每天近5000萬單快遞，上千萬互聯網約租車訂單……近年來，隨著快遞、物流、移動出行等領域積極擁抱互聯網，收發快遞、手機叫車等也正嵌入國人日常生活。日復一日的信息生成，累積起大數據應用的基石。
不少企業順勢而為，跳入藍海，掀起朵朵浪花：通過大數據，打車平臺可以更深入地了解用戶習慣、更智能地匹配訂單、更精準地預測堵點、更正確地指引路徑；通過大數據，快遞企業也能讓收派和中轉更高效，讓運力分配與物流規劃更有效。效率！效率！大數據，正以未曾想見的力度，大幅提升著車流物流的效率，改寫著交通快遞行業的時空概念。
依靠大數據路由分單，分揀一個包裹只需1—2秒
往年的“雙十一”，對快遞企業既是一場生意狂歡，也是一場嚴峻考驗。就拿分撥中心來說，來自四面八方的包裹要先集中于此，再按收貨地址分向下一網點。稍有延誤，來往的車輛、收發的包裹便會積壓擁堵。最要命的是，以前分揀工序均需技工靠著記憶和經驗完成，即便是熟練工，每單也需3—5秒。如今，這一切正因大數據路由分單而變得輕松：每個包裹貼著的電子面單上，有自動生成的路由信息，分揀員只需根據簡單的數字編碼“傻瓜操作”，每單只需1—2秒，正確率也由95%提升到98%以上。
不只是路由分單，自成立以來，阿里巴巴旗下的菜鳥網絡公司一直致力于利用大數據幫助快遞企業優化流程、縮減成本——
2013年，推出物流預警雷達。通過大數據計算，可預判消費需求、分析貨品布局、預測最優路徑，實現“訂單還未生成，包裹先行上路”。通過它，企業得以實時觀察攬收量、速度變化、節點壓力等，有效解決了旺季爆倉擁堵問題。
2014年，根據歷史訂單數據建立起四級地址庫，在庫里輸入任何一個地址，系統便可快速識別應由哪個網點派送，使“最后一公里”派送更精確更高效。
2015年，啟動“鷹眼”項目。通過挖掘分析“超時異常件”的歷史數據和實時數據，鎖定問題網點占比較高的區域，給出解決建議。有了“鷹眼”，圓通快遞的超時異常件在4個月內減少三成。
與快遞企業相同，想方設法提高效率、與時間賽跑也是打車平臺企業應用大數據的直接目的所在。“通過收集供需數據，我們能知道在每個時刻乘客發出了多少需求、有多少空閑運力，并進行訂單的實時分配。”滴滴有關負責人告訴記者，供需匹配的技術完全由滴滴自己研發，其遵循的原則是在保證成交率盡可能高的前提下，盡量縮短乘客等待時間。
提升乘客出行體驗并非那么簡單。滴滴上線之初，有些司機接單后發現離乘客很近，但在接駕過程中遇到擁堵或需要掉頭，實際卻花費了不少時間。要解決這一問題，就需要平臺對地理位置有更精確的定位、對實時路況有更準確的預估。這同樣也要依靠大數據——每臺在線車輛都會為數據后臺反饋所在路段的實時路況，從而匯總成一座城市某個時刻的整體路況。
最近，滴滴還上線了動態調價系統：在龐大的數據訂單中，即時監測出成交率過低的區域，并依據歷史交易價格來判斷加價幅度。動態調價并非按照固定的加價倍數，而是綜合衡量每張訂單的出發點和終點，確定相同的加價金額。這背后，調價監測的顆粒更小，數據更龐大，算法也更復雜。
大數據是金礦，但如果沒有得力工具，難以轉化為實實在在的經濟效益
“我們一直在研究數據，為什么近一兩年大數據會迎來爆發？”在滴滴出行有關負責人看來，這取決于三個方面：數據規模快速做大、算法進步使數據具備了挖掘價值、云計算技術的進步讓數據挖掘更簡單易行。
應用大數據，起點在于數據獲取。中國市場的龐大體量，為數據規模快速做大提供了機會。
