如果疫情已经到了拐点，相信我们每个人都意识到，这场危机带给我们各行各业的挑战都是巨大的，作为物流人，如何提高物流效率，把最合适的货物以最快的速度交到最需要的人手上，如何做到成本最优，资源最小，如何持续改进，不断优化，如何数字化，让我们操作人员和管理人员了然于胸？我们可能要借助大数据和物流分析了。

01、什么是物流分析？

物流分析是一个术语，用于描述组织的分析程序，以分析和协调物流和供应链功能，以确保及时，经济高效地平稳运营。物流行业是可以充分利用大数据和商业智能（BI）的行业，每天处理的所有货物，重量，尺寸，联系方式或退货的巨大流量，产生了大量必须管理的数据。你们处理数据方法正确吗？还有潜力仍未开发吗？这些都是本文和朋友探讨的内容。

02、物流分析软件的好处

运输流程的智能信息可以提供新的成本优化杠杆，决策达到一个全新的水平，可以实时或几乎实时地管理信息流，并可以使用专业的物流仪表板（Logistic Dashboard）创建有关交互式报告。

利用创新的物流分析，将您的物流数据转化为有意义的见解，目的是改善您的业务绩效，有以下功能：

1.进行详细的成本效益分析以提高您的盈利能力

2.简化您的供应链，同时增加运营能力

3.优化准时交货以确保客户满意度

4.根据实时数据制定重要的业务决策

5.借助预测分析来估计未来的瓶颈和高峰

适当地管理物流分析也将减少运输错误，它将使您开发新的标准和物流KPI，以评估运输经验（时间范围，交付成功，退货等）。在竞争激烈，客户需求量很大的行业中，控制和了解所有物流数据将对您的日常业务活动产生重大影响。

03、物流中的大数据优化供应链的5个示例

大数据正在革新许多业务领域，而物流分析就是其中之一。物流的复杂性和动态性，再加上对许多可移动设备的依赖，这些设备会在供应链的任何地方造成瓶颈，使物流成为大数据的理想用例。

例如，大数据可用于优化路由，简化流程，并为整个供应链提供透明性，从而使物流公司和船运公司都受益。在我们的研究中，有98％的3PL表示，改进的数据驱动型决策“对于未来供应链活动和流程的成功至关重要”。此外，接受调查的81％的托运人和86％的3PL表示，有效使用大数据将成为“其供应链组织的核心竞争力”。

但是大数据需要大量高质量的信息源才能有效地工作。所有这些数据从哪里来？应该包括：

1.来自操作系统的传统企业数据

2.来自传感器，监控器和预报系统的交通和天气数据

3.车辆诊断，驾驶方式和位置信息

4.金融业务预测

5.网站浏览模式数据

6.社交媒体数据

显然，可以通过多种方式为数据系统提供所需的信息。DHL表示，所有这些数据源和潜在用例都表明，大数据和自动化技术将导致“以前在制造，物流，仓储和最后一英里交付方面无法想象的优化水平”。

无论如何，对于愿意利用大数据的物流公司来说，前途似乎一片光明。现在，我们将研究物流中的大数据示例，以及一些可以激发您的想象力，并让您跳出框架思考的好处。

1.可以加快运输的最后一英里

众所周知，供应链的最后一英里效率低下，成本高达总交付成本的28％。导致这种情况的因素很多，包括：

对于大型送货卡车来说，将卡车停在市区目的地附近可能是一个挑战。驾驶员通常不得不停放一段时间，然后将包裹走到最终地址。然后，他们可能不得不上许多阶梯或在高层建筑中等待电梯。

有些物品可能被签收，客户不在家里，则该物品无法交付。

送货人员必须格外小心，以免在最后一站中损坏包装，并且必须以专业的方式送给收件人。

除了这些挑战之外，很难确切地知道交付的最后一站到底发生了什么，导致有人说最后一英里是交付数据的“黑匣子”。

大数据旨在解决许多挑战。麻省理工学院大城市物流实验室主任Matthias Winkenbach在接受《华尔街日报》采访时，详细介绍了最后一英里分析如何产生有用的数据。由于低成本和移动互联网和支持GPS的智能手机的普及，以及物联网传感器和扫描仪的普及，托运人能够了解交付过程从头到尾的过程。

想象一下：装有GPS传感器的UPS送货卡车在芝加哥市中心送货。在附近停车后，送货员的电话GPS继续将数据流传输到UPS中心，告知送货需要多长时间。这不仅对客户有价值，它还使物流公司能够看到可用于优化其交付策略的模式。

