物流大数据在企业的应用 智慧物流建设离不开大数据
大数据发展迅速,融入到各行各业中。当然,物流行业也在大数据的浪潮中不断成长。为了让读者更好地了解物流大数据的内容,小编整理了相关资料,希望对大家有所帮助。
大数据给物流带来了什么?
伴随着中国经济增长,物流业经历了十多年的高速发展,取得了不少成就,行业得到了快速增长,但也存在不少问题,比如成本结构不合理,行业企业分散等,仁达方略研究认为,未来物流业将呈现以下特点,比如规模化,科技化和专业化,大数据的应用也将使智慧物流成为未来发展方向。
物流路线
物流企业运用大数据来分析商品的特性和规格、客户的不同需求等问题,从而用最快的速度对这些影响配送计划的因素做出反映(比如选择哪种运输方案、哪种运输线路等),制定最合理的配送线路。
而且企业还可以通过配送过程中实时产生的数据,快速地分析出配送路线的交通状况,精确分析配送整个过程的信息,使物流的配送管理智能化。
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,是一举多得的好事情!
物流选址
物流中心选址问题要求物流企业在充分考虑到自身的经营特点、商品特点和交通状况等因素的基础上,使配送成本和匿定成本等之和达到最小。
通过运用大数据,物流运输效率将得到大幅提高,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。
仓库储位
合理的安排商品储存位置对于仓库利用率和搬运分拣的效率有着极为重要的意义。对于商品数量多、出货频率快的物流中心,储位优化就意味着工作效率和效益。
哪些货物放在一起可以提高分拣率,哪些货物储存的时间较短,都可以通过大数据的关联模式法分析出商品数据间的相互关系来合理的安排仓库位置。
大数据时代的来临,不是技术的变革,首当其冲是思维的变革,随之而来的将是商业模式的改变。企业应聘请专业的咨询顾问,养成定期研讨新生事物对企业运营产生的影响,仁达方略拥有多个行业顶尖专家、顾问,可以满足企业相关需求。
智慧物流建设离不开大数据 须从五方面推进
春节前后,随着部分物流快递人员回家过年,物流快递业凸显紧张。物流行业能否从粗放的模式向更智慧化的方向发展呢?实际上,近几年随着移动互联网、物联网、云计算、大数据的发展,智慧物流炒得很热,政府、企业、科研单位、大学都制订了发展规划或列入研究重点,投入了大量人力、物力、财力,已取得一定的阶段性成果。展望未来,笔者认为,智慧物流发展应在五方面重点考虑。
确立智慧物流的全球与公共视野
2008年11月,IBM首次提出了智慧地球的概念。2009年,奥巴马宣布智慧地球是美国的国家战略。从此以后,智慧地球、智慧国家、智慧城市成了全世界炒作的热点,为此展开了一场信息化技术大战,推动了移动互联网、物联网、云计算、大数据的快速发展。
所谓“智慧”,就是用信息技术使装备与控制智能化,代替人又高于人,从而改变一个国家、一个城市、一个行业的发展模式与运作模式,达到提高效率与效益的目的。
随着经济全球化的发展,全球采购、全球生产、全球流通、全球消费成为一种必然趋势,使现代物流业成为一种朝阳产业,智慧物流也就摆上了议事日程。但讲智慧物流必须有两个视野,一个叫全球视野,一个叫公共视野。所谓全球视野,是说世界是平的,没有任何力量可以阻挡商品、资金、信息、技术的全世界流动,智慧物流成了全世界的共同目标,所以一定要把智慧物流放进全世界去观察、去研究,智慧物流只是智慧地球、智慧城市的一个组成部分,是一个子系统而已。所谓公共视野,是说智慧物流着眼于公共利益,而不是单个企业为了追求利润而能实施的,企业智慧物流的运用,只是公共智慧物流的体现而已,所以,智慧物流不可能靠企业单打独斗,要打破条块分割、地区封锁恶习,树立全国、全行业一盘棋的思想。
把智慧物流融入智慧城市
2009年,国务院发布的《物流业调整和振兴规划》,明确了全国性物流节点城市21个,区域性物流节点城市17个。2014年,国家发改委等有关部委发布的《物流园区发展规划》中,明确一级物流园区布局城市29个,二级物流园区布局城市70个。为什么物流规划都布局到城市?道理很简单,一个国家的政治、经济、文化都是以城市为中心的,全球的城市化率超过60%,中国的城市化率已达到55%。
智慧城市已成了全世界的行动。中国的大中城市都已提出了建设智慧城市的目标,2013年1月29日,住房与城乡建设部公布了首批国家智慧城市试点名单共90个,将投入900亿元进行积极探索。北京市已制订“智能北京行动纲领”,提出智能交通、电子病历、远程医疗、智能家庭、电子商务等为主攻目标。智慧城市是城市信息化的必然产物,利用信息技术把城市几十万、几百万、几千万人的各种信息加以汇集、分析、决策,提高城市的管理水平与居民生活的智能化,改变目前普遍存在的城市病。但这是一个非常漫长的过程。困难的不完全是信息技术问题,更多的是要改变人们的理念,改变政府的管理模式。
