Архив Электронная коммерция и маркетплейсы · Онлайн-ритейлеры
JD.com: нейросеть пополняет запасы, точность прогноза выросла на 7%
По данным JD.com, после запуска сквозной модели пополнения запасов и объяснимого прогноза продаж точность прогноза выросла на 7%, доступность товара — на 2%, а оборот запасов ускорился почти на 2 дня. Система автопополнения работает с уровнем автоматизации более 85%.
/01 · ключевые результаты
-
результат
7%
рост точности прогноза в цепочке поставок
京东云开发者社区 (JD.com), блог компании, 22.02.2024
с запуска технологий по февраль 2024 года · закупка и пополнение запасов товаров собственных продаж JD.com
данные компании
-
результат
2%
рост доступности товара (доля товара в наличии)
京东云开发者社区 (JD.com), блог компании, 22.02.2024
с запуска технологий по февраль 2024 года · закупка и пополнение запасов товаров собственных продаж JD.com
данные компании
-
результат
почти 2 дня
ускорение оборачиваемости запасов
京东云开发者社区 (JD.com), блог компании, 22.02.2024
с запуска технологий по февраль 2024 года · закупка и пополнение запасов товаров собственных продаж JD.com
данные компании
- более 85% уровень автоматизации системы автопополнения · масштаб 京东云开发者社区 (JD.com), блог компании, 22.02.2024
- почти 30 дней средняя оборачиваемость запасов JD.com в целом · масштаб 京东云开发者社区 (JD.com), блог компании, 22.02.2024
- более 10 млн позиций ассортимент товаров собственных продаж · масштаб 京东云开发者社区 (JD.com), блог компании, 22.02.2024
- более 1 600 складов собственная логистическая сеть · масштаб 京东云开发者社区 (JD.com), блог компании, 22.02.2024
оценка strategai
Ориентировочная оценка эффекта на EBITDA
200–750 млн CNY в год
Ускорение оборачиваемости запасов товаров собственных продаж.
Масштаб оценён по отраслевой статистике и допущениям: компания его не раскрывает.
Без учёта затрат на систему: источники их не раскрывают.
Как посчитано
Доля сокращения средних запасов, которую задаёт ускорение оборачиваемости 1,8–2 дня при средней оборачиваемости 27–30 дней, применённая к годовым издержкам владения запасами.
| Шаг расчёта | Нижняя | Базовая | Верхняя |
|---|---|---|---|
| Годовое снижение издержек владения запасами = Доля сокращения средних запасов × Годовые издержки владения запасами товаров собственных продаж | 204 млн CNY в год | 400 млн CNY в год | ≈741 млн CNY в год |
| Доля сокращения средних запасов = Ускорение оборачиваемости запасов ÷ Средняя оборачиваемость запасов товаров собственных продаж | 0,06 | ≈0,0667 | ≈0,0741 |
Входные данные
- данные кейса Ускорение оборачиваемости запасов: 1,8–2 дня база 1,9 дня почти 2 дня, ускорение оборачиваемости запасов 京东云开发者社区 (JD.com), блог компании, 22.02.2024
- данные кейса Средняя оборачиваемость запасов товаров собственных продаж: 27–30 дней база 28,5 дней почти 30 дней, средняя оборачиваемость запасов JD.com в целом 京东云开发者社区 (JD.com), блог компании, 22.02.2024
- допущение Годовые издержки владения запасами товаров собственных продаж: 3,4–10 млрд CNY в год база 6 млрд CNY в год Сумма издержек владения запасами в источниках не раскрыта. Границы подобраны так, чтобы доля ≈0,06–0,0741 от базы совпадала по порядку с названным компанией снижением издержек владения запасами, которое приведено без точной суммы.
Допущения
- Ускорение оборачиваемости, достигнутое за часть периода с запуска технологий, пересчитано в годовой эффект при неизменной ставке издержек владения.
- Издержки владения запасами заданы допущением: их сумма в источниках не раскрыта, поэтому результат зависит от границ 3,4 млрд CNY в год–10 млрд CNY в год.
- Затраты на систему в источниках не раскрыты, поэтому результат показан без их учёта.
Базовое значение: 400 млн CNY в год.
