英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
3.物流大数据
企业正在学习如何将大规模数据转化为竞争优势。他们对市场需求的精确预测，彻底的个性化服务，以及全新的商业模式，都展现出他们对之前未开发的数据的挖掘利用。
正是由于现今的最佳实践触及了许多垂直市场，使得我们有理由预测，大数据分析也将成为物流行业的一种颠覆性趋势。然而，大数据分析在这个领域的应用并不是当即立显的。为了发现有价值的使用场景，必须首先彻底考察物流业务的特殊性。
3.1物流是一项数据驱动的业务
就关于如何应用大数据的讨论的一个突破性开始是着眼于创造和消费信息。在物流行业，大数据分析之所以可以提供竞争优势是因为有五个独特的属性。这五个特性也突现出大数据在物流行业中最有效的用武之地。
它们为每个物流供应商所拥有的独特信息资产提供了路线图。在下面的部分中，我们将鉴定利用此信息价值的特定用例，以及有助于提高操作效率、更好的客户体验或开发新的业务模型。
|
|
|
|
|
|
|
|
|
|
3.2用例——运营效率
在商业环境中应用大数据分析的一个简单方法是提高运营效率水平。这就是IT行业一直在做的事情——加速商务进程——，但大数据分析仅仅是有效地打开了这一油门。
3.2.1最后一英里的优化
限制在分销网络中实现高运营效率的是在“最后一英里”，供应链的最后一段往往是最昂贵的一段。因此，优化最后一英里交付以此降低产品成本是大数据技术的一个有前景的应用。
有两种基本方法可以使数据分析成为提高最后一英里效率的有力工具。在第一个也是渐进性的步骤中，大量的信息流被处理，以进一步最大化传统运输车队的性能。这主要是通过实时优化配送路线来实现的。第二种，更具突破性的方法是利用数据处理来控制整个全新的最后一英里运输模型。这样一来，就实现了用大量随机流动人群的原始能力取代了高度优化劳动力的作用。
1.实时路线优化
“旅行商问题”大约在80年前就已形成，但它仍然定义了最后一英里交付的核心挑战。最后一公里路线优化的目的是节省配送过程中的时间。实时信息的快速处理以多种方式支持这一目标的实现。当送货车装卸货物时，传感器会检测货物从而可以据此动态计算最佳送货顺序，这也使工作人员从手工排序中解放出来。在路上，远程信息处理数据库会根据当前的交通状况自动改变送货路线。路由智能会考量收件人发布的位置信息和可达性，从而避免不成功的投递尝试。
总而言之，每一辆送货车接收到的送货顺序都是考虑地理因素、环境因素和接收者的状态而不断地调整的。是什么让这一切成为一个大数据问题？它需要执行依赖实时事件的相关流的组合优化程序，以此动态地改变行驶中的车辆路线。因此，每个司机都会收到由机载导航系统更新的即时的驾驶方向，引导他们到下一个最好的配送点。
DHL智能货车
- 根据到货数据，每日优化初始行程计划
- 动态路由系统，会根据当前的订单和交通情况重新计算路线
- 削减成本，提高二氧化碳效率，例如通过减少里程
2.基于群体的收货和投递
群体的智慧和能力已经成为有效解决商业问题的强大杠杆。招聘员工，资助创业公司，或者进行网络研究，这些只是从群体中获取资源的几个例子。应用到分销网络中，基于人群的方法可能会在最后一英里创造大量的效率提升。这个电子很简单：可以付钱给通勤者、出租车司机或学生，让他们在自己要走的路线上接手最后一英里的送货服务。扩大这些归属于时而有空运输者的大群体的数量可以有效地减轻运输车队的负担。
尽管基于大众的快递需要激励，但它仍有降低最后一英里的快递成本的潜力，尤其是在农村和人口稀少的地区。不利的一面是，基于群体的方法也面临着一个至关重要的挑战：对大量随机移动的配送资源的自动化控制。用大数据技术的话回答就是，需要大量数据的处理能力，例如复杂事件处理和地理相关性。跟踪一个实时数据流，以便根据各自的位置和目的地将货物分配给可用的承运人。隶属时而有空群体的运输者通过一个移动应用的界面来发布他们当前的位置，并接受预先选定的配送任务。