智慧物流对一个城市来讲,应当放在优先发展的位置,城市的生产与建设,城市居民的生活,每时每刻都离不开物流。物流市场不规范,物流运作不集约,使物流成本居高不下,交通运输拥堵,生活质量下降。所以,《物流业调整和振兴规划》与《物流业发展中长期规划》都把城市配送列为重大工程,2013年2月,交通部等七部委发出了“关于加强和改进城市配送管理工作的意见”,2012年,商务部、财政部在全国9个城市启动了现代物流技术运用与共同配送试点,2013年又增加了15个城市。
智慧物流在智慧城市的运作中应有三个突破,一是交通管理,二是共同配送,三是运输装备。
智慧物流要夯实技术基础
离开了移动互联网、物联网、云计算、大数据,谈不上智慧物流,所以,信息技术的研发与运用是最关键的。要发展无线射频识别(RFID)、电子数据交换(EDI)、全球定位系统(GNSS)、地球信息系统(GIS)、智能交通系统(ITS)等技术,大力推进物流信息化与智能化建设。2012年2月,工信部发布了《物联网“十二五”发展规划》,2013年2月17日国务院办公厅发布了《关于推进物联网有序健康发展的指导意见》,明确要建立健全部门、行业、区域、军地之间的物联网发展统筹协调机制,这就为智慧物流的发展夯实了基础。2013年8月14日,国务院又发布了《关于促进信息消费扩大内需的若干意见》,进一步明确了信息技术研发,信息产品消费,特别是完善智慧物流基础设施,加快实施智慧物流工程的要求。
智慧物流离不开大数据
最早提出大数据的是全球知名咨询公司麦肯锡。该公司认为:“数据已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素,人们对于海量数据的挖掘与运用,预示着新一波生产率增长和消费者盈余浪潮的到来。”
英国经济学家舍恩伯格在《大数据时代》一书中指出,大数据带来的信息风暴正在变革我们的生活、工作和思维,大数据开启了一次重大的时代转型。
智慧物流离不开大数据,以菜鸟为例,为什么马云敢于集结大量资金来打造物流智能骨干网“菜鸟”?一个很大的原因是,阿里巴巴已有了一个大数据的坚实基础,使得整合顾客消费习惯与货物区域分布情况,并在分析未来趋势的基础上打造智能物流骨干网络系统成为可能。“菜鸟”能否成功,关键不在资金、技术,而在如何把供应商、电商企业、物流公司、金融企业、消费者的各种数据全方位、透明化加以整合、分析、判断,变成产品,变成行动方略。
智慧物流向智慧供应链延伸
物流是供应链的一部分,过去一直提物流业与制造业的联动发展,取得了不少突破性的成绩,现在应当强调两点,第一,物流业不仅要与制造业联动发展,同样要与农业、建筑业、流通业联动发展。第二,提联动发展已经不足,而应当提融合发展,你中有我,我中有你。制造企业、流通企业、建筑企业、农业公司都应当抓自己的核心竞争力,把非核心竞争力的业务外包。中国目前许多实业仍然停留在“大而全”、“小而全”的商业运作模式,社会化程度不高,所以,形成了物流需求不足,特别是高端增值物流服务不足的局面。
供应链管理是物流发展的必然趋势,是所有实业经济发展的必然趋势,是改变经济发展方式的杀手锏。所以,智慧物流一定要向“智慧供应链”延伸,通过信息技术,实施商流、物流、信息流、资金流的一体化运作,使市场、行业、企业、个人联结在一起,实现智能化管理与智能化生活。(丁俊发)
智慧物流时代到来 大数据提升效率
目前,中国物流的规模已位居全球第一,尤其以电商结合的快递来看,不管是快递的包裹数、成本和性价比都已占据全球第一位。据相关数据统计,2015年中国社会物流总额达220万亿元,货车司机3000万人,在用车辆1450万辆,从业人数达八九千万人,中国已成为名副其实的世界第一物流大国。2015年我国从事物流活动的企业法人单位数超30万家,物流岗位吸纳的从业人员总数超过3000万人,是所有实体行业中增长最快的行业之一。
但中国物流的现状仍然比较落后和传统。在近日首届中国智慧物流品牌日论坛上,菜鸟网络投资总经理段浩介绍,以运输为例,中国运输企业、车辆非常多,但跑在高速公路、城市的配送空载率非常高,达到40%。
中国物流与采购联合会会长、中国物流学会会长何黎明也表示,物流市场的运营主体小而散,运营环节多而杂,粗放经营模式还占相当大的比重,物流基础扩张较快施较快,但是线路与节点之间整体的效能还有待发挥。物流运营的信息化、标准化、智能化程度还不高,创新发展动能不足。
“过去说降低物流成本是降低物流企业的收益,这个观点是错误的。”国家发改委综合运输研究所所长汪鸣认为,企业从制造端、从物流服务端三端发力降低成体运行成本,降低整体运行成本需要把端点很好的衔接起来,衔接技术是信息化,信息化的核心是智慧物流的重要支撑。
