大数据在物流中的应用一直鲜有人提及，年是物流行业急剧变化的一年，线上线下将“融会贯通”，供应链模式为顺应业务变化而不断调整，随着移动互联网的大浪袭来，企业的物流信息化程度也不断加深，但同时物流运营过程中也产生了海量的数据，如何运用大数据可视化管理物流运营，是物流行业目前面临的机遇和难题。
一、国外大数据应用案例
UPS的动态数据处理中心大数据系统：这个系统不仅记录每个客户信息,而且对顾客邮寄包裹的一切信息进行分析，可预测客户包裹的重量、类型等，甚至可分析企业客户的财务运转状况，物流行业的数据有重要的商业价值。
亚马逊大数据新应用：未下单先发货。从下单到收货之间的时间延迟可能会降低人们的购物意愿，导致他们放弃网上购物，“预测式发货”可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹，缩短配送时间。
梅西百货的实时定价机制：作为零售行业变革的引领者，梅西百货可根据需求和库存的情况，基于SAS的系统对多达万种货品进行实时调价，实时管控线下门店定价体系。
二、国内物流的数据应用现状
中国物流行业经过十年的快速发展，在企业规模和服务模式上都取得了很大的突破，企业物流信息化程度加深，物流行业将迎来新的变革。从年的中国物流平台格局来看，物流行业的集中度不断加深：安能启动了中国零担物流的首个加盟平台；物流园区、公路港逐步整合；马云的菜鸟整合的是一个电商物流仓储+配送+系统为一体的供应链服务平台，正如马云的阿里巴巴一样，平台经济赚的不是交易和买卖的差价，是依托这个平台积累的资金流、信息流等其他商业服务中获取利润。但目前大多数企业对物流运营数据重视不够，放着沉淀下来的数据不会用。大数据时代，数据就是金矿，下面我们从一个制造企业的物流运营场景中入手，为大家解析一下大数据在物流行业的应用。
场景描述——企业物流运营中不知道有几辆车
某大型制造企业要求其承运商车辆必须安装GPS设备才能承接其业务。承运商为节约成本，采用可以自由移动的便携式设备；但在合作过程中，该企业物流管理人员发现，有多台车的数据雷同性很高（经常性同时到达，同时离开），怀疑承运商把多台车的设备放到一台车上，骗取运费。
基于这样的背景，就产生了以下的数据挖掘需求：
1.通过数据挖掘来判断欺骗是否存在，若存在，GPS最有可能放在哪一辆车上；
2.若放在同一辆车上，起始位置是在哪里，结速位置在哪里
3.从GPS数据中，挖掘出车辆经常停靠的点，甄别出异常停靠点
二、大数据分析过程
这家大型制造企业积累了半年左右的GPS数据，多达2亿条记录，50G左右，包括车牌、经纬度、速度等数据，这样海里的数据该如何处理呢？该企业选用的是易流科技提供的GPS产品及大数据分析平台，让我们一起来看一下这个大数据分析过程是怎样运作的。
整体思想及算法
整个挖掘算法基于曲线拟合的最小二乘法来判断两条轨迹是否为同一条轨迹。
1.基础思想：轨迹相同，则对应点必然相同（即重合）。因此，如图，要在轨迹2上寻找与轨迹1上点A位置相同的点时，可以以点A为圆心画圆，与轨迹2相切的点C就是所要求的点。
2.轨迹比较算法：获取轨迹1和2的经纬度数据，去掉两组数据中的相同点。
3.寻找轨迹1和轨迹2比较部分的起始点和结束点以及轨迹走势。
4.寻找两条轨迹岔路的起始和结束位置。
基于hadoop的实现思路
1.GPS是否放在同一辆车上
先建立虚拟的服务器群用以处理大数据业务。再从自有数据库中读出整个业务数据并分配到该服务器群的各个服务器当中。数据分配后，再到数据库中读取一条业务数据分别和各个服务器中所存的数据同时进行比较，如果相同则表示业务相同。这样做的最大好处就是可以同时和多台服务器进行数据对比，服务器越多，效率越高，这也是云服务器群的好处。