上面的两个用例说明了优化最后一英里配送的方法，然而它们是完全相反的。在这两种情况下，大量实时信息（来自传感器、外部数据库和移动设备）被结合起来，以使最高效率的运营配送资源。这两种大数据应用都得益于移动技术的普及。
DHL MyWays
- 独特的基于群体配送的B2C包裹
- 在时间和地点上的灵活配送
- 利用现存的城市居民的流动
3.2.2预测网络和容量规划
资源的最佳利用是物流供应商的一个关键竞争优势。运力过剩降低了盈利能力（这对低利润的转运服务来说至关重要），而运力不足则影响服务质量，使客户满意度面临风险。因此，物流供应商必须在战略和运营层面上进行全面的资源规划。战略层面的规划是考虑配送网的长期结构，而运营层面的规划则以日或月为基础扩大或缩小容量。从这两个角度来看，大数据技术提高了规划的可靠性和详细实现的水平，使物流供应商能够完美匹配需求和可用资源。
3.战略网络规划
在战略层面上，配送网的拓扑结构和容量将根据预期的未来需求进行调整。这一规划阶段的结果通常会推动长期需求和摊销周期的投资，如对仓库、配送中心和定制车辆的投资。因此，更精确的产能需求预测可以提高效率并降低投资存储和运输车队能力的风险。大数据技术通过分析过境点和运输路线的综合历史容量和利用率数据，为网络规划和优化提供支持。此外，这些技术会通过学习算法，考虑季节性因素和新兴的货流趋势，依次提供了大量的统计序列。外部经济信息（如特定行业和区域增长预测）也被涵盖在内，以此更准确地预测特殊的运输能力需求。
综上所述，可以通过进阶回归和场景建模技术来挖掘更大量和更多样的信息，以此大幅提高预测价值。其结果是一种新的伴随扩大预测期的规划质量——这有效地减少长期基础设施投资和对外承包能力的风险。它还可以暴露出任何即将发生的产能过剩，并将其作为自动反馈来加速销量。这是通过动态定价机制，或通过将过剩产能转移到现货市场交易来实现的。
4.运营容量规划
在运营层面上，必须在日复一日的基础上有效地管理运输节点和运输路线。这涉及到卡车、火车和飞机的容量规划，以及配送中心和仓库人员的调整转移计划。通常，运营计划任务是基于历史平均值，甚至是基于个人经验，这就常常导致资源效率低下。
相反，利用高级分析功能，分销网络动态的进口量与出口量就可以被建模，并且对容量要求的影响就可以被提前计算出来。关于货物（那些正在进入分销网络、正在运输和正在存储的货物）的实时信息被聚集起来以预测未来48小时的资源分配。这个数据是自动地来源于仓库管理系统和沿运输链的传感器数据。此外，对需求方面特别变化的侦测是源于外部可获得的客户信息（例如，关于产品发布、工厂开业或意外破产的数据）。此外，局部事件也会被侦测（例如，地区性疾病暴发或自然灾害），因为这些可能会扭曲特定区域或产品的需求指数。
这种对资源需求的预测帮助人事运营部门为每个特定的地区去提高或降低容量规模。但好处远不止如此。精确的预测也会揭示出路线或运输节点上即将到来且无法通过局部尺度来标注出来的拥挤。例如，一架运货飞机在满负荷工作时，就必须把任何更为加急的货物留在出发地机场。仿真结果对这种类型的拥塞能够提供早期预警，以使货物重新分配到不拥塞的路线，减轻当地的短缺。这是一个能很好说明了大数据分析如何将分销网络转变为自我优化的基础设施的例子。
以上两种运用大数据技术的场景都提高了分销网的资源利用效率，但他们对数据的处理方式是不同的。战略优化综合来自各种来源的大量数据，以支持投资和合同决策，而运营优化则基于实时数据流以持续预测分销网络流量。
