難倒劉強東的奧數題,智能供應鏈解開了

原創：譚婧

劉強東有幾個問題，需要你幫忙做個決策：

（一）

到貨快，花錢爽，建議商品離消費者越近越好。除了京東超級大倉庫亞洲一號之外，得增加倉庫數量，擴大倉庫網絡。而倉庫又分一二三四好幾級，一級一級把商品庫存下沉。然鵝，快樂從不便宜，不斷擴建，費用會上漲。據測算，每多一層倉庫節點，增加大概1.4倍的庫存成本。

問題來了，你會建議劉強東擴建倉庫嗎，那建多少個呢？

（二）

中國消費者酷愛促銷打折，還得打骨折，即使常年買199減99，也不夠。秒殺和爆款的優惠券，一張都不能少，圖書節、電腦節、廚衛節、美妝節、母嬰節，一個節都不能落下。

然鵝，促銷多了，銷量預測難，備貨難，到底多便宜才能拉動銷售？

問題來了，你會建議劉強東打幾折呢？

（三）

目前京東自營商品540萬個單品（SKU），員工變成保險精算師也算不過來，這樣，熱銷品專人照顧，小眾商品顧不過來，沒日沒夜加班也不行……

問題來了，你會建議劉強東停售哪些小眾商品呢？

企業經營，靠「拋硬幣」決策，太過兒戲。這些大決策又會被分解為成千上萬個小決策，落在京東員工的工位上，電腦前，電話裡，分分鐘考驗智商。

85後員工，「題這麼難，我要跳槽了。」

90後員工，「這哪裡是工作，這是奧賽題，我不高興了。」

95後員工，「這麼多報表，本來後天交，為什麼明天交，你活不到後天嗎？」

借北京亦莊傍晚最後的光，劉強東在集團大廈的辦公室裡，思考供應鏈對京東意味著什麼。零售的本質是效率，僅僅用人的腦力來提效的做法，就像窗邊的晚霞，註定落幕。

靠什麼？靠科技。

京東的未來，要壓在智能供應鏈上。劉強東回想起十幾年前關閉賣光磁產品門店的那幾夜。

如今，大數據、自動化、智能化，大雨滂沱，鼻孔裡都是溼潤的泥土味兒。

「雨後泥土的氣息」一詞最早出現於1964年，美酒鑑賞師常稱，這種氣味藏在葡萄酒中，味蕾都可以感受到。不過最新的研究表明，這種氣息應該是由微生物帶來的。

氣候變化，小微生物，最為敏感。

星星掛上深藍色夜幕，劉強東在集團高管會上提出了堅定的要求：「智能供應鏈是京東的未來。Y負責此事，負責到底。」

未來，充滿未知。Y是數學裡的未知數。用Y命名，其意義非常明確。

Y現在叫做「智能供應鏈Y業務部」，它有個曾用名，Y事業部，下文簡稱Y。

Y這顆星星，光芒初閃，並不搶眼。

彼時，老闆們方向清晰了，但是員工還很陌生。供應鏈是一個超級複雜的系統，就好比全北京的車都堵在五環上，交警搞不定，市長搞不定，智能能搞定？我不信。

供應鏈的實際情況可能比全世界大都市的交通還要複雜，還沒有交警。「智能供應鏈」在工業界沒有先例可循，學術界仍在理論裡推演。

彼時，中國電商野戰軍在摩拳擦掌。沃爾瑪、家樂福等傳統超市在擁抱變革時遲到。舊式供應鏈方法論無法照抄。

擺在Y團隊面前的第一個難關，是供應鏈智能系統沒啥人願意用。比起代碼醜、BUG多，更讓技術人員心碎的是——沒人用。管你技術大拿還是小拿，技術必須為業務服務，為零售這門生意服務。

老張，一位有著二十多年採購經驗的員工。他對什麼自動系統、什麼人工智慧，一臉不屑。對零售生意的掌控，他完全不亞於一位港交所裡的股票操盤手。

他對行業、對要賣的商品非常熟，他知道最好的價格段在什麼位置，競爭對手會怎麼定價，近期消費者的轉化率會怎麼樣，商家促銷會怎麼樣，返利怎麼樣……這一切棘手的問題，經他之手，都能做一個挺好的平衡。

