大数据在物流行业的应用

1、大数据在物流行业的应用物流大数据就是通过海量的物流数据,即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等,挖掘出新的增值价值,通过大数据分析可以提升运输与配送效率,减少物流本钱,更有效地满足客户效劳要求.1 .物流大数据的作用物流大数据应用对于物流企业来讲具有以下3个方面的重要作用.1提升物流的智能化水平通过对物流数据的跟踪和分析,物流大数据应用可以根据情况为物流企业做出智能化的决策和建议.在物流决策中,大数据技术应用涉及竞争环境分析、物流供给与需求匹配、物流资源优化与配置等.在竞争环境分析中, 为了到达利益的最大化, 需要对竞争对手进行全面的分析,预测其行为和动向,从而了

2、解在某个区域或是在某个特殊时期,应该选择的合作伙伴.在物流供给与需求匹配方面,需要分析特定时期、 特定区域的物流供给与需求情况,从而进行合理的配送治理. 在物流资源优化与配置方面, 主要涉及运输资源、 存储资源等.物流市 场有很强的动态性和随机性,需要实时分析市场变化情况,从海量的数据中提取当前的物流 需求信息,同时对已配置和将要配置的资源进行优化,从而实现对物流资源的合理利用.2降低物流本钱 由于交通运输、仓储设施、货物包装、流通加工和搬运等环节对信息的交互和共享要求比拟高,因此可以利用大数据技术优化配送路线、合理选择物流中央地址、优化仓库储位,从而大大降低物流本钱,提升物流效率.3提升用户

3、效劳水平随着网购人群的急剧膨胀, 客户越来越重视物流效劳的体验.通过对数据的挖掘和分析,以及合理地运用这些分析成果,物流企业可以为客户提供最好的效劳,提供物流业务运作过程中商品配送的所有信息, 进一步稳固和客户之间的关系,增加客户的信赖,培养客户的黏性,预防客户流失.2 .物流大数据应用案例针对物流行业的特性,大数据应用主要表达在车货匹配、运输路线优化、库存预测、设备修理预测、供给链协同治理等方面.1车货匹配通过对运力池进行大数据分析,公共运力的标准化和专业运力的个性化需求之间可以产生良好的匹配,同时,结合企业的信息系统也会全面整合与优化.通过对货主、司机水平以移动学习的方式进行培训, 以及和

4、任务的精准画像, 可实现智能化定价、 为司机智能推荐任务和 根据任务要求指派配送司机等.从客户方面来讲,大数据应用会根据任务要求,如车型、配送公里数、配送预计时长、附加司机接到任务后会根据客户效劳等自动超级计算机计算运力价格并匹配最符合要求的司机, 的要求进行高质量的效劳.在司机方面,大数据应用可以根据司机的个人情况、效劳质量、空闲时间为他自动匹配适宜的任务,并进行智能化定价. 基于大数据实现车货高效匹配,不仅能减少空驶带来的损耗,还能减少污染.2运输路线优化通过运用大数据,物流运输效率将得到大幅提升,大数据为物流企业间搭建起沟通的桥梁, 物流车辆行车路径也将被最短化、最优化定制.美国UPS公

5、司使用大数据优化送货路线,配送人员不需要自己思考配送路径是否最优.UPS采用大数据系统可实时分析20万种可能路线,3秒找出最正确路径.UPS通过大数据分析,规定卡车不能左转, 所以,UPS的司时机宁愿绕个圈, 也不往左转.根据往年的数据显示,由于执行尽量预防左转的政策,UPS货车在行驶路程减少 2.04亿的前提下,多送出了 350000 件包裹.3库存预测互联网技术和商业模式的改变带来了从生产者直接到顾客的供给渠道的改变.这样的改变,从时间和空间两个维度都为物流业创造新价值奠定了很好的根底.大数据技术可优化库存结构和降低库存存储本钱.运用大数据分析商品品类, 系统会自动分解用来促销和用来引流的