DHL包裹数量预测
- 衡量外部因素对包裹预期数量影响的分析工具
- 将外部数据与内部分销网络数据相关联
- 生成的大数据预测模型显著地增强了运营容量规划
由DHL对策与创新部门正在进行的研究项目
3.3用例——客户体验
目前，大数据分析最受关注的方面是拥有对客户的洞察力。对于每一个企业来说，了解客户的需求和满意度都是至关重要的。但是，随着企业组织经历的商业成功的不断增多，个人客户可能会模糊成一个庞大的匿名客户基础。大数据分析有助于企业赢回拥有对个体客户的洞察力，并创造出目标客户的价值。
3.3.1用户价值管理
显然，来自分销网络的数据对于分析和管理客户关系具有重要价值。随着大数据技术的应用，以及公共互联网挖掘的不断充分，这些数据可以用来减少客户流失，了解客户需求。
5.用户忠诚度管理
对于大多数商业模式来说，赢得新客户的成本远远高于保持现有客户的成本。但是追踪和分析个人客户满意度越来越困难，因为有越来越多的间接客户接触点（如门户网站、应用程序和间接销售渠道）。正因为如此，许多企业未能建立有效的客户保留计划。
明智地使用数据，可以识别出即将离开的有价值的客户，以此来增加竞争力。通过合并多个广泛的数据源，大数据分析可以全面评估客户满意度。
对于物流供应商来说，这体现在对客户接触点记录、物流服务质量运营数据和外部数据的综合评估中。这些部件是如何组合在一起的？想象一下这样的场景：尽管当前正通过新闻专线发布稳定的销售记录，但一个物流供应商注意到一个客户降低了出货量。供应商随后便检查交付记录，并意识到该客户最近经历了延迟交付。从更大的角度来看，这些信息表明了对挽留客户行动的迫切需求。
为了实现这一目标，需要洞察的将不仅仅是针对一个客户，而是整个客户群，物流供应商必须挖掘多个数据源并使用大数据分析。客户接触点包括对销售和市场活动、客户服务咨询和投诉管理细节的回应。这一数字化客户的足迹与分销网络的数据相关，这些数据包括货运数量和收到服务质量水平的统计序列。此外，互联网还提供了有用的客户洞察：新闻机构、年度报告、股票追踪器、甚至社交媒体网站上的心情等等的公开信息，丰富了物流供应商从每个客户出发的内部视角。
在这个全面的信息库中，物流供应商可以通过应用语义文本分析、自然语言处理和模式识别等技术来提取对每个客户的潜在损耗。当（损耗）自发生成到触发点时，供应商会随后启动有前瞻性的应对措施和客户忠诚度项目。
虽然物流中的业务关系通常涉及到发送方，但就忠诚度管理必须也针对接收方。较差的服务质量对收件人有更大的影响，并且他们的反馈会影响发件人对未来发货的选择。这是一个关于互联网或目录购物的好例子：反复不断的客户投诉导致卖家考虑更换物流供应商。但若要将接收方纳入忠诚度管理，那就仍还需要更多的数据被处理，对于B2C市场尤其是这样。
对于帮助生成有关客户互动和运营绩效的综合视图，并确保发送方和接收方的满意上，大数据分析是必不可少的。
6.持续的服务改进和产品创新
物流供应商收集客户反馈，因为这提供了对于服务质量和客户期望和需求的宝贵洞察力。这些反馈是持续改进服务质量的主要信息来源。它也是新服务创新构想的重要提供。
为了从客户反馈评价中获得可靠的结果，有必要从尽可能多的接触点汇总信息。过去数据的单一来源是从CRM系统中摄取（客户关系管理系统）和用户调查。但今天，大数据解决方案提供了访问到存储着海量有用数据公共互联网网站的能力。在社交网络和论坛上，人们公开并匿名地分
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[405696]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
