讀「切莫空談大數據,解讀需要走出物流大數據應用的誤區」有感
按:文中所說的車、司機大數據公司的老總和易流的張總、黃總是本人敬佩的物流人;讀罷黃總大作,本人深有感觸、得到很好學習;關於物流大數據的論述,也有一些想法和意見,借黃總的文章,狗尾續貂;文中觀點,不針對任何個人,純作為對行業問題的探討,得罪之處,請多包涵。(本人觀點以紅字作為標識)
物流數據化、數據驅動物流是物流業發展的大趨勢,物流大數據會越來越重要。然而當下物流大數據應用出現一些不好的現象,走進了唯數據論的誤區,誤導物流大數據的發展。
從本質上來講,物流是貨物位移的組織過程,在這個過程中,物的存儲、位移永遠是需要首先考慮的,物流數據要依賴於真實的物流過程存在,物流大數據的價值在於對物流過程的優化、物流服務品質的評估、物流信用評估、宏觀經濟分析等方面。
自從大數據這個詞被引入到物流領域,關於物流大數據的聲音層出不窮,相當多的關於物流大數據應用的場景描述偏離了物流活動本身,為了談數據而談數據,誤導了物流大數據的發展。
浩峰的意見:現在的大數據,大家普遍知道是個好東西,打個比方:就如知道人蔘是個好東西,但好在哪裡?對哪些人適用?怎麼使用?目前普遍處於摸索階段;我覺得,先要允許不同聲音存在、允許大家從不同層面進行嘗試;先是為數據而數據,逐漸要規範數據源、數據使用和開放數據的使用。
物流大數據應用常見的誤區
最近有一種傾向,凡是提「物流大數據」就把應用場景往卡車發動機參數搜集、節省油耗、司機駕駛行為等與物流的組織過程本身沒有關係或關係不大的方面去引導的,這些就是典型的物流大數據應用的誤區。
浩峰的意見:真正的大數據應該是跨企業、跨平台的;大數據概念引入國內也為時不長,對大數據的理解和應用目前處於概念階段的比較多,對大數據的理解、應用大家都處於摸著石頭過河階段,大數據轉換成生產力除了需要數據量外,還需要考慮數據質量、數據分析的工具、數據清洗、數據建模,基於不同的維度產生不同的應用;但大數據分析得出的結論,是否科學、有效?這受限於諸多內外部因素,數據本身只是一個層面。
我個人覺得,以上提到的涉及車、司機的數據收集,基於第三方平台對大量各用車單位數據的收集,如果能產生真實、有效、類目繁多的數據,我認為也可以是物流大數據的一種;因為,基於運輸業務的車、司機是物流的基本要素,體量龐大,每天在路上跑的各物流單位的車、司機規範操作,基於管理工具讓車、人安全、可控,也就是讓占物流一半比例的運輸版塊安全可控,這也是數據產生了價值;應用的層面不同而已。
以下關於三大車輛層面的誤區,本人非車管專業人士,不妄作評論,留給該車平台來進行答覆;但總體意見,我認為這些數據應該有其價值,要看怎麼來用;包括在油耗上,其實無論是作為單位車還是個體車,油耗都是用車人和車主考慮的一個較大比重的成本;是否有好的駕駛習慣對運輸質量影響也大,通過基於數據的分析,通過防預性駕駛策略,進而影響服務質量。【誤區一】
卡車發動機數據
卡車發動機數據重要嗎?重要,這是對發動機的故障診斷及保養維修等方面是重要的。但是對物流而言,卡車發動機的數據在絕大數情況下可有可無。為什麼呢?貨主要發貨,承運車輛得按時到達發運地、按要求送達目的地,首先是有沒有可用運力的問題。這個時候,車型、載重的信息要優於發動機的信息。例如,貨主根據自身業務及貨源情況,需要12.5米的車,承運商不能派個9.6米或17.5米的車還說因為這些車可以採集到發動機的數據吧。
卡車發動機數據,是卡車製造商及卡車4S店關注的數據,因為卡車售後服務可以通過數據來準確判斷卡車發動機的問題。
有一種聲音,需要每分每秒感知發動機ECU、OBD的數據,這是在誤導物流行業。
ECU發動機電控單元是發動機控制系統的核心,開放ECU會帶來擅自修改發動機參數改變發動機功率和扭矩的現象。OBD是用來檢測尾氣排放的。這些數據與物流活動沒有什麼關係。
開放ECU和OBD數據還有個非常現實的問題,每種型號的發動機都不一樣,都需要根據每款發動機的情況單獨解碼。
從發動機主機廠的角度,是不願意開放ECU、OBD參數的,一旦開放這些數據,最終因為參數改變引發的發動機故障和安全事故主機廠要不要負責任?
