大数据在供应链物流场景下的实战应用

供应链是围绕核心企业通过对信息流、物流、资金流的控制，从采购原材料开始，制成中间产品以及最终产品，最后由销售网络把产品送到消费者手中的将供应商、制造商、分销商、零售商直到最终用户连成一个整体的功能网链结构。伴随着新一代物联网技术的广泛应用，尤其是人工智能、信息技术、大数据、云计算等技术迅速发展，供应链领域的资金流、商流、信息流和物流“四流”得以高效连接，供应链发展到智慧供应链新阶段。

在这种环境和机遇下，标准的万能型供应链物流模式已无法满足日益变化的市场需求。物流企业纷纷求变，A供应链凭借二十年供应链物流行业丰富的服务经验，以客户价值为导向，结合客户数据及需求分析，提出了集中服务于细分行业并建立在细分行业的供应链物流服务优势的企业发展战略，不断优化运作模式和运作流程，打造出集行业领先的质量、时效、服务体验于一体的全供应链运营管理服务。可为汽车行业、健康行业、洗化日用行业、食品酒水行业、母婴行业、时尚用品行业、文化用品行业、机械重工行业、新材料行业、电器行业、家居建材行业11个细分行业客户提供从原材料采购到终端配送上门包含采购物流、生产物流、销售物流、逆向物流四大物流环节的全供应链一体化的个性化物流服务，在仓储、包装、流通加工、运输、装运、配送、物流信息、客户服务等各个物流活动中打造出了可以不断产出新价值的高效益的管理运作模式。

经过二十年的发展，A企业目前所服务的大中型制造企业的数量已经超过了700家。无论作为核心企业还是作为上下游企业，其运营都离不开供应链，供应链物流板块各环节产生的数据，日积月累，数据量是惊人的。为了更好地服务细分行业客户，A供应链正在构建以大数据技术、智能自动化为核心的智慧供应链系统，通过深入分析不同细分行业供应链物流环节的业务特点，构建数据分析中心，寻找数据间的逻辑关系并深度挖掘，分析评估出最优的物流操作和管理流程，并在每个环节中通过科学的管理体系、高效的信息系统及一系列技术创新，不断提升物流效率、降低企业物流成本，帮助企业提高终端消费者的物流体验，确保企业高速发展。

A企业自2011年开始自建信息化团队，针对企业供应链特点进行信息系统的研发，以专业的行业服务能力，优化信息及数据应用，构建全供应链信息化平台，让供应链变得更智慧。在打造智慧供应链的信息化建设过程中，A企业将供应链各环节的连接打通，实现各环节间的无缝连接：

在基于供应链全链条信息流一体化管理中，构建了全供应链信息化平台——e享平台，打通整个供应链条上下游合作伙伴之间的数据共享问题，实现信息共享互通、全程透明化管控、协同预测库存，提高供应链各成员的信息传递效率。

在储存环节，实现仓储中的智能作业，针对效率的提高方面，定制开发了仓储管理系统；

在运输环节，为了保证车辆的透明管控，开发出运输管理系统；

在客户服务环节中，强化内部客服管理，开发了云客服系统；

在配送环节中，为解决最后一公里问题，开发的配送管理系统完成了传统模式向自动化、全智能化的转变；同时为降低每个节点安全风险，搭建了智慧安防系统，对全国物流中心和运作节点实现可视化管控。

A企业与电商型、平台型、互联网型企业不同，更加关注大数据在供应链规划、资源统筹、运营管理、市场分析、人效提升等场景的应用，从而进一步为合作伙伴提供更优质的服务。

接下来重点从市场预测、仓储规划运营、客户体验三个方面具体说明A企业在供应链物流领域的的大数据应用。

（一）市场预测方面

通过一定时间周期内物流数据在不同区域呈现的销售热度图观察和分析，可以知道在一定时期哪些区域是高热度区域、哪些区域是低热度区域。其中，高热度区域，建议加强仓储资源的整合能力，提升服务品质、满足客户、刺激销售；低热度的区域则表示，这段时间该区域销售尚未达到预期，在物流方面匹配一个标准的服务即可，对此合作方企业更多的精力应放在市场的挖掘和进行市场的分析。如果这些数据与订货金额和订货频次数据结合起来，就能发挥更大的价值。再结合可视化技术处理，为企业管理者提供清晰的运营状况分析，可方便企业进行战略调整。

（二）仓储规划运营方面

A企业服务的众多仓运配一体化项目，都需要进行仓储规划，以便为后期的精细化运营奠定基础。在进行仓储规划时，会碰到许多约束条件，包括：产品的存储量、品项数、规格；发货订单的流量、特点，波次；仓库的安全库存、设计面积、效率、流程以及外围的预算和自动化程度等，以及基于对仓储建筑设计特殊要求的匹配。

A企业凭借超70万平米仓储运营经验，不断从已成型项目运营中提炼数据，反馈到当初的仓储规划中去，不断修正、调整，逐渐形成了面向不同行业不同类型企业的运营策略，包括仓储选型策略、货品分拣分配策略、人效提升策略、智慧货位布局策略、多仓联动策略、仓储选址策略、智能储分一体化等策略。

如智慧货位布局策略，即通过大数据分析确定对应自动化立库、高位货架或平库的仓储形式中货物码放位置，满足先进先出、复合效率最优、路径最优的控制；

多仓联动策略，即通过大数据分析确定销售物流的卫星仓与配送中心之间，配送中心与中央仓之间，配送中心与配送中心之间，做到库存的统一管理；

仓储选址策略，首先构建关于流量、路径、人员、车辆、环境因素的模型，通过大数据模拟运算确定仓储的区域布局与选址；

智能储分一体化策略，即通过大数据的分析，确定仓储与分拣合二为一的功能区布局，人员及设备的配套；

项目运营后，通过不断采集各类系统、传感器、终端设备的数据，用来描绘项目运营过程中关于人、机、料、法、环的规律，通过比较不同周期内两组数据的差异，不断主动改进人效的差距。

每月收集的海量数据，通过构建数据中心，对各项目每月各流程环节作业效率、人员有效工作时间、人员行走距离、叉车作业效率、物料使用等情况进行分析。并将分析结果通过软件进行可视化，更加直观地了解各项目优化运作情况。从横向纵向去对比分析各项目之间在流程、人员、物料使用等方面的运作情况，综合考虑各项因素，发掘各项目运作优化点与改进措施，每月跟进措施实行效果。

（三）终端客户体验提升方面

更多的关注物流数据能够描绘出更加清晰的客户消费画像。A企业在原先的营销数据（人口属性、消费行为、兴趣爱好等）采集和分析的基础上，增加对收货习惯、验货偏好、购买频次等方面的数据收集，加深对客户的了解程度、推动对客户的个性化服务让服务更加精准、更到位。如为年纪大的终端客户提供更方便的验货模式，为年轻女士随箱配置开箱工具等。

此外，对供应商服务进行深度剖析，聚焦客户需求，分类统计，同时建立对供应商评价标准和对客户分层分级管理。

总之，物流大数据分析既可以协助市场预测，又可以完善仓储规划或者提升人员效率，最终目标是提升消费者的体验，帮助和支撑企业客户销售订单的转化率。

未来供应链管理发展必将是信息化、现代化、社会化、综合化、一体化、集成化服务，A企业一直在致力于推动及创新中国物流与供应链发展模式，A供应链将继续在供应链产业链服务中以客户中心，不断共享供应链数据资源同时创新应用信息技术，打造扁平快速化协同智慧化供应链体系，实现供应链行业降本增效的再升级，为不同行业客户提供精细化与专业化供应链服务。