說白了，一個人的供應鏈的經驗和知識價值千金，銷量是真金白銀，這是他賴以生存的根本，他會用一切去捍衛。

「還智能補貨，你咋不叫智障補貨呢？」

心底裡，老張也希望能夠多帶出幾個高徒。

公司的業務增長越來越快，京東的貨架是電子的，數字的，這也意味可以放下比隔壁沃爾瑪超市多n倍的商品。電子貨架的成本可以不做計算，但是倉庫裡的貨可不行，壓貨就是壓錢。

手藝可以傳承，經驗不能立馬複製。這位專家若在京東開課的話，少說能教這樣幾門課：動態定價、收益管理、促銷管理、市場洞察、渠道管理、銷售預測、補貨預測……

這些頭疼的事，都直接關係到生意的好壞。老張心裡苦，也想有人幫。

在京東，像老張一樣的業務專家，有千餘位，企業繼續發展，一味增加人手的方法，也並不可取。

這些困難，Y部門早都開始留意了。

當第一代的智能系統上線的時候，老張們齊刷刷的目光裡，都藏著鄙視。Y的人也很著急，技術大牛們的夢想就是自己開發的軟體工具能讓人使用，用得越多越好，順手改變一下世界。

再這樣下去，世界改變不了，得改簡歷，換工作單位了。

沒人用怎麼辦？總不能給業務團隊下跪吧。這麼幹，一是尊嚴不允許，二是有七大事業群，幾十個業務部門，跪得過來嗎？

就拿第一代智能系統裡的補貨系統來說，好不好用呢？

實話講，肯定是沒有2020年版的第三代好用。

坦白講，第一代補貨系統是有缺陷的。

比如，建模比較簡單，很多特殊場景並沒有考慮到。凡事都得有個過程。

人間事，千難萬難，難在許多人不肯有個開始。

於是，研發團隊人人手裡都揣上了業務書籍和各種學習資料，哪怕是坐在馬桶上也不歇。想當年學編程的時候，也都是學霸。學零售業務知識，不能丟人。

學習雷鋒，好榜樣。學習零售，好研發。

人在突破認知之際，往往伴生恐懼。Y的研發人員發現，供應鏈是零售的核心。用智能軟體系統把人的決策方式改變了，這是要鬧革命。

說好只是寫代碼、寫算法的美好生活去哪裡了？

Y團隊看透了，無處退。

Y團隊想通了，不想輸。

隔行如隔山，研發人員對業務專家的敬仰之情，猶如滔滔江水。多年後，回想當初，技術團隊才領悟到，正是當初心裡充滿了對業務的尊重，對業務的敬畏，才在漆黑一片中摸到了「入口」，看見了微弱的光。

當研發專家碰上業務專家，也會鬧笑話。

不善言辭的研發專家，開口第一句：「我觀察你好長一段時間了。」然後，陷入一陣沉默。

某銷售品類負責人是一位美女，人靚音柔，態度好。聽到這話，看著對方的神情，一臉疑惑。

「啥情況，剛上班，就有帥哥來表白嗎？」

看看他手上，也沒有準備鮮花。

某銷售品類負責人的內心戲：「一個銷售人員，到底如何精細化管理京東要賣出的商品？京東的每一件自營商品，自從買進來的那一刻起，就開始佔庫房、佔資金，這些都是成本，你一定要追求一個最優解。」

問題像飛蟲一樣天天在腦海嗡鳴盤旋，精疲力盡。

研發同事：「坦白地講，我觀察過你一段時間了，你的小組有20個人，每個人精細化管理的商品數量，不超過200個單品，這是一個正常員工不藉助工具能達到的工作量的極限。」

