日没夜加班也不行……

问题来了,你会建议刘强东停售哪些小众商品呢?

企业经营,靠“抛硬币”决策,太过儿戏。这些大决策又会被分解为成千上万个小决策,落在京东员工的工位上,电脑前,电话里,分分钟考验智商。

85后员工,“题这么难,我要跳槽了。”

90后员工,“这哪里是工作,这是奥赛题,我不高兴了。”

95后员工,“这么多报表,本来后天交,为什么明天交,你活不到后天吗?”

借北京亦庄傍晚最后的光,刘强东在集团大厦的办公室里,思考供应链对京东意味着什么。零售的本质是效率,仅仅用人的脑力来提效的做法,就像窗边的晚霞,注定落幕。

靠什么?靠科技。

京东的未来,要压在智能供应链上。刘强东回想起十几年前关闭卖光磁产品门店的那几夜。

如今,大数据、自动化、智能化,大雨滂沱,鼻孔里都是湿润的泥土味儿。

“雨后泥土的气息”一词最早出现于1964年,美酒鉴赏师常称,这种气味藏在葡萄酒中,味蕾都可以感受到。不过最新的研究表明,这种气息应该是由微生物带来的。

气候变化,小微生物,最为敏感。

星星挂上深蓝色夜幕,刘强东在集团高管会上提出了坚定的要求:“智能供应链是京东的未来。Y负责此事,负责到底。”

未来,充满未知。Y是数学里的未知数。用Y命名,其意义非常明确。

Y现在叫做“智能供应链Y业务部”,它有个曾用名,Y事业部,下文简称Y。

Y这颗星星,光芒初闪,并不抢眼。

彼时,老板们方向清晰了,但是员工还很陌生。供应链是一个超级复杂的系统,就好比全北京的车都堵在五环上,交警搞不定,市长搞不定,智能能搞定?我不信。

供应链的实际情况可能比全世界大都市的交通还要复杂,还没有交警。“智能供应链”在工业界没有先例可循,学术界仍在理论里推演。

彼时,中国电商野战军在摩拳擦掌。沃尔玛、家乐福等传统超市在拥抱变革时迟到。旧式供应链方法论无法照抄。

摆在Y团队面前的第一个难关,是供应链智能系统没啥人愿意用。比起代码丑、BUG多,更让技术人员心碎的是——没人用。管你技术大拿还是小拿,技术必须为业务服务,为零售这门生意服务。

老张,一位有着二十多年采购经验的员工。他对什么自动系统、什么人工智能,一脸不屑。对零售生意的掌控,他完全不亚于一位港交所里的股票操盘手。

他对行业、对要卖的商品非常熟,他知道最好的价格段在什么位置,竞争对手会怎么定价,近期消费者的转化率会怎么样,商家促销会怎么样,返利怎么样……这一切棘手的问题,经他之手,都能做一个挺好的平衡。

说白了,一个人的供应链的经验和知识价值千金,销量是真金白银,这是他赖以生存的根本,他会用一切去捍卫。

“还智能补货,你咋不叫智障补货呢?”

心底里,老张也希望能够多带出几个高徒。

公司的业务增长越来越快,京东的货架是电子的,数字的,这也意味可以放下比隔壁沃尔玛超市多n倍的商品。电子货架的成本可以不做计算,但是仓库里的货可不行,压货就是压钱。

手艺可以传承,经验不能立马复制。这位专家若在京东开课的话,少说能教这样几门课:动态定价、收益管理、促销管理、市场洞察、渠道管理、销售预测、补货预测……

这些头疼的事,都直接关系到生意的好坏。老张心里苦,也想有人帮。

在京东,像老张一样的业务专家,有千余位,企业继续发展,一味增加人手的方法,也并不可取。

这些困难,Y部门早都开始留意了。

当第一代的智能系统上线的时候,老张们齐刷刷的目光里,都藏着鄙视。Y的人也很着急,技术大牛们的梦想就是自己开发的软件工具能让人使用,用得越多越好,顺手改变一下世界。

再这样下去,世界改变不了,得改简历,换工作单位了。

没人用怎么办?总不能给业务团队下跪吧。这么干,一是尊严不允许,二是有七大事业群,几十个业务部门,跪得过来吗?

就拿第一代智能系统里的补货系统来说,好不好用呢?

