܄

对于物流企业的大数据 都会有什么价值

【数据猿导读】 物流公司的大数据有两大方面的价值,一方面,优化物流企业本身的运营和决策;另外一方面,物流大数据可用于非物流领域的应用,比如征信和金融应用。

对于物流企业的大数据  都会有什么价值

6月1日,菜鸟和顺丰先是互相关闭丰巢的数据接口,随后顺丰关闭对菜鸟的数据接口。双方就谁先关闭、为何关闭展开了口水交锋。当晚,国家邮政局就发布消息称已注意到此事,并表示希望双方顾全大局解决问题。6月2日,事件仍在继续发酵。淘宝切断顺丰接口,卖家无法用顺丰发货。当天,多个互联网公司纷纷表态,其中,京东、美团外卖、网易等方面表示支持顺丰;苏宁、圆通等支持菜鸟。6月2日晚,国家邮政局召集菜鸟网络和顺丰速运高层来京,就双方关闭互通数据接口问题进行协调。双方表示将从讲政治顾大局的高度出发,积极寻求解决问题的最大公约数,共同维护市场秩序和消费者合法权益,并同意从6月3日12时起,全面恢复业务合作和数据传输。

菜鸟和顺丰事件暂告一段落,生态之间的竞争,网上已经有很多讨论文章,本文就不讨论了。本文从大数据角度分析物流企业的大数据究竟有何价值。本人认为物流公司的大数据有两大方面的价值,一方面,优化物流企业本身的运营和决策;另外一方面,物流大数据可用于非物流领域的应用,比如征信和金融应用。

第一方面,优化物流企业本身的运营和决策。

物流企业的数据包括运输、仓储、配送、包装、流通加工等数据。对于物流企业,通过大数据分析,可以帮助提高企业运营管理效率,降低物流库存率,提高商品处理效率、运输效率、送达准确率等方面。以物流的路径优化为例,路径优化是节约物流企业成本的一个重要大数据分析应用。在物流配送运输中,由于货运点多、客户多、货物种类繁多、城市交通路线复杂、运输服务地区内运输网点分布不均匀等诸多因素的影响,同时还要满足客户提出的如时间窗等约束条件的要求,使得如何安排最佳路线,如何使配装和配送路线有效搭配等,成为物流配送中的难点。

车辆的路径问题是一个有约束的组合优化问题。合理解决车辆路径问题,不仅可以简化配送程序、减少配送次数、降低配送车辆的空载率,从而降低物流成本,提高经济效益,而且可加快对客户需求的响应速度,提高服务质量,增强客户对物流环节的满意度等。阿里在路况预测的基础上,使用基于集合划分的树型搜索算法进行车辆分配和路径优化。该算法用于车辆路径计算,比业界通用的经典算法包括局部搜索、遗传算法、蚁群算法等,运输成本至少降低了6%(详见任继东的论文Jidong Ren,Yajie Tian and Sawaragi,2011)。

第二方面,物流大数据可用于非物流领域,尤其是征信和金融应用。

以物流配送单为例,我们做一个简单的数据分析,便可以实现客户画像,以作为征信模型的基础数据。物流配送单至少有两类信息。一类是寄件人的姓名、手机号和地址;另外是收件人的姓名、手机号和地址。通过这些信息,可以分析:寄件人或收件人的常住地或办公地点,如果是常住地,则还可以通过小区地址分析出来这个小区的房价(通过关联房产网站的价格数据实现),反过来推断该客户的消费能力;通过手机号,可以分析出这个客户的年龄、性别等人口统计学特征,以及兴趣爱好(与拥有客户的人口统计学特征的企业做数据关联得出)。如果在电商购物,有些物流配送单还会标注是哪个商家发货,从而可以分析这个客户喜欢的商品类别。以上这些数据可以作为征信模型的基础数据。企业使用数据的使用,一定要尊重用户隐私,对隐私类信息做好脱敏和保护。当然,这只是对个人客户的征信应用。物流企业还可以对供应商(如发货单位)进行信用评估(根据发货量等大数据),从而进行金融服务。

总之,物流企业的数据不仅仅可以优化企业内部的运营效率,还可以做更多的增值分析,如以上提到的征信数据以及金融的应用。我们从顺丰的官网上可以看到一个顺丰有三大业务,一是众所周知的物流,第二是金融,第三是电商(顺丰优选)。金融是物流企业大数据应用很好的一个方向,顺丰在其官网提到:我们致力于为顺丰的供应商和客户提供存货质押、保理、订单融资、小额信贷、融资租赁等一系列“物流+金融”服务。

企业_大数据_价值-1

不要小看物流企业,他们也是真正的大数据公司。这么有价值的公司,谁不想“深入合作” 


来源:大数据运用

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

教育大数据能够“算”出什么人生门道?
教育大数据能够“算”出什么人生门道?
关于大数据行业就业前景
关于大数据行业就业前景
如何保护企业内部数据的安全?打造安全管控体系才是王道!
如何保护企业内部数据的安全?打造安全管控体系才是王道!

我要评论

精品栏目

[2017/04/11]

大数据24小时

More>

[2017/04/03-7]

大数据周周看

More>

[2017/04/03-7]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2017/04/03-10]

大数据周聘汇

More>

[2017/04/04-11]

每周一本书

More>

返回顶部