身处“新零售”的时代，“智慧供应链”的概念也应运而生。但究其本质来看，最终目的都在于更完美地满足消费者的需求。

然而在新零售时代中，智慧供应链管理不仅仅只是供应链，它依托大数据和信息系统把客户综合感知、智慧指挥协同、客户精准服务、职能全维协同、重点聚焦保障等要素集成于一体，使各个系统在信息主导下协调一致的行动，最大限度的凝聚服务能量、有序释放服务能力，这样最终会使服务变得精准，使供应链变得透明、柔性和敏捷，使各个职能更加协同。

新零售时代下智慧供应链融合了“商品、供应链、大数据”三个方面。它不仅将“供应链”与商品、消费者之间的关系越拉越近，而且让“大数据”在“供应链”及“营销”的多种场景下得以应用，给企业带来了“自动化”及“精准”的效果。对于这样的“融合”，需要的是对业务深度的理解及对“大数据”分析挖掘的双重能力。对于这样的“精准”，离不开对用户需求的全面感知。

其实无论是“旧零售”还是“新零售”，本质来看不变的是着力于“人、货、场”，新零售的成功与否，核心在于围绕这三个核心的商业元素重构是否有效。在新零售时代下，消费者都对价格、商品备货情况和差异化服务提出了更高的要求。对于价格和库存的管理，则是建立在合理的商品结构与智能选品方法之上的。也就是说，要先对商品进行科学地分类与定位，然后再对不同类别的商品采取相应的定价与库存策略。

因此，商品分类、动态定价与库存管理是智慧供应链的三大重要板块。

首先是商品分类。大多数和智能有点关系的问题，都可以归结一个在多维空间进行模式分布的问题。对于每个品牌而言，均有其自身的战略计划，尤其是品类战略，然后会在符合自身战略的前提下，制定完善合理的品类与价格规划，之后再借用类似于“用户画像”的思想逻辑，针对各品类中的每个商品贴上各种维度的标签，塑造出其自身的“商品画像”。

拿一款跑鞋为例，你可以从各种维度来进行贴标如出自某个设计师之手、特殊的运动功能、颜色面料款式、应季新款、畅销款、毛利率低、收藏量高等等不同的标签。这样一来，每一个商品都可以在每一类标签中找到自己所属类别，然后通过每个类别的交叉组合，找到自身的精准定位。而这些标签不是仅仅定性的标签，全是可以进行定量计算的标签，即这些标签对销售最终的影响是多少，消费这对这些标签或者标签组合的喜欢程度是怎样，都可以用模型的方式表现出来。

商品分类其实也就是对零售三核心“人、货、场”的中的“货”进行了深度的解读，并且这个分析是和对“人”的画像紧密相关的。商品精准的定位为后续的需求预测、促销定价、补货翻单、采购计划、研发计划均提供了基础。从另外一个角度来讲，商品分类为的“严选商品”奠定了技术基础，即通过分类来从商品的角度定量确定是什么原因决定一个商品为什么好卖和不好卖，这样为未来商品的选择构建了强大的模型。需要注意的是，依据实时的数据更新，商品所贴标签也是持续更新的，因此商品的定位及相应决策也是处于动态变化中的。

而对于产品定价来说，人工进行定价决策效率很低，且定价的精准度很难去考量。比如针对一件商品究竟该卖88元还是66元的定价决策，即便是将影响定价的数据信息全都丢给你，包括它的利润指标、销售指标、连带率、售罄率、浏览量、所处生命周期阶段、目标存销比等等，依然很难人为进行科学的定价决策。再考虑到商品SKU种类之多、之繁，尤其是那些长尾商品，若对他们一一进行人工定价，显然是对企业资源成本的严重浪费，而且也是不现实的。

那智慧供应链如何做到呢？对于智慧供应链来说，不同类别的商品与之对应的定价策略是不同的。

比如有的商品本身是畅销品但是存在其他竞品与它抗衡，那么竞品的实时价格动态对这类商品的定价来说就显得格外重要，它们的定价策略是以价格优势为导向的；有的商品不仅畅销而且在市面上暂时还没有类似产品可以替代，那么消费者对于这类产品的价格感知程度就会较低，定价策略则可以以利润最大为导向，可能还可以进行试验性地涨价；有的商品本身就是滞销品，要对其进行降价处理，这类商品的定价策略可能只是为了控制成本；当然还有新品，可能在某一个新品刚推出的时候，更大的目的在于最大化销量。所以这时候的定价是需要分析在不同价格下的流量及销量分布情况，来对其进行试验性定价的。

可以看出，商品定价是需要基于商品的不同划分对应到合适的定价目标的，从而确定对应的模型约束条件，将该商品相关的定价信息均输入至相应的模型中，从而得到相应的输出结果。然后在进行决策完之后，对于其效果关键指标持续进行追踪监测，从而作为下一次定价模型的输入，使得定价能够持续优化。

第三个方面，库存管理。智能补货可以称得上是库存管理的龙头了，将自动补货模型应用到特定的场景去优化库存结构，使库存持续保持健康水平，那么就需要从出库、入库两方面着手。在入库情况下，定位到满足此次补货条件的所有SKU，依据补货任务跑模型得出补货量的建议，最终生成补货决策给到生产。

在出库情况下，定位到滞销高库存的SKU，基于商品的滞销分级跑模型得到相应的促销降库存处理方案。不同类商品应采取差异化的库存控制策略，应用不同的库存模型，配置不同的模型参数。

谈完这三个部分后，整个智慧供应链还有一个不可不谈的东西，那就是商品数量的驱动——销售预测了。且不说每提升1%的预测准确率可以带来数倍运营成本的降低，以销售预测为核心的需求计划本身就要起到支持各个环节计划制定的作用。同时零售商可以通过需求预测合理安排门店工作人员，高效地为消费者服务。

成功门店的排班计划总是能在合适的时间将合适数量的资源配置到合适的岗位。零售商不仅要能预测出每天顾客消费的高峰时间，还应预测出消费者光顾哪家门店，这些都是建立在精准销售预测的基础之上。而对于销售预测，为了达到“新零售”时代的“精准”，要靠全渠道多触点的实时数据积累。模型自身要能够对这些源源不断输入的数据进行价值权重的判断并有效运用到模型中，还要能通过对预测效果的自学习实现参数的优化调整。

显然，简单的时间序列模型、季节性模型等都很难独立地成为销售预测的主力了。

销售渠道的分类其实在需求预测中也是很有必要的，毕竟不同的线下门店或线上店铺，店铺所贴属性标签也是不同的，在不同类型店铺中销售的同一个商品的销售预测模型也可能存在差异。据此也可以看出，供应链集成计划的“智慧”不仅仅是销售运营间的计划整合，还包括需求计划与品类管理、渠道管理间的协同。

新零售时代下的“供应链”加上“智慧”，并不会因为新的技术注入而使其变的高不可攀，反之，因为“智慧”，我们更好地服务到了客户，品牌更加贴近了客户。“供应链”，因为有了“智慧”，因为和消费者和商品有了更加紧密的链接，而有了温度，有了激情，而不只是一条冷冰冰的链条，这样才能让消费者有更好的体验。

文/高峻峻 亿欧特约作者
文章内容系作者个人观点，不代表亿欧对观点赞同或支持；转载请注明作者姓名和“来源：亿欧”。