目前,智慧物流的时代已经到来,那么什么才算是真正的智慧物流呢?汪鸣认为,智慧物流最终落在信息化、供应链技术的支撑上,否则所谓的智慧只是一种伪智慧、假智慧。
海尔集团董事局副主席、轮值总裁周云杰表示,传统物流发展到一定规模时,就需要研究其效率和成本,将物流仅看作是一个运输工具就没有了价值。
“对于物流来讲,我们希望海尔就是一个平台,包括资源平台,即物流服务的产品平台,货源平台以及包括解决方案平台等。将供应链管理、定制需求、通用需求结合起来,形成一个智慧物流生态。下面有物流网、营销网、服务网做支撑,搭建一个大的物流生态为全线提供服务。”周云杰称。
段浩认为,利用大数据在商贸流通中发挥更大的作用和价值是推进智慧物流的根本手段。包括如何同样在火车、汽车等交通工具运输的情况下提高装载率,减少高速公路无效的车辆流动。
以菜鸟为例,段浩透露,目前菜鸟的电子面单占到所有电商物流包裹的70%,通过智能分单的系统,以及智能分捡设施用自动化替代,效率提高80%—90%。利用电子面单和智能路由分单系统,使得分拨中心真正智能化,取代人工操作。2015年,菜鸟花了7天时间送完2.4亿包裹,而2014年这一数字是16天。
以海尔日日顺为例,2015年的单量日日顺增长率达78%,2014年破损率为0.6%,2015年达到了0.5%。2014年-2015年一体化安装用户增长121%。
对于未来物流企业的发展方向,易观智库分析顾问群组总经理董旭认为,物流不仅仅解决的是仓储和运输、用户配送安装的问题。无论是向下往售后的延伸,还是向上往供应链和产业链上游的延伸,物流企业都将有非常巨大的空间可以和产业链当中的上下游合作,通过网络数据的布局,能够服务到整个零售链条。
从十大物流技术分析亚马逊如何玩转物流大数据
2015年年底召开的中央经济工作会议和中央城市工作会议,都把房地产行业当做目前经济形势中需要解决的重大问题进行了讨论。一方面要求去库存,另一方面鼓励降低价格。
房地产到底有没有泡沫,十年来成为国中热点。辩论焦点在于,中国的房地产繁荣,究竟是因为“刚需”,还是因为“投机投资”?“刚需”方的大旗上描着中国城镇化的新城镇人口大军,画着曼哈顿青年只租不买的困顿模样,写着城市住宅涨幅不高的官方数字;投资投机方则完全依靠出奇制胜,时不时去观察一个城市的住宅夜生活或者测量一下水表电表等。
剑走偏锋无非是因为可供使用的佐证资源稀少。中国房地产价格近十几年一路猛进高歌,但是中国的房价数据由于统计口径等各种因素,很难令所有人信服的权威数据,或者所谓“权威”数据与群众常识实在差得有点离谱,难以对实际生活或者经济形势起到指导作用。
房价一般怎么走?看看美国
由于政策的原因,中国的房地产业实际上是近十几年才得以出现的的商业化产业,其历史数据、趋势和经验实际上都颇为匮乏,我们不如看看其它成熟市场国家的例子。
美国的房价在过去的100多年中的年平均增长率约为3%,此间美国的平均通胀率为2.8%。从整体数据看来,如果房价涨幅远高于通胀率,增长就会停止,或者干脆出现下跌。100年中,只有1943-1947是唯一的明显跑赢通胀又没有跌回去的阶段。但这段时间恰恰跨越二次世界大战后期及战后重建,或者应当作为一个特例。
值得一提的是,房价增长率不高于通胀率的规律不仅适用于平均,而且适用于美国一线城市。
100年中,美国发生过3次十年累积涨幅超过100%的“牛市”:
第一次是1938-1954之间,妥妥的二战效应。
第二次是1974-1979之间,主要是通胀驱动,扣除通胀后年增长极低或者为负。
第三次是1995-2007之间的大牛市,年平均涨幅为11%,扣除通胀后仍然有8%。
不过这次超越通胀的“大牛”,已经尽人皆知了,后来被证明是泡沫,并引发波及全球的次贷危机。
2011年,美国房价在扣除通胀后已经低于一个多世纪以前的1895年。但随着美国经济的复苏,2013年,美国的平均房价已经超过扣除通胀后的历史平均。
房价应该怎么走?请自行心算
根据公开数据,中国在过去10年间,住房价格年均上涨约9%,城镇居民名义收入年均增长12%,经通胀调整后的城镇居民收入每年增长7%以上。同一区间,美国和英国的实际收入年均增长率分别为1%和0.3%。
迅猛无匹的收入增长当然会带来迅猛无匹的消费热情和迅猛无匹的房地产热潮。
潮热得发烫,甚至出现了许多可圈可点可歌可泣令人发指到可以写入一千零一夜的故事。比如为了买个价格死贵的房子,半夜三点就要搬着铺盖卷儿去排大队。比如房子压根儿还只有广告,想要预订的人就把自己三代九族的关系全动用上了。那些扛着麻袋去付款,以及一买就是好几幢的故事根本排不上号,因为最为可怕的是你身边的每一个平凡普通得不能再平凡普通的人都在想方设法买、多买、再多买房子,而且他们都说:“再不买就没机会啦!”
