【首次公开】京东智能供应链首席科学家申作军的创新理念：端对端做库存管理

“尽量让决策链变得短。能够一步做的决策，不要分两步，一方面人员减少，另一方面精度会提高，即用端对端的方法来做库存管理。在我们供应链领域没人做过这方面的研究，这是我们现在在硅谷做的一个研发方向。”

在2018中欧全球供应链论坛上，京东集团智能供应链首席科学家、清华大学工业工程系主任，美国加州大学伯克利分校终身教授申作军博士，向包括美国国家工程院院士李效良教授、中欧国际工商学院赵先德教授等500余位来自物流科技、大数据与智能供应链、供应链金融领域的产学界大咖，分享了他和他的团队最新研究的项目成果，并深入浅出地介绍了京东供应链优化。

京东拥有500百万以上自营的SKU，8个RDC，500多个仓库，日库存的金额是500亿人民币，但是京东做到了平均库存周转天数是24天，现货率达到95%以上，自动补货率达到85%以上。

如何做到的呢？京东采用智能的多级补货系统，会针对于不同的需求做出不同的补货系统。比如针对销量比较平稳的产品，采用基础安全库存模型；针对长尾产品，采用连续补货模型，等等。除了算法的优化和机器学习，还会结合业务员的人工输入，更精准地做到自动补货。

了解供应链的人都知道，供应链中普遍存在一种现象“牛鞭效应”，是说供应链上的信息流从最终客户向原始供应商端传递时，因信息扭曲而逐渐放大，最终导致供应链失调，出现供应商货物积压或零售商出现缺货等现象。对于此问题，申作军教授提出了一个创新的理念，即让决策链变短。“能够一步做的决策，不要分两步，一方面是人员减少，另一方面精度会提高。我们不做预测，不做库存，直接一步到位，最后输出的就是我们的补货量。”

用端对端的方法，来做库存管理，这是个全新的理论。目前供应链领域没人做过这方面的研究。“这个算法会极大提高整个库存指标的表现，减少参数的调节。”申作军教授表示。

以下是申作军教授演讲精编：

我做了很多年供应链研究，跟大家分享我和我的团队近期做的一些项目，主要有三个方面：库存管理，销售预测平台、端到端智能补货。

第一，库存管理。

京东的库存管理形态复杂。京东自营的SKU就有500百万以上，全国有8个配送区域，各种储存仓库500多个。京东日库存的金额是500亿人民币，平均库存周转天数是24天，现货率达到95%，自动补货率达到85%。京东90%多的订单能够当日或者次日达。预测相比，美国零售商基本上是三天送到，有的时候还需要一星期。

由于库存管理的复杂，京东采用的是智能多级补货系统，从供应商到区域中心仓（RDC）送货的过程，我们叫智能补货系统。从RDC调拨到前置仓，大仓分到小仓的过程叫智能调拨。

智能补货系统最关键的是预测，我们不是简单预测一个点，或者不同产品单独的需求，我们预测一个分布。做好预测之后，我们会根据业务员的经验输入，去推动参数，更好地建立模型。虽然我们也用了很多机器学习的方法，但是正如昨天京东Y事业部总裁杨平所说，在某一个单一领域，比如AlphaGo这种，可以做非常好的深度学习。但是对于京东这么复杂的库存决策系统，我们还是需要人工经验。

我们做一个非常复杂的优化补货系统，根据现有库存水准，业务目标，比如说周转率、现货率，输入这些参数以后，我们会输出一个补货策略，订目标库存，补货点、补货量，做出如下库存模型。

我们把它应用在不同类型的产品上，针对于不同的需求做出不同的补货系统。比如针对销量比较平稳的产品，我们会用基础安全库存模型；针对长尾产品，我们会用连续补货模型。此外，我们用了非常多的优化和机器学习的方法，使得参数自动调节，非常好地做到自动补货。

在智能调拨方面，我们通过算法，达到了三个目的：仓库库存基本均衡；每日调拨量趋于平稳；小的仓库（FDC）的现货率显著提高，基本达到90%以上。这就是优化的力量。

第二，销售预测平台。

我们要打造一个世界级的销售预测平台。因为做好预测，对配送、调拨、促销、定价，包括库存都会产生非常好的影响。第一步先做好预测，再跟库存、定价、促销放到一起，进行优化。

大数据时代，数据巨大，且变化非常大，需要机器学习，要研究不同数据的特征，这样才能把预测做下来。针对这个现象，我们在做一款非常简单，容易使用的，即使对于不太了解机器学习的人，也可以操控的预测平台。而且，我们在跟业务方沟通的时候，发现预测结果很不错，但是业务方不太理解，为什么是这个数。我们想让预测平台多一些可解释的地方，让业务人员更好地接受我们预测的结果。这是我们设计这个预测平台的初衷。

我们为什么有信心会做好？首先，我们有非常多非常优秀的研究人员。其次，京东有非常庞大的数据，帮助我们生态圈里的商家做好预测。再次，我们跟业务方将会有越来越紧密的联系。

第三，端到端智能补货。

供应链里有个著名的问题，就是牛鞭效应。如果预测不准，库存就更不准。我就提出一个理念，尽量让决策链变得短。能够一步做的决策，不要分两步，一方面是人员减少，另一方面精度会提高。我们不单独做预测或库存，直接一步到位，最后输出的就是我们的补货量。这个算法会极大提高整个库存指标的表现，减少参数的调节。在我们供应链领域没人做过这方面的研究，就是用端对端的方法来做库存管理。这是我们现在在硅谷做的一个研发方向。

------------------END------------------