6、商品；同时,系统会自动根据以往的销售数据进行建模和分析, 以此判断当前商品的平安库存, 并及时给出预警,而不再是根据往年的销售情况来预测当前的库存状况.总之,使用大数据技术可以降低库存存货,从而提升资金利用率.4设备修理预测美国UPS公司从2000年就开始使用预测性分析来检测自己全美60 000 辆车规模的车队,这样就能及时地进行防御性的修理.如果车在路上抛锚, 损失会非常大,由于那样就需要再派一辆车,会造成延误和再装载的负担,并消耗大量的人力、物力.以前,UPS每两三年就会对车辆的零件进行定时更换,但这种方法不太有效,由于有的零件并没有什么毛病就被换掉了.通过监测车辆的各个部位,UPS如今只

7、需要更换需要更换的零件,从而节省了好几百万美元.5供给链协同治理随着供给链变得越来越复杂, 使用大数据技术可以迅速高效地发挥数据的最大价值,集成企业所有的方案和决策业务,包括需求预测、库存方案、资源配置、设备治理、渠道优化、生 产作业方案、物料需求与采购方案等,这将彻底变革企业市场边界、业务组合、商业模式和 运作模式等.良好的供给商关系是消灭供给商与制造商间不信任本钱的关键.双方库存与需求信息的交互,将降低由于缺货造成的生产损失.通过将资源数据、交易数据、供给商数据、质量数据等存储起来用于跟踪和分析供给链在执行过程中的效率、本钱,能够限制产品质量； 通过数学模型、优化和模拟技术综合平衡订单、产

8、能、调度、库存和本钱间的关系,找到优化解决方案,能够保证生产过程的有序与匀速,最终到达最正确的物料供给分解和生产订单的拆分.3 . Amazon物流大数据应用Amazon 是全球商品品种最多的网上零售商,坚持走自建物流方向,其将集成物流与大数据紧紧相连,从而在营销方面实现了更大的价值.由于Amazon 有完善、优化的物流系统作为保证,它才能将物流作为促销的手段,并有水平严格地限制物流本钱和有效地进行物流过程的组织运作.Amazon 在业内率先使用了大数据、人工智能和云技术进行仓储物流的治理,创新地推出 预测性调拨、跨区域配送、跨国境配送等效劳.1订单与客户效劳中的大数据应用Amazon 了完整

9、的端到端的 5大类效劳：浏览、购物、仓配、送货和客户效劳等.浏览Amazon 基于大数据分析技术来精准分析客户的需求.通过系统记录的客户浏览历史,后 台会随之把顾客感兴趣的库存放在离他们最近的运营中央,这样方便客户下单.购物不管客户在哪个角落,Amazon 都可以帮助客户快速下单,也可以很快知道他们喜欢的商 品.仓配Amazon 运营中央最快可以在 30分钟之内完成整个订单的处理.大数据驱动的仓储订单 运营非常高效,订单处理、快速拣选、快速包装、分拣等一切过程都由大数据驱动,且全程 可视化.送货Amazon 的物流体系会根据客户的具体需求时间进行科学配载,调整配送方案,实现用户 定义的时间范围

10、内的精准送达.Amazon 还可以根据大数据的预测,提前发货,赢得绝对的竞争力.客户效劳Amazon 利用大数据驱动客户效劳,创立了技术系统来识别和预测客户需求.根据用户的 浏览记录、订单信息、来电问题,定制化地向用户推送不同的自助效劳工具,大数据可以保 证客户能随时随地 联系到对应的客户效劳团队.2智能入库治理技术在Amazon 全球的运营中央,从入库这一时刻就开始使用大数据技术.入库Amazon 采用独特的采购入库监控策略,基于自己过去的经验和所有历史数据的收集,来 了解什么样的品类容易坏,坏在哪里,然后给其进行预包装.这都是在收货环节提供的增值 效劳.商品测量Amazon 的Cubi S