市场貌似是多方的,也是空方的,但结果,市场终究是多方的。
先有理论说,美国和英国的住房拥有率大约为64%,中国应该向发达国家消费水平进军。但是貌似中国的房屋拥有率已经超过了这个数字,于是风向又变了:“美国人英国人大多数都是租房子的。他们根本不买房子,所以我们中国人买不起房子也是正常的,应该的。”
当然租房子的理论似乎也有一定道理。因为房租对房价的比率也是一个衡量房价的重要指标,因为房租通常代表了真实的需求,而非投资价值。但是请看一看,在1960年第一季度到2013年第一季度之间,美国平均房租对房价比率为4.98%。21世纪初的房地产泡沫期间,房租对房价比率下降到2.98%。然后,心算一下你门口的房租房价比率。
好吧,还有理论说,国外的大城市也是房价高得吓人的。2014年美国一个房产网站算出最“难以负担”房价的几个城市,可以看到,旧金山的收入中位数是79624美元/年,房产价中位价格是769600美元,圣地亚哥收入61426美元/年,房产价格504200美元,纽约收入65786美元/年,房价396700美元,洛杉矶58869美元/年,房价420300美元,迈阿密收入46964美元/年,房价270000美元。仅供参考,请自行心算。
房地产本正常,但在中国有点怪
但是,房地产确实为中国经济增长作出了不小的贡献。有估算称,2010年,住房及相关行业为中国GDP增速贡献了3个百分点,但2015年只有1.1个百分点。同一时期,经济增速从10.6%放缓至6.9%,这样一推算,经济增速有一半降幅是由住房市场的萎靡造成的。
可以说,房地产库存积压严重,已经造成了经济的极大下行压力。据估算,目前全国房地产已竣工待售的面积逾6亿平方米,占压资金万亿元以上。在建未售面积约为48亿平方米,待开工面积为8.5亿平方米,全国整体库存约为63亿平方米。全国房地产开发投资增幅急剧回落,同期房屋新开工面积降幅不断扩大,不仅如此,用于住宅建设的水泥、钢材、玻璃以及铜等的需求也随之疲弱。
其实,房地产本来也不应该是什么怪胎,更不是“洪水猛兽”。美国用于观测宏观经济形势的参数指标里,房地产赫然有自己身份,新屋开工指数等等,莫不是审视经济是否高效运行的有效数据,而且也与总体经济增长及就业率等国家和民生发展都息息相关。总体而言,当美国经济繁荣昌盛,股市信心十足,房地产价格也十分喜人。反之亦然。
但回头来看中国,似乎就有了一些蹊跷之处。
中国房地产价格近十年一路猛进高歌,但这十年里,股市几度哀鸿遍野,恐怕说明民众对实体经济的信心还是低迷。诚然,中国作为新兴国家的代表之一,在后金融危机时代表现出了极强的活力,并曾成为世界经济走出衰退泥沼的希望。然而,从深层次来说,中国本身也面临许多问题,面临出口导向型行业的萎缩,面临经济转型期的阵痛。
因此,为了将来的可持续发展,为了稳健崛起,我们已经非常明晰,现在的主要任务不是火箭式上升,而是在一个缓速着陆的过程中,经济增速保持有序平稳,经济改革逐步进行。并且把各项政策和措施都予以了相应调节和修正。
然而,这时,房地产价格还在节节攀高,就早已超越了中国经济的真实节奏,甚至也不符合国际经济的规律。
正是这种与真实经济面的背离,才有了今天房地产的大量库存和可持续性减弱,并且对整体经济造成了拖累。
为什么会异化?
中国房地产价格的异化,主要是住房消费在中国出现异化,即住房不仅仅是作为自用消费的居所,而被当成投资品,甚至成为投机交易的获利手段。当然,存款长期负利率、通胀预期是这种异化的主要推手,加上中国投资渠道相对狭窄,房地产在中国也被赋予金融属性。每个买房的人言必称“保值”“升值”。不可忽视的是,中国经济尤其是地方经济对房地产的依赖,更为房地产价格的上升推波助澜。在这种循环叠加的多重推动下,无怪乎民众的心理预期 “越调越高”,房价则进步神速,“越飞越飘”。
由此分析,买的人其实均人心惶惶,不买的人必然人心愤愤。无论买或者不买,都是消费者对市场信心极度不足的表现,也必然成为社会不稳定的极大隐患。
此外,投资投机在市场中的受追捧一定会大大打击实体经济的发展。毕竟,既然可以“临渊待鱼”,谁还有意愿“退而结网”呢?
更危险的是,当房价止升见跌,那些与房地产开发商利益捆绑过紧的银行业将何以自处?房地产沦为投资品或者投机交易者的真爱时,往往是经济金融风暴酝酿之时。美国、日本、东南亚的金融危机都能见到此间样板。
在次贷危机爆发的前五年,美国不少地方的房地产价格都上涨一倍以上。这种房地产市场泡沫在带来了纳斯达克股市泡沫破灭及“9?11”之后的美国经济繁荣的同时,也带来了金融业的大量坏账隐患和实体经济的萎缩。
前两年德国一个家庭因无力承担房贷而自杀的消息铺天盖地,德国央行称,从人口、经济等基本面因素考虑,德国的房价上涨很难被视为合理。
那到底是有多“不合理”呢?综合而言,那三年德国房地产价格总体涨幅为约8.25%。而德国央行已然担心房地产热潮在德国失控,并言之凿凿,长此以往,可能导致“重大的宏观经济风险”,损害德国的金融稳定。
虽然被贻笑大方,《华尔街日报》甚至称,德国人对物价稳定“过于痴迷”。但这种“痴迷”的结果昭然。2008 金融风暴后,德国经济已经算是世界不多的奇葩之一了。
去库存,防“崩盘”
当然,中国现在并不存在“崩盘”的可能,因为,资产类别泡沫的最大危险是高杠杆,而在中国,购房者的杠杆水平较低,过去3年大约15%的买家是全款购房,而贷款购房者被要求最低支付30%的首付款。
而且,中国房地产市场存在的问题,不仅仅是一个“量”,而是巨大的“错配”。这和我们过往的经济发展地区间不平衡、城乡间发展不均衡等问题息息相关,出现了许多“有房没人住”,“有人没房住”的独特景象。有些行政力量则往往在市场监管中迷失方向,先是“好大喜功”的拼命卖地、刺激投资、鼓吹房地产,继而又拼命“限购”、压制需求,不久又“松绑”等等,缺乏理智的规划和有效的引导,甚至有些人和地区沦落成为房地产商的附属品,并因此造成了地区与地区脱节、价格与收入脱节、房产与实业脱节的总体供给与需求脱节,把好好的作为经济动力的房地产市场变成了经济掣肘。
为此,决策层最近要求化解房地产库存。否则,中国经济的稳定健康成长亦难以实现。
到底买还是不买?
