京東供應(yīng)鏈?zhǔn)紫茖W(xué)家，申作軍教授
2019年11月20日，京東零售集團(tuán)智能供應(yīng)鏈Y業(yè)務(wù)管理部供應(yīng)鏈開放日，美國加州大學(xué)伯克利分校工業(yè)工程系主任，京東供應(yīng)鏈?zhǔn)紫茖W(xué)家，申作軍教授做了題為《大數(shù)據(jù)驅(qū)動的自動補(bǔ)貨系統(tǒng)研究》的公開演講。科技新媒體《親愛的數(shù)據(jù)》主編，譚婧，就機(jī)器學(xué)習(xí)技術(shù)如何在京東供應(yīng)鏈場景里的應(yīng)用，現(xiàn)場請教了申教授幾個(gè)問題。
《親愛的數(shù)據(jù)》：演講中您提到，機(jī)器學(xué)習(xí)技術(shù)在做端到端的預(yù)測時(shí)，把供應(yīng)鏈管理中的幾個(gè)步驟忽略掉了，比如銷量預(yù)測，補(bǔ)貨預(yù)測。這樣做會不會更粗糙了？應(yīng)該怎樣理解？
申作軍教授：這個(gè)問題問得非常好，其實(shí)不是忽略掉了。供應(yīng)鏈上存在信息歪曲的情況，這個(gè)就跟日常生活中傳話一樣，比如A跟B說一句話，B跟C傳話，C再跟D傳話，這個(gè)過程中信息會發(fā)生扭曲，而機(jī)器學(xué)習(xí)技術(shù)不會，機(jī)器替人類把數(shù)據(jù)的特征提取出來。
以前智能供應(yīng)鏈系統(tǒng)是「分步走」式的決策流程，現(xiàn)在京東使用的是「端到端」補(bǔ)貨決策模型，關(guān)鍵是避免了預(yù)測誤差在決策中的放大。端到端補(bǔ)貨決策模型的實(shí)質(zhì)是，銷量預(yù)測+VLT預(yù)測+補(bǔ)貨決策用一個(gè)模型做出來，最后做到了自動下單。
京東
《親愛的數(shù)據(jù)》：基于機(jī)器學(xué)習(xí)技術(shù)的端到端補(bǔ)貨決策模型，看上去省略了“分步走”式的決策流程，做到了“端到端”，但是，供應(yīng)鏈上每一層的數(shù)據(jù)依然很重要吧？
申作軍教授：你說得很對，每層的數(shù)據(jù)都得采集，而不是忽略數(shù)據(jù)。在人為估計(jì)的情況下，最開始估計(jì)的時(shí)候有可能就估計(jì)錯(cuò)了，后面就越錯(cuò)越多。需要強(qiáng)調(diào)的是，我們的端到端是一步解決了預(yù)測和決策兩步，并不是跨越多層供應(yīng)鏈的端到端。
不是說忽略中間數(shù)據(jù)，這些數(shù)據(jù)我們都采集，而且京東有能力采集到這些數(shù)據(jù)。比如庫存管理，估計(jì)今年雙十一能賣多少，數(shù)據(jù)會符合一個(gè)分布。但是，有可能一開始估計(jì)的時(shí)候就錯(cuò)了，供應(yīng)鏈各個(gè)階段就會越錯(cuò)越離譜。最終，雙十一庫存管理環(huán)節(jié)的成本就會變高。
《親愛的數(shù)據(jù)》：京東之前是“分步走”，現(xiàn)在是“端到端”，供應(yīng)鏈過程里的“經(jīng)驗(yàn)”，是讓機(jī)器自己去學(xué)習(xí)、自己去提取特征？
申作軍教授：對。你理解得非?？?。
《親愛的數(shù)據(jù)》：您認(rèn)為機(jī)器學(xué)習(xí)技術(shù)如何賦能京東供應(yīng)鏈管理？
申作軍教授：這個(gè)問題非常好，也非常大。
機(jī)器學(xué)習(xí)在其他領(lǐng)域的應(yīng)用進(jìn)展很快，AI是一定要打進(jìn)供應(yīng)鏈的。機(jī)器學(xué)習(xí)對于復(fù)雜系統(tǒng)是一個(gè)非常好的工具，供應(yīng)鏈就是一個(gè)復(fù)雜系統(tǒng)。今天，京東的管理，對機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用是剛需。拿京東自營的產(chǎn)品來說，商品數(shù)量已達(dá)540萬，如果我們不用機(jī)器學(xué)習(xí)和人工智能的方法，僅僅憑采銷人員的經(jīng)驗(yàn)和Excel表格，管理的精度和效率永遠(yuǎn)做不上去。