实话讲,肯定是没有2020年版的第三代好用。

坦白讲,第一代补货系统是有缺陷的。

比如,建模比较简单,很多特殊场景并没有考虑到。凡事都得有个过程。

人间事,千难万难,难在许多人不肯有个开始。

于是,研发团队人人手里都揣上了业务书籍和各种学习资料,哪怕是坐在马桶上也不歇。想当年学编程的时候,也都是学霸。学零售业务知识,不能丢人。

学习雷锋,好榜样。学习零售,好研发。

人在突破认知之际,往往伴生恐惧。Y的研发人员发现,供应链是零售的核心。用智能软件系统把人的决策方式改变了,这是要闹革命。

说好只是写代码、写算法的美好生活去哪里了?

Y团队看透了,无处退。

Y团队想通了,不想输。

隔行如隔山,研发人员对业务专家的敬仰之情,犹如滔滔江水。多年后,回想当初,技术团队才领悟到,正是当初心里充满了对业务的尊重,对业务的敬畏,才在漆黑一片中摸到了“入口”,看见了微弱的光。

当研发专家碰上业务专家,也会闹笑话。

不善言辞的研发专家,开口第一句:“我观察你好长一段时间了。”然后,陷入一阵沉默。

某销售品类负责人是一位美女,人靓音柔,态度好。听到这话,看着对方的神情,一脸疑惑。

“啥情况,刚上班,就有帅哥来表白吗?”

看看他手上,也没有准备鲜花。

某销售品类负责人的内心戏:“一个销售人员,到底如何精细化管理京东要卖出的商品?京东的每一件自营商品,自从买进来的那一刻起,就开始占库房、占资金,这些都是成本,你一定要追求一个最优解。”

问题像飞虫一样天天在脑海嗡鸣盘旋,精疲力尽。

研发同事:“坦白地讲,我观察过你一段时间了,你的小组有20个人,每个人精细化管理的商品数量,不超过200个单品,这是一个正常员工不借助工具能达到的工作量的极限。”

某销售品类负责人的内心戏:“哎呀,有人抓住了痛点。京东现有的单品已经超过500万了。得多大一支人马来管理才够数?”

这次,研发帅哥和业务美女终于顺利对齐了思路。

老办法是淘汰法,把销售额、销售量排名,尾部淘汰掉,不要了。但是,没有人能保证这个方法正确。堂堂零售巨头,用的还是小学老师的方法。糟糕的是,销售是波动的,消费者是善变的,规律越来越难抓。

没把淘汰法淘汰掉的原因是,你没有更好办法了。

新办法是智能化,用AI算法去发现商品的“效应排名”。京东的理念是,商品要对消费者有吸引力,才是你经营这款商品的基本逻辑。这是一套围绕消费者的思路。

Y团队认为,每个商品的贡献,应该按每一个部门自己的理解去定位。最终是为业务、生意定制。这也是“智能选品系统”的产品逻辑。

“智能选品系统”瓜熟蒂落,但是别高兴得太早,后面游戏终极Boss——“智能补货系统”。

CEO当着所有人的面说:“这事儿特别重要,这是公司的能力建设。”一谈到能力,大家都认真了,谁也不想“没能力”。

更重要的是,这是刘强东说的,你不听,试一试,“企业咚咚”马上就登不上去了(可能是办公室网络不好,领导没有读心术,这位同学,把头上的汗擦擦)。

CEO站台是很重要,但是不代表,CEO能站在每个京东业务员工的背后,盯着大家用智能系统。

到底能不能用起来,你得有真本事——智能产品得用业务逻辑“思考”。

2015年,从第一代智能补货上线。

系统迭三代,已是五年后。

京东集团智能供应链Y业务管理部高级总监,胡浩在心中感慨:“你要是问我当时的心里话,我都不认为智能补货是有成功的希望的。”

胡浩的记忆里:“智能补货,我们花了非常长的时间,相当于智能补货是一个CEO级的项目”。

500

谁说不是呢?刘强东都来站台了。

2017年,智能补货“诞生”第二代,这一代完整些了,各种模型都考虑到了,家电、快消、美妆都和这个系统混了个“脸熟”。

第二代做完,第三代补货系统的难题来了,重卡陷泥沼,不知道该怎么提高了。

比如刘强东最喜欢的保温杯,就是用来泡枸杞的那款,断货了怎么办?