回头来看,在房产涨了十倍的十年间,许多人日日都在或欣喜若狂、或惶惧惊恐地问,要不要买房?要不要再买一套房?要不要还买一套房?要不要又买一套房?
哎??我为什么说“又”呢?
当市场终于停止了疯狂攀升,许多人日日都在怅然若失、如丧考妣地问,我失去了一个豪饮狂歌空度日的机会了吗?我真的失去了这个豪饮的机会吗?我难道失去了这个狂歌的机会吗?我又失去了一个空度日的机会吗?
哎??我为什么又说“又”呢?
市场也是社会,投资犹如恋爱。买房本来是长期投资,为生活生计打算,好比你是打算结婚,那就更注重是否能满足你主要的和基本的需要,长远考虑,不用太计较短期得失。投资好比是找小三,心有余力偶尔为之,那就更注重是不是能带来短期的回报,而且一时得失之后你总能全身而退。或爱得痴缠、或恨得切齿,或者一时,不能一世。时时事事追求快感,这人一定活得很短。
因此,市场最危险的是,用欲望左右你,让本该结婚的人都去找小三,甚至倾其所有。
可惜婚姻的存在有其稳定性的社会价值,市场也有相似的市场伦理。美国次贷危机是最近也是最好的例证,当人人都在为自己勇做齐人的把控能力、以小搏大的福气、收益不菲的欢愉而偷笑之时,市场的稳定性早已被破坏殆尽,剩下的,只是等待最后溃破的到来。乱象留下的一定是更乱的残局。
当经济收益已经有了非常态的逻辑时,就是我们应当警惕的时候了。
\
亚马逊从成立至今经历了20年的发展,同时也是引领电商仓储物流发展的20年。记得贝佐斯曾经说过:你可以学会亚马逊的过去、学会亚马逊的现在,但你学不会亚马逊的未来。从20年前贝佐斯的汽车房到今天的机器人库房、直升机配送,亚马逊开创了一整套以高科技为支撑的电商仓储物流的模式,在过去20年的快速稳健的发展中,亚马逊已经形成了成熟的覆盖全球的运营网络。
通过20多年的积累,亚马逊已经织建了一个通达全球的网络,通过遍布全球的109个运营中心,可到达185个国家和地区。在中国,亚马逊有13个运营中心,近300多条干线运输线路,可向1400多个区县的消费者提供当日达、次日达服务。这样的规模,足以让亚马逊跻身世界一流物流企业。
亚马逊是最早玩转物流大数据的电商企业:亚马逊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管理。创新地推出预测性调拨、跨区域配送、跨国境配送等服务,不断给全球电商和物流行业带来惊喜。
1、亚马逊的智能机器人Kiva技术
亚马逊2012年7.75亿美金收购的Kiva Systems,大大提升了亚马逊的物流系统。据悉时至2015年亚马逊已经将机器人数量增至10000台,用于北美的各大运转中心。Kiva系统作业效率要比传统的物流作业提升2-4倍,机器人每小时可跑30英里,准确率达到99.99%。
机器人作业颠覆传统电商物流中心作业“人找货、人找货位”模式,通过作业计划调动机器人,实现“货找人、货位找人”的模式,整个物流中心库区无人化,各个库位在Kiva机器人驱动下自动排序到作业岗位。
2、无人机送货
早在2013年12月,亚马逊就发布Prime Air无人快递,顾客在网上下单,如果重量在5磅以下,可以选择无人机配送,在30分钟内把快递送到家。整个过程无人化,无人机在物流中心流水线末端自动取件,直接飞向顾客。2014年亚马逊CEO贝佐斯在公开表示,亚马逊正设计第八代送货无人机,将采用无人机为AmazonFresh生鲜配送服务。
3、订单与客户服务中的大数据应用
亚马逊是第一个将大数据推广到电商物流平台运作的企业。电商完整端到端的服务可分为五大类,即浏览、购物、仓配、送货和客户服务等。
1)用户浏览:亚马逊有一套基于大数据分析的技术来帮助精准分析客户的需求。具体方法是,后台系统会记录客户的浏览历史,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心,这样方便客户下单。
2)购物便捷下单:在这方面可以帮助客户不管在哪个角落,都可以快速下单,也可以很快知道他们的喜欢的选品。
3)仓储运营:大数据驱动的仓储订单运营非常高效,在中国亚马逊运营中心最快可以在30分钟之内完成整个订单处理,也就是下单之后30分钟内可以把订单处理完出库,从订单处理、快速拣选、快速包装、分拣等一切都由大数据驱动,且全程可视化。由于亚马逊后台的系统分析能力非常强大,因此能够实现快速分解和处理订单。
4)配送:精准送达是对于当前电商物流来说,绝对是一个技术活,电商物流的快物流不是本事,真正高技术的电商物流服务,是精准的物流配送,亚马逊的物流体系会根据客户的具体需求时间进行科学配载,调整配送计划,实现用户定义的时间范围的精准送达,美国亚马逊还可以根据大数据的预测,提前发货,实现与线下零售PK赢得绝对的竞争力。
5)CRM客服:大数据驱动的亚马逊客户服务,据悉亚马逊中国提供的是7X24小时不间断的客户服务,首次创建了技术系统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服务工具,大数据可以保证客户可以随时随地电话联系对应的客户服务团队。
4、智能入库管理技术
在亚马逊全球的运营中心,可以说是把大数据技术应用的淋漓尽致,从入库这一时刻就开始了。
