.png)
|
商务会议 | 会议PPT | 培训课程 | 发布活动 | 订单查询 | 登录 |
会议PPT
方案概要
在原始数据采集方面，有条件的企业可以使用企业自身拥有的一些生产数据或者关系企业中已经产生的历史活动数据，像我们是参考了公司自己本身的一些车队的路由轨迹数据，还使用了集团旗下的电商平台的一些可用数据，比方说历史订单、消费偏好这些有一定积累的数据，同时也使用一些合作伙伴的数据，最后把这些数据纳入到整个大数据平台的信息采集范围中去。使数据围绕两个点在进行收集，一个点是围绕我们对仓储的规划，一个点是围绕对配送的优化。最终目标是：在库存的分配上，判断这个区域的销售需要多少个仓库来支持，同时还要考虑到成本和效率的问题。在运输流程上，怎么让运力更合理，成本更低，同时还不影响业务实际操作。
数据分析法
通过数据分析法来整个建立大数据项目的流程，在确认了项目的目标之后，着手数据准备环节，将原始的业务关联数据进行清洗整理，然后进入到数据理解环节，将收集整理之后的数据按照项目目标进行预处理和初步的统计分析。在数据理解环节处理完之后，就可以开始建立数据模型，并对数据模型进行建立算法、调试、实验，不断完善数据模型的输出，使之与设计目标最大化趋近，最后安排另外的团队对初步建立的模型进评估，避免初始团队的主观倾向。在经过评审和修正之后，将最终模型应用到生产环境中去验证，之后再收集整个项目上线后的各种数据反馈，反过来再去持续的优化模型本身，达到一个闭环。
大数据平台架构
本页是物流大数据平台的架构，分六个层面，在最底下的数据源，用于收集各种分析用的源数据，包括业务业务系统上一些业务历史数据、业务实时数据等等，具体包括车队在过程中时时采集的数据，此外还有外部合作伙伴提供的一些配套数据。 经过采集和存储、计算，这几个层之后，会在模型层面整理出一些可以应用到实际业务中的有效模型，例如库存模型，运单模型，路由规划模型以及分配算法模型等等。通过这些模型对不同业务应用方向的作用情况，反复调试，最终输出实际有用的信息数据。
智慧仓储部分
仓储集群概念
根据不同地域的订单和库存发生情况，分别针对一线城市市场、二三线城市市场的业务进行分析，可以发现非常清晰的业务特征分水岭，其中大型城市需要相对长久稳定的库存支持业务发展，但问题是一线城市周围的仓储成本较高；相反的小型城市拥有较好的仓库资源，但是对库存的需求不是特别高。通过抽取几个典型的数据，看到几个明显的例子。
做完这些分析以后，可以得出几个不同的仓储模型，左边第一个针对一线城市市场的特点的仓库集群模型，一级市场仓库集群需要对自身的商场销售渠道、社区店，和一些合作伙伴的库存提供支持。第二个是二三线城市的仓库集群的模型，它要依托于一线仓库的支持存在。但是一线城市本身要支持它自己本身的市场需求，所以这个模型就需要解决二线仓库和三线仓库之间的库存分配，怎么做成本更低，同时还不能降低时效。最后一个是和供应商仓库之间的仓库集群模型，通过一些战略性的合作伙伴，把对方的生产成品仓和我们的仓库的库存，做一个绑定。通过直接合作，实现库存共享。
智能采购模型
除了仓库本身的布局和库存分配逻辑之外，怎么样去采购，什么时候去采购，用采购还是用仓间调拨去补充现有库存也是一个问题。所以针对不同品类的SKU的变化特点，要创造不同的采购分配策略，同时还要依据之前的仓库模型分析，综合所有的信息来最终确定采购模型。例如，手机数码类的商品在全年基本都会保持一个相对比较高量的订单量，库存周转周期比较短,所以这类商品的库存可以考虑直接采购的方式来迅速补仓；而对于传统家电，它的库存量随着季节和促销季节这两种因素变化非常明显。所以可以考虑配合仓库集群模型的进行库存合理调配，来满足各个市场的库存的支持。
智能运输部分
运输风险分析
目前大批量采购的和调拨商品库存，主要还是依靠干线运输来解决远距离的运输问题。而在运距离运输过程中，传统的做法是是根据业务人员的经验，包括一些传统的行业通用的规则，去做运营上的规划。这其中有一些风险在原来被为是不可控制的，但是实际上这些风险的诱发因素数据存在一些模糊的规律，我们尝试将这些风险的相关诱因数据纳入到分析平台，期望通过科学的分析，提前测算干线运输过程中的风险发生几率，从而对业务决策进行辅助优化。目标是让风险能被初步预测和帮助业务人员提前做好相关的处理方案，减少业务异常情况对客户和公司的影响。
利用大数据平台，以六年的天气为例，选出一些比较有特点的城市，筛选出那些对业务过程有较大影响极端天气因素，来分析对整个干线运输过程的影响，通过采集的数据进行分析之后，发现雨、雪、雾对道路通行能力有比较大的影响。
除了天气因素，交通也是影响城市配送业务的重要因素之一。按照国内经济体量排名前一百的城市的拥堵数据来看，2017年仍然有大约33%的城市还在拥堵系数上呈上涨的趋势，不少城市的拥堵系数已经超过了系数2。超过系数2代表的涵义就是同样一个城市配送业务，从出发地到目的地结束，花费的时间成本会达到通畅交通情况下的两倍还多。
智能调配
智能调配的功能分为两个部分，一部分是基于传统的业务规则和历史数据分析，可以通过收集到的各种相关的业务数据，把这些格式化后的数据放到引擎里，通过各类数据之间的不同层级的关联关系，对各种关联关系进行深度分析。另外一部分是通过运输车辆上安装的实时采集实时信息的硬件，通过实时反馈的现场的各类数据作为前一部分的分析结果的验证和反馈，通过这两个方向的数据，最终实现运输的智能调配，把路线的规划调整由原来的人工经验，通过智能调配平台让业务人员能比原来的传统经验看的更远见更周全。
在实际生产环境下，业务的延迟确实是不太可能被完全避免掉，所以最大问题并不只是延迟本身，而是延迟发生的不可预估性，面临延迟可能多少时间，传统的系统无法给客户一个预计性的交待。现在通过大数据平台对整个业务的全过程的监控和分析，可以初步实现把每一个环节可能会发生的风险实时通知出来，最终达到对业务风险的提前预警。
总结
大数据项目要打破传统思维，除了对显性数据进行数据处理和分析，更加要针对隐性数据进行深度的挖掘和分析，发现潜在的数据关联，来支持业务改进，规避业务风险。只有不断的探索和发现数据之间蛛丝马迹的联系，才能在大数据上得到更多业务价值。
浏览1422次
浏览5005次
浏览7223次
浏览9671次
浏览1983次
浏览5477次
2024-08-23 上海
2024-07-20 上海
2024-06-28 上海
2024-04-25 上海
打开微信扫一扫，分享到朋友圈
