在过去五年里，零售业巨头乐购(Tesco)把先进的分析技术运用在了供应链数据上，它的供应链分析团队通过寻找机会，减少浪费，优化促销活动来适应不断波动的顾客需求，为公司节约了可观的资金。
2006年时，乐购在线零售业务Direct的一位高管调到供应链部门后，发现了一个潜力巨大的改善机会，于是他决定开展一个小型的销售预测项目，并说服了该公司的一名董事为此提供预算。
在一年之内，该项目就为公司节省了1600万英镑。“这个项目引起了公司的重视。”乐购供应链系统开发项目经理邓肯·阿普索普(DuncanApthorp)说。
自那时起，乐购的供应链分析团队从5人增加到了50人，成员主要是理工生，乐购对他们进行了零售专业知识和SQL编程技能的培训。团队使用的分析软件主要是Matlab。
这个团队迄今已经获得了几项重大成果，其中之一是预测天气影响顾客购买行为的统计模型。通过比较其3000多家分店的销售记录和历史天气数据，乐购现在可以根据天气预测来调整其库存水平，避免顾客需要的商品出现售罄状况。
有些商品在天气炎热的时候销售状况较好，比如烧烤用的肉类，有些商品则在天气寒冷时销量较大，如猫砂(Tesco发现，猫不太可能在冬季离开室内)。还有其他的产品在天气不冷不热的时候销售状况较好。
，这并不是随着温度的上升和下降增减存货那么简单——其他条件也很重要，比如在格拉斯哥人们觉得很炎热的温度，在布赖顿的居民只会觉得稀松平常。
而且，如果在经过一段时间的寒流之后，出现了一个阳光的日子，人们更有可能会进行烧烤。阿普索普说“在模型中添加这个因素之后，我们把好天气商品‘售罄’的状况减少到了原来的四分之一。”
“这意味着进入乐购店铺的顾客有97%都找到了他们要买的东西，而其他超市可能就会缺货。”
5个成员花了好几年的时间才完成了这个项目。阿普索普说，到目前为止，该项目已帮助乐购节省了600万英镑。
折扣和促销活动
在折扣和促销分析方面，该团队取得了更大的成功。乐购每天有1000多种促销商品，公司需要预测它们的受欢迎程度如何，以便供应足够多的现货——又不要过多——以满足顾客需求。
不久之前，每种促销商品的受欢迎程度还是由各店的店长来估计的。在任何一个时间点上，乐购都有大量的优惠商品，店长预测的准确性有限也是可以理解的。
供应链分析团队利用乐购历史上所有促销活动的数据，建立了预测模型。他们使用多种变量，包括促销商品在店面中的位置，以及同期开展过哪些其他优惠活动等。
这产生了一些有趣的结果。例如，对于像烹饪酱料这样的非易腐货物，“买一赠一”的效果比50%的折扣更好，而对于水果和蔬菜，情况却正好相反。
为了把这些结果运用到门店里，供应链分析团队建立了一个基于Web的工作流系统，让店长访问自己店面的销售预测，并利用它来制定订单计划。
阿普索普说，这个系统帮助乐购供应链节约了价值5000万英镑的货物。
他解释说，乐购在15年前就开始用Teradata企业级数据仓库和IBM大型机来记录整理供应链数据，所以他们现在才有数据来进行分析。
供应链分析团队近也购买了自己的Teradata数据仓库，阿普索普说，它可以提升分析的频率和复杂性。
现在，乐购正在帮助它的海外分部建立同样的基础设施，这样他们就可以针对自己的供应链进行同样的分析了。可惜的是，并不是所有海外分部的数据都像英国分部的那么完善。
阿普索普说“在某个欧洲国家，当我问他们数据在哪里时，他们说一些在Excel表格里，还有一些就在桌子底下。”
网