物流技术网

    导读：根据ECR亚太地区OSA报告，货架有货率每提升2%，能够带来1%的生意增长。金佰利、沃尔玛与瑞易2013年以科技手段提升货架有货率赢得了中国ECR案例评选白金奖。

   “科技手段提升货架有货率(OSA)”项目获得2013年中国ECR案例评选消费者方向白金奖，该案例的参与方——金佰利（中国）、沃尔玛（中国）以及技术服务商瑞易（RSi）以创造消费者价值为核心指导，以持续提高供应链效率、促进消费品行业的快速健康发展为终目标而得到了评委们的一致认可。

    货架上的缺货标签代表着供应链的某个环节出现了偏差，而缺货将导致生意机会的损失、消费者满意度忠诚度的下降以及客户服务水平的降低。根据ECR亚太地区OSA报告，货架有货率每提升2%，能够带来1%的生意增长。沃尔玛和金佰利致力于通过更的零供协同，打造的零售商与供应商合作体系，提升货架有货率。然而传统的货架有货率高度依赖于人在货架前对商品进行普查发现问题，在如今竞争激烈的市场环境中，能否抢先应用*技术来优化销售流程、改善顾客购物体验成为商业成败的关键，金佰利通过和零售行业大的商业智能和数据分析服务商瑞易（RSi）的战略合作，成功地解决了这些问题，并带来了良好的收益。借助瑞易（RSi）针对快速消费品的零售渠道业务研发的货架缺货警报、虚库存警报、促销建议订单自动生成等解决方案，在深度细化分析数据，挖掘数据价值，及时提供可执行性方案，以及科技化管理等方面，为金佰利提供了强大的后盾和技术支持。

    项目背景

    提升OSA有利于提升零供双方的销售业绩已是不争的事实，然而业界还没有找到一种解决方案，以实时、自动、低成本、率地反馈 OSA 的情况。

    金佰利的产品在沃尔玛的门店有货率表现很不错，*高达98%~99%，然而走访门店的一线销售代表清楚，真实情况并不乐观，货架缺货的比例粗略估算不低于7.5%。如何才能发现真实的货架缺货及门店执行问题，并及时采取措施，是零供双方必须面对的问题。

    解决方案

    在项目开始前期，参与项目的三方经过讨论，确定了瑞易（RSi）在提升货架有货率项目中可以提供的两方面技术支持，如图1所示：

    一．基于对门店——商品－天的海量精细化数据在云端进行数学模型分析计算，自动监测 OSA 情况，对于货架缺货或门店执行问题导致的销售异常，虚库存等情况，发送警报至金佰利销售团队，以便他们在巡店时有针对性地及时修正，并进行投入产出跟踪分析，帮助客户了解 OSA 提升在销售业绩提升中的价值。

    二．应用自动促销建议订单工具，优化促销预测，确保促销商品的货架有货率水平。

图1 项目需求分析（点击图片查看大图）

图2 OSA监测流程（点击图片查看大图）

图3 主要业绩衡量指标（点击图片查看大图）

    项目要点和成果

    OSA监测

    一方面，由于技术方案的支持，摒弃了传统的促销员人力检查货架，清点库存的做法。进销存数据通过数据模型运算，即可自动识别虚库存，以及货架缺货或门店执行问题导致的销售异常，连同预计造成的销售损失，指导金佰利销售团队的门店工作。

    另一方面，技术只是工具，金佰利和沃尔玛的通力配合，强力执行对于项目的成功尤为重要，这一点在虚库存问题上体现尤深。要修正虚库存，涉及到采购、营运、补货组各团队，沃尔玛与金佰利团队经过仔细研究，充分协商，制定了专门的流程确保项目“落地”。整个流程包含：校验（金佰利主导，促销员后仓实盘，沃尔玛营运部配合），上报（金佰利把证实虚库存提交补货组），协商（金佰利与采购部确定修正虚库存所需的成本分担），修正（采购部把协商成果通知营运部；补货部进行系统修正），如图2所示。

    沃尔玛着眼于门店管理水平的提升，在RSi的配合下，进行了货架缺货和虚库存的跨品类、跨供应商门店分析，提炼出在货架问题和虚库存上存在普遍问题的门店，深层了解门店执行管理上的缺漏，制定门店指导和管理能力提升方案，从根本上防微杜渐，治本清源。

    在项目执行的半年中，各项主要业绩衡量指标，包括销售额、销售量、门店有货率（来自沃尔玛Retail Link）、货架有货率 (来自RSi计算模型) 均得到了显著提升，如图3所示。

    在60%的警报得到执行修正的情况下，警报商品的销售额提升占金佰利全部商品总体销售额的1.38%；如果警报执行率达到80%, 销售额提升可达到1.83%。此结果得到了金佰利和沃尔玛双方的认可，也坚定了双方继续朝此方向努力的决心。

    提升促销商品的预测准确性

    沃尔玛在听取了金佰利/瑞易对历史促销效能和促销商品预测准确性的分析，并深入了解瑞易的预测模型逻辑后，采取了非常开明的态度，与金佰利/瑞易一起详细梳理了沃尔玛目前的预测思路，内部操作流程，结合瑞易的技术优势，共同优化了促销商品的预测模型。

    优化后的促销预测模型，把指标性预测按分店级别分配、陈列量、近期非促销表现等因素全面纳入参考，分离历史可比促销中的团购，在促销预测中排除以减少误差；监测历史可比促销中的缺货，在促销预测中补回这部分销售损失。全自动的门店——商品-天级别的数据分析使得预测的科学性和性大大提升。

    采用了优化的促销预测模型，促销期间的有货率从原来的平均低于96.03%提升至98.36%，促销后库存可销售周数从原来的平均4.4周下降到3.6周。

    OSA 不是一个短期项目，而是一个需要持续跟进的流程。运用技术手段从零售终端的数据挖掘中自动发现OSA 问题，让人力释放出来专注于决策和执行改善，终实现货架有货率的提升，这使得OSA的坚持推行有了低成本，能的坚实基础和成功保障。

    OSA警报和促销预测模型的优化只是一个良好的开端。从长远来看，运用高科技手段挖掘数据还有更深远的价值，例如销售基线分离与销售基线预测，优化VMI订货预测（基于门店——商品－天的POS销售、库存、缺货等实时数据进行顾客需求驱动的细化到天的补货模型）等，将在可预见的未来陆续登场，助力于供应链及门店运营的效能提升。