11、can 仪器会对新入库的中小体积商品进行长宽高和体积的测量,并根 据这些商品信息优化入库. 这给供给商提供了很大方便,客户不需要自己测量新品,这样能够大大提升新品上线速度.Amazon 数据库存储下这些数据,在全国范围内共享,这样其他库房就可以直接利用这些后台数据进行后续的优化、设计和区域规划.3智能拣货和智能算力算法Amazon 使用大数据分析实现了智能拣货,主要应用在以下几个方面.智能算法驱动物流作业,保证最优路径Amazon 的大数据物流平台的数据算法会给每个人随机地优化他的拣货路径.系统会告诉 员工应该去哪个货位拣货,并且可以保证全部拣选完之后的路径最少.通过这种智能的免费算力计算和智

12、能的推荐,可以把传统作业模式的拣货行走路径减少至少60%.图书仓的复杂的作业方法图书仓采用的是增强版监控,会限制那些相似品尽量不要放在同一个货位.批量的图书的进货量很大“ Amazon通过对数据的分析发现,穿插摆放可以保证每个员工出去拣货的任务 比拟平均. 畅销品的运营策略Amazon 根据后台的大数据,可以知道哪些物品的需求量比拟高,然后会把它们放在离发 货区比拟近的地方, 有些是放在货架上的, 有些是放在托拍位上的,这样可以减少员工的负重行走路程.4智能随机存储随机存储是Amazon 运营的重要技术,但是随机存储不是随便存储,而是有一定的原那么性 的.随机存储要考虑畅销商品与非畅销商品,

13、还要考虑先进先出的原那么, 同时随机存储还与 最正确路径有重要关系.随机上架是Amazon 的运营中央的一大特色,实现的是见缝插针的最正确存储方式.看似杂乱,实那么乱中有序. 乱是指可以打破品类和品类之间的界线,可以把它们放在一起.有序是指库位的标签就是它的GPS,这个货位里面所有的商品其实在系统里面都是各就其位,非常精准地被记录在它所在的区域.5智能分仓和智能调拨Amazon 智能分仓和智能调拨拥有独特的技术优势,在 Amazon 中国的10多个平行仓 的调拨完全是在精准的供给链方案的驱动下进行的,它实现了智能分仓、就近备货和预测式调拨.全国各个省市包括各大运营中央之间有干线的运输调配,以保

14、证库存已经提前调拨到离客户最近的运营中央.整个智能化全国调拨运输网络很好地支持了平行仓的概念,全国范围内只要有货用户就可以下单购置,这是大数据体系支持全国运输调拨网络的充分表现.6精准库存预测Amazon 的智能仓储治理技术能够实现连续动态盘点,对库存预测的精准率可达99.99% .在业务顶峰期,Amazon 通过大数据分析可以做到对库存需求的精准预测,在配货规划、 运力调配,以及末端配送等方面做好准备,从而平衡了订单运营水平,大大降低爆仓的风险.7可视化订单作业、,包裹追踪Amazon 实现了全球可视化的供给链治理,在中国就能看到来自大洋此岸的库存. Amazon 移动学习平台可以让国内消费

15、者、 合作商和Amazon 的工作人员全程监控货物、包裹位置 和订单状态.从前端的预约到收货到内部存储治理、 库存调拨、拣货、包装,再到配送发货,送到客户手中,整个过程环环相扣,每个流程都有数据的支持,并通过系统实现对其的可视化治理.4 .国际物流大数据应用DHL应用大数据加快了自身反响速度,通过分析客户数据做到了精准效劳；UPS通过大数据调整了配送策略节省了大量燃油本钱；Fleet Risk Advisors可对车队治理做全程监控,甚至能觉察到司机的心理变化.1) DHLDHL速递货运公司的快运卡车被特别改装成为Smart Truck ,并装有摩托罗拉的XR48ORFIO阅读器.每当运输车辆

