场景描述

图片系AI生成

安踏在DTC(Direct-to-Consumer，直面消费者)之后收回更多门店，渠道商品越多，对商品运营能力的挑战和需求越高，全国一盘货需要高效运营。原来的期货模式应变不足，需要不断提高的快反生意占比。此前期货占比97%，从期货订货到上市有半年时间，如果市场发生变化，则容易产生库存风险，或者错失生意机会。

快反不快是因为缺机制、全手工、无系统，凭经验识别生意机会，对人的依赖大，从客户到工厂，涉及的业务多，协同层级多，效率慢，快反交付周期60天，甚至70天。

安踏希望通过项目建设，建立未来高效商品运营模式的流程和系统平台，高质量保证快反业务增长，推动安踏品牌货品效益全面提升。具体分为几个目标：

1.控库存、降风险: 通过历史销售数据和算法模型，预测未来销售情况，从订货下单开始控制渠道库存，降低渠道积压风险。

2. 提效率、抓机会: 通过一体化协同平台，从客户下单到品牌内部协同，以及工厂交期反馈等，数据透明、信息一致，提升下单效率、决策效率，缩短快反整体交付周期，快速响应市场需求，让商品更快上架销售，以抓住更多生意机会。

3. 识爆款、促增量: 通过历史销售数据和算法模型，及时识别畅销款、计算缺口量，促进增量生意的达成。

解决方案

参与创新场景50的评选

项目使用技术栈包括Phython、PostgreSQL、GreenPlum、Nginx、Redis、Kafka，基于容器化快速部署。安踏与杭州览众数据公司基于海量数据+算法+机器学习模型共创开发系统，使用了基于MPP架构的数据库Greenplum来构建高可用、高性能、高扩展性的数仓；

在数仓基础上利用统计学、离散数学、机器学习（比如线性回归、KNN、k-means）等来构建算法模型，通过算法模型+数据为业务提供生意预测以及决策依据。同时系统是基于云原生环境开发构建、部署以及运行，利用云计算的优势让系统具备弹性伸缩、可扩展性、灵活性以及持续交付的能力。同时，通过云安全防护措施，保障了系统的安全性和可靠性。

成效

项目从订货下单开始就通过数据分析、算法模型计算，进行精准控货切单；从商品试销开始，就进行商品爆畅款预测，识别生意机会；各层级客户在系统上进行快反下单，打通到供应链、工厂，实现快速复期，快反下单决策。

供应链缩短交付周期，商品能在衰退期前到店销售，捉住了生意机会，提高了商品的销售贡献率。项目上线后，现货快反占比提升到12%，快反交付周期缩短30%，现货商品销售贡献率提升6%。同时，在爆畅款的识别有效性上，系统推荐的款比人工手工圈款在售罄率高出5%以上。

生意识别准确率达91.67%，识别款售罄率在同波段内持续跑赢。项目率先在行业内实现从客户到供应商的一体化协同，率先在线下渠道应用数据分析、爆畅款识别，其算法模型在行业对标中处于领先。

「关于创新场景50」
场景不是案例，它更加精准、也更加抽象。数字化就是创新场景的不断叠加和迭代。
在此背景下，钛媒体重磅推出「创新场景50」评选，每年遴选并解读50个全行业与业务深度融合的创新性场景及其解决方案，并在钛媒体年度上隆重颁奖、深度交流。

零售场景优化短期总成本，快反交付周期缩短30% | 创新场景