最近,瑞士郵政、瑞典丹麥聯(lián)合郵政等企業(yè)負責人針對包裹物流企業(yè)如何提高投遞效率,打造數字化“動(dòng)態(tài)包裹網(wǎng)絡(luò )”的話(huà)題在媒體上展開(kāi)了討論。
在業(yè)務(wù)量隨時(shí)間段波動(dòng)較大的包裹快遞行業(yè),如果產(chǎn)能無(wú)法得到充分利用,就會(huì )給企業(yè)帶來(lái)巨大的成本壓力。那些著(zhù)眼于全球或全國視野的大型包裹快遞公司通過(guò)優(yōu)化配送網(wǎng)絡(luò )生態(tài),能夠很好地應對市場(chǎng)需求波動(dòng),從而減少不匹配的流程環(huán)節,節省資金。
瑞士郵政創(chuàng )新與風(fēng)險部總監Thierry Golliard認為,寄遞業(yè)雖在數據領(lǐng)域取得了顯著(zhù)進(jìn)步,但要滿(mǎn)足客戶(hù)追求的無(wú)縫體驗要求,仍有很長(cháng)的路要走。企業(yè)需要投資新的信息系統,構建數據驅動(dòng)的“動(dòng)態(tài)包裹網(wǎng)絡(luò )”,將海量數據充分整合并構建預測模型,才能改變包裹運營(yíng)模式、提升包裹投遞效率。
動(dòng)態(tài)包裹網(wǎng)絡(luò )在寄遞企業(yè)日常運營(yíng)中發(fā)揮著(zhù)重要作用。
一是可以靈活應對動(dòng)態(tài)環(huán)境。動(dòng)態(tài)包裹網(wǎng)絡(luò )通過(guò)整合自動(dòng)化、技術(shù)軟件和人工智能,對整個(gè)寄遞流程進(jìn)行優(yōu)化,實(shí)現數字化投遞。Golliard認為,雖然系統數據的連通任務(wù)艱巨,但隨著(zhù)軟件智能的快速發(fā)展,數據連通很快就會(huì )實(shí)現。郵政企業(yè)和其他機構運營(yíng)的運輸、物流平臺將會(huì )越來(lái)越多地進(jìn)行整合,由此產(chǎn)生的超級網(wǎng)絡(luò )將會(huì )最大限度地發(fā)揮和共享物流產(chǎn)能,而且技術(shù)成本也會(huì )越來(lái)越低。
二是可以科學(xué)預測旺季峰值。目前,電信和能源等行業(yè)已經(jīng)開(kāi)始利用智能網(wǎng)絡(luò )預測終端消費者的需求,并根據需求變化靈活擴大或縮小經(jīng)營(yíng)規模。包裹投遞旅程的數字化不像家庭供電那么容易,但數字智能可以連接包裹網(wǎng)絡(luò )和內部運行系統,幫助包裹快遞公司預測旺季和一些品牌新品發(fā)布等的業(yè)務(wù)峰值。
瑞典丹麥聯(lián)合郵政人工智能專(zhuān)家Christian ?stergaard認為,應對旺季需求的敏捷性對包裹快遞企業(yè)來(lái)說(shuō)至關(guān)重要。企業(yè)必須充分運用數據和人工智能,將運營(yíng)數據與人口統計數據(如不同地區的客戶(hù)行為)相結合,實(shí)現整體優(yōu)化。
三是可以打造數字孿生應用場(chǎng)景。與終端消費者相關(guān)的數據,以及來(lái)自網(wǎng)絡(luò )其他渠道的數據,都可以被挖掘出來(lái)形成數字孿生,生成未來(lái)的虛擬模型。包裹快遞企業(yè)可以通過(guò)數字孿生技術(shù),打造可視化的3D場(chǎng)景,用來(lái)預測淡旺季產(chǎn)能、投遞能力和包裹類(lèi)型,優(yōu)化分揀系統和運輸線(xiàn)路,還能輔助體積測量、安全分析和生產(chǎn)力跟蹤。
相比于依靠數據孤島和電子表格預測產(chǎn)生的大量數據錄入錯誤,自動(dòng)輸入的系統數據將顯著(zhù)提高數據準確性。數字化程度的提高也會(huì )對末端投遞產(chǎn)生積極影響,預測工具可以檢測客戶(hù)是否在家,并預測包裹業(yè)務(wù)量和預計運輸時(shí)間。
四是挖掘數據預測潛力。在動(dòng)態(tài)包裹網(wǎng)絡(luò )中,整個(gè)運營(yíng)流程的要素和數據將由一個(gè)中心節點(diǎn)進(jìn)行管控。通過(guò)挖掘數據的預測潛力,對整個(gè)運營(yíng)流程進(jìn)行全局式管控,對包裹運輸路線(xiàn)做出合理決策?,F有的包裹運營(yíng)網(wǎng)絡(luò )仍以人力操控為主,但未來(lái)的動(dòng)態(tài)包裹網(wǎng)絡(luò )將實(shí)現完全自動(dòng)化。
五是可以節約時(shí)間、成本和勞力。如果寄遞企業(yè)周三才能收到足夠的包裹裝滿(mǎn)卡車(chē),企業(yè)把周二投遞的包裹延遲到周三一起投遞,可以大幅節約運營(yíng)成本,也更容易應對旺季高峰。?stergaard指出,利用實(shí)時(shí)數據優(yōu)化的路線(xiàn)可以幫助司機避開(kāi)擁堵路段和惡劣天氣,最重要的是系統還可以從經(jīng)驗中實(shí)時(shí)學(xué)習,比如科學(xué)判斷停車(chē)的最佳地點(diǎn),最大限度地縮短投遞時(shí)間。系統生成的數據越多,投遞模型就會(huì )越精確,下一次投遞就會(huì )更輕松。與此同時(shí),終端消費者也可以通過(guò)數據判斷投遞時(shí)間和地點(diǎn),數據可以使整個(gè)包裹投遞旅程更加透明。