【誤區二】
油耗數據與省油
對自營車隊的管理而言,採集油耗數據最根本的目的是防止司機偷油,有一定的意義。但是在中國,90%以上的車都是個體車輛,都是三、五輛車的個體小車隊。個體車主及個體司機都是精打細算的主,這個群體對節省油耗和成本是最關注的,同時也是非常專業的。油耗數據對個體車主及司機而言,沒有多大的參考價值。
另外,想通過油耗數據來達到省油的目的,一般也是徒勞的。因為影響油耗的因素是多方面的,例如車況、載重、路況這些因素,是司機、物流公司無法改變的,該耗多少油還得耗多少油。
【誤區三】
司機駕駛行為數據
中國物流業的小散亂,司機是替罪羊,把物流業的落後歸咎於司機難管是不對的。現實是,貨運司機是中國勞動中最吃苦耐勞、最艱辛的一個群體,他們走南闖北、風雨無阻。
有的人講,可以根據駕駛行為數據判斷司機的性格,進而淘汰性格不好的司機。這個觀點是站不住腳的,因為性格無法用好壞來評判。司機既然從事了貨運這個行業,就自然會遵守行業的規則,什麼事該做或不該做,司機最清楚。一旦上路,所有的風險和責任都是由司機來承擔,就算有再大的委屈,司機都會壓著自己的性子。可以說,貨運司機是比較靈活甚至圓滑的一個群體,這是行業環境和職業要求使得他們必須靈活和圓滑。
根據駕駛行為數據管理司機通常也是無效的,例如不能根據ACC數據強制司機熄火,總不能大熱天的不讓司機開空調吧?又比如,不能根據發動機及變速箱的數據,來要求和指導司機上坡如何掛擋。
物流大數據應用要回歸到物流業務本身
物流大數據很重要,這個行業趨勢沒有哪個物流企業可以避開。那麼對企業而言,該從哪些視角去看待物流大數據呢?
我們認為至少有這幾個視角:物流服務質量、物流活動效率和物流數據徵信、物流優化、宏觀經濟分析是物流大數據應用中應該重點關注的。
浩峰的意見:以上幾個視角,是不錯的用數據來指導物流業務的視角;但基於目前行業現狀及大數據的特點,會有些問題,路還比較長,以下根據黃總的視角,本人也談談自己的理解;不針對個人,只作為問題的探討。
視角1:物流服務質量
物流大數據可以反映物流企業的服務質量。例如物流服務的時效表現如何,是不是出庫、發運、送達老是延遲或遲到?例如貨物安全,因為貨損、貨差、丟貨被投訴的頻率是多少?在冷鏈物流方面,物流過程的溫濕度是否都是合格的?這些都可以通過物流過程的大數據來反映。基於物流過程的大數據,還可以向貨主提供自主查詢服務,提高客戶的物流體驗。所以,行業需要從物流服務質量的視角來看待物流大數據。
浩峰的意見:物流服務質量,從這個層次來看,我覺得這也不是大數據;目前來看,這些服務質量只是單個物流公司或集團範圍內的數據,遠遠達不到大數據的要求;因為同樣一個服務主體,比如某司機,雖然服務於多個物流公司,但多家物流公司的數據目前來看是都是孤島,可能司機在某公司、某時間段表現不錯,但在另一公司、時間段表示不盡如人意;貨主間、物流公司間的數據不能打通,單一主體的數據即使再多,也不能叫大數據。這也是行業和社會未來努力的方向,怎樣將服務數據打通,形成真正的大數據。
目前的物流平台,在一定程度上解決了第三方公共化的問題,但平台與平台之間還會存在數據壁壘;這也是未來努力打破的方向。
視角2:物流活動效率
物流大數據有沒有價值,還需要從物流活動效率的角度來分析。物流企業應該從如何提高資源利用率的角度來挖掘物流大數據的價值,例如如何提高運力的利用率、倉庫貨位空間的利用率、托盤的周轉率等等。此外,還可從如何提高業務協同的視角來挖掘物流大數據的價值,例如利用物流大數據來壓縮業務流程中的一些環節等等。總之,物流大數據要在提高物流活動效率上發揮作用。
浩峰的意見:物流活動效率,大數據有一定指導意義,但還有受到外部經濟環境影響,人的操作和管理意願和能力的影響,上下游產業鏈供需的影響,政府政策和行業環境的影響;單純靠挖掘本企業所謂大數據來提升物流效率還略顯不足;比如就拿托盤的周轉率來說,單純拿本企業近三年來托盤使用量、流向、使用情況來分析是不夠的,還要看目前企業所流通的行業比如純凈水等是否景氣、托盤社會化產業政策是否為社會普遍接受,在產業鏈上下游是否能接受和流通,本企業對托盤管理的能力(採購、使用、回收、維修、報廢),本企業是傾向於本地建廠罐裝還是通過鐵路運輸,這些都是影響托盤周轉率的因素;基於企業級的大數據在提升物流效率上作用有限。
視角3:物流數據徵信
