双11阿里新供应链架构解读
供应链概述前端
天猫双11是一年一度的盛事，大量的用户会在双11期间来到阿里巴巴的平台上购物，这也就意味着会产生海量的订单和包裹。这些包裹大小不一，分布在全国各地，且数量庞大。如何快速、高效的处理这些订单，将消费者的包裹尽量快的送达到消费者手中，成为双11期间一件很是重要而艰巨的工做，其背后依赖于整个供应链的高效协同。算法
阿里的供应链系统分为上下游两个部分，上游涉及业务决策层，包括商品、价格、营销活动、营销策略、供应链计划等模块，上游会将结果传输到供应链的下游模块，包括订单状况、库存管理、补货调拨的动做等，而后上下游协同起来构成了整个系统的架构体系。后端
阿里供应链上下游及仓网结构
api
从地理位置和仓网结构来看，供应链网络极其复杂，不只有大量的仓，仓的角色还十分多样，好比有全国中心仓、区域仓、前置仓等，所以如何将上下游结合起来进行统一的决策是很是具备挑战性的问题。网络
在整个供应链中台体系中，供应链计划具备很是重要的意义。从宏观上来讲，目标是但愿建设一个协同、高效、经济的一个供应链体系，经过不断的循环、迭代、优化造成最优策略。首先是进行目标设定，经过算法计算获得决策的方向，而后经过实时数据的回流在结果上进行反馈，最后把结果与当初的目标进行比对，评估执行状况，若是未能达标就进入下一轮的循环，这就是供应链系统不断迭代和优化的过程。架构
此外在供应链建设中还有一个很重要的命题：供应链多模块协同。上游的模块包括有会员CRM、商品管理、品类规划、品牌调性、选品、价格管理、营销管理、商家管理、流量管理等模块，下游的模块包括有S&OP、预测、补货、调拨、库存、订单、履行、仓网结构、第三发配送等模块。机器学习
这些复杂模块之间如何达到有机的联动并造成总体运做的高效体系？这是咱们一直在研究的问题。好比在大促期间，若是某项业务须要在某个区域进行营销活动，而且制定了一系列营销的方案和计划，可是若是后端整个仓的产能和配送没法协同的话，就容易形成上游生产了不少订单、但下游没法配送出去的状况，会极大损害消费者的时效和消费体验。布局
2017双11的挑战学习
2017的双11，给整个供应链系统提出了更高的要求：优化
准确的细颗粒度需求预测，需求预测是整个供应链的起点，要求支持后端SKU级别；
商品种类极多，各类优惠促销策略极其复杂；
提早进行大量备货入库，入库量很是庞大；
仓库库容、运配网络都有产能上限；
大量商品须要在广袤的地域上进行合理的库存分布；
海量订单的时效如何保障，这是双11条件下很重要的一点。
以上这些命题都是须要解决的问题。
预测备货
需求预测是整个供应链的起点，更遑论双11背景下提出的准确的细颗粒度需求预测，这涉及系统的算法研发层面，具体来看分为两方面的工做。
第一方面，须要在数据层面上进行数据收集、清洗、特征准备的工做，这里的数据很是纷繁复杂，包括过往历史的用户行为数据、商品销售数据、以及双11期间具体的促销信息（包括参与促销的商品种类、促销策略、满减、满赠等促销信息）。
第二方面，须要考虑算法模型层面，主要涉及三个算法：传统的时间序列算法、经常使用的机器学习算法以及双11期间研发完成的深度学习算法，经过反复的调试致力于将这三类算法高效地融合在一块儿，最终造成了一整套的算法模型解决方案。这两项工做结束以后就能够生成销售预测和各类颗粒度的预测，好比前端的商品、价格预测等细颗粒度，整个品牌、行业销售状况的粗颗粒度，还能够用于后期的产品企划。
在预测的基础之上要进行大促预热期的备货，整个双11的备货起点起始于10月中旬，但其实在这以前整个供应链的备货工做就已经展开了。为了辅助整个业务的便利性，系统进行了全局视图的项目，以期在多模块下实现跨模块的决策，各个阶段都能在统一视图进行管理，这也便于后期的复盘活动。