2.经常停靠点
按照第一步比较的原理，这次需要考核停靠点数据。如果比较中发现两条停车数据（判断按照速度和停车时间来判断）相同，即停车数据自动加一，直到比较完毕，最后再以该停车数据在地图上的位置找到相应的中心点作为经常停靠点。
结果筛选
基于这4点原则，整个结果以分析的重合结束时间与实际离库/到库时间为研究对象，具体结果展示：
分析结果中存在4种情况：
1.重合结束时间早于离库时间：车辆在业务开始前重合了一段时间，数据比例很少；
2.重合结束时间晚于离库时间而早于到库时间：两个车次重合一段时间，在未到库时分离；
3.重合结束时间与到库时间基本一致：两个车次线路基本重合；
4.重合结束时间晚于到库时间：两个车次在到库后继续重合一段时间；
问题结论
出现上述重合现象的常见业务场景：
1.货主对承运商有时效考核，承运商为了让货主看到车辆在规定的时间内到达规定的位置，让一台车按照规定时间行驶，其他车按照另外的方式行驶；
2.货主对承运商有线路考核，承运商为了让货主看到车辆在规定的线路上行驶，让一台车按照规定线路行驶，其他车按照另外的线路行驶；
3.承运商为了节约成本，提货的时候用几台小车去提货，干线运输的时候用一台大车运输，末端再用小车去配送；
4.货主下了两个单，承运商应该用两台车去运输，但是承运商实际只去了一趟车，把两趟gps设备放在同一台车上。
（经常停靠点展示）
三、大数据分析的优势
分析过程更快：类似上述的数据分析需求，用传统的方法也可以进行，但是该客户数据量比较大，用传统方法分析一次结果，大概需要几天时间，采用基于hadoop的大数据平台，挖掘50G的数据，大概需要2个小时，效率大大提升；
成本更划算：企业数据仓库和关系型数据库擅长处理结构化数据，并且可以存储大量的数据，但成本上有些昂贵。而采用小型机对数据的要求限制了可处理的数据种类，有价值的数据源在组织内可能从未被挖掘，Hadoop平台的价值就在这里。
易流的大数据分析平台模式图
四、*刚点评：大数据为物流供应链带来商业价值
1、平台角度：未来的物流平台化发展是主流趋势，驱动平台运营的核心在数据，任何物流平台都离不开大数据的支撑。
2、盈利角度：传统物流靠的是资源整合的差价获得利润，未来的物流依托数据带来的增值服务具有更大的价值，有数据的积累才会延伸金融服务，数据是未来物流盈利模式的金矿。
3、供应链可视化的需求：全程供应链可视化，这是全球供应链的发展趋势，从需求开始到满足需求的整个过程。当C2B和O2O模式全面渗透制造和流通行业时，物流信息的可视化是基础运营的重点，数据成为核心。
4、物流管理和优化必备的基础：不管理单个物流运营个体的人、设备效率，还是整个运营路径的优化，大数据积累是物流运营优化、管理提升重要支持。
5、大数据将变革物流与供应链模式：不管是美国亚马逊还是国内的京东，通过消费者的大数据分析，预测末端人群的消费者数据，提前完成物流配载和库存布局，改善了传统的供应链模式，大大提高了客户体验。
6、运营管理与风险控制：通过对物流末端数据的监控可以实现运营安全的全程实时可视，从而完成对运营安全的监控和预警，同时对资源调度与配置带来更加高效的结果。
大数据是现代物流运营管理的金矿，传统的物流商业模式将因为大数据而变革，数据的商业化应用将为行业带来诸多创新，期待更多的物流企业、物流平台机构成功的落地应用，有效的带动产业变革。
预览时标签不可点收录于话题#个上一篇下一篇