物流大數據可以發揮數據徵信的作用。物流業誠信體系不健全,那是因為無法記錄企業及各個從業主體的誠信行為。隨著物流業不斷數據化,物流大數據可以反映出每一個貨主、物流企業、車主、司機等的誠信水平。
目前的行業現狀是,每個企業都說自己是誠信的,但都沒有數據依據來證明。基於物流大數據,整個物流業就有了數據徵信的基礎,進而基於數據徵信可以對接金融機構,發展物流金融。企業可以憑藉自身的數據徵信獲得融資,金融機構可以基於物流數據徵信開展物流金融業務。
浩峰的意見:物流大數據對行業鏈條中每個主體進行徵信,並通過徵信衍生出許多增值服務,這個理想很好;其實,現在有許多第三方物流平台,如路歌電商平台、易流平台、第E物流等等,也在基於本平台關係方-物流企業、車主在平台上產生的交易數據(最少半年左右),可以判斷他們的實力,基於此,可以開展保理、小額貸款業務支持物流從業者;
阿里的芝麻信用基於個人交易數據、個人資產情況、教育情況、銀行流水等可以對個人評估出信用額度芝麻分,可以在阿里體系及阿里合作機構中享受借貸、消費優惠;騰訊徵信基於個人社交大數據可以對個人信用進行畫像;國家授權的徵信機構越來越多,但需要將基於交易的徵信數據、基於社交的徵信數據、基於國家公權機關的個人信用數據、基於行業平台的信用數據打通 ,這樣才能對類似物流從業者的徵信更精準的畫像,因為可能存在某個主體他可能在行業中徵信很好,但在銀行徵信、民間借貸上徵信不好。
視角4:物流經營管理優化
物流大數據可以用來優化物流的經營管理。物流優化往往無從下手,因為缺乏數據來把握整體情況。例如業務流程的優化需要業務流程的大數據,業務網路優化需要業務網路的大數據,調度優化需要運力大數據及貨源大數據等等。有了物流大數,可以在物流經營管理的優化上做很多事情。
浩峰的意見:單個物流實體的大數據對其經營管理進行優化有一定作用;但這裡有個問題,我們做信息化的知道,系統中反映的數據有時不能全面、真實地反映物流實際業務情況,基於做賬的需要,數據可能高於或低於實際情況;大數據是基於系統而來,不真實或有一定水份的數據分析得來的優化結論可能「差之毫釐,謬以千里」,務實的管理者不會全盤依靠數據來進行管理,數據分析的結論在目前階段只作為經營管理的參考而不能完全依靠此作決策。
當社會、法律法規、行業對數據真實性從立法、風氣上變得成熟了,企業對數據真實性、有效性真正從內、從外都真正認可並付諸實施,企業間物流大數據也打通了,那麼,我覺得,大數據對物流經營管理優化會更好地發揮作用。
視角5:宏觀經濟分析
物流大數據在宏觀經濟分析,交通樞紐規劃方面都可以發揮作用。
浩峰的意見:企業間、企業和國家統計、管理部門不能作到數據安全地共享,社會上不能產生真正的第三方跨行業、跨平台徵信大平台,就形成不了真正的物流大數據;物流大數據的宏觀經濟分析責任在於國家統計部門、發改委、交通運輸部等,國家機關有能力做好數據統籌工作,但做這個工作的意願、急迫性可能會稍為欠缺;但相信,在本屆政府習、李對互聯網+、大數據的理解和重視下,行業協會、行業人士再多些呼籲和引導,是可以加快物流大數據的應用;由政府層面立法、行業協會主導、行業各數據平台開放配合,這個事成功的可能性更大。
結束語
物流大數據涵蓋的面非常廣泛,幾乎每個物流要素都可以有其自身的大數據,物流大數據的應用前景非常廣闊。但是物流數據化以及物流大數據才剛剛起步,整個行業的物流大數據基礎還非常的薄弱。如果一味地炒作數據化形象,甚至把物流大數據引導到和物流活動無關緊要的焦點上,這對物流大數據的發展甚至物流業的發展是在誤導。所以物流業要警惕物流大數據泡沫,踏踏實實地夯實企業自身的物流數據化基礎。
浩峰的意見:贊同黃總的意見;物流大數據目前的難點在於
1、 物流信息化水平目前參差不齊;
2、 物流系統數據不能全部真實
3、 物流數據分別存儲在各物流主體、各家物流平台,未能共通
4、 數據安全、數據共享目前還有待改進、理念不能普遍接受
5、 缺少從上到下打通橫向和縱向數據的機構、機制
所以,物流大數據真正指導物流政策制定,指導物流行業經營管理,通過大數據來提供增值服務,這條路還是比較漫長;這需要全行業、各階層共同努力,允許從不同層面進行探索、嘗試。這個事,行業一直在探索、踐行著!推薦閱讀:
※堆內和堆外
※獨家 | 一文帶你上手卷積神經網路實戰(附數據集&學習資料)
※大數據Hadoop常見異常處理,初學的你要看看
※大數據架構師技能
TAG:大數據 |