某銷售品類負責人的內心戲：「哎呀，有人抓住了痛點。京東現有的單品已經超過500萬了。得多大一支人馬來管理才夠數？」

這次，研發帥哥和業務美女終於順利對齊了思路。

老辦法是淘汰法，把銷售額、銷售量排名，尾部淘汰掉，不要了。但是，沒有人能保證這個方法正確。堂堂零售巨頭，用的還是小學老師的方法。糟糕的是，銷售是波動的，消費者是善變的，規律越來越難抓。

沒把淘汰法淘汰掉的原因是，你沒有更好辦法了。

新辦法是智能化，用AI算法去發現商品的「效應排名」。京東的理念是，商品要對消費者有吸引力，才是你經營這款商品的基本邏輯。這是一套圍繞消費者的思路。

Y團隊認為，每個商品的貢獻，應該按每一個部門自己的理解去定位。最終是為業務、生意定製。這也是「智能選品系統」的產品邏輯。

「智能選品系統」瓜熟蒂落，但是別高興得太早，後面遊戲終極Boss——「智能補貨系統」。

CEO當著所有人的面說：「這事兒特別重要，這是公司的能力建設。」一談到能力，大家都認真了，誰也不想「沒能力」。

更重要的是，這是劉強東說的，你不聽，試一試，「企業咚咚」馬上就登不上去了（可能是辦公室網絡不好，領導沒有讀心術，這位同學，把頭上的汗擦擦）。

CEO站臺是很重要，但是不代表，CEO能站在每個京東業務員工的背後，盯著大家用智能系統。

到底能不能用起來，你得有真本事——智能產品得用業務邏輯「思考」。

2015年，從第一代智能補貨上線。

系統迭三代，已是五年後。

京東集團智能供應鏈Y業務管理部高級總監，胡浩在心中感慨：「你要是問我當時的心裡話，我都不認為智能補貨是有成功的希望的。」

胡浩的記憶裡：「智能補貨，我們花了非常長的時間，相當於智能補貨是一個CEO級的項目」。

胡浩微信朋友圈

誰說不是呢？劉強東都來站臺了。

2017年，智能補貨「誕生」第二代，這一代完整些了，各種模型都考慮到了，家電、快消、美妝都和這個系統混了個「臉熟」。

第二代做完，第三代補貨系統的難題來了，重卡陷泥沼，不知道該怎麼提高了。

比如劉強東最喜歡的保溫杯，就是用來泡枸杞的那款，斷貨了怎麼辦？

一共兩步。

第一步，先做預測，看這個杯子未來能賣多少個，有多少人和老劉品位相近。

第二步，依據上一步的預測，來決定這個杯子補多少個。

最早學術界研究供應鏈的方法，就是教科書裡的方法，沒有人會質疑。學校裡老師如此教，學生如此學。然而，這個方法，有個Bug，假如第一步預測錯了，第二步也歇菜了。

Y部門的上空，烏雲壓頂，城防欲催。

研發工程師回家衝澡的時候，旁若無人地乾嚎，水聲混著調不準的歌聲。

「哭著來，要笑著走過啊。」

「哭著建模，要笑著調包啊。」

2017年12月的一天，一輛黑色的轎車，停在了京東總部樓下，胡浩在等著接人。幾位背著黑色雙肩包的人，匆匆下車。

那一刻，學界宗師，推開Y部門的大門。

大洋彼岸起飛，降落首都國際機場，趕到北京亦莊的京東大廈時，時差還沒有倒過來，就直接坐到了會議室裡。

「只要我們利用好京東生態圈高質量、高深度、全面的數據，我們完全可以比亞馬遜電商平臺做得更好。」

算法研發團隊的人，你看看我，我看看你，沒人敢打斷申作軍教授的發言。

憋在心裡的話是：「以前，誰敢想？」

申作軍教授，是美國加州大學伯克利分校教授。

申作軍教授做客京東，到訪Y部門，一待就是三個月，同行的還有幾位博士生。他們的背後是京東矽谷實驗室的200多位科學家。

京東矽谷辦公室

在矽谷，京東跟Facebook、谷歌搶人才，團隊成員大多來自MIT、Stanford、UC Berkeley、Georgia Tech、Michigan等美國知名高校。

