物流專案詳細介紹

一、行業背景介紹

近年來，我國電子商務和網路購物的迅猛發展，為快遞業帶來了前所未有的發展機遇

2013年，全國快遞業務量首次超過函件業務量，
2014年，經濟增長從高速增長轉為中高速增長，全國快遞量增幅也有所下滑，但仍超過140億件，首次超過美國，躍居世界第一，成為中國經濟的一匹黑馬，
2015年，全國快遞業務量首次突破200億件大關，繼續穩居世界第一，中國快遞業在加速流通、擴大內需、調整結構、吸納就業、貧訓民生等方面的基礎性作用日益顯現，國家高度關注快遞行業發展，
2016年，全國快遞業務量突破300億件，全球占比超過40%，日均服務超過2.5億人次，支撐網路零售額超過4萬億元，占社會消費品零售總額比重達到12.5%，新增就業20萬人以上，
2017年我國快遞業務量突破了400億件，達到400.6億件，同比增長28%
2018年，我國快遞業務量超過美、日、歐等發達經濟體之和，規模連續五年穩居世界第一，是第二名美國的3倍多，全年中國快遞業務量突破500億件業務收入突破6000億元

二、物流行業特點

物流產業是物流資源產業化而形成的一種復合型或聚合型產業，物流資源包括運輸、倉儲、裝卸、搬運、包裝、流通加工、配送、資訊平臺等，這些資源產業化后就形成了運輸業、倉儲業、裝卸業、包裝業、加工配送業、物流資訊業等，它是一種復合型產業，因為所有產業的物流資源不是簡單的壘加，而是一種整合，

一個復合產業的資訊化，是對整個行業發展至關重要，利用資訊技術對物流程序中產生的全部或部分資訊進行采集、分類、傳遞、匯總、識別、跟蹤、查詢等處理活動，以實作對貨物流動程序的控制，從而降低成本、提高效益的管理活動，資訊化是現代物流的靈魂，是現代物流發展的必然要求和基石，

而資訊化建設最重要的就是“資料程序管理”，其中包括，業務受理、倉儲管理、配送管理、客戶管理和決策支撐等，另外還有涉及企業內部相關部門及資源分配等程序，所以物流行業的程序管理是比較復雜的管理程序，物流行業的資訊化普及，最基本的需要解決的就是，將各個程序資料化，并將相關資料進行結合分析，將關鍵資料指標轉換為決策資料，

三、專案背景介紹

本專案基于一家大型物流公司研發的智慧物流大資料平臺，該物流公司是國內綜合性快遞、物流服務商，并在全國各地都有覆寫的網點，經過多年的積累、經營以及布局，擁有大規模的客戶群，日訂單達上千萬，以下列舉了國內的幾家物流公司某個月份的資料：

如此規模的業務資料量，傳統的資料處理技術已經不能滿足企業的經營分析需求，該公司需要基于大資料技術構建資料中心，從而挖掘出隱藏在資料背后的資訊價值，為企業提供有益的幫助，帶來更大的利潤和商機，而自2012年，國家已陸續出臺相關的產業規劃和政策，也從側面推動了大資料產業的發展，

該大資料專案主要圍繞訂單、運輸、倉儲、搬運裝卸、包裝以及流通加工等物流環節中涉及的資料、資訊等，通過大資料分析可以提高運輸以及配送效率、減少物流成本、更有效地滿足客戶服務要求，實作快速、高效、經濟的物流，并針對資料分析結果，提出具有中觀指導意義的解決方案，

物流大資料可以根據市場進行資料分析，提高運營管理效率，合理規劃分配資源，調整業務結構，確保每個業務均可盈利，根據資料分析結果，規劃、預計運輸路線和配送路線，環節運輸高峰期的物流行為，提高客戶的滿意度，提高客戶粘度，

四、物流大資料的作用

物流大資料應用對于物流企業來講具有以下 3 個方面的重要作用，

提高物流的智能化水平
降低物流成本
提高用戶服務水平

???????五、物流大資料應用案例

針對物流行業的特性，大資料應用主要體現在車貨匹配、運輸路線優化、庫存預測、設備修理預測、供應鏈協同管理等方面

1、???????車貨匹配

對于物流企業來講，可以通過對運力池進行大資料分析，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，通過對貨主、司機和任務的精準畫像，可實作智能化定價、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，大資料應用會根據任務要求，如車型、配送公里數、配送預計時長、附加服務等自動計算運力價格并匹配最符合要求的司機，司機接到任務后會按照客戶的要求進行高質量的服務，

從司機方面來講，大資料應用可以根據司機的個人情況、服務質量、空閑時間為他自動匹配合適的任務，并進行智能化定價，基于大資料實作車貨高效匹配，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

傳統的派送方法是由快遞員自己規劃路線，但如果常走的路出現了擁堵，浪費時間也消耗成本，通過運用大資料，物流運輸效率將得到大幅提高，大資料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 公司使用大資料優化送貨路線，配送人員不需要自己思考配送路徑是否最優，UPS 采用大資料系統可實時分析 20 萬種可能路線，3 秒找出最佳路徑，

UPS 通過大資料分析，規定卡車不能左轉，所以，UPS 的司機會寧愿繞個圈，也不往左轉，根據往年的資料顯示，因為執行盡量避免左轉的政策，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

通過互聯網技術和商業模式的改變，現在網上很多店鋪都跳過了經銷商，直接將商品從工廠直接發到顧客手中，借助大資料不斷優化庫存結構和降低庫存存盤成本，運用大資料分析商品品類，系統會自動呼叫哪些商品是用來促銷的，哪些商品是用來引流的，

運用大資料分析商品品類，系統會自動分解用來促銷和用來引流的商品；同時，系統會自動根據以往的銷售資料進行建模和分析，以此判斷當前商品的安全庫存，并及時給岀預警，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，使用大資料技術可以降低庫存存貨，從而提高資金利用率，

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，因為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，因為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 如今只需要更換需要更換的零件，從而節省了好幾百萬美元，

5、???????供應鏈協同管理

隨著供應鏈變得越來越復雜，使用大資料技術可以迅速高效地發揮資料的最大價值，集成企業所有的計劃和決策業務，包括需求預測、庫存計劃、資源配置、設備管理、渠道優化、生產作業計劃、物料需求與采購計劃等，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，

良好的供應商關系是消滅供應商與制造商間不信任成本的關鍵，雙方庫存與需求資訊的互動，將降低由于缺貨造成的生產損失，通過將資源資料、交易資料、供應商資料、質量資料等存盤起來用于跟蹤和分析供應鏈在執行程序中的效率、成本，能夠控制產品質量；通過數學模型、優化和模擬技術綜合平衡訂單、產能、調度、庫存和成本間的關系，找到優化解決方案，能夠保證生產程序的有序與勻速，最終達到最佳的物料供應分解和生產訂單的拆分，