全局可视化
补货调拨
补货调拨也是库存领域很是重要的环节之一。在这一部分，须要进行动态库存布局、转运/越库策略、预售/爆款下沉等主要活动。
首先是动态库存布局。仓网结构复杂且角色各为不一样，若是想要互相支援须要考虑好两个问题：如何把库存放在离消费者最近的地方？如何平衡存货成本和时效？所以系统的将仓的结构进行多层次级别的划分，爆款放在前置仓，其余放在CDC或区域仓，这背后的原理是根据销售速度再经过算法引擎来驱动。
动态库存布局
此外是转运/越库策略，这在双11期间已经获得了实践应用，入库效率显著提高。以前的工做方式是将商品统一送到CDC仓并直接上架，而后经过调拨逻辑调拨到前置仓；转运是指商品分货区分货，这样能够减小成本并提高效率；越库则在于商家分货，所以处理速度更快。
转运/越库
还有一个重要的双11项目是预售/爆款下沉，其核心思想是将商品尽量地放在靠近消费者的地方，可以缩短发货链路、缓解区域仓的压力，并且前置仓经过原箱发货、预打包等措施可以大大提高发货效率。预售状况下，商品订单已知能够提早备货；爆款商品则会提早考察，考察维度除了销售速度还有发货速度等，后续就能够有序调拨到DC仓，可以快速拣货打包。
预售/爆款下沉
仓配履行
仓配履行环节涉及预定配送、主动截单、订单生成调控、智能仓内操做、运配计划等动做。
预定配送是为了缓解物流压力，联动上下游在时间上对订单进行错位，在上游激励消费者选取预定配送，缓解压力的同时也可以保障时效性。
主动截单与整个仓容挂钩，须要在订单履行系统里进行截单操做，视仓库处理能力的上限来定，一旦接近上限就须要进行截单、蓄洪、而后等到压力缓解以后再下发订单，这样能够保证整个仓的生产有序进行，避免瘫痪且保护仓的产能。
订单生成调控一样以保护仓的产能为目标，这是经过控制订单生成方式来控制的，通常会采起两个方案：流量调控和营销调控，如弱化营销力度、削弱订单生成力度，以造成有序的订单生成过程，其背后的逻辑都是为了缓解仓的压力，避免爆仓。
智能仓内操做是指在仓内使用智能机器人AGV，基于一些智能化的操做来提高拣货效率。仓储每每会面临着货品摆放、拣选路径、自动化、人效提高等挑战，而机器人自己能够自我学习从而不断优化，这次双11的实践效果也代表拣货效率至少提高了三倍有余。
仓后的运配主要面临的问题是如何在知足运输要求的前提下，对现有资源实现最大化的利用。运配计划的制定和执行能够有效地削断运配路径和成本，好比在不违背单车运能、时间等相应的限制因素的前提条件，对多订单寻求最大程度的拼载策略；在出库链路，按照规模化运输的策略，经过一级/二级分拔/集货来执行干线运输等等。
商家协同
在商家端跟商家协同一样是十分重要的工做，主要包括一盘货管理、ERP订单协同&商家仓协同。首先是一盘货管理，以前的工做模式下常常会带来商家两地送货、成本较高等问题，双11融合了自营业务和平台官方旗舰店业务的供应链体系，商家只需一次送货就能够知足多售卖渠道的需求，下降了商家成本。好比雀巢的当日达、第二天达占比从30%提高到了70%，跨仓发货比从60%下降到10%，运货成本和操做成本都大大下降。
盘货管理
此外是ERP订单协同&商家仓协同系统，赋予商家更加方便快捷的订单履行决策。对于商家来讲提高了决策效率，对于整个供应链体系来看多了一个商家仓的角色，因此能够将商家仓的角色也归入到仓网体系中去，有助于统一协调外部资源，能达到更好的管理效果。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------