才云助全球餐饮巨头打造智慧供应链

金融界

发布时间:06-1215:22

来源:金融界

近年来,由于消费升级及互联网、移动支付在餐饮业的普及,消费者对消费体验、供应链响应速度提出了更高的要求。为了满足越来越挑剔的消费者,运用大数据、人工智能挖掘线上线下消费需求,并用柔性、高效的智慧供应链快速提升消费者的购物体验,成了当前餐饮行业实现盈利增长、增强市场竞争力的必由之路。

在才云科技服务的众多企业客户中,有一位客户源于全球最大的餐饮集团。它在中国拥有超过 8600 家餐厅、45 万名员工,覆盖 1300 多座城镇。发展至今,无论是店面数量、产品质量、品牌知名度,还是全国供应链管理、技术创新,它都称得上是全国领先!

作为国内连锁经营业的翘楚,为抓住科技创新机遇,利用大数据和人工智能推动供应链的信息化变革,优化冷链物流更好地保障食品安全,该客户牵手才云科技,构建了一个全新的 AI 开发平台,向智慧餐饮迈出了一大步。

餐饮巨头的困境

在餐饮行业,供应链管理一定程度上决定着企业的生死。为了在保证用户体验的同时尽量压低成本,大型连锁餐饮企业的供应链管理一般有两种模式:由终端企业直接管理供应商;终端企业设置并管理一级供应商,再由一级供应商管理其他上游供应商。

出于对食品安全的高度重视,该客户选择的管理模式是第一种:直接统筹管理 400 多家供应商,打造“从农田到餐桌”的全流程食品安全保障体系。但这种管理模式也带来了两个问题:供应链过于冗长亟待改良;供应链管理过于复杂,难度高。

传统的供应链管理包括计划、采购、制造、配送、退货五大基本内容。

在寻求转型前,该客户的供应链管理相对粗放:从市场发起活动,到各门店制定需求计划及补货计划、各供应商收到订单并执行,再到根据食品安全、质量等标准进行供应商绩效管理,优化供应商团队……整个工作流涉及大量人工作业,而人工作业的弊端正是无法避免资源浪费和效率低下。

对于这样体量庞大的餐饮巨头,如果因为没有一个完善高效的供应链做支撑,导致各门店运营成本得不到控制,运营效率、服务水平大打折扣,其市场竞争力无疑会大大下降。因此,为了控制成本、提高效率,该客户迫切需要搭建一套可以贯通整个工作流的信息管理支持系统,打通整个计划环节,使工作流快速、透明、高效、顺畅,实现传统餐饮企业的智能化转型。

用 AI 助力智慧餐饮

在供应链管理中,数据在物料配送过程中发挥着重要作用——为了实现成本控制、降低短生命周期原料的浪费,配发中心需要根据以往营业额数据预估各门店需求;供应商也需要根据门店供销历史、库存及配发中心仓储、配送信息预备食材,保证原料供应。

如此频繁的数据使用,为机器学习、深度学习等新技术应用于餐饮业打下了基础。智慧餐饮的内核在于智能技术和大数据。AI 技术非常擅长在海量数据中总结规律、模式,并得出预测性洞见。对于解决传统供应链管理中常见的时间、成本等难题,它绝对是一种理想选择。

打造 ESP AI 开发平台

经过多年数据研究,该客户的大数据团队已经实现了一套基于机器学习的大数据预估模型。为了更好地利用市场数据,同时把这套模型应用到生产环境中作为销售预测的基础数据,它亟需在内部先建立一套能支撑 AI 持续开发、持续迭代的基础设施,并提供各类现成的 AI 解决方案,方便算法工程师们进行数据预处理、模型构建、模型训练、模型评估和模型发布。

才云科技是一家基于容器技术和人工智能,引领新一代智能云计算平台和 AI 服务的公司。为了赋能企业形成 AI 开发能力,才云科技的人工智能云平台 Caicloud Clever 一直致力于在复杂的企业级 AI 开发环境中为客户提供 AI 模型开发、模型在线服务、环境管理、人员管理、集群管理以及基于集群的任务编排调度等服务。