下一步我們想做的工作有很多，其中一個(gè)是做一個(gè)傻瓜式的庫存系統(tǒng)，京東可以幫助小店智能補(bǔ)貨。比如你去街邊的小店買東西，一進(jìn)店就會問“老板，啥啥啥有沒有?”店主可能直接回答你“沒有”。因?yàn)檫@種店商品品類少，可能就只有300個(gè)SKU，庫存管理做得還很差。你應(yīng)該聽到過，現(xiàn)在智能家居場景會提到的，一臺智能冰箱可以自動幫一個(gè)三口之家智能補(bǔ)貨，提醒主人該去買雞蛋了。京東的技術(shù)幫助小店融進(jìn)供應(yīng)鏈系統(tǒng)里來，賦能他們，幫助他們做好生意。
《親愛的數(shù)據(jù)》：這個(gè)庫存管理工具是toB（企業(yè)級服務(wù)市場）的思維嗎？
申作軍教授：都有。對企業(yè)級（toB）、對消費(fèi)端客戶（to C），京東都可以做，只要有數(shù)據(jù)，京東的機(jī)器學(xué)習(xí)技術(shù)可以幫你智能化。
《親愛的數(shù)據(jù)》：您剛才談到的是線下實(shí)體商鋪的例子，在線上如果將機(jī)器學(xué)習(xí)技術(shù)的產(chǎn)品應(yīng)用于京東平臺的所有商鋪，有數(shù)萬家，他們的管理能力上去了，相當(dāng)于京東平臺的管理能力極大的增長了。
申作軍教授：對。亞馬遜公司有一塊業(yè)務(wù)叫FBA（Fulfillment By Amazon），就是利用先進(jìn)的管理技術(shù)和手段，幫助小店提高管理水平。今天的京東一定要做賦能，在京東平臺上，預(yù)測、配送、庫存，都可以做智能化的管理，比如補(bǔ)貨的工具，就可以用到我剛才提到的端到端的自動補(bǔ)貨系統(tǒng)。
亞馬遜公司
《親愛的數(shù)據(jù)》：京東正在做，還是打算要做？
申作軍教授：京東現(xiàn)在已經(jīng)在做增強(qiáng)平臺能力，但是目前僅停留在和大的品牌廠商合作的層次上，并不是厚此薄彼，而是因?yàn)楝F(xiàn)階段人力和資源有限，這也是我們急需AI算法的另一個(gè)原因。
《親愛的數(shù)據(jù)》：傻瓜型，也就是通用型的，工具給所有的商鋪使用，要大家都滿意的結(jié)果。
申作軍教授：對，這就是我們AI算法想要達(dá)到的目標(biāo)。
京東
《親愛的數(shù)據(jù)》：研發(fā)周期會有多長？
申作軍教授：只要我們這個(gè)團(tuán)隊(duì)一直做，應(yīng)該很快。一到兩年內(nèi)應(yīng)該能研發(fā)出比較好效果。這也是個(gè)持續(xù)優(yōu)化的過程。自研技術(shù)工具幫助商鋪進(jìn)行數(shù)據(jù)分析、產(chǎn)生判斷。工具給出的決策和結(jié)論，店主可以參考，或者自己去調(diào)整。慢慢成熟了之后，精度會越來越高。
《親愛的數(shù)據(jù)》：京東的零售供應(yīng)鏈數(shù)據(jù)是全中國最全面的，其他友商在這塊不具備。這個(gè)現(xiàn)象不能武斷地定論誰好，誰壞，各家各有特色。按道理，京東在這么好的數(shù)據(jù)基礎(chǔ)之上，再利用機(jī)器學(xué)習(xí)這個(gè)工具，能創(chuàng)造出更高的價(jià)值，京東就有了獨(dú)特的競爭優(yōu)勢?？梢赃@樣理解嗎？
申作軍教授：你說得非常對，京東有零售供應(yīng)鏈最全面的數(shù)據(jù)。很多友商沒有全面的數(shù)據(jù)，也沒有一體化的決策系統(tǒng)。如果只是一個(gè)平臺，供應(yīng)鏈的很多環(huán)節(jié)沒法做到整體優(yōu)化。但是，京東不一樣，京東可以全鏈條的優(yōu)化，為什么我要在京東推“端到端”，因?yàn)槲彝频脛?，所有?shù)據(jù)都有，都可以打通，其他友商就比較困難。
