ECCO的随机优化器自动为27个国家的536家门店补货。

制鞋商ECCO通过自家庞大的零售门店网络销售产品，而每家门店的店长凭经验决定补货量。这意味着成千上万个小而零散的决定，每一个都容易出错，而且缺乏对库存应流向何处的全局视野。

ECCO的Data & AI团队构建了智能自动补货系统（IAR），这是一个大规模随机混合整数规划模型。它同时优化所有门店的补货订单，采用新颖的“分而治之”方法，使得这种企业级规模的问题变得可解。

该系统统一了全球库存策略，每月自动处理近30万份补货订单，并通过将关键运营成本降低1.09%，每年带来数百万欧元的节省。1%的成本降幅看似不大，但在零售利润微薄的情况下，这却是好年景与坏年景的差别，而且是悄然且持续实现的。

IAR使ECCO成为2026年弗兰茨·艾德尔曼奖的决赛入围者，这一工作也成为了垂直整合全球品牌集中自动化零售补货的模板。

让一个随机模型决定每一次补货。

一个模型能在数百家门店中做出人类无法做到的一致决策。

随机规划明确处理需求和提前期的不确定性。

当利润微薄且决策每月重复时，1%的成本削减意义重大。

每月自动化约30万份订单，消除了大量手工工作。

如果同一个决定被手工做出数百次且不一致，那就把它整合到一个模型中，一次性且更好地完成所有决策。

ECCO的智能自动补货系统成为2026年弗兰茨·艾德尔曼奖的决赛入围者，展示了一个全球零售品牌如何从成千上万个个人判断转变为一个集中优化的补货策略。收益——关键运营成本下降约1%，相当于每年数百万欧元——并非来自戏剧性的变革，而是来自于持续做好这一重复性决策。