1、大數據在物流行業的應用物流大數據就是通過海量的物流數據,即運輸、倉儲、搬運裝卸、包裝及流通加工等物流環節中涉及的數據、信息等,挖掘出新的增值價值,通過大數據分析可以提升運輸與配送效率,減少物流本錢,更有效地滿足客戶效勞要求.1 .物流大數據的作用物流大數據應用對于物流企業來講具有以下3個方面的重要作用.1提升物流的智能化水平通過對物流數據的跟蹤和分析,物流大數據應用可以根據情況為物流企業做出智能化的決策和建議.在物流決策中,大數據技術應用涉及競爭環境分析、物流供給與需求匹配、物流資源優化與配置等.在競爭環境分析中, 為了到達利益的最大化, 需要對競爭對手進行全面的分析,預測其行為和動向,從而了

2、解在某個區域或是在某個特殊時期,應該選擇的合作伙伴.在物流供給與需求匹配方面,需要分析特定時期、 特定區域的物流供給與需求情況,從而進行合理的配送治理. 在物流資源優化與配置方面, 主要涉及運輸資源、 存儲資源等.物流市 場有很強的動態性和隨機性,需要實時分析市場變化情況,從海量的數據中提取當前的物流 需求信息,同時對已配置和將要配置的資源進行優化,從而實現對物流資源的合理利用.2降低物流本錢 由于交通運輸、倉儲設施、貨物包裝、流通加工和搬運等環節對信息的交互和共享要求比擬高,因此可以利用大數據技術優化配送路線、合理選擇物流中央地址、優化倉庫儲位,從而大大降低物流本錢,提升物流效率.3提升用戶

3、效勞水平隨著網購人群的急劇膨脹, 客戶越來越重視物流效勞的體驗.通過對數據的挖掘和分析,以及合理地運用這些分析成果,物流企業可以為客戶提供最好的效勞,提供物流業務運作過程中商品配送的所有信息, 進一步穩固和客戶之間的關系,增加客戶的信賴,培養客戶的黏性,預防客戶流失.2 .物流大數據應用案例針對物流行業的特性,大數據應用主要表達在車貨匹配、運輸路線優化、庫存預測、設備修理預測、供給鏈協同治理等方面.1車貨匹配通過對運力池進行大數據分析,公共運力的標準化和專業運力的個性化需求之間可以產生良好的匹配,同時,結合企業的信息系統也會全面整合與優化.通過對貨主、司機水平以移動學習的方式進行培訓, 以及和

4、任務的精準畫像, 可實現智能化定價、 為司機智能推薦任務和 根據任務要求指派配送司機等.從客戶方面來講,大數據應用會根據任務要求,如車型、配送公里數、配送預計時長、附加司機接到任務后會根據客戶效勞等自動超級計算機計算運力價格并匹配最符合要求的司機, 的要求進行高質量的效勞.在司機方面,大數據應用可以根據司機的個人情況、效勞質量、空閑時間為他自動匹配適宜的任務,并進行智能化定價. 基于大數據實現車貨高效匹配,不僅能減少空駛帶來的損耗,還能減少污染.2運輸路線優化通過運用大數據,物流運輸效率將得到大幅提升,大數據為物流企業間搭建起溝通的橋梁, 物流車輛行車路徑也將被最短化、最優化定制.美國UPS公

5、司使用大數據優化送貨路線,配送人員不需要自己思考配送路徑是否最優.UPS采用大數據系統可實時分析20萬種可能路線,3秒找出最正確路徑.UPS通過大數據分析,規定卡車不能左轉, 所以,UPS的司時機寧愿繞個圈, 也不往左轉.根據往年的數據顯示,由于執行盡量預防左轉的政策,UPS貨車在行駛路程減少 2.04億的前提下,多送出了 350000 件包裹.3庫存預測互聯網技術和商業模式的改變帶來了從生產者直接到顧客的供給渠道的改變.這樣的改變,從時間和空間兩個維度都為物流業創造新價值奠定了很好的根底.大數據技術可優化庫存結構和降低庫存存儲本錢.運用大數據分析商品品類, 系統會自動分解用來促銷和用來引流的