一共两步。

第一步,先做预测,看这个杯子未来能卖多少个,有多少人和老刘品位相近。

第二步,依据上一步的预测,来决定这个杯子补多少个。

最早学术界研究供应链的方法,就是教科书里的方法,没有人会质疑。学校里老师如此教,学生如此学。然而,这个方法,有个Bug,假如第一步预测错了,第二步也歇菜了。

Y部门的上空,乌云压顶,城防欲摧。

研发工程师回家冲澡的时候,旁若无人地干嚎,水声混着调不准的歌声。

“哭着来,要笑着走过啊。”

“哭着建模,要笑着调包啊。”

2017年12月的一天,一辆黑色的轿车,停在了京东总部楼下,胡浩在等着接人。几位背着黑色双肩包的人,匆匆下车。

那一刻,学界宗师,推开Y部门的大门。

大洋彼岸起飞,降落首都国际机场,赶到北京亦庄的京东大厦时,时差还没有倒过来,就直接坐到了会议室里。

“只要我们利用好京东生态圈高质量、高深度、全面的数据,我们完全可以比亚马逊电商平台做得更好。”

算法研发团队的人,你看看我,我看看你,没人敢打断申作军教授的发言。

憋在心里的话是:“以前,谁敢想?”

申作军教授,是美国加州大学伯克利分校教授。

申作军教授做客京东,到访Y部门,一待就是三个月,同行的还有几位博士生。他们的背后是京东硅谷实验室的200多位科学家。

500

在硅谷,京东跟Facebook、谷歌抢人才,团队成员大多来自MIT、Stanford、UC Berkeley、Georgia Tech、Michigan等美国知名高校。

吸引人才的不是钱,是技术上的高难度问题,技术的难题里蕴含着前沿发现。

你越说难,科学家们越兴奋。

供应链科学家研究的问题不会从实验室的试管里冒出来,难点都在工业界,因为供应链生于工业界。难点要在大型企业的生意中找,越大越好,越大越有难题。

前面提到的补货,在仓库管理员眼里,就是缺啥补啥,和缺钙补钙是一个道理。补货难题在科学家眼中,是《大数据驱动的自动补货系统研究》。

申作军教授和胡浩,还有Y部门研发团队的一帮人天天在一起,有人声鼎沸的争论,有陷入困境的迷茫,有找到突破的兴奋。

几个月以来,他们为了一个共识——“用机器学习的方式来解运筹的问题,而不是用运筹的问题来解一个机器学习的算法。”当你面对面听到这句话时,仿佛能从胡浩略带湖南腔的尾音里,闻出一股咸鲜麻辣的香气和湘军的霸气。

供应链里,一个决定决定着下一个决定,这不是绕口令,这是多米诺骨牌,严肃理论叫做牛鞭效应。

在大数据与人工智能算法面前,供应链提效找到了从绿皮火车到高铁大提速的可能。相比传统的方法,数据驱动的技术改变了供应链。

那为何到了2017年才讨论用数据驱动的方法,为什么不从第一代开始?你信不信,中国铁路工程专家詹天佑一开始也想修高速的火车。

原因是,以前并没有这么强的数据处理能力,所以大家只好从简化复杂问题入手。根据你对业务的分析,对业务的理解,你与业务专家坐下来访谈,在这一过程中发现哪些是关键,重要的事情如何影响,如何衡量量化因素,最后用建模型来解决掉,这是传统的理论。

一句话就是,靠人脑分析总结。

从供应链诞生之日起,传统方法的思路都没变过。师傅带徒弟,老师带学生。以前,白发苍苍的供应链专家这样思考,而今,深受脱发困扰的供应链IT专家还是这样。

2017年,依靠高质量的数据和机器学习,新方法走入白色镁光灯光束的中央。

胡浩感觉到技术的方向发生了变化,但没有百分之一百的把握,他和团队尝试往新的方向去调整、改变。胡浩侧耳倾听,技术直觉告诉他,老的方法已经把效率提到了极致,前进一步都非常困难,新的方法也许能成。

为了提效,甚至整个公司的企业流程都改变了。出发时,这一切根本无法想象。

加班的京东,大厦里到处都是灯光、人声、人影。

每每体力耗尽,胡浩的内心更为坚定:“此时的京东是一家技术驱动型的公司,仅凭人力所能及,仅凭企业管理所能及的提效,都已见顶。”

