大数据技术对传统生鲜食品订货问题的优化

文/贾天琦 吴玉瑕

1.引言：

生鲜食品是人们日常消费的必需品，随着人民生活水平的提高，人们对生鲜食品消费的数量和质量都在不断提高。而对于生鲜食品的经销商来说，传统的订货方法并不能很好的响应消费者需求的变化，造成过量的库存和货损。可以通过大数据技术对需求预测和运输优化，使经销商更好地响应消费者需求，以及降低订货成本，可以使库存成本降低，并减少货物损失。

2.生鲜食品的特点

2.1 易腐性。生鲜食品一般为未经深加工或只经简单加工的农产品，没有经过防腐处理，在常温下很容易变质。生鲜食品一旦变质便不适应食用，价值也会大打折扣，生鲜食品最好在较短时间内销售完毕，所以经销商一般采用小批量、多批次的订货策略，这样做的好吃是可以保障生鲜食品的新鲜度，减小因腐烂带来的货物损失，缺点是多批次订货带来的运输成本的增加。

2.2 需求不确定性比较低。俗话说“民以食为天”，人要生存就必须要摄入足够营养，所以生鲜食品是人们每天需要消耗的必需品，况且每个人每天摄入的食物量不会经常出现较大波动，所以生鲜食品的需要不确定性较低。但是不同品种之间的生鲜食品的需求可能会随季节，节假日和消费者偏好等因素形成较大波动。

2.3 同类产品的可替代性。随着社会的发展，人民生活水平的提高，人们每天餐桌上的食物是越来越丰富，而且也不再受季节条件的约束，不再是冬天只有萝卜白菜的生活了。随着人们可选择的食物越来越丰富，同类食品之间的可替代性也越来越高。比如因为“猪瘟”导致的猪肉价格暴涨，人们吃不起或者觉得猪肉太贵，可以选择其他肉类或者鸡蛋来替代，以保障每天蛋白质的摄入。同样可以提高食品可替代性的因素是人们对于“吃什么”的问题不是很挑剔的，甚至有选择困难，比如“今天晚上吃啥？”这样的灵魂拷问。这种同类产品之间的可替代性在另一方面也可以缓解经销商因缺货而带来的顾客满意度的降低。

2.4 储存成本高。由于生鲜食品的易腐性，生鲜食品在腐败后的残留价值很低，持有过多的库存可能会导致较多的货损。另一方面，生鲜食品一般在流通过程中都会使用冷链物流，即在生鲜食品的加工、储存、运输、配送和零售中，其各个环节始终处于产品所必需的特定低温环境下，以减少损耗，防止污染和变质。生鲜食品对储存环境的温度和湿度有比较严格的要求，这就导致生鲜食品在储存方面相比普通商品需要更多的基础设施的投入以及更多的设备运行和维护成本。

由于生鲜食品的易腐性、需求不确定性比较低、同类产品的可替代性以及储存成本高的特点，对于经销商来说，如果持有尽可能少的库存，同时又能满足顾客的需求，这对降低物流成本、提高利润是至关重要的。

3.大数据

3.1 大数据的内涵。大数据即需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据具有5V特征，即大量、高速、多样、价值、真实性。大数据在数据量、增长速度、数据结构复杂性方面远远超过了传统的数据形态。由于大数据是巨量的数据，数据庞大且复杂，很难使用常规的数据库管理工具对其进行处理，通过对大数据的获取、储存、处理和分析，可为企业的经营决策提供重要支持。

3.2 物流大数据的来源。物流邻域的数据来源主要是交易信息、云计算、RFID、移动网络等。本文考虑生鲜食品订货问题的使用场景，将该领域大数据分为交易大数据和感知大数据。

3.2.1 交易大数据。交易大数据。顾名思义就是指产生于商品交易时产生的各种数据。供应商、制造商、分销商与消费者之间的供需关系中存在着大量的交易数据、这些数据包括了商品属性的信息、交易的价值信息、消费者的需求信息、消费者的地理位置等。目前的电商平台，例如淘宝、京东、拼多多，每天都有大量活跃用户使用相关的应用软件搜索和消费商品，用户的每一次点击动作都会产生相应数据，通过这些数据包含了一个人的行为偏好和购买倾向，商家通过这些数据就能推测出用户感兴趣的商品和预测商品未来的销售情况，从而制定相应的生产和库存计划。

