• 首頁(yè)
• 產(chǎn)品及服務(wù)
• 行業(yè)解決方案
• 合作伙伴
• 投資者關(guān)系
• 關(guān)于我們

• AI
• 數據
• 云
• 基礎架構軟硬件
• 物聯(lián)網(wǎng)

• 行業(yè)解決方案

• 合作伙伴

• 投資者關(guān)系

• 關(guān)于我們

SKU數量龐大且需求不穩定

汽車(chē)后市場(chǎng)的訂單量取決于零散的、隨機的市場(chǎng)需求，且汽車(chē)零配件產(chǎn)品種類(lèi)多。在使用頻率方面，非標品和長(cháng)尾件多，單個(gè)SKU消費頻次低，產(chǎn)品的需求更加難以預測。

?

庫存成本壓力大

零配件的供應和配送受到季節性、周期性和區域性的影響。如果經(jīng)銷(xiāo)商和廠(chǎng)商保有大量庫存以應對可能的零配件需求，則會(huì )導致大量的庫存積壓，庫存成本高；反之，如果經(jīng)銷(xiāo)商和廠(chǎng)商不保有零配件庫存，則會(huì )導致客戶(hù)維修服務(wù)周期過(guò)長(cháng)，導致客戶(hù)流失。

?

整體供應和配送網(wǎng)絡(luò )較為復雜

零配件的供應和配送網(wǎng)絡(luò )涉及從經(jīng)銷(xiāo)商和OEM廠(chǎng)商發(fā)出訂單需求，到實(shí)際的配件配送過(guò)程，其中涉及到眾多主體和信息交互。汽車(chē)后市場(chǎng)的交貨期隨機性強、時(shí)限短，部分零部件產(chǎn)品工藝及原材料相對復雜，產(chǎn)品供應能力受產(chǎn)能及外部中斷的影響度高，供應商交期不穩定。

基于數據治理、數據探索、模型訓練、策略應用等全周期數據價(jià)值挖掘流程等優(yōu)勢，抖圈官網(wǎng)數碼通過(guò)對供應商生產(chǎn)、供應鏈物流、庫存流轉等全流程進(jìn)行數據采集和KPI監控，幫助車(chē)企構建汽車(chē)零配件供應鏈的數據解決方案。

抖圈官網(wǎng)數碼通過(guò)零配件的生命周期、業(yè)務(wù)屬性等，對零配件進(jìn)行分類(lèi)，并進(jìn)行分類(lèi)預測及優(yōu)化。首先，使用機器學(xué)習及人工智能算法預測配件需求，根據其零配件的不同類(lèi)別，選取模型算法庫中的適用模型，并經(jīng)過(guò)業(yè)務(wù)規則調整等形成最終預測結果；隨后，將需求預測結果與企業(yè)經(jīng)營(yíng)戰略約束、業(yè)績(jì)指標約束、采購約束等條件相結合，制定與企業(yè)適配的配件庫存策略，把控降低庫存與提高滿(mǎn)足率之間的平衡；最后，使用KPI指標監控模型效果及企業(yè)庫存指標，及時(shí)了解并且調整模型策略。

對某汽車(chē)配件售后服務(wù)部，關(guān)于汽車(chē)配件分銷(xiāo)倉庫訂單預測和各級庫存進(jìn)行模型優(yōu)化，庫存預測精確度從92%提升至97%，助力數十萬(wàn)零配件庫存優(yōu)化；

優(yōu)化后的配件庫存水位遠高于現狀，確保了零配件一次滿(mǎn)足率保持在95%，顯著(zhù)提升了客戶(hù)滿(mǎn)意度和服務(wù)響應速度；

針對預測精度、庫存水平、WHO、服務(wù)水平等關(guān)鍵指標，建立了KPI指標監控體系，當出現異常時(shí)，及時(shí)報警和進(jìn)行根源分析，并采取相應的策略；

通過(guò)配件分銷(xiāo)倉庫訂單預測和各級庫存模型優(yōu)化，實(shí)現安全庫存動(dòng)態(tài)調優(yōu)，采用MIN-MAX補貨策略，一旦小于最小值即可自動(dòng)觸發(fā)補貨。