6、商品；同時,系統會自動根據以往的銷售數據進行建模和分析, 以此判斷當前商品的平安庫存, 并及時給出預警,而不再是根據往年的銷售情況來預測當前的庫存狀況.總之,使用大數據技術可以降低庫存存貨,從而提升資金利用率.4設備修理預測美國UPS公司從2000年就開始使用預測性分析來檢測自己全美60 000 輛車規模的車隊,這樣就能及時地進行防御性的修理.如果車在路上拋錨, 損失會非常大,由于那樣就需要再派一輛車,會造成延誤和再裝載的負擔,并消耗大量的人力、物力.以前,UPS每兩三年就會對車輛的零件進行定時更換,但這種方法不太有效,由于有的零件并沒有什么毛病就被換掉了.通過監測車輛的各個部位,UPS如今只

7、需要更換需要更換的零件,從而節省了好幾百萬美元.5供給鏈協同治理隨著供給鏈變得越來越復雜, 使用大數據技術可以迅速高效地發揮數據的最大價值,集成企業所有的方案和決策業務,包括需求預測、庫存方案、資源配置、設備治理、渠道優化、生 產作業方案、物料需求與采購方案等,這將徹底變革企業市場邊界、業務組合、商業模式和 運作模式等.良好的供給商關系是消滅供給商與制造商間不信任本錢的關鍵.雙方庫存與需求信息的交互,將降低由于缺貨造成的生產損失.通過將資源數據、交易數據、供給商數據、質量數據等存儲起來用于跟蹤和分析供給鏈在執行過程中的效率、本錢,能夠限制產品質量； 通過數學模型、優化和模擬技術綜合平衡訂單、產

8、能、調度、庫存和本錢間的關系,找到優化解決方案,能夠保證生產過程的有序與勻速,最終到達最正確的物料供給分解和生產訂單的拆分.3 . Amazon物流大數據應用Amazon 是全球商品品種最多的網上零售商,堅持走自建物流方向,其將集成物流與大數據緊緊相連,從而在營銷方面實現了更大的價值.由于Amazon 有完善、優化的物流系統作為保證,它才能將物流作為促銷的手段,并有水平嚴格地限制物流本錢和有效地進行物流過程的組織運作.Amazon 在業內率先使用了大數據、人工智能和云技術進行倉儲物流的治理,創新地推出 預測性調撥、跨區域配送、跨國境配送等效勞.1訂單與客戶效勞中的大數據應用Amazon 了完整

9、的端到端的 5大類效勞：瀏覽、購物、倉配、送貨和客戶效勞等.瀏覽Amazon 基于大數據分析技術來精準分析客戶的需求.通過系統記錄的客戶瀏覽歷史,后 臺會隨之把顧客感興趣的庫存放在離他們最近的運營中央,這樣方便客戶下單.購物不管客戶在哪個角落,Amazon 都可以幫助客戶快速下單,也可以很快知道他們喜歡的商 品.倉配Amazon 運營中央最快可以在 30分鐘之內完成整個訂單的處理.大數據驅動的倉儲訂單 運營非常高效,訂單處理、快速揀選、快速包裝、分揀等一切過程都由大數據驅動,且全程 可視化.送貨Amazon 的物流體系會根據客戶的具體需求時間進行科學配載,調整配送方案,實現用戶 定義的時間范圍

10、內的精準送達.Amazon 還可以根據大數據的預測,提前發貨,贏得絕對的競爭力.客戶效勞Amazon 利用大數據驅動客戶效勞,創立了技術系統來識別和預測客戶需求.根據用戶的 瀏覽記錄、訂單信息、來電問題,定制化地向用戶推送不同的自助效勞工具,大數據可以保 證客戶能隨時隨地 聯系到對應的客戶效勞團隊.2智能入庫治理技術在Amazon 全球的運營中央,從入庫這一時刻就開始使用大數據技術.入庫Amazon 采用獨特的采購入庫監控策略,基于自己過去的經驗和所有歷史數據的收集,來 了解什么樣的品類容易壞,壞在哪里,然后給其進行預包裝.這都是在收貨環節提供的增值 效勞.商品測量Amazon 的Cubi S