1)在入库方面:采用独特的采购入库监控策略,亚马逊基于自己过去的经验和所有历史数据的收集,了解什么样的品类容易坏,坏在哪里,然后给他进行预包装。这都是在收货环节提供的增值服务。
2)商品测量:亚马逊的Cubi Scan仪器会对新入库的中小体积商品测量长宽高和体积,根据这些商品信息优化入库。例如鞋服类、百货,新的爆款等等,都可以直接送过来通过Cubi 测量直接入库。
这给供应商提供了很大方便。客户不需要自己测量新品,这样能够大大提升他的新品上升速度;同时有了这个尺寸之后,亚马逊数据库可以存储下这些数据,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,再把这些数据放到合适的货物里就可以收集信息,有利于后续的优化、设计和区域规划。
5、大数据驱动的智能拣货和智能算法
1)智能算法驱动物流作业,保障最优路径:在亚马逊的运营中心,不管是什么时间点,基本上在任何一个区域、任何一个通道里面,你不太会看到很多人围在一起,为什么?因为亚马逊的后台有一套数据算法,它会给每个人随机地优化他的拣货路径。拣货的员工直接朝前走,不要走回头路。系统会给推荐下一个要拣的货在哪儿,永远不要走回头路。而且确保全部拣选完了之后,路径最少,通过这种智能的计算和智能的推荐,可以把传统作业模式的拣货行走路径减少至少60%。
实现方式:拣货的时候,系统会告诉员工,拿着扫描枪,下一个应该去到哪个货位去检,走的路是最少的,效率最高。
2)图书仓的复杂的作业方法:图书仓采用的是加强版监控,会限制那些相似品尽量不要放在同一个货位。图书穿插摆放,批量的图书,它的进货量很大,因为它的需求很大。所以这样一来,亚马逊通过数据的分析发现,这样穿插摆放,就可以保证每个员工出去拣货的任务比较平均。
3)畅销品的运营策略:比如奶粉,有些是放在货架上的,有些是放在托拍位上的。像这些离的发货区会比较近,亚马逊根据后台的大数据,知道它的需求量也比较高,所以它进来的时候都是整批整批的进,然后就会把它放在离发货区比较近的地方,这样可以减少员工的负重行走路程。
6、随机存储
1)随机存储的运营原则:随机存储是亚马逊运营的重要技术,但要说明的是,亚马逊的随机存储不是随便存储,是有一定的原则性的,特别是畅销商品与非畅销商品,要考虑先进先出的原则,同时随机存储还与最佳路径也有重要关系。
2)随机存储与系统管理:亚马逊的随机存储核心是系统Bin,将货品、货位、数量绑定关系发挥极致。收货:把订单看成一个货位,运货车是另一个货位,收货即货位移动;上架:Bin绑定货位与货品后随意存放;盘点:与Bin同步,不影响作业;拣货:Bin生成批次,指定库位,给出作业路径;出货:订单生成包裹。
3)随机存储运营特色:亚马逊的运营中心有两大特色,第一个特色就是随机上架,实现的是见缝插针的最佳存储方式。看似杂乱,实则乱中有序。实际上这个乱不是真正的乱,乱就是说可以打品类和品类之间的界线,可以把它放在一起。有序是说,库位的标签就是它的GPS,然后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。
7、智能分仓和智能调拨
亚马逊作为全球大云仓平台 ,智能分仓和智能调拨拥有独特的技术含量。在亚马逊中国,全国10多个平行仓的调拨完全是在精准的供应链计划的驱动下进行的。
1)通过亚马逊独特的供应链智能大数据管理体系,亚马逊实现了智能分仓、就近备货和预测式调拨。这不仅仅是用在自营电商平台,在开放的“亚马逊物流+”平台中应用的更加有效果。
2)智能化调拨库存:全国各个省市包括各大运营中心之间有干线的运输调配,以确保库存已经提前调拨到离客户最近的运营中心。以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就可以下单购买,这是大数据体系支持全国运输调拨网络的充分表现。
8、精准预测、二维码精准定位技术
1)精准的库存信息:亚马逊的智能仓储管理技术能够实现连续动态盘点,库存精准率达到99.99%。
2)精准预测库存,分配库存:在业务高峰期,亚马逊通过大数据分析可以做到对库存需求精准预测,从配货规划、运力调配,以及末端配送等方面做好准备,平衡了订单运营能力,大大降低爆仓的风险。
3)亚马逊全球运营中心中,每一个库位都一个独特的编码:二维码是每一个货位的身份证,就是一个GPS,可以在系统里查出商品定位,亚马逊的精准的库位管理可以实现全球库存精准定位。
9、可视化订单作业、包裹追踪
跨境电商方面:从今年8月13日亚马逊发布了海外购?闪购,这是依托保税区/自贸区发货的创新模式。亚马逊海外购的商品非常有价格优势,同质同价。
1)全球云仓库存共享:在中国就能看到来自大洋彼岸库存,亚马逊实现全球百货,直供中国,这是全球电商供应链可视化中,亚马逊独特的运营能力。在中国独一无二地实现了全球可视化的供应链管理。
国内运作方面:亚马逊平台可以让消费者、合作商和亚马逊的工作人员全程监控货物、包裹位置和订单状态。比如:昆山运营中心品类包罗万象,任何客户的订单执行,从前端的预约到收货;内部存储管理、库存调拨,拣货、包装;以及配送发货,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,并通过系统实现全订单的可视化管理。
