从农场小子到数据极客：Shelf Engine的创业之路
2016年春天，西雅图某个潮湿的清晨，迈克尔·珊农（Michael Shannon）站在Whole Foods超市后门的垃圾桶旁，看着成箱未拆封的牛油果被倒进垃圾车。超市经理苦笑着对他说：“这些明明都是新鲜货，但系统说今天该下架了。”这个场景像根刺扎进他心里——此时距离他创办Shelf Engine还有三个月。
从农场小子到数据极客
生长在爱达荷州马铃薯农场的迈克尔，从小就看着祖父母为“种多少、卖多少”发愁。他记得祖父总念叨：“多收三成怕烂在地里，少收两成又不够卖。”这种对供需平衡的敏感，后来成了他创业的底层逻辑。
- 2010年：华盛顿大学计算机系毕业，进入微软做数据分析师
- 2013年：跳槽至亚马逊Fresh项目组，负责生鲜预测模型
- 2015年：观察到超市平均35%的损耗率，开始构思解决方案
两个披萨盒上的创业计划
某个加班夜，迈克尔和后来成为联合创始人的Stefan Kalb蹲在亚马逊停车场，用披萨盒当草稿纸写下了第一版商业模型。“我们要做的不是预测准确，而是让预测错误也能赚钱。”Stefan在2021年接受《福布斯》采访时回忆道。
| 传统订货模式 | Shelf Engine方案 | |
| 决策依据 | 人工经验+历史销量 | 机器学习+实时天气/事件数据 |
| 风险承担 | 超市自负盈亏 | 按实际销量与供应商结算 |
| 典型损耗率 | 30-40% | 8-12% |
被20家VC拒绝后的转折
2017年寒冬，迈克尔抱着笔记本电脑在第21次投资人会面中，被问了个措手不及：“如果算法建议进100个蛋糕但只卖出1个，损失谁担？”他下意识脱口而出：“当然是我们。”这个回答让Greycroft Capital的合伙人眼睛亮了——后来这成为他们商业模型的核心壁垒。
在疫情风暴中逆行
2020年3月，当超市货架被恐慌性抢购清空时，迈克尔的团队却在连夜调整模型。“突然每个人都开始囤积意面罐头，但莴苣销量暴跌80%。”CTO Bryan Eisner在《西雅图科技周刊》的采访中提到，他们的系统在72小时内完成通常需要半年的数据迭代。
- 2020年4月：单月为客户减少浪费$210万
- 2021年：将预测品类从烘焙扩展到生鲜、日配
- 2023年：合作零售商突破5000家，包括Kroger等巨头
凌晨四点的控制室
走进Shelf Engine总部，你会看到整面墙的实时数据屏。蓝色数字代表正在运输的草莓，绿色是已上架的酸奶，红色则是需要紧急调货的有机牛奶。市场总监Lisa形容这是“食品界的NASA指挥中心”，而迈克尔至今保持着每天亲自核查异常数据的习惯。
如今当迈克尔路过超市后巷，看到的不再是腐烂的水果，而是印着Shelf Engine标志的智能补货车。他偶尔会买支打折的冰淇淋——这是算法计算出的“临期促销品”，咬下第一口时，仿佛又尝到祖父农场上带着露水的马铃薯味道。
郑重声明：
以上内容均源自于网络，内容仅用于个人学习、研究或者公益分享，非商业用途，如若侵犯到您的权益，请联系删除，客服QQ：841144146
相关阅读
QQ农场彩虹触发揭秘：老玩家记忆密码
2026-01-10 11:09:46凌晨三点盯着电脑屏幕收菜时，我总会在QQ空间动态里看到这样的讨论：“昨晚在开心农场看到彩虹了！”“农…
最终幻想14但丁数据(ff14捏脸数据库)
2025-07-23 14:03:23在探讨《最终幻想14》中但丁的数据以及FF14捏脸数据库的相关知识点之前，我们首先需要了解游戏中的主…
数据恢复：破解风险与安全方案
2026-03-07 12:09:41当重要数据因误删、格式化或硬盘故障丢失时，许多人会尝试搜索“超级硬盘数据恢复破解”，试图寻找捷径。但…