11、can 儀器會對新入庫的中小體積商品進行長寬高和體積的測量,并根 據這些商品信息優化入庫. 這給供給商提供了很大方便,客戶不需要自己測量新品,這樣能夠大大提升新品上線速度.Amazon 數據庫存儲下這些數據,在全國范圍內共享,這樣其他庫房就可以直接利用這些后臺數據進行后續的優化、設計和區域規劃.3智能揀貨和智能算力算法Amazon 使用大數據分析實現了智能揀貨,主要應用在以下幾個方面.智能算法驅動物流作業,保證最優路徑Amazon 的大數據物流平臺的數據算法會給每個人隨機地優化他的揀貨路徑.系統會告訴 員工應該去哪個貨位揀貨,并且可以保證全部揀選完之后的路徑最少.通過這種智能的免費算力計算和智

12、能的推薦,可以把傳統作業模式的揀貨行走路徑減少至少60%.圖書倉的復雜的作業方法圖書倉采用的是增強版監控,會限制那些相似品盡量不要放在同一個貨位.批量的圖書的進貨量很大“ Amazon通過對數據的分析發現,穿插擺放可以保證每個員工出去揀貨的任務 比擬平均. 暢銷品的運營策略Amazon 根據后臺的大數據,可以知道哪些物品的需求量比擬高,然后會把它們放在離發 貨區比擬近的地方, 有些是放在貨架上的, 有些是放在托拍位上的,這樣可以減少員工的負重行走路程.4智能隨機存儲隨機存儲是Amazon 運營的重要技術,但是隨機存儲不是隨便存儲,而是有一定的原那么性 的.隨機存儲要考慮暢銷商品與非暢銷商品,

13、還要考慮先進先出的原那么, 同時隨機存儲還與 最正確路徑有重要關系.隨機上架是Amazon 的運營中央的一大特色,實現的是見縫插針的最正確存儲方式.看似雜亂,實那么亂中有序. 亂是指可以打破品類和品類之間的界線,可以把它們放在一起.有序是指庫位的標簽就是它的GPS,這個貨位里面所有的商品其實在系統里面都是各就其位,非常精準地被記錄在它所在的區域.5智能分倉和智能調撥Amazon 智能分倉和智能調撥擁有獨特的技術優勢,在 Amazon 中國的10多個平行倉 的調撥完全是在精準的供給鏈方案的驅動下進行的,它實現了智能分倉、就近備貨和預測式調撥.全國各個省市包括各大運營中央之間有干線的運輸調配,以保

14、證庫存已經提前調撥到離客戶最近的運營中央.整個智能化全國調撥運輸網絡很好地支持了平行倉的概念,全國范圍內只要有貨用戶就可以下單購置,這是大數據體系支持全國運輸調撥網絡的充分表現.6精準庫存預測Amazon 的智能倉儲治理技術能夠實現連續動態盤點,對庫存預測的精準率可達99.99% .在業務頂峰期,Amazon 通過大數據分析可以做到對庫存需求的精準預測,在配貨規劃、 運力調配,以及末端配送等方面做好準備,從而平衡了訂單運營水平,大大降低爆倉的風險.7可視化訂單作業、,包裹追蹤Amazon 實現了全球可視化的供給鏈治理,在中國就能看到來自大洋此岸的庫存. Amazon 移動學習平臺可以讓國內消費

15、者、 合作商和Amazon 的工作人員全程監控貨物、包裹位置 和訂單狀態.從前端的預約到收貨到內部存儲治理、 庫存調撥、揀貨、包裝,再到配送發貨,送到客戶手中,整個過程環環相扣,每個流程都有數據的支持,并通過系統實現對其的可視化治理.4 .國際物流大數據應用DHL應用大數據加快了自身反響速度,通過分析客戶數據做到了精準效勞；UPS通過大數據調整了配送策略節省了大量燃油本錢；Fleet Risk Advisors可對車隊治理做全程監控,甚至能覺察到司機的心理變化.1) DHLDHL速遞貨運公司的快運卡車被特別改裝成為Smart Truck ,并裝有摩托羅拉的XR48ORFIO閱讀器.每當運輸車輛

