Alibaba : prévision, stock et tarification alignés sur tous les canaux de vente

L'activité d'Alibaba couvre des dizaines de modèles de vente au détail, des applications mobiles aux épiceries physiques, et chacun présente des schémas de demande, des durées de conservation et des règles de stock différents.

Les outils traditionnels de prévision et de gestion des stocks manquent les interactions qui comptent : le prix du porc influence les ventes de bœuf, et les chips influencent la salsa. Alibaba a utilisé l'apprentissage profond pour capturer ces interactions, l'optimisation par simulation pour modéliser la façon dont les clients choisissent les stocks, et l'optimisation pour fixer les prix et les classements de recommandation en temps réel.

Le résultat a été une meilleure précision des prévisions, moins de démarque inconnue et moins de ruptures de stock, ce qui s'est traduit par plus de 100 millions de dollars par an d'économies de coûts et d'amélioration du service dans ses activités de vente au détail. Ce travail a été finaliste du prix Franz Edelman de l'INFORMS en 2022.

Prévoir, stocker et tarifer chaque canal comme un seul système

Un modèle de demande partagé permet aux achats, à la tarification et au placement de répondre à la même prévision au lieu de trois suppositions.

La simulation capture les mélanges FIFO et LIFO qui mettent en échec les règles de stock sous forme fermée.

L'optimisation des prix et des recommandations en temps réel transforme une courte durée de conservation en levier plutôt qu'en perte.

De meilleures prévisions et moins de ruptures de stock augmentent les revenus et réduisent les gaspillages en même temps.

Le commerce de détail est un seul problème de décision, de sorte qu'un modèle de demande partagé surpasse des outils déconnectés de prévision, de commande et de démarquage.

La suite a été déployée dans les filiales de vente au détail omnicanal d'Alibaba, où l'entreprise a déclaré que les taux de démarque inconnue et de ruptures de stock avaient régulièrement diminué. Elle a été finaliste du prix Franz Edelman 2022 et les méthodes sous-jacentes ont été publiées dans l'INFORMS Journal on Applied Analytics.