吸引人才的不是錢，是技術上的高難度問題，技術的難題裡蘊含著前沿發現。

你越說難，科學家們越興奮。

供應鏈科學家研究的問題不會從實驗室的試管裡冒出來，難點都在工業界，因為供應鏈生於工業界。難點要在大型企業的生意中找，越大越好，越大越有難題。

前面提到的補貨，在倉庫管理員眼裡，就是缺啥補啥，和缺鈣補鈣是一個道理。補貨難題在科學家眼中，是《大數據驅動的自動補貨系統研究》。

申作軍教授和胡浩，還有Y部門研發團隊的一幫人天天在一起，有人聲鼎沸的爭論，有陷入困境的迷茫，有找到突破的興奮。

幾個月以來，他們為了一個共識——「用機器學習的方式來解運籌的問題，而不是用運籌的問題來解一個機器學習的算法。」當你面對面聽到這句話時，仿佛能從胡浩略帶湖南腔的尾音裡，聞出一股鹹鮮麻辣的香氣和湘軍的霸氣。

供應鏈裡，一個決定決定著下一個決定，這不是繞口令，這是多米諾骨牌，嚴肅理論叫做牛鞭效應。

在大數據與人工智慧算法面前，供應鏈提效找到了從綠皮火車到高鐵大提速的可能。相比傳統的方法，數據驅動的技術改變了供應鏈。

那為何到了2017年才討論用數據驅動的方法，為什麼不從第一代開始？你信不信，中國鐵路工程專家詹天佑一開始也想修高速的火車。

原因是，以前並沒有這麼強的數據處理能力，所以大家只好從簡化複雜問題入手。根據你對業務的分析，對業務的理解，你與業務專家坐下來訪談，在這一過程中發現哪些是關鍵，重要的事情如何影響，如何衡量量化因素，最後用建模型來解決掉，這是傳統的理論。

一句話就是，靠人腦分析總結。

從供應鏈誕生之日起，傳統方法的思路都沒變過。師傅帶徒弟，老師帶學生。以前，白髮蒼蒼的供應鏈專家這樣思考，而今，深受脫髮困擾的供應鏈IT專家還是這樣。

2017年，依靠高質量的數據和機器學習，新方法走入白色鎂光燈光束的中央。

胡浩感覺到技術的方向發生了變化，但沒有百分之一百的把握，他和團隊嘗試往新的方向去調整、改變。胡浩側耳傾聽，技術直覺告訴他，老的方法已經把效率提到了極致，前進一步都非常困難，新的方法也許能成。

為了提效，甚至整個公司的企業流程都改變了。出發時，這一切根本無法想像。

加班的京東，大廈裡到處都是燈光、人聲、人影。

京東總部大廈

每每體力耗盡，胡浩的內心更為堅定：「此時的京東是一家技術驅動型的公司，僅憑人力所能及，僅憑企業管理所能及的提效，都已見頂。」

晚上，恍惚中，胡浩夢見自己身披戰甲在敵軍中廝殺，汙血和泥濘中，他遠遠望見申作軍教授，仿佛聽見教授在說什麼，他想用力聽清，他想嘶吼，但發不出聲音，嗓子幹得要冒火，舔一下嘴唇，嘗到鹹鹹的腥味。

胡浩對我說：「我認為整個供應鏈都是一個運籌的模型，把處理決策的關鍵步驟抽調出來，建立一個模型。通過模型計算出決策，這是傳統供應鏈的基本方法論。未來，很大一條分支來自於數據驅動和機器學習方法，就不再派人去鑽研關鍵因素了。實際上，它是一個輸入跟輸出的轉化模型，機器學習模型的思維，和傳統供應鏈思維，這是完全兩個不同。」