10、亚马逊独特发货拣货技术
今年双11的亚马逊运营中心,大量采用这样的八爪鱼技术。很形象,作业人员像八爪鱼,像千手观音一样。会根据客户的送货地址,然后设计出来不同的送货路线。不同时间点经过不同的线路,分配到不同的流水线方向。在八爪鱼这边的作业台操作的员工,主要是负责把在前面已经运作完的货品,分配到专门的路由上去。
这种运营模式一个员工站在分拣线的末端就可以非常高效地将所有包裹通过八爪鱼工作台分配到各个路由上面,八爪鱼是非常高效的,据说这是亚马逊员工自己设计的。站在中间那个位置,一个人可以眼观六路,这个作业可以通达八方,非常的高效,没有人员的冗余。而且,八爪鱼上全部是滚珠式的琉璃架,没有任何的板台,员工的作业很轻松。
其他重要的技术应用
1)物联网技术:在亚马逊的运营中心, 安全标准设定很高,人和车物要分开,所以会有镜子帮助工作人员了解周围路况,有人就停下来。另外,司机有安全带,员工有安全帽,安全帽里有芯片,如果探测到一定范围内有人,也会停下来,镜子的用途即是同理。
2)双库联动模式:亚马逊昆山运营中心有一个类似于天桥的传送带,全封闭式,其作用是完成不同品类的合单,可以通过传送带将一个库的货物转到另一个库中,这个又叫双库联动。而这里又是超大库,在两个超大库之间进行双库联动对效率有非常高的要求,对时间点的把控也很严格。
总结
以上是对亚马逊运营中心物流技术的全面梳理,可以让大家全面的了解亚马逊的物流技术的细节,其实亚马逊的技术远远不只这些,但对于当前的电商物流的行业朋友,能够搞懂这些技术,就已经很牛了。
同时也正是借助于上述技术,亚马逊在今年的双11中的数据尤为可观。根据来自亚马逊中国的最新消息显示,亚马逊双11当日全国订单100%按计划完成出库和发货,正点送达率超过98.4%,实现了与平时同样的时效和质量承诺。其中在24个城市,顾客当天上午下单,99%已在当日完成上门配送。
大数据在物流企业中的应用
在这个信息爆炸的时代,物流企业每天都会涌现出海量的数据,特别是全程物流,包括运输、仓储、搬运、配送、包装和再加工等环节,每个环节中的信息流量都十分巨大,使物流企业很难对这些数据进行及时、准确的处理。随着大数据时代的到来,大数据技术能够通过构建数据中心,挖掘出隐藏在数据背后的信息价值,从而为企业提供有益的帮助,为企业带来利润。物流企业应用大数据的优势
面对海量数据,物流企业在不断加大大数据方面投入的同时,不该仅仅把大数据看作是一种数据挖掘、数据分析的信息技术,而应该把大数据看作是一项战略资源,充分发挥大数据给物流企业带来的发展优势,在战略规划、商业模式和人力资本等方面作出全方位的部署。
(1)信息对接,掌握企业运作信息
在信息化时代,网购呈现出一种不断增长的趋势,规模已经达到了空前巨大的地步,这给网购之后的物流带来了沉重的负担,对每一个节点的信息需求也越来越多。每一个环节产生的数据都是海量的,过去传统数据收集、分析处理方式已经不能满足物流企业对每一个节点的信息需求,这就需要通过大数据把信息对接起来,将每个节点的数据收集并且整合,通过数据中心分析、处理转化为有价值的信息,从而掌握物流企业的整体运作情况。
(2)提供依据,帮助物流企业做出正确的决策
传统的根据市场调研和个人经验来进行决策已经不能适应这个数据化的时代,只有真实的、海量的数据才能真正反映市场的需求变化。通过对市场数据的收集、分析处理,物流企业可以了解到具体的业务运作情况,能够清楚地判断出哪些业务带来的利润率高、增长速度较快等,把主要精力放在真正能够给企业带来高额利润的业务上,避免无端的浪费。同时,通过对数据的实时掌控,物流企业还可以随时对业务进行调整,确保每个业务都可以带来赢利,从而实现高效的运营。
(3)培养客户粘性,避免客户流失
网购人群的急剧膨胀,使得客户越来越重视物流服务的体验,希望物流企业能够提供最好的服务,甚至掌控物流业务运作过程中商品配送的所有信息。这就需要物流企业以数据中心为支撑,通过对数据挖掘和分析,合理地运用这些分析成果,进一步巩固和客户之间的关系,增加客户的信赖,培养客户的粘性,避免客户流失。
(4)数据“加工”从而实现数据“增值”
在物流企业运营的每个环节中,只有一小部分结构化数据是可以直接分析利用的,绝大部分非结构化数据必须要转化为结构化数据才能储存分析。这就造成了并不是所有的数据都是准确的、有效的,很大一部分数据都是延迟、无效、甚至是错误的。物流企业的数据中心必须要对这些数据进行“加工”,从而筛选出有价值的信息,实现数据的“增值”。
大数据在物流企业中的具体应用
物流企业正一步一步地进入数据化发展的阶段,物流企业间的竞争逐渐演变成数据间的竞争。大数据能够让物流企业能够有的放矢,甚至可以做到为每一个客户量身定制符合他们自身需求的服务,从而颠覆整个物流业的运作模式。目前,大数椐在物流企业中的应用主要包括以下几个方面。
(1)市场预测