16、裝載和卸載貨物時,車載計算時機將貨物上的RFID傳感器的信息上傳至數據中央浪潮ai效勞器,ai效勞器會在更新數據之后動態計算出最新最優的配送序列和路徑.此外,在運送途中,遠程信息處理數據庫會根據即時交通狀況和GPS數據實時更新配送路徑,做到更精確的取貨和交貨,對隨時接收的訂單做出更靈活的反響,以及向客戶提供有關取貨時間的精確信息.如圖 1所示.圖1 DHL物流大數據應用DHL通過對末端運營大數據的采集,實現了全程可視化的監控,以及最優路徑的調度,同時精確到了每一個運營結點.此外,擁有 Crowd-Based 應用程序的顧客可以實時更新他們的位置或即將到達的目的地,DHL的包裹配送人員能夠實時收

17、到顧客的位置信息,預防配送失敗,甚至按需更新配送目的地.2) FedExFedEx聯邦快遞可以讓包裹主動傳遞信息.通過靈活的感應器如 SenseAware 來實現近乎實時的反響,包括溫度、地點和光照,使得客戶在任何時間都能了解到包裹所處的位置和環境,而司機也可在車里直接修改訂單物流信息.除此以外,聯邦快遞正在努力推動更加智能的遞送效勞；實現在被允許的情況下對客戶所處的地理位置的實時更新和了解,使包裹更快速和精確地送達客戶的手中.FedEx將來可以根據收集到的歷史數據和實時增量數據,通過大數據解決方案解決FedEx更多的問題,從而提升競爭力.如圖 2所示.目前位置 精確溫.度 理吒杓康 源強人小

18、 氣壓大小 劃濘單 包裝裝物 運送貨物情確技時通箔反餒笆票長進SenseAware 實時更新救搓 及時杳南信息圖2 FedEx物流大數據應用3) FleetBoardFleetBoard致力于通過大數據處理為物流行業用戶提供遠程信息化車隊治理解決方案,實現數據采集和全程監控, 包括駕駛司機的駕駛動作、車輛溫度、車門翻開等細節.車輛上的終端通過移動通信系統與FleetBoard的人工智能效勞器建立聯系,互換數據.物流公司或車隊治理者可直接訪問GPS及其他假設干實時數據,如車輛行駛方向,停車/行駛時間和裝/卸貨等信息.此外,通過計算駕駛員急加速、急剎車的次數,經濟轉速區行駛時間和怠速長短等信息,可

19、以直接幫助駕駛員發現駕駛命令中的問題并改良提升.FleetBoard 的物流大數據應用如圖3所示.物流公司、車隊裝務卜人打氏ard的車軸全季移動通信系統H-tKuaiF效勞器對于冷鏈運輸的用戶,FleetBoard有專門的數據治理系統來實時監測冷藏車的溫度、車門 是否翻開等情況,自動向 或電子郵箱發送警示信息.4) Con Way FreightCon-Way Freight可提供零擔運輸、第三方物流和大宗貨物運輸等效勞,范圍覆蓋了全美及北美五大洲的18個國家.Con-Way Freight通過使用大數據解決方案使得系統能夠集成實時增量數據,并通過詢問和處理非結構化數據快速得出準確的答案.Ad

20、-Hoc 系統使得公司可以定義需要監控的配送流程,預測商業活動內部和外部因素的影響,以及為 CRM和營銷方案提供消費者劃分,甚至可以定位到任何一位客戶,實時分析送達率和具體的貨運損失等信息.而Score Carding系統能夠將原定目標和實時表現進行比照,使 Con-Way Freight能夠隨時根據比照結果全面調整和提升運營表現.如圖 4所示.Con-way Freight高管能夠通過大數據解決方案快速得出準確的數據報告,做出恰當及時的運營決策.5) C.H.RobinsonC.H.Robmson 第三方物流公司擁有全美最大的卡車運輸網絡,卻沒有一輛貨車.它用1.5億美元的固定資產,創造了 114億美元的收入、4.5億美元的利潤.它的新生始于1997年 的商業模式變革,主動放棄了自有貨車,建立了專門整合其他運輸商的物流系統,通過系統對社會資源進行整合建立新的平臺經濟.如圖5所示,C.H.Robmson 的平臺模式由3局部構成：TMS平臺,用來鏈接運輸商；“導航球" Navisphere 平臺,用來連接客戶； 做支付的中間賬戶,同時提供咨詢效勞.2