晚上,恍惚中,胡浩梦见自己身披战甲在敌军中厮杀,污血和泥泞中,他远远望见申作军教授,仿佛听见教授在说什么,他想用力听清,他想嘶吼,但发不出声音,嗓子干得要冒火,舔一下嘴唇,尝到咸咸的腥味。

胡浩对我说:“我认为整个供应链都是一个运筹的模型,把处理决策的关键步骤抽调出来,建立一个模型。通过模型计算出决策,这是传统供应链的基本方法论。未来,很大一条分支来自于数据驱动和机器学习方法,就不再派人去钻研关键因素了。实际上,它是一个输入跟输出的转化模型,机器学习模型的思维,和传统供应链思维,这是完全两个不同。”

提及过往,申作军教授如此总结:

京东有零售供应链最全面的数据。很多友商掌握着残缺的数据,也没有一体化的决策系统。供应链的很多环节,需要整体优化,越全面,可以优化的空间越大。

京东不一样,可以全面、全局、全链条地优化,为什么我要在京东推“端到端算法”?因为我推得动,所有数据都有,都可以打通,其他友商就比较困难。

申教授的平静与笃定,扑面而来。

端到端的英文是end to end,是人工智能的术语,端到端算法是AI技术在供应链的突破点之一,也是一种方法论、思维方式。从软件角度来理解就是,输入端的数据直接得到输出端的结果。

端到端是一步解题,与之对应的是多步解题。简单理解就是,分步走和并步走。

有人会问,并步走,会不会步子迈太大,扯到裤子里不该扯到的?

用常识判断,并步走这个做法并不对。考试的时候把分步解题过程写一下,万一算错了,还能得步骤分,责任也好区分,预测销量没算对,甩锅给上游呀?

预测,在AI领域是一个超级难题,在供应链里也是。

从技术的角度讲,为什么预测最难?

第一,你需要还原过去这个事情发生背后的,所有的关键因素。事情是怎么发生的?你不能描述和解释过去,你就不能理解事情发生的成因和机制。

第二,有很多东西会影响未来,对于零售卖货来说,未来流量确切能有多少,未来价格能定在多少的价位。哪怕是问最资深的业务专家,都没人清楚。比如,罗永浩首次直播带货,谁知道有多少人来,有多少人下单。

创新,就是不按套路出牌。机器学习技术,一脸自信,拽得和麻将二五八万一样。

机器学习技术说:“咋的,做端到端的预测时,把供应链管理中的几个步骤忽略掉了(比如销量预测、补货预测中都有这种情况)。”

供应链上存在信息歪曲,这个就跟日常生活中传话一样,比如张三跟他媳妇说一句话,媳妇又跟她婆婆传话,婆婆再跟小姑子传话……

深受其害的已婚男士们,齐刷刷地点头,深刻理解这个过程中信息会发生扭曲。而机器学习技术不会,机器替人类把数据的特征提取出来。

换句话说,机器学习技术没有给这些已婚妇女们叽叽喳喳扭曲信息的机会。

对此,申作军教授的标准答案是:以前智能供应链系统是“分步走”式的决策流程,现在京东使用的是“端到端”补货决策模型,关键是避免了预测误差在每一步的决策中放大。

再技术一点,端到端补货决策模型的实质是,销量预测+VLT预测+补货决策,用一个模型做出来,最后做到了自动下单。

库管员、下单员、销售、技术,要挤在一起来张大合影,齐声高呼生产力的大解放。

“电脑里的Excel表能不能都删了?”“不,要Excel卸载了才解恨。”

申作军教授作为全球顶级运筹学专家,向我表达这样一个观点:“如果我们不用机器学习和人工智能的方法,仅仅凭采购销售人员的多年工作经验,和做也做不完的Excel表格,管理的精度和效率永远做不上去”。