Метод afiina-pnl/1, оценка от 27.10.2026, цены 2024 года. Диапазон округлён до двух значащих цифр наружу. Методика
По данным JD.com, после запуска сквозной модели пополнения запасов и объяснимого прогноза продаж точность прогноза выросла на 7%, доступность товара — на 2%, а оборот запасов ускорился почти на 2 дня. Система автопополнения работает с уровнем автоматизации более 85%.
/02 · паспорт кейса
Бизнес
- Компания
- JD.com
- Отрасль
- Электронная коммерция и маркетплейсы · Онлайн-ритейлеры
- Функция
- Цепочка поставок, закупки и логистика
- Задача
- Управление запасами
Технология
- Класс AI
- Прогнозирование временных рядов
- Тип решения
- Собственная разработка
- Данные
- История продаж, закупок и запасов, данные о сроках и исполнении поставок поставщиками, характеристики товаров (категория, бренд, склад), периодичность инвентаризации, данные о промоакциях и маркетинге.
Внедрение
- Стадия
- Промышленная эксплуатация, на 22.02.2024
- География
- Китай
/03 · описание кейса
Зачем
Бизнес-задача
JD.com управляет ассортиментом более 10 млн товаров собственных продаж и сетью из более чем 1600 складов. По описанию команды разработки, решения о пополнении запасов прямо влияют на закупки и производство у поставщиков: недооценка спроса ведёт к дефициту и потерянным продажам, переоценка — к избыточным запасам, затратам на хранение и замороженным оборотным средствам. Классическая схема «сначала прогноз, потом оптимизация» теряет часть информации между этапами, а модели машинного обучения работают как «чёрный ящик», которому закупщики не доверяют, особенно по ключевым товарам. Команда интеллектуальной цепочки поставок поставила задачу повысить точность прогноза при сохранении его объяснимости и сократить ошибку решений о пополнении.
Что
Решение
Команда разработала две технологии. Первая — объяснимый прогноз продаж на алгоритме W-R: модель раскладывает прогноз на составляющие (базовый спрос, промоакции, маркетинг), а нейросети весов и остатков уточняют их с учётом общей картины; методы причинного вывода показывают закупщику, какой фактор и насколько повлиял на прогноз. Вторая — сквозная модель пополнения запасов на основе многоквантильной рекуррентной нейросети (MQRNN). Она обучается на оптимальных объёмах заказов, рассчитанных методом динамического программирования по истории, и напрямую выдаёт объём пополнения вместе с прогнозом спроса и срока поставки. На вход модель получает пять групп признаков: прогноз спроса, характеристики товара, сроки поставки, цикл инвентаризации и начальный запас.
Как
Внедрение
Решения созданы внутри компании командой интеллектуальной цепочки поставок JD.com и работают в системе автоматического пополнения запасов, уровень автоматизации которой превышает 85%. По данным компании, опубликованным 22 февраля 2024 года, с момента запуска технологий точность прогноза выросла на 7%, доступность товара — на 2%, оборачиваемость запасов ускорилась почти на 2 дня; экономию на издержках хранения запасов компания оценивает в несколько сотен миллионов юаней. Средняя оборачиваемость запасов JD.com составляет почти 30 дней. Технология объяснимого прогноза получила в 2024 году награду Gartner Power of the Profession в категории технологических инноваций в цепочке поставок; сквозная модель пополнения вошла в финал премии Franz Edelman 2023 года.
/04 · источники и проверка
Что подтверждено
- По данным JD.com, после запуска двух технологий точность прогноза в цепочке поставок выросла на 7%, доступность товара — на 2%.
- Оборачиваемость запасов ускорилась почти на 2 дня; экономию на издержках хранения компания оценивает в несколько сотен миллионов юаней.
- Система автоматического пополнения на основе этих технологий работает с уровнем автоматизации более 85%.
Ограничения
- Компания не указывает, с какого уровня и за какой период выросли точность прогноза и доступность товара, и не разделяет вклад двух технологий.
- Экономия на издержках хранения названа без точной суммы; цифры не показывают влияния на выручку или продажи.
- Почти 2 дня ускорения оборачиваемости — на фоне средней оборачиваемости почти 30 дней; неясно, относится ли эффект ко всему ассортименту собственных продаж.
-
[1] 京东云开发者社区 (JD.com)
亚洲唯一！京东荣获2024年度Gartner供应链技术创新奖背后的创新探索
компания · 22.02.2024
Открыть источник
АрхИИВ /strategai · CB-000354 · Версия 1 · 10.10.2026 · /c/CB-000354/