如今，在食品零售行业从事采购计划已经不是一份值得羡慕的工作。客户对食品的丰富度和新鲜度提出了前所未有的高要求，而你必须一一满足。竞争是残酷无情的，在客户需求的倒逼下，所有市场参与者不得不寻求改进。那些还在固守传统业务流程的企业，只有不断增加库存、损耗和供应链的复杂程度，才能勉强满足客户的需求。在企业内部，采购计划人员必须忍受落后的IT系统。这些系统彼此隔离，系统里的数据很多情况下是人工输入且没有经过整理的，可靠度非常低。导致的结果就是对需求的预测非常不准确，人工成本也随之飙升。外部来看，数字化服务商提供的服务越来越丰富和难以理解，这给企业的决策者带来了不小的挑战。尽管前者的解决方案可以处理大量数据，但只要零售的运营模式不发生改变，它就不可能产生真正的价值。不过，未来情况也许会有很大不同。如果你仔细观察那些优秀的电商企业，就能窥见一些趋势：行业领先的零售企业正在开发高度集成的规划系统，我们可以称之为智能规划系统。它们采用了当下最先进的机器学习解决方案，将引领未来食品零售行业的发展走势。这些系统可以帮助零售企业充分挖掘交易数据和第三方数据的价值，但也要求它必须具备全新的业务流程和IT功能以及更强的算力和算法。可以预见，那些率先开发智能规划系统的企业将收获丰厚的回报。这类系统就像一只看不见的手，可以自主、高效地运行，采购计划人员只需在特殊情况下进行干预、检查和纠正错误即可。它们拥有更高的预测准确性，因为它引进了多个数据源，并用人工智能和机器学习的方式进行了融合。它们可以将库存管理、采购、物流、营销和销售更加紧密地结合在一起，带来效率提升和销售增长。系统间的手动传输将成为历史，新的方法使得流程链不再中断，数据也拥有更好的一致性。
　　智能规划系统的三重价值
　　智能规划系统几乎可以应用在食品零售价值链中的每一个环节，重点是改进需求预测，更好地规划门店业务流程，改善生鲜产品的质量减少损耗。首先是更加精准的需求预测。领先的零售商已经开发出了一种算法，可以让软件从数据中“学习”，实现补货订单的自动化，整个过程无须借助预先制定的规则。企业只需要在商品和门店层面确定和优化影响补货管理的参数即可。一般来说，自动补货模型会考虑50多个参数，包括价格、促销活动（甚至竞争对手的促销活动）、品牌替换效应、当地天气状况、开店时间和假期等，其详细程度远超传统系统。新系统使得需求预测更加精准，补货更加经济划算。据已经上线智能规划系统的零售商介绍，平均而言，生鲜产品缺货的情况减少了25%，损耗至少降低了10%，毛利率最高提升了9%，同时库存的SKU也更加丰富了。此外，受益于自动化水平提高，库存的规划和管理成本降低了30%。其次是更加高效的门店管理。智能规划系统还优化了门店的人力调度，它可以显示各个门店的收银台或货架在某个特定时间段需要多少人力。更重要的是，精准的预测有助于从根本上降低库存，减少人员在货架和仓库之间的移动。当每件商品的陈列都能根据需求预测进行调整时，这种效应还将被进一步放大，显著提高了货架的利用率。最后是更高的产品质量。有了精准的需求预测，零售商就可以更早、更准确地从供应商那里订购商品。这样一来，就能减少未及时售出的生鲜产品。供应商也能根据需求预测更好地规划农产品的采摘时机，缩短农产品从田间地头到货架之间的周期，提高产品的新鲜程度，减少30%的损耗。
　　智能规划转型的三部曲
　　那么，零售商应该从哪里着手呢？实践证明，三步走的方法是成功的。第一步是详细分析当前的规划过程：谁参与了这个过程？他们在使用什么工具？自动化程度有多高？哪里存在质量问题，比如可用性和库存数量？一旦这些问题得到了回答，就可以针对特定的業务场景开发用例。这个阶段需要重点关注引入新技术对业务和各种流程、组织架构以及员工的影响。第二步是从收入、利润率、成本和库存的改善潜力等维度来评估用例的效果，并估算其实现的成本。根据初步试点，公司需要勾勒出其智能规划系统的愿景。然后借助一个稳定的业务案例来确保系统的可持续性，并在快速成功和长期改进之间寻找平衡。第三步是将新的规划方法在一两个场景中实验，比如水果和蔬菜的智能规划和补货，目的是测试智能规划系统在实操中的改进潜力。在设计试点试验时，推荐一种实用的、测试和学习的方法。毕竟，我们的目标并不是在第一天就提出一个完美的设计，而是随着经验的积累，快速不断地重复和改进的过程。同时，应根据新的要求调整业务模式，并建立所需的数字技术。最后一点常常被忽略，最近的研究表明，企业数字化转型失败的最主要原因不是技术或数据质量方面的缺陷，而恰恰是因为这些软因素。一旦试点项目完成，企业就可以准备进行更广泛地推广了。为此，需要根据试点中获得的经验对转型路线图进行调整，将新的规划机制应用在企业的各个业务流程中。然后，我们就可以期待最快在12个月内看到明显的成效了。