三年時間，滴滴出行已成長為全球最大的出行平臺之一，每天訂單近千萬張，每張訂單的乘客信息、司機信息、出行軌跡都被悉心記錄下來。“每天我們要計算10億次、分析60TB的數據、規劃30億條路線，記錄8000萬公里的行駛路線，高峰時一分鐘要匹配200萬次的需求，這在中國以外的任何國家都不會見到。”滴滴出行總裁柳青直言。
有人說，數據是比石油還有價值的金礦石，但若沒有得力工具，價值便無法深入挖掘；而若應用得當，數據就會轉化為看得見摸得著的經濟效益。
“在線司機主要有三個狀態：接駕、服務、空駛。利用大數據，我們力爭讓司機以最短的時間接到最近的乘客，并指給司機最佳路徑，使其最快抵達目的地。”滴滴有關負責人表示，大數據提升乘客出行效率的同時也提升了平臺運營效率和經營效益。
“提升快遞網絡的效率，要在運作、戰術、戰略等層面深入運用大數據。”菜鳥網絡大數據科學家丁宏偉具體闡釋道：運作層面包括跟蹤訂單、安排快遞員取件送件；戰術層面則指企業根據區域訂單情況，每隔三四個月調整運力體量和線路規劃；在戰略層面，大數據可指導企業開展新擴建分撥中心等重大投資部署。
“目前，中國每天近60%的電商包裹是跑在大數據上的。”在菜鳥網絡總裁童文紅看來，電商物流行業的大數據基礎設施建設已經基本完成。
的確，相較不少行業，快遞、物流、移動出行領域在大數據應用上可謂先行一步，而其前景也依然值得期待——
挖掘程度還可更深。目前，滴滴的訂單分配還需用到人為制定的規則。滴滴認為，今后數據量更大，需要逐步依靠機器學習自動設定規則。所謂機器學習，是從數據中發現特有模式，并自動提升計算機算法性能。今年5月，滴滴成立了機器學習研究院，瞄準的就是這一關鍵點。
應用范圍還可更廣。“每天上百萬輛汽車在路上行駛，我們可以靠軌跡數據把一座城市的地圖給畫出來。”滴滴有關負責人表示，比起傳統測繪，依靠不斷變動的實時數據來畫地圖更快更新也更精準，“比如一些小路，地圖上沒有，可司機抄個近道就能顯示在后臺。”此外，今后通過后臺大數據分析，打車平臺還能估算出當下最熱門的餐廳和酒店，乃至描繪出乘客的消費習慣、能力等個人情況。
數據流轉起來，有望實現“1+1＞10”，企業期待共享政府數據
“你有你的數據，我有我的數據，但是數據流轉起來才能產生更大價值，這就是‘1+1>10’。”正如丁宏偉所言，大數據時代最需要的莫過于開放與共享。
在快遞行業，傳統使用的是紙質面單，人工錄入一單至少2分鐘；如今，依靠電子面單，只需巴槍掃描一下運單號，發貨人、收貨人、送貨企業和具體線路等完整鏈路信息便可自動錄入系統，時間只需一秒。到今年8月，國內排名前15位的快遞公司已經全部使用了電子面單，使用率接近60%。要知道，1年前，使用率還不足5%。這中間發生了什么？
原來，此前不少快遞公司也曾推廣各自的電子運單系統，但由于需和電商賣家一一進行技術對接，產生多次開發成本和時間成本，普及速度很慢。為此，菜鳥網絡聯合15家快遞公司推出標準化的公共電子面單平臺，向商家開放免費申請接入。接入平臺之后，德邦快遞切實感受到便利：以前，自有系統無法對電商賣家統一支持；現在，各個賣家在系統下單時選擇德邦后，訂單信息將自動發至后臺系統，還可將訂單號和運單號智能匹配，實現了及時查詢和對賬。
“我們跟騰訊地圖等互聯網企業有非常良好的合作。”采訪中，滴滴有關負責人也向記者表達了共享政府數據的愿望。他表示，美國在數據開放上走得較早，多年前交通管理部門就向社會公開了大量數據，若我國有關部門能將紅綠燈設置等信息公之于眾，滴滴就能對城市交通狀況有更清晰的了解，也就有可能更精準地預測行程時間，“現在是閉著眼睛去猜，今后若能睜著眼睛去看，改變會是難以想象的。”
京公網安備 11010502049343號