丝芙兰中国门店新品 AI+BI 智能分货实践

近年来，随着消费者需求升级，美妆品牌的多样化渠道也在不断完善，线上线下融合，全渠道业务发展，对美妆零售的供应链能力不断提出挑战，同时，数字经济的发展与科技赋能的不断进步，也持续驱动着美妆零售供应链的变革迭代。

作为走在行业前沿的全球高端美妆零售商，丝芙兰中国供应链总监赵苏在观远数据2022智能决策峰会云上直播中，讲述了丝芙兰中国打造敏捷&数字化供应链的领先实践。赵苏在《“让业务用起来”门店新品AI+BI智能分货案例》主题分享中，详细介绍了丝芙兰中国与观远数据一起，从企业业务痛点及具体业务场景出发，进行的门店新品AI+BI智能分货实践如何成功助力丝芙兰供应链在快速上新和迭代周期中，实现精准分货、敏捷响应市场需求变化，为丝芙兰带来60%的分货效率提升，帮助品牌门店为顾客带来良好的消费体验。

以下为丝芙兰中国供应链总监赵苏的分享实录：

丝芙兰中国是LVMH集团下的高端美妆零售，总部在法国。在中国市场有来自全球200多个品牌，其中包含丝芙兰自有品牌。丝芙兰中国是全渠道零售，有线下300多家门店，线上丝芙兰APP、小程序和各平台上的旗舰店。所以对于丝芙兰整个供应链来说，要提供的就是线上线下全渠道的服务，货物的分配也是线上线下全渠道的分配。

新品快速迭代、全渠道消费者需求多变、进口产品零供信息传递链变长、海量数据分析需求、化妆品管理合规性要求提高……这是丝芙兰中国，也是美妆零售供应链当前所面对的一些挑战。理解了我们所面对的这些挑战，也就不难理解为什么丝芙兰中国要在去年，特别是在疫情后，和观远数据进行“让业务用起来”的门店新品AI+BI智能分货项目合作。为触达更多消费者、更好地服务消费者，打造敏捷、高效的数字化供应链是必由之路，门店新品AI+BI智能分货是丝芙兰中国与观远数据一起进行的一次重要探索。

01

丝芙兰中国新品AI+BI智能分货实际项目从2021年一季度提出，到四季度实施上线，项目时间并不是特别的长，这有赖于观远数据团队的大力支持。

*  扫描文末二维码获取演讲PPT

回顾整个历程，去年一季度项目正式启动，做供应商的筛选，包括一些POC的展示。二季度，确认了项目具体范围和时间表，观远数据团队开始做我们各种数据的对接，跑一些初步的模型。三季度，丝芙兰中国和观远数据一起开始试运行阶段，看项目模型是否能够支持从一个品牌到多个品牌、一个品类到多个品类，并进行一些辅助的功能模块的开发。在这段时间中观远数据团队和丝芙兰供应链团队有很多面对面的沟通合作，产生了非常多的交流。到了四季度，就是不同品类的回测，有了回测之后更进一步地提出模型的调优，并且一起开发BI部分的dashboard，以让团队更好地将它用起来。

只上一个系统而没有流程的变化，或者系统不能让团队感到工作变得更加简单，那这个系统是无法顺利上线的。

在这个项目中，基于观远数据BI能力，能够让我们的业务团队更直观的看到应该采取哪一种行动来帮助门店新品分货。我们的目的是希望通过AI+BI相结合，实现更加灵活、更加自动化的预测，解决从前依赖人、精度不高、效率也受限的难题。当然并不是说以后都完全不需要人，而是人和系统的更好的结合。系统能够基于算法和我们输入的业务规则，更快的帮助我们看到数据，也能更快速的接入数据。然后可以做一些基于已有的预测逻辑实现的预测任务，通过可视化方式展现给我们的planner在线进行更多的业务洞察，之后做一定的调整，并且这个系统也能够帮助我们做一些更高级的what-if的分析。

*  扫描文末二维码获取演讲PPT

大家可能会觉得可视化不是一个非常高大上的方法，确实可视化在各行各业的供应链里已经用的比较多了，但正因如此，才一定要在BI的加持下让模型通过可视化展现出来，发挥模型的作用，才能更好的做人机交互。这是我们做项目时一个非常大的感受。

观远数据的方案帮助我们提高了25%的有货率，库存的均衡度也有了20%的提升，整个分货效率也有了60%的提高。在这里特别想讲的是，如上述所说由于消费者需求的变化，我们各个店的需求也变化得非常快，如果要求完全由人工去做分析，那肯定不能高效反应，但基于我们跟观远数据一起打造的Smart Allocation平台，就能够更好的做到。我们的每家都有针对店铺的铺货策略，能保证我们分货的均衡度和有货率。并且，因为有了dashboard，整个业务流程也做了打通，那么在分货之后我们向品牌方补货的协作也更加高效，这点也是非常重要的。

*  扫描文末二维码获取演讲PPT

02

在这里也想借此机会总结一下在这个项目实施中的体会。

一是业务问题清晰提出是数字化的前提。做任何数字化工具，“做工具”都不是最终目的，“我们到底要用这个工具解决什么样的业务问题”才是最重要的。如果业务问题没有很清晰的提出，那做数字化产品的开发以及实施时就会迷失方向。所以我们说业务问题的清晰提出是数字化的前提。

二是业务团队与方案提供方紧密打磨AI产品是关键。我们也非常感谢观远数据的团队，在整个过程中非常高效的以专业水平跟我们一起来打磨这个产品。我相信各个零售企业的业务团队跟我们一样，都是有一些这样那样的需求在的，也对业务有自己的一些理解，观远数据能够在提出一套基础的方案后，双方一起沟通，在基础方案之上做一些客制化。打磨产品是非常非常重要的。

三是BI工具帮助整体工作流程转变和提效。在打磨产品的过程中，如我之前所讲BI对于我们整个工作流程的转变和提效也非常重要，如若不然AI的这些模型我们都是看不到摸不到的，团队必须要有一个BI的dashboard才能够更加直观的感受到真正的数字化带来的成果，才能够愿意去应用它。

四是模型不断优化保持数字化工具可持续支持决策。我们和观远数据2021年一起合作这个项目，到今年2022年也一直是在合作过程中。每一个季度随着我们新品的上新，观远数据的团队都会继续做一些模型的调校。特别是随着促销的不同，在分货效率上其实是会有一些变化，不断的模型调优对于我们长期的、可持续性的支持决策也非常重要。

我相信这两年的合作对丝芙兰团队和观远数据团队来说都是一个加深彼此了解的过程。有了这些了解，有了这些know how之后，双方才能够再继续去打磨更多的数字化产品。最后，借用观远数据的企业使命来收尾，“让业务用起来 让决策更智能”，谢谢大家！

扫描下方二维码

获取演讲PPT

▼