京东应用大数据打造智慧电商平台

2013年年初,在京东制定的下一个10年发展规划中明确提出,大数据战略将成为公司重点战略方向之一。从此,大数据正式冠以战略高度登上京东舞台。其实早在这一战略计划宣布之前,京东大数据的应用价值已经体现在公司业务的各个方面。如:用户消费行为深度挖掘、EDM精准营销策略实施、销量预测与库房自动补货、搜索推荐系统的持续优化、广告精准投放技术等,这一系列对公司运营至关重要的项目背后,都是对大数据创新应用的不断探索与研究。伴随着京东业务的调整与发展,高价值的业务数据积累与大数据技术的演进,京东大数据创新应用与产品化进程不断取得新突破。大数据挖掘平台、实时大数据解决方案、推荐搜索系统、电子商务全链条企业级数据仓库,大数据在京东发展的道路上背负起更加重要的使命。

在行政归属上,京东大数据平台直接隶属于京东集团,作为基础数据技术平台,面向京东商城、拍拍、京东金融及海外事业部提供数据服务,并承担部分对外数据服务的职能。平台致力于电子商务海量数据处理技术研发与应用,打造高性能、高稳定性、高安全性的数据治理、数据分析、数据挖掘基础平台,为京东及电子商务行业挖掘大数据价值提供全过程解决方案及技术保证。自主设计研发的企业级数据仓库历经618、双11等高并发的数据生产性能考验,支撑着京东的决策数据分析与高附加值的数据应用产品。

1、销量预测

京东仓储设备
京东有118个大型仓库,占地面积230万,两千多个配送站,一千多个自提点,覆盖1855县区,合作伙伴六千家。

需求管理

通过大数据来确定:用户购买商品、采购商品、预算价格、过程中补货、和库存管理里面最最核心的就是需求管理。而需求管理在大数据需求下,需求预测成为大的核心。

通过大数据来做需求预测,能做到自动补货、自动调拨、整体库存分析、SKU备货等,做到在用户下单之前就将商品送到最近的仓库

产品预测

京东目前能做到:通过28天预测值,预测每一个SKU未来量并驱动RDC与FDC的调拨和补货,保证商品量和限购率、人工智能来预测仓。

预测模型

由京东十几年的销售数据,再结合季节的变化、人均销售、促销因素来建立,同时再算法来预测未来的趋势,确定SKU的量及未来销售的量。

数据清洗

对于新品模型、保守模型、不动销模型、决策树模型、月均价格模型、市场需求回归模型等,均是由趋势跟随价格模型来预测整体销售情况。在这些过程中,必须要注意数据清洗。而在数据清洗的过程中凡是价格变动引起的因素,都需将整个模型进行清洗和过滤。

2、自动补货

补货模型

补货模型包括阶段性的补货与时间的匹配,保证库存不是一个最大的值而是一个最合理的值。用补货点与安全库存点的逻辑关系来驱动整个补货效率的提升。在补货的过程中纳入成本模型,只有在成本模型的驱动下,整个销售预测和模型才会更效。

3、健康库存

库存健康系统

库存健康模拟产品未来的一个的时间点,提前做出滞销、降价、退货等处理。补货模型包括阶段性的补货与时间的匹配,保证库存不是一个最大的值而是一个最合理的值。

用补货点与安全库存点的逻辑关系来驱动整个补货效率的提升。

在补货的过程中纳入成本模型,只有在成本模型的驱动下,整个销售预测和模型才会更效。

4、供应商罗盘

供应链及供应商

供应链能力:与供应商沟通,将京东的补货建议、库存建议发给供应商,一起做得更好。

供应商罗盘:告诉供应商在哪个结点应该降价,配合降价应该做的补货,商品未来周期的分析并参与京东的促销和补货。

5、智慧选品

选品模型

商品未来的采购量是根据大数据下的行业报告、行业分析、用户模型和价值来预测的,并在未来某个时间点上,按照一些商品在整个过程中的定位,来做选品的工作。

在大数据驱动下,友商商品数据、京东商品数据、行业报告数据、基于大数据预知处消费者的趋势和采购量。

6、智慧定价

定价的过程考虑最大利润化、限货和库存周转过程、以及库存和处理滞销过程。

采销可以根据定价看到商品毛利率,价格变动后的流量变化,库存周转情况以及风控平台来检验价格定位是否准确。

本文由 思谋案例组 发布,所涉及言论仅代表作者个人观点,若有侵犯到您的权益或违规信息,请联系我们删除。可转载用于信息交流和学习参考之目的,但应注明出处,涉及商业用途还须获得原作者授权。
引用本文:思谋网. 京东应用大数据打造智慧电商平台. http://www.scmor.com/view/2058.

发表评论

登录后才能评论