根据该客户的使用场景和需求,才云科技基于 Caicloud Clerver 和 AI 解决方案 Caicloud Cabernet,打造了一个集数据管理、模型算法和运维支持等功能模块于一体的 AI 开发平台—— ESP AI 平台。其总体架构设计如下所示:

物理资源层。AI 模型训练涉及数据、算力等大量资源,为简化计算资源管理,契合企业多资源环境,才云科技通过容器和 Kubernetes 等技术,将底层计算、内存、存储、GPU、网络等异构基础设施资源整合成资源池。当算法工程师进行上层训练任务时,可直接调用资源池资源,轻松便利。

资源调度层。该层负责上层 AI 开发任务对各类资源的集中调用,能有效加快模型训练速度,确保各类资源的高效使用,帮助客户缩短 AI 模型训练周期,加快上线速度。同时,训练和模型在线服务均采用容器化解决方案,它们的环境与物理机隔离,可移植性更高,更安全。

数据计算层。为帮助客户实现深度学习、机器学习开发能力,才云科技在 ESP AI 平台的数据计算层内置了包括数据集存储、Jupyter Notebook、多算法支持、多框架支持、多语言支持等服务。算法工程师可以从 AI 基础设施建设中抽身,聚焦核心开发任务。

业务模型层。该层主要负责各类业务模型的管理,包括模型文件的存储、模型的版本管理、模型配置、模型托管等。随着智能客服、客户画像、精准营销、智能推荐等功能在餐饮行业的盛行,如果企业希望不断提高这些模型的性能,增强自身竞争力,可在业务模型层进行版本溯源,挖掘模型优化迭代依据。

API 接口层。为了更友好地和客户现有业务对接,并与页面整合定制开发,ESP AI 平台的所有能力是以 API 的形式对外暴露的。它提供 RESTful 和 gRPC 两种接口,供外部应用通过 API 调用访问。

为解决模型开发过程中重要的数据治理问题,整个平台通过数据接口支持多种数据接入和输出,包括但不限于本地文件、数据库、HDFS、GlusterFS 、FTP/Flat File、HTTP、PL/SQL、数据网关、数据中台等。

例:基于 ESP AI 平台,构建业务模型

在客户的整个供应链流程中,配发中心是发挥主导作用的信息平台。除了向供应商及时发布门店的订单信息,它还要进行良好的库存控制,既保证原料供应,又尽量降低库存成本。

才云科技基于 ESP AI 平台,为客户构建了出货预测模型:

数据准备:ESP AI 平台具备数据清洗能力,可处理因历史原因造成的数据录入形式多样、缺乏统一规范、关键数据缺失等问题,它能按需定制数据预处理流程,为后期建模提供规范化的数据。

模型训练:ESP AI 平台提供多种模型选择。才云科技针对客户业务场景,选择了时序预测模型——它能在数据中存在一些异常值和缺失值的情况下,尽可能准确地预测出货情况的未来走势。

模型迭代:ESP AI 平台提供模型持续学习能力,它会把每一次预测的结果反馈给模型进行学习,而对于高偏差数据,平台也会自动筛选交由人工处理,满足了客户对模型不断进行调整、提升准确性的需求。

总结

信息化时代下,当前最理想的供应链管理是能做到日配日销。根据麦肯锡数据,在供应链管理中使用机器学习可以将预测误差降低 50%,让由于产品未供货导致的销售损失减少 65%,并减少 20%-50% 的库存浪费。

在才云科技的助力下,该客户得以将机器学习技术和食材、消费者、交易等大数据结合在一起,为优化成本、提升效率、创新服务提供智能支持。

对于餐饮行业,供应链中的各个企业一损俱损,一荣俱荣。中国餐饮业经历多年发展,如今已经走到了从规模到效率、从数字化转型到智能化转型的风口,而要完成转变,智能技术必将发挥重要作用。

智能浪潮滔滔而来,才云科技愿以人工智能云平台 Caicloud Clever 和 AI 解决方案 Caicloud Cabernet 武装供应链,帮助更多企业实现华丽转型。

返回顶部