菜鳥作為一家平臺型公司，堅持不擁有一輛車、一個快遞員，希望通過數據和技術，建設一個社會化協同的物流和供應鏈公司。在這方面，菜鳥這幾年不斷探索，在物流全鏈路上做了大量的嘗試和突破，比如通過海量數據精準的預測大