机器学习是现在,也是未来。这是所有的IT技术人员都要理解和掌握的技术,不对该项技术有所涉猎的话,很可能会被时代所淘汰。

高技术含量的算法在中国真实智能供应链里锻造,其前沿性在学术领域得到了多次验证。

2019年11月,申作军教授就告诉我,博士团队高频发表顶级学术会议论文,KDD(知识发现与数据挖掘)就发了差不多十篇论文。

在第三代“端到端补货系统”放响打进业务工作最后一枪的时候,这些Y部门疯狂的技术宅才有了笑傲江湖的自信。

这个故事,写成于京东智能供应链系统发布第三版之际。

有一个重点不能忽略,研发人员披荆斩棘的背后,京东为了推行智能供应链,进行了战略、业务、组织、流程、人员的变革,这些很难被看见。

“智能化是终极目标,但是,我们要沿着规则化、线上化、自动化、智能化的策略分步实施,离开了业务专家know how(技术诀窍)的智能补货是没有生命力的,也是不可持续的。”

京东集团副总裁,京东零售生态业务中心负责人林琛接手Y以后,进一步给智能补货叠加了专家经验和业务价值。

暗流涌动,无声无息。

500

胡浩对我说:“算法要服务业务,业务里有什么?有战略、有组织、有流程、有人员。业务加上人工智能算法,才可能发挥出科技应有的威力。逢山开路、遇水架桥,我们遇上很多障碍,首先需要业务去解决,而不是算法冲上去解决。AI技术会被说得非常的厉害,但是在技术落地的时候又被数落得啥也不是。想要技术解决业务问题,要先解决业务本身的问题。”

告别的时候,我问胡浩:“未来的目标是啥?”

他说:“三年周转规划,希望京东零售供应效率能够做到全球最领先。现在的库存周转天数低至34天,34是3开头的数字,我们想冲刺2字头(就是二十几天)。”

我眼中的胡浩,只要将“难题”在头脑中穿梭不息,就没有什么可担心的。

最后,我想说,京东智能供应链的故事里有三个重点。

第一、很多场景下,唯算法论英雄的那页,翻篇了。中国AI工程化面临新一轮的挑战,京东内部也靠管理,业务加算法三轮驱动。零售流程,说简单一点,就是买与卖。便利蜂一直说自己在做高度自动化的便利店体系。所以,选货、收银、结算等整个流程都变了。全新的流程再结合算法才能发挥威力。在一个传统的流程里去做算法突破的时候,算法可能会变成废物,啥也解决不了。

第二、京东员工在一个公司大楼里办公,不同品类的团队与团队之间工位离得不远。这让人产生品类之间差别不大的感觉。这是一种错觉,大错特错。卖海飞丝的和卖优衣库的两组员工就在一栋楼里,每天中午吃同一个食堂。但是,日化和服装行业的差异,天差地别。不能纯靠公式、理论,现实算法的设计,就好像带着纸枷锁的舞蹈。算法设计的基础就一定要考虑到品类特性,这也是京东面临的难点。品类让智能供应链的难度系数,攀上新的高度。

第三、算法储备在各个场景下的含义不同。我理解,京东智能供应链的算法储备,像一种堡垒战。重点算法打通了,突破了,供应链效率就能够突破。拿下这个堡垒,性能就会有极大的提升,然后再去找下一个堡垒。算法迭代不追求花样多,数量大。而是找准“下一个堡垒”。

2020年11月24日,我接到胡浩的电话,声音中洋溢着喜悦:“论文《A PracticalEnd-to-End Inventory Management Model with Deep Learning》被运筹与管理领域顶级期刊Management Science录用。”

“论文是什么时间录用的?”“就是今天。”

这篇论文主讲,京东在预测补货时,多分位神经网络技术(Multi-Quantile Recurrent Neural Network,MQRNN)与自学习端到端深度学习补货模型技术,用在茶具品类上,使得周转天数和现货率都得到提高。说得简单一点,输入原始销量,直接输出最优的补货建议。

500

不得不说,这真是高科技,不仅自动,还算得准。

2020年11月26日,京东Y Open Day大会上,林琛再次给智能供应链划了重点。

他说:“Y团队在京东大集团所有整建制的团队中,研发人员的学历是最高的,博士博士后的密度最大。这个投入也显示了对研发的重视。但是,难点在于买与卖的博弈变了,决策流更是发生掉头式的变化,智能供应链在京东内部发挥作用的困难尚可克服,因为内部可控制的地方多,想赋能产业、行业,仅靠技术不行,不靠智能技术更不行,技术和业务know how要共同努力,谁缺了谁都不行。”

(完)

《亲爱的数据》出品

500

全部专栏