提及過往，申作軍教授如此總結：

京東有零售供應鏈最全面的數據。很多友商掌握著殘缺的數據，也沒有一體化的決策系統。供應鏈的很多環節，需要整體優化，越全面，可以優化的空間越大。

京東不一樣，可以全面、全局、全鏈條地優化，為什麼我要在京東推「端到端算法」？因為我推得動，所有數據都有，都可以打通，其他友商就比較困難。

申教授的平靜與篤定，撲面而來。

端到端的英文是end to end，是人工智慧的術語，端到端算法是AI技術在供應鏈的突破點之一，也是一種方法論、思維方式。從軟體角度來理解就是，輸入端的數據直接得到輸出端的結果。

端到端是一步解題，與之對應的是多步解題。簡單理解就是，分步走和並步走。

有人會問，並步走，會不會步子邁太大，扯到褲子裡不該扯到的？

用常識判斷，並步走這個做法並不對。考試的時候把分步解題過程寫一下，萬一算錯了，還能得步驟分，責任也好區分，預測銷量沒算對，甩鍋給上遊呀？

預測，在AI領域是一個超級難題，在供應鏈裡也是。

從技術的角度講，為什麼預測最難？

第一，你需要還原過去這個事情發生背後的，所有的關鍵因素。事情是怎麼發生的？你不能描述和解釋過去，你就不能理解事情發生的成因和機制。

第二，有很多東西會影響未來，對於零售賣貨來說，未來流量確切能有多少，未來價格能定在多少的價位。哪怕是問最資深的業務專家，都沒人清楚。比如，羅永浩首次直播帶貨，誰知道有多少人來，有多少人下單。

創新，就是不按套路出牌。機器學習技術，一臉自信，拽得和麻將二五八萬一樣。

機器學習技術說：「咋的，做端到端的預測時，把供應鏈管理中的幾個步驟忽略掉了（比如銷量預測、補貨預測中都有這種情況）。」

供應鏈上存在信息歪曲，這個就跟日常生活中傳話一樣，比如張三跟他媳婦說一句話，媳婦又跟她婆婆傳話，婆婆再跟小姑子傳話……

深受其害的已婚男士們，齊刷刷地點頭，深刻理解這個過程中信息會發生扭曲。而機器學習技術不會，機器替人類把數據的特徵提取出來。

換句話說，機器學習技術沒有給這些已婚婦女們嘰嘰喳喳扭曲信息的機會。

對此，申作軍教授的標準答案是：以前智能供應鏈系統是「分步走」式的決策流程，現在京東使用的是「端到端」補貨決策模型，關鍵是避免了預測誤差在每一步的決策中放大。

再技術一點，端到端補貨決策模型的實質是，銷量預測+VLT預測+補貨決策，用一個模型做出來，最後做到了自動下單。

庫管員、下單員、銷售、技術，要擠在一起來張大合影，齊聲高呼生產力的大解放。

「電腦裡的Excel表能不能都刪了？」

「不，要Excel卸載了才解恨。」

申作軍教授作為全球頂級運籌學專家，向我表達這樣一個觀點：「如果我們不用機器學習和人工智慧的方法，僅僅憑採購銷售人員的多年工作經驗，和做也做不完的Excel表格，管理的精度和效率永遠做不上去」。

機器學習是現在，也是未來。這是所有的IT技術人員都要理解和掌握的技術，不對該項技術有所涉獵的話，很可能會被時代所淘汰。

高技術含量的算法在中國真實智能供應鏈裡鍛造，其前沿性在學術領域得到了多次驗證。

2019年11月，申作軍教授就告訴我，他的美國加州大學伯克利分校的博士團隊，高頻發表頂級學術會議論文，KDD（知識發現與數據挖掘）就發了差不多十篇論文。

在第三代「端到端補貨系統」放響打進業務工作最後一槍的時候，這些Y部門瘋狂的技術宅才有了笑傲江湖的自信。

這個故事，寫成於京東智能供應鏈系統發布第三版之際。

有一個重點不能忽略，研發人員披荊斬棘的背後，京東為了推行智能供應鏈，進行了戰略、業務、組織、流程、人員的變革，這些很難被看見。

「智能化是終極目標，但是，我們要沿著規則化、線上化、自動化、智能化的策略分步實施，離開了業務專家know how（技術訣竅）的智能補貨是沒有生命力的，也是不可持續的。」