3.2.2 感知大数据。感知大数据来源于物联网技术的应用。大数据的数据采集需要借助物联网，射频识别、RFID、传感器、终端设备等感知技术和设备是感知大数据的技术基础。各种设备既可以是数据的产生端，也可以是数据的接收端，借助这些感知设备，可在仓储、运输、配送、装卸搬运、流通加工等物联网技术应用的领域搜集到大量的感知数据。

3.3 物流大数据的应用。大数据在物流领域的应用不光可以使物流活动更加高效、智能，同时大数据的预测功能还对物流决策起到至关重要的作用。

3.3.1 需求预测。传统的经销商订货策略是在考虑需求预测的标准差、顾客满意度、缺货成本和超储成本的情况下，找到能使得其期望收益最大化的订货量。其存在问题的本质还是在对需求预测的准确性问题上，要想提高预测的准确性，就必须依靠更多的数据。交易大数据将可以使商家更准确地预测客户的需求，包括不同地理区域客户的需求、不同年龄段客户的需求、不同客户的需求偏好等，可以很大程度上缩小需求预测的标准差。（1）传统生鲜食品一般为线下交易，这种交易方式产生的数据很难保存，一些具有一定实力的大超市和连锁商店有条件自建数据库保留这些交易数据，而一些较小的经营者不具备保留这些数据的能力，即使可以保存数据，也没有条件对数据进行分析利用。但是由于新冠肺炎疫情扩散，全国封锁，这为线上经济的发展提供了前所未有的机遇，不仅一些有实力的超市和连锁商店，如盒马鲜生、永辉超市、沃尔玛等可以进行线上下单、配送，一些个体经营者也可以通过美团等第三方平台为顾客提供服务，这就大大增加了生鲜食品的线上交易量，同时所产生的交易数据也更容易保持，甚至可以催生出一个专门为较小经营者提供数据分析和预测服务的第三方平台。（2）基于物流大数据的线上及线下交易数据分析，可以更为有效地进行需求预测。通过观察分析消费者的购物信息，可以得到消费者行为特征，预测商品销售情况。首先可以根据消费者在网络页面的点击浏览的行为，分析消费者的喜好和购物倾向，洞察消费者行为与特征，建立消费者的消费行为数据模型。由于生鲜食品同类产品的可替代性，需要利用大数据技术建立生鲜食品消费总量的预测模型，为供应链的仓储分布和物流配送进行优化，再通过对不同种类的产品的消费情况进行数据分析和建模，得到产品销量的细分分布情况，由此做出相应的物流策略。

3.3.2 运输配送优化。交易大数据可以进行需求的预测，而感知大数据可以用来运输配送的优化。（1）优化运输路径。利用感知大数据，对车辆运输能力、道路拥堵状况、需求时间等进行分析、生成多种运输方案，根据成本、时间等因素选取合适的路线，并派发运输车辆。（2）提升配送效率。车辆在配送过程中，可以通过大数据和物联网技术实时掌握车辆位置信息、道路拥堵情况、油耗情况、天气情况等信息。在运输途中根据实际情况对运输路线进行调整和调配车辆，以减少各种因素对物流效率的影响。（3）优化运输成本。降低运输成本，除了对运输路线进行合理规划，还可以利用大数据技术找到司机驾驶习惯对油耗和车损的影响，从而规范司机驾驶习惯，降低运输成本。（4）提高运输安全性。一方面可以通过车辆实时的运行状态，掌握车辆维护情况，提前发现安全隐患。大数据以及物联网技术还可以在运输途中发现其他道路安全隐患，提前预防。还可以实时监测商品的运输状态，控制其运输途中的温度和湿度，避免货物在运输途中损坏。通过大数据技术对运输配送的优化，不仅可以降低运输成本，还可以使物流过程高效、智能、安全。这样可以降低生鲜食品经销商的部分订货成本，提高订货批次，减少订货批量，再结合大数据的需求预测，可以让经销商对需求进行快速的响应，能够非常有效的降低安全库存量，甚至可以做到“零库存”。

4.结语：

互联网技术的应用是对传统行业的一次革命，而信息技术的应用是一次对传统物流行业的革命，信息技术通过降低物流过程中的时间和成本，更方便数据的获取和利用，以使物流更高效、智能。通过大数据技术对需求的预测和运输的优化，不光可以改变传统生鲜食品领域的订货策略，而且还能使从供应商到经销商再到消费者的整条供应链的各个环节的成员进行信息的共享，真正做到从用户需求出发，以顾客为中心的经营理念。