《親愛的數(shù)據(jù)》：能不能說您加入京東是為了「數(shù)據(jù)」？
申作軍教授：是。我想做更有意義的事情，其它電商的局限性使我沒法做供應(yīng)鏈深度的優(yōu)化。
京東
《親愛的數(shù)據(jù)》：掌握了全鏈數(shù)據(jù)之后，京東供應(yīng)鏈還有哪些地方值得去做優(yōu)化呢？
申作軍教授：我也思考供應(yīng)鏈優(yōu)化的重點(diǎn)在哪里。在京東這個(gè)生態(tài)平臺上，可以優(yōu)化的空間非常大，物流、運(yùn)輸、庫存等方面，信息的共享可以產(chǎn)生很多降低成本的地方。舉個(gè)例子，我倆都賣同樣的東西，我倆地理距離又很近，你有100件庫存，這時(shí)候，我正好缺貨。我付錢，買你的庫存。但是如果信息不連通，我不知道缺的庫存正好在你那里，還要再次從遙遠(yuǎn)的地方進(jìn)貨，時(shí)間成本，物流成本都增加。這只是一個(gè)很簡單的例子，如果能設(shè)計(jì)好數(shù)據(jù)和庫存共享機(jī)制，優(yōu)化好，就可以從雙贏到多贏。
《親愛的數(shù)據(jù)》：聽您的講解，我理解供應(yīng)鏈的鏈狀結(jié)構(gòu)，在向網(wǎng)狀結(jié)構(gòu)發(fā)展。我理解的對嗎？
申作軍教授：沒錯(cuò)，供應(yīng)鏈不應(yīng)該叫供應(yīng)鏈，該叫供應(yīng)網(wǎng)絡(luò)。最早學(xué)術(shù)界研究供應(yīng)鏈的時(shí)候，從研究庫存開始，那時(shí)候是點(diǎn)到點(diǎn)的關(guān)系，所以叫做“鏈”?，F(xiàn)在的供應(yīng)鏈其實(shí)都是一個(gè)網(wǎng)絡(luò)的，但是如果沒有足夠的數(shù)據(jù)分享，這種網(wǎng)絡(luò)結(jié)構(gòu)的供應(yīng)鏈的優(yōu)勢很難體現(xiàn)出來。
京東
《親愛的數(shù)據(jù)》：能不能說，今天當(dāng)京東這種角色出現(xiàn)了，網(wǎng)絡(luò)里的信息才能夠更好的傳遞，這樣效率才能高?？梢赃@樣理解嗎？
申作軍教授：對，有了信任，才可以更好的做這件事情。
《親愛的數(shù)據(jù)》：當(dāng)擁有了開放數(shù)據(jù)平臺，京東就是一家大數(shù)據(jù)公司。之前有很多數(shù)據(jù)和信息是看不到的，拿到了數(shù)據(jù)，就能提高效率，可以這樣理解嗎？
申作軍教授：對的，一旦建成了大平臺，數(shù)據(jù)共享之后，降本增效的機(jī)會就出現(xiàn)了。但是，能否拿到數(shù)據(jù)？這是一個(gè)挑戰(zhàn)。
《親愛的數(shù)據(jù)》：作為技術(shù)驅(qū)動型的公司，和美國電商亞馬遜比較，京東的技術(shù)優(yōu)勢如何？
申作軍教授：2017年，京東喊出，未來12年，京東只有三樣?xùn)|西——技術(shù)、技術(shù)、技術(shù)，堅(jiān)信所有業(yè)務(wù)必須建立在技術(shù)之上。京東推行ABC與XY（A就是AI，人工智能，B是bigdata大數(shù)據(jù)，C是cloud云計(jì)算），并且在美國硅谷建有一個(gè)200多人的辦公室。我的同事都是特別優(yōu)秀的人才，來自MIT、Stanford、UCBerkeley、Georgia Tech、Michigan等美國知名高校。他們愿意在京東這個(gè)平臺上做一些非常前沿的事情。
競爭是難免的，我們內(nèi)部也經(jīng)常和亞馬遜做對比。我今天講的《大數(shù)據(jù)驅(qū)動的自動補(bǔ)貨系統(tǒng)研究》只是硅谷辦公室參與生產(chǎn)的眾多成果中的一個(gè)。另外，我們還做了很多數(shù)據(jù)驅(qū)動供應(yīng)鏈管理方面的研究，不少結(jié)果也是業(yè)界領(lǐng)先的。
京東
《親愛的數(shù)據(jù)》：如何做到比亞馬遜預(yù)測還精確？
