在最后一公里终端形态发生深刻变化的物流时代，频频冒出黑科技的物流硬件几乎填满了所有场景，无人机、无人车、快递柜等终端层出不穷。与此同时，物流软件系统也给零售业态注入了新的动能。

我国的零售生态一直处在较为落后的状态，便利店、超市不仅数量少，商品的陈列也与需求渐行渐远。消费者去门店购物，店主实现不知道消费者的诉求，无法实现科学备货，进货往往要经厂商和批发商，再到代理商，最后才到零售商手里。

由于供应链牛鞭效应，批发商静态发货，过于死板，常常没有规律，零售门店特别被动，无法及时补货满足客户需求。

关于订货有一个基本的公式可循，如下：

基础订货公式：订货量 = 前七天平均销售X 到货周期+满陈列量- 门店现有库存

早前信息化不畅通时，小作坊和夫妻店门店没有科学的规划，在产存销等系统方面极其薄弱。一个便利店经营除了要考虑门店前期销售情况、到货周期、货架陈列量、门店目前库存，还得对整个社区店的商圈、顾客群、天气（晴雨、温度）、节日、促销、计划（门店制定的销售计划）、可替代品等影响因素做全面的分析。

在整个零售体系中，小门店的订货显得异常被动，这是因为供应商每一次的配货是基于整个区域而执行的，严重忽视个体店的特殊情况，小店在盘存完存货以后，打电话问供应商要货，可如果急需，小门店只得去别的经销商拖货，最终造成账目混乱，缺货成本增加。

SKU的扩大，催生了超级卖场，连锁超市自带信息系统，提高了订单处理的生产力，信息系统功能涵盖了单品资料维护、供应商资料管理、促销、调价功能、商品分类管理。

下面笔者将对超市采购管理系统、仓储管理系统、配送管理系统等门店物流系统加以简析。

该系统囊括供销合同管理、登记商品的供销合同管理、提供和供应商给的销售实绩、采购员也分析管理、促销商品的管理、自动补货系统诸多功能，采购集成了供应商和商品的存在状态和数据变化，初步实现了无纸化作业。

接到订单后，仓储系统立即启动，盘存整个库存商品，统计出入库数量，且科学分析库存时间、周转率，安排货物运输配送和退换货交接，门店此阶段关注大仓库存是否满足需求、供应商是否按时配货、商品到店时是否及时按计划陈列。

配送管理系统兼具收货管理功能、货位管理功能、拣选配送管理功能、理货复核管理功能、路线规划功能，车辆定位跟踪功能，门店仅仅在停留执行层面，而有关优化的部分依旧没有很大的提升。

传统零售门店的这些软件系统从不同程度上给予了门店部分支持，可都只是停留在执行层上，将部分人工管理系统化、无纸化，却无法化解决策层和科学降本上的难题。

随着外卖的兴起，饿了么、美团外卖、百度外卖纷纷抓住移动互联网的红利，进行了一场别开生面的外卖大仗，一方面各方企业融资对用户疯狂补贴，另一方面借用互联网、大数据、人工智能等先进技术，科学规划安排运力，其中智能调度系统，更是企业追捧的重要对象。

移动互联网的出现，将传统软件包裹在门店的严实外衣一点点扒去，城市中生活的年轻人崇尚的快节奏选品，变成传统门店奢侈的梦想，看起来触手可及，却与现实遥不可及。

大数据+移动互联网应用渐渐成为外卖平台提高效率，缩短用户等待时间的不二法门。

美团外卖的“超级大脑”

在过去一年多时间里，美团配送团队在机器学习、运筹优化、仿真技术等方面，持续发力，深入研究，并针对即时配送场景特点将上述技术综合运用，推出了用于即时配送的“超级大脑”——O2O即时配送智能调度系统。

系统首先通过优化设定配送费以及预计送达时间来调整订单结构；在接收订单之后，考虑骑手位置、在途订单情况、骑手能力、商家出餐、交付难度、天气、地理路况、未来单量等因素，在正确的时间将订单分配给最合适的骑手，并在骑手执行过程中随时预判订单超时情况并动态触发改派操作，实现订单和骑手的动态最优匹配。

同时，系统派单后，为骑手提示该商家的预计出餐时间和合理的配送线路，并通过语音方式和骑手实现高效交互；在骑手送完订单后，系统根据订单需求预测和运力分布情况，告知骑手不同商圈的运力需求情况，实现闲时的运力调度。

在这一套调度流程中会遇到一个关键问题——订单分配，下面就方案架构和关键要点来分析一下：

Problem）问题。这类问题一般可表述为：有一定数量的骑手，每名骑手身上有若干订单正在配送过程中，在过去一段时间（如1分钟）内产生了一批新订单，已知骑手的行驶速度、任意两点间的行驶距离、每个订单的出餐时间和交付时间（骑手到达用户所在地之后将订单交付至用户所需的时间），那么如何将这批新订单在正确的时间分配至正确的骑手，使得用户体验得到保证的同时，骑手的配送效率最高。

美团外卖每天产生巨量的订单配送日志、行驶轨迹数据。通过对配送大数据进行分析、挖掘，会得到每个用户、楼宇、商家、骑手、地理区域的个性化信息，以及有关各地理区块骑行路径的有效数据，那么订单智能分配系统的目标就是基于大数据平台，根据订单的配送需求、地理环境以及每名骑手的个性化特点，实现订单与骑手的高效动态最优匹配，从而为每个用户和商家提供最佳的配送服务，并降低配送成本。

即时配送订单分配问题的优化目标一般包括希望用户的单均配送时长尽量短、骑手付出的劳动尽量少、超时率尽量低，等等。一般可表达为：

除了要考虑时间、地段等约束外，有时还需要考虑部分订单只能由具备某些特点的骑手来配送（例如火锅订单只能交给携带专门装备的骑手等）、载具的容量限制等。

即时配送大数据平台实现对骑手轨迹数据、配送业务数据、特征数据、指标数据的全面管理和监控，并通过模型平台、特征平台支持相关算法策略的快速迭代和优化。

机器学习模块负责从数据中寻求规律和知识，例如对商家的出餐时间、到用户所在楼宇上下楼的时间、未来的订单、骑行速度、红绿灯耗时、骑行导航路径等因素进行准确预估，为调度决策提供准确的基础信息；而运筹优化模块则在即时配送大数据平台以及机器学习的预测数据基础上，采用最优化理论、强化学习等优化策略进行计算，做出全局最优的分配决策，并和骑手高效互动，处理执行过程中的问题，实现动态最优化。

达达-京东到家——路径规划和派单算法

在】致力于提供企业级的电商平台服务，长期为大中型企业打造数据化、商业化、智能化的网上商城系统解决方案，同时我们还提供B2B电子商务网站、、B2C电子商务系统、、供应商管理系统、新零售电商平台、直播电商系统等一系列系统定制开发服务。