京東集團副總裁，京東零售生態業務中心負責人林琛接手Y以後，進一步給智能補貨疊加了專家經驗和業務價值。

暗流湧動，無聲無息。

胡浩對我說：「算法要服務業務，業務裡有什麼？有戰略、有組織、有流程、有人員。業務加上人工智慧算法，才可能發揮出科技應有的威力。逢山開路、遇水架橋，我們遇上很多障礙，首先需要業務去解決，而不是算法衝上去解決。AI技術會被說得非常的厲害，但是在技術落地的時候又被數落得啥也不是。想要技術解決業務問題，要先解決業務本身的問題。」

告別的時候，我問胡浩：「未來的目標是啥？」

他說：「三年周轉規劃，希望京東零售供應效率能夠做到全球最領先。現在的庫存周轉天數低至34天，34是3開頭的數字，我們想衝刺2字頭（就是二十幾天）。」

我眼中的胡浩，只要將「難題」在頭腦中穿梭不息，就沒有什麼可擔心的。

最後，我想說，京東智能供應鏈的故事裡有三個重點。

第一、很多場景下，唯算法論英雄的那頁，翻篇了。中國AI工程化面臨新一輪的挑戰，京東內部也靠管理，業務加算法三輪驅動。零售流程，說簡單一點，就是買與賣。便利蜂一直說自己在做高度自動化的便利店體系。所以，選貨、收銀、結算等整個流程都變了。全新的流程再結合算法才能發揮威力。在一個傳統的流程裡去做算法突破的時候，算法可能會變成廢物，啥也解決不了。

第二、京東員工在一個公司大樓裡辦公，不同品類的團隊與團隊之間工位離得不遠。這讓人產生品類之間差別不大的感覺。這是一種錯覺，大錯特錯。賣海飛絲的和賣優衣庫的兩組員工就在一棟樓裡，每天中午吃同一個食堂。但是，日化和服裝行業的差異，天差地別。不能純靠公式、理論，現實算法的設計，就好像帶著紙枷鎖的舞蹈。算法設計的基礎就一定要考慮到品類特性，這也是京東面臨的難點。品類讓智能供應鏈的難度係數，攀上新的高度。

第三、算法儲備在各個場景下的含義不同。我理解，京東智能供應鏈的算法儲備，像一種堡壘戰。重點算法打通了，突破了，供應鏈效率就能夠突破。拿下這個堡壘，性能就會有極大的提升，然後再去找下一個堡壘。算法迭代不追求花樣多，數量大。而是找準「下一個堡壘」。

2020年11月24日，我接到胡浩的電話，聲音中洋溢著喜悅：「論文《A PracticalEnd-to-End Inventory Management Model with Deep Learning》被運籌與管理領域頂級期刊Management Science錄用。」

「論文是什麼時間錄用的？」

「就是今天。」

這篇論文主講，京東在預測補貨時，多分位神經網絡技術（Multi-Quantile Recurrent Neural Network，MQRNN）與自學習端到端深度學習補貨模型技術，用在茶具品類上，使得周轉天數和現貨率都得到提高。說得簡單一點，輸入原始銷量，直接輸出最優的補貨建議。

《親愛的數據》出品

不得不說，這真是高科技，不僅自動，還算得準。

2020年11月26日，京東Y Open Day大會上，林琛再次給智能供應鏈劃了重點。

他說：「Y團隊在京東大集團所有整建制的團隊中，研發人員的學歷是最高的，博士博士後的密度最大。這個投入也顯示了對研發的重視。但是，難點在於買與賣的博弈變了，決策流更是發生掉頭式的變化，智能供應鏈在京東內部發揮作用的困難尚可克服，因為內部可控制的地方多，想賦能產業、行業，僅靠技術不行，不靠智能技術更不行，技術和業務know how要共同努力，誰缺了誰都不行。」

（完）

《親愛的數據》出品

《親愛的數據》出品