申作軍教授：只要我們利用好京東生態(tài)圈的高質(zhì)量高深度更全面的數(shù)據(jù)，我們完全可以做得更好。
《親愛的數(shù)據(jù)》：能否再具體地介紹下？
申作軍教授：目前還是商業(yè)秘密。
《親愛的數(shù)據(jù)》：能不能理解為，京東是做電商業(yè)務(wù)起家的，多年積累了豐富的業(yè)務(wù)知識，數(shù)據(jù)質(zhì)量又非常好，促進(jìn)了算法效果的提升？
申作軍教授：對?，F(xiàn)在是弱人工智能時(shí)代，人工智能一定有人機(jī)協(xié)作，不能只靠機(jī)器學(xué)習(xí)技術(shù)，第一，很慢。第二，人的智慧為什么不用？比如京東有很多做產(chǎn)銷的資深人士，擁有多年業(yè)務(wù)經(jīng)驗(yàn)，知道什么時(shí)候需求會上，什么時(shí)候會下。所以，我們會把人的經(jīng)驗(yàn)加進(jìn)機(jī)器學(xué)習(xí)的模型里面去，業(yè)務(wù)知識好好的發(fā)揮作用，機(jī)器學(xué)習(xí)模型的效果會更加好。
圖為，京東美國硅谷辦公室
《親愛的數(shù)據(jù)》：能不能說京東在硅谷的研發(fā)團(tuán)隊(duì)是一個(gè)望遠(yuǎn)鏡？
申作軍教授：對，我對研發(fā)團(tuán)隊(duì)的定位是，不要追著業(yè)務(wù)跑，而要帶領(lǐng)著業(yè)務(wù)跑，做深度的研究，體現(xiàn)研發(fā)的前瞻性。把學(xué)術(shù)界特別優(yōu)秀的知識成果吸收進(jìn)來，再跟我們京東的業(yè)務(wù)去結(jié)合。硅谷這個(gè)團(tuán)隊(duì)精英非常多，京東在硅谷是跟Facebook（臉書）、谷歌去搶人才的，有了人才才能做一些供應(yīng)鏈前瞻性的研究。
《親愛的數(shù)據(jù)》：有沒有發(fā)表過頂會論文？
申作軍教授：有。我們硅谷研發(fā)中心發(fā)了很多論文，很多發(fā)表在頂級期刊和會議，比如頂級學(xué)術(shù)會議KDD（知識發(fā)現(xiàn)與數(shù)據(jù)挖掘），就發(fā)了差不多十篇論文。
申作軍教授，作為京東供應(yīng)鏈?zhǔn)紫茖W(xué)家，在演講中多次提到產(chǎn)研結(jié)合的親身體會。人工智能技術(shù)的應(yīng)用激勵著人工智能學(xué)者向本質(zhì)問題挑戰(zhàn)，而這些本質(zhì)問題恰恰不是一個(gè)純學(xué)術(shù)實(shí)驗(yàn)室環(huán)境能遇到的，本質(zhì)問題常常生于工業(yè)界。申作軍教授說，“翻閱大量庫存管理的文獻(xiàn)，發(fā)現(xiàn)有用的并不多。反而在攻克困難的過程中，既發(fā)展了思路，又開拓了視野?！?/p>
歷史上，任何一次新技術(shù)的爆發(fā)都帶來了超乎想象的新商業(yè)和經(jīng)濟(jì)模式，而人工智能技術(shù)是一種“嵌入式”技術(shù)，誰擁有了場景，就占領(lǐng)了新技術(shù)應(yīng)用的高地。因?yàn)槿斯ぶ悄芗夹g(shù)要進(jìn)入某一垂直領(lǐng)域，就急需相關(guān)領(lǐng)域的知識和數(shù)據(jù)。無論京東的零售、物流，還是金融里都不缺少知識和數(shù)據(jù)。產(chǎn)研結(jié)合成為京東技術(shù)進(jìn)化史重要的篇章，中國科技巨頭京東正在敞開胸懷，利用人工智能技術(shù)大幅提高生產(chǎn)效率，讓實(shí)踐成為檢驗(yàn)AI 的唯一標(biāo)準(zhǔn)。
（完）
附錄（論文）：
AutoNRL: Hyperparameter Optimizationfor Massive Network Representation Learning
Ke Tu, Jianxin Ma, Peng Cui, Jian Pei,Wenwu Zhu