例如，温肯巴赫（Winkenbach）博士说，他的数据表明，“大城市的配送中心几乎总有机会改善，方法是创建多层系统，在各个社区分布较小的配送中心，或者使用车库或较小的停车场，或者预先指定的停车位，进行分配，包装等工作。”

2.过程更加稳定更加透明

随着传感器在运输车辆，以及整个供应链中变得越来越普遍，它们可以提供数据，从而实现前所未有的透明度。

这种透明性对于托运人，承运人和客户而言非常有价值。如果装运要迟到，承运人希望尽快知道，以便他们可以防止供应链下游出现瓶颈。承运人公司可以使用汇总数据来显示托运人按时交付的频率，与托运人进行沟通。

想象一下：物流公司在其所有送货车中都嵌入了传感器，而具有GPS功能的智能手机可以弥补任何空白。第三方物流公司验证传感器的准确性，然后在物流公司竞标新合同时使用这些传感器的可靠性和及时性数据。这种开源的，完全透明的信息可能会改变物流世界中的业务方式。

3.路线得到优化

在本文开头引用的3PL调查中，有70％的受访者表示“优化物流”是物流中大数据的最佳利用方式。

为什么物流公司对优化如此感兴趣？原因有两个：它可以帮助他们节省资金并避免延迟发货。在管理交付系统或供应链时，您必须在过度使用资源和车辆与使用车辆不足之间划清界限。如果您在一条运输路线上投入了过多的车辆和资源，那么您所花费的钱就会超出您的预算，而且在其他地方资源可能不够。

但是，如果您低估了某个特定路线或交付所需的车辆数量，则有使客户延迟发货或者到货的风险，这会对您的客户关系和品牌形象产生负面影响。

优化的挑战方面，有效分配资源所涉及的因素也在不断变化。例如：燃油成本可以改变、高速公路和道路可以暂时关闭，也可能新建、由于维修或新购置，您使用的车辆数量可能会发生变化、季节性和即时性天气状况都在不断变化.....

大数据和预测分析为物流公司提供了克服这些障碍所需的额外优势。送货卡车上的传感器，天气数据，道路维护数据，车队维护时间表，实时车队状态指示器以及人员时间表都可以集成到一个系统中，该系统可以查看过去的历史趋势并提供相应的建议。

UPS是大数据物流带来大量节省的现实示例。在检查了他们的数据之后，UPS发现卡车向左转要更费钱。换句话说，UPS觉得更多的左转导致大量的延误，燃油浪费和安全风险。

正如TheConversation上题为“为什么UPS司机不左转”的帖子所述，通过减少左转，UPS“声称它每年减少1000万加仑的燃料，减少20,000吨的二氧化碳排放，并多送350,000多个包裹”。一千万加仑的天然气是一笔巨款。

现在，UPS驾驶员仅在大约10％的时间向左转，他们选择直行或右转。由于采取了“仅在绝对必要时才左转”的策略，UPS还减少了其使用的1,110辆卡车，并将公司车队的总行驶距离减少了2,850万英里。

4.易腐烂商品的新鲜度更高

保持易腐品的新鲜度一直是物流公司的挑战。但是，大数据和物联网可以使交付和管理人员更好地了解如何防止因货物损坏的成本。

例如，假设有卡车正在运送冰淇淋和甜点。您可以在卡车内部安装温度传感器，以监视内部货物的状态，并将此数据以及交通和道路工程数据提供给中央路由计算机。还有，如果最初选择的路线会导致冰淇淋融化，这台计算机可以警告驾驶员，并建议其他路线。

5.仓库和供应链的自动化

不久的未来，大数据，自动化技术和物联网的结合将使物流成为自动化的操作。

大数据允许自动化系统通过智能路由，以及许多不同的数据集和数据流来运行。例如，亚马逊的配送中心已经配备了自动化设备，该自动化设备使用少量的橙色KIVA机器人从货架上抓取物品。

如果您居住在距亚马逊中心30分钟之内的地方，亚马逊还有自动无人机可以为您运送物品。Uber和其他公司已经在进行自动驾驶汽车的试运行，不难想象整个供应链可以自动化，从装卸，驾驶到最终交付。

也许人类仍然会参与到城市地区的最后一英里运送中，使用自行车或踏板车在繁忙的城市街道上穿行，而郊区将有自动驾驶卡车或无人机运送。

大数据正在改变物流的本质，我们正处于风口浪尖。物流中的大数据可用于减少最后一英里交付过程中的效率低下，提高供应链的透明度，优化交付，保护易腐货物以及使整个供应链自动化。

物流公司正在努力做出更多以数据为依据的决策。具有远见卓识的公司已经将传感器和物联网与商业智能软件相结合，正在降低成本并提高客户满意度。