商品进入市场后,并不会一直保持最高的销量,是随着时间的推移,消费者行为和需求的变化而不断变化的。在过去,我们总是习惯于通过采用调查问卷和以往经验来寻找客户的来源。而当调查结果总结出来时,结果往往已经是过时的了,延迟、错误的调查结果只会让管理者对市场需求做出错误的信计。而大数据能够帮助企业完全勾勒出其客户的行为和需求信息,通过真实而有效的数据反映市场的需求变化,从而对产品进入市场后的各个阶段作出预测,进而合理的控制物流企业库存和安排运输方案。
(2)物流中心的选址
物流中心选址问题要求物流企业在充分考虑到自身的经营特点、商品特点和交通状况等因素的基础上,使配送成本和匿定成本等之和达到最小。针对这一问题,可以利用大数据中分类树方法来解决。
(3)优化配送线路
配送线路的优化是一个典型的非线性规划问题,它一直影响着物流企业的配送效率和配送成本。物流企业运用大数据来分析商品的特性和规格、客户的不同需求(时间和金钱)等问题,从而用最快的速度对这些影响配送计划的因素做出反映(比如选择哪种运输方案、哪种运输线路等),制定最合理的配送线路。而且企业还可以通过配送过程中实时产生的数据,快速地分析出配送路线的交通状况,对事故多发路段的做出提前预警。精确分析配送整个过程的信息,使物流的配送管理智能化,提高了物流企业的信息化水平和可预见性。
(4)仓库储位优化
合理的安排商品储存位置对于仓库利用率和搬运分拣的效率有着极为重要的意义。对于商品数量多、出货频率快的物流中心,储位优化就意味着工作效率和效益。哪些货物放在一起可以提高分拣率,哪些货物储存的时间较短,都可以通过大数据的关联模式法分析出商品数据间的相互关系来合理的安排仓库位置。
物流企业应用大数据时存在的问题及对策
物流企业信息系统中拥有数万亿字节的用户信息、商家信息以及业务运营信息,数据已经成为业务活动的副产品。尽管大数据的应用意味着大机遇,拥有着巨大的商业价值,但在应用的过程中也面临着数据质量、管理政策、资金投入等诸多方面的挑战。只有解决这些基础性的挑战问题,才能充分利用这个大机遇,让大数据为物流企业创造价值。
(1)大数据的质量和实效性难以把握
大数据来源有很多,数据结构随着数据源的不同而不尽相同,物流企业要想从多个数据源及时的获取高质量的数据并进行有效地数据整合,是一个巨大的挑战。在数据收集的阶段,由于数据的变化较快,有效期很短,而且单一的数据结构难以满足物流企业对数据的需要,如果物流企业没有实时的收集所需的数据,那么收集到的数据很可能是无效的,过期的数据,在一定程度上影响着数据的质量。因此,物流企业应该重视大数据收集的质量问题,建立专门的数据库和专门的数据仓储设备来储存数据,保证数据的质量和有效性。同时,数据库管理员应该根据数据的结构设计数据存储和使用标准,以方便数据的快速读取和利用。
(2)物流企业高层管理者对大数据技术缺乏高度的重视和支持
只有得到了物流企业高层管理者的重视,一系列跟大数据有关的应用及发展规划才能有望得到推动,大数据的价值才能在物流的运营过程中真正的挖掘出来。然而,大数据在中国还处于不成熟的阶段,再加上大数据本身的多样性和复杂性,使得大数据的质量就无法得到有效、全面的保证,许多的物流企业高层管理人员还没有意识到大数据挖掘技术、大数据分析技术给自身企业带来的商业价值到底有多大,对大数据的认识还没有真正提升到企业发展的战略高度。因此,物流企业高层管理者应当加强对大数据的认识,清楚大数据在信息时代的真正价值所在,建设完善的数据中心和完善的数据质量保证制度,带领企业迎接这场没有硝烟的大数据战争。
(3)数据中心亟需专业的数据管理人员(cdo)
专业数据管理人员的配备才是保证大数据质量的关键,由于大数据本身的多样性、复杂性增加了大数据在处理和管理上的难度,现在物流企业亟需专业的既懂得数据挖掘、数据分析技术,又熟悉物流企业运营的复合型技术人才即首席数据官(chiefdataofficer,cdo)。因此,在大数据环境下,物流企业想要充分利用这一机遇就必须加大对cdo这样的新型管理人才的招聘。
(4)将非结构化的数据转化为结构化的数据是一项巨大的挑战
数据有着结构化数据和非结构化数据之分,结构化数据是指储存在数据库里,只能用二维表结构来表达的数据;而非结构化数据是指包括所有格式的文本、图片、办公文档、各类报表html、xml、图像和音频/视频信息等等。在物流企业的运营过程中,非结构化数据的存储必须要先转化为结构化的数据才能够存储,因此,引进先进的数据转化技术是物流企业数据质量的保证。
(5)数据开放与隐私的平衡,亦是一大难题
在信息时代,用户的各种行为需求都是可以被记录的,甚至各种习惯、爱好,电话号码,个人信息都会被记录在数据库里,这些数据的泄漏必然会给客户带来一些不必要的骚扰。因此,面对激烈的物流企业间的竞争,推动数据全面开放、应用和共享的同时,物流企业内部必须完善保护客户隐私的规章制度,同时国家也应逐步加强隐私立法。
总结与展望
总之,大数据已经渗透到物流企业的各个环节,引起物流企业普遍关注的同时已经给它们带来了高额效益。但是,面对大数据这一机遇,物流企业的高层管理者仍需给予高度的重视和支持,正视企业应用大数据时存在的问题。
相关阅读
PPT干货丨新常态下大数据在物流供应链中的应用
我国智慧物流的发展现状及存在的问题
本文为数据观精编文章,数据观网址:www.cbdio.com
责任编辑:陈卓阳