Efficient and Effective Express viaContextual Cooperative Reinforcement Learning
Yexin Li, Yu Zheng, Qiang Yang
Off-policy Learning for Multiple Loggers
Li He, Long Xia, Wei Zeng, Zhi-Ming Ma,Yihong Zhao, Dawei Yin
Tackle Balancing Constraint forIncremental Semi-Supervised Support Vector Learning
Shuyang Yu, Bin Gu, Kunpeng Ning,Haiyan Chen, Jian Pei, Heng Huang
Unifying Inter-region Autocorrelationand Intra-region Structures for Spatial Embedding via Collective AdversarialLearning
Yunchao Zhang, Pengyang Wang, XiaolinLi, Yu Zheng, Yanjie Fu
Urban Traffic Prediction fromSpatio-Temporal Data using Deep Meta Learning
Zheyi Pan, Yuxuan Liang, Weifeng Wang,Yong Yu, Yu Zheng, Junbo Zhang
Conditional Random Field Enhanced GraphConvolutional Neural Networks
Hongchang Gao, Jian Pei, Heng Huang
ProGAN: Network Embedding via ProximityGenerative Adversarial Network
Hongchang Gao, Jian Pei, Heng Huang
Multi-Horizon Time Series Forecastingwith Temporal Attention Learning
Chenyou Fan, Yuze Zhang, Yi Pan,Xiaoyue Li, Chi Zhang, Rong Yuan, Di Wu, Wensheng Wang, Jian Pei and Heng Huang
Deep Uncertainty Quantification: AMachine Learning Approach for Weather Forecasting
Bin Wang, Jie Lu, Zheng Yan, HuaishaoLuo, Tianrui Li, Yu Zheng and Guangquan Zhang
TrajGuard: A Comprehensive TrajectoryCopyright Protection Scheme
Zheyi Pan, Jie Bao, Weinan Zhang, YongYu and Yu Zheng
UrbanFM: Inferring Fine-Grained UrbanFlows
Yuxuan Liang, Kun Ouyang, Lin Jing,Sijie Ruan, Ye Liu, Junbo Zhang, David Rosenblum and Yu Zheng
牛鞭效應(yīng)（bullwhip effect），來自客戶端的歪曲信息或者缺失信息，也就是說不準(zhǔn)確的需求數(shù)據(jù)或者預(yù)測，會沿著供應(yīng)鏈往上游逐級傳遞，并在供應(yīng)鏈的各個(gè)階段放大波動的程度。當(dāng)供應(yīng)鏈的成員在做訂貨決策時(shí)候，僅僅只考慮自己的利益，或者不能從相鄰成員獲取準(zhǔn)確的需求信息的時(shí)候，牛鞭效應(yīng)就會產(chǎn)生。企業(yè)就必須備下額外的庫存來應(yīng)對不確定性。