16、装载和卸载货物时,车载计算时机将货物上的RFID传感器的信息上传至数据中央浪潮ai效劳器,ai效劳器会在更新数据之后动态计算出最新最优的配送序列和路径.此外,在运送途中,远程信息处理数据库会根据即时交通状况和GPS数据实时更新配送路径,做到更精确的取货和交货,对随时接收的订单做出更灵活的反响,以及向客户提供有关取货时间的精确信息.如图 1所示.图1 DHL物流大数据应用DHL通过对末端运营大数据的采集,实现了全程可视化的监控,以及最优路径的调度,同时精确到了每一个运营结点.此外,拥有 Crowd-Based 应用程序的顾客可以实时更新他们的位置或即将到达的目的地,DHL的包裹配送人员能够实时收

17、到顾客的位置信息,预防配送失败,甚至按需更新配送目的地.2) FedExFedEx联邦快递可以让包裹主动传递信息.通过灵活的感应器如 SenseAware 来实现近乎实时的反响,包括温度、地点和光照,使得客户在任何时间都能了解到包裹所处的位置和环境,而司机也可在车里直接修改订单物流信息.除此以外,联邦快递正在努力推动更加智能的递送效劳；实现在被允许的情况下对客户所处的地理位置的实时更新和了解,使包裹更快速和精确地送达客户的手中.FedEx将来可以根据收集到的历史数据和实时增量数据,通过大数据解决方案解决FedEx更多的问题,从而提升竞争力.如图 2所示.目前位置 精确温.度 理吒杓康 源强人小

18、 气压大小 划泞单 包装装物 运送货物情确技时通箔反馁笆票长进SenseAware 实时更新救搓 及时杳南信息图2 FedEx物流大数据应用3) FleetBoardFleetBoard致力于通过大数据处理为物流行业用户提供远程信息化车队治理解决方案,实现数据采集和全程监控, 包括驾驶司机的驾驶动作、车辆温度、车门翻开等细节.车辆上的终端通过移动通信系统与FleetBoard的人工智能效劳器建立联系,互换数据.物流公司或车队治理者可直接访问GPS及其他假设干实时数据,如车辆行驶方向,停车/行驶时间和装/卸货等信息.此外,通过计算驾驶员急加速、急刹车的次数,经济转速区行驶时间和怠速长短等信息,可

19、以直接帮助驾驶员发现驾驶命令中的问题并改良提升.FleetBoard 的物流大数据应用如图3所示.物流公司、车队装务卜人打氏ard的车轴全季移动通信系统H-tKuaiF效劳器对于冷链运输的用户,FleetBoard有专门的数据治理系统来实时监测冷藏车的温度、车门 是否翻开等情况,自动向 或电子邮箱发送警示信息.4) Con Way FreightCon-Way Freight可提供零担运输、第三方物流和大宗货物运输等效劳,范围覆盖了全美及北美五大洲的18个国家.Con-Way Freight通过使用大数据解决方案使得系统能够集成实时增量数据,并通过询问和处理非结构化数据快速得出准确的答案.Ad

20、-Hoc 系统使得公司可以定义需要监控的配送流程,预测商业活动内部和外部因素的影响,以及为 CRM和营销方案提供消费者划分,甚至可以定位到任何一位客户,实时分析送达率和具体的货运损失等信息.而Score Carding系统能够将原定目标和实时表现进行比照,使 Con-Way Freight能够随时根据比照结果全面调整和提升运营表现.如图 4所示.Con-way Freight高管能够通过大数据解决方案快速得出准确的数据报告,做出恰当及时的运营决策.5) C.H.RobinsonC.H.Robmson 第三方物流公司拥有全美最大的卡车运输网络,却没有一辆货车.它用1.5亿美元的固定资产,创造了 114亿美元的收入、4.5亿美元的利润.它的新生始于1997年 的商业模式变革,主动放弃了自有货车,建立了专门整合其他运输商的物流系统,通过系统对社会资源进行整合建立新的平台经济.如图5所示,C.H.Robmson 的平台模式由3局部构成：TMS平台,用来链接运输商；“导航球" Navisphere 平台,用来连接客户； 做支付的中间账户,同时提供咨询效劳.2