在過去五年里，零售業巨頭樂購(Tesco)把先進的分析技術運用在了供應鏈數據上，它的供應鏈分析團隊通過尋找機會，減少浪費，優化促銷活動來適應不斷波動的顧客需求，為公司節約了可觀的資金。

    

　　2006年時，樂購在線零售業務Direct的一位高管調到供應鏈部門后，發現了一個潛力巨大的改善機會，于是他決定開展一個小型的銷售預測項目，并說服了該公司的一名董事為此提供預算。

　　在一年之內，該項目就為公司節省了1600萬英鎊。“這個項目引起了公司的重視。”樂購供應鏈系統開發項目經理鄧肯·阿普索普(Duncan Apthorp)說。

　　自那時起，樂購的供應鏈分析團隊從5人增加到了50人，成員主要是理工生，樂購對他們進行了零售專業知識和SQL編程技能的培訓。團隊使用的分析軟件主要是Matlab。

　　這個團隊迄今已經獲得了幾項重大成果，其中之一是預測天氣影響顧客購買行為的統計模型。通過比較其3000多家分店的銷售記錄和歷史天氣數據，樂購現在可以根據天氣預測來調整其庫存水平，避免顧客需要的商品出現售罄狀況。

　　有些商品在天氣炎熱的時候銷售狀況較好，比如燒烤用的肉類，有些商品則在天氣寒冷時銷量較大，如貓砂(Tesco發現，貓不太可能在冬季離開室內)。還有其他的產品在天氣不冷不熱的時候銷售狀況較好。

　　但是，這并不是隨著溫度的上升和下降增減存貨那么簡單——其他條件也很重要，比如在格拉斯哥人們覺得很炎熱的溫度，在布賴頓的居民只會覺得稀松平常。

　　而且，如果在經過一段時間的寒流之后，出現了一個陽光燦爛的日子，人們更有可能會進行燒烤。 阿普索普說：“在模型中添加這個因素之后，我們把好天氣商品‘售罄’的狀況減少到了原來的四分之一。”

　　“這意味著進入樂購店鋪的顧客有97%都找到了他們要買的東西，而其他超市可能就會缺貨。”

　　5個成員花了好幾年的時間才完成了這個項目。阿普索普說，到目前為止，該項目已幫助樂購節省了600萬英鎊。

　　折扣和促銷活動

　　在折扣和促銷分析方面，該團隊取得了更大的成功。樂購每天有1000多種促銷商品，公司需要預測它們的受歡迎程度如何，以便供應足夠多的現貨—— 但是又不要過多—— 以滿足顧客需求。

　　不久之前，每種促銷商品的受歡迎程度還是由各店的店長來估計的。但是在任何一個時間點上，樂購都有大量的優惠商品，店長預測的準確性有限也是可以理解的。

　　供應鏈分析團隊利用樂購歷史上所有促銷活動的數據，建立了預測模型。他們使用多種變量，包括促銷商品在店面中的位置，以及同期開展過哪些其他優惠活動等。

　　這產生了一些有趣的結果。例如，對于像烹飪醬料這樣的非易腐貨物，“買一贈一”的效果比50%的折扣更好，而對于水果和蔬菜，情況卻正好相反。

　　為了把這些結果運用到門店里，供應鏈分析團隊建立了一個基于Web的工作流系統，讓店長訪問自己店面的銷售預測，并利用它來制定訂單計劃。

　　阿普索普說，這個系統幫助樂購供應鏈節約了價值5000萬英鎊的貨物。

　　他解釋說，樂購在15年前就開始用Teradata企業級數據倉庫和IBM大型機來記錄整理供應鏈數據，所以他們現在才有數據來進行分析。

　　供應鏈分析團隊最近也購買了自己的Teradata數據倉庫，阿普索普說，它可以提升分析的頻率和復雜性。

　　現在，樂購正在幫助它的海外分部建立同樣的基礎設施，這樣他們就可以針對自己的供應鏈進行同樣的分析了。可惜的是，并不是所有海外分部的數據都像英國分部的那么完善。

　　阿普索普說：“在某個歐洲國家，當我問他們數據在哪里時，他們說一些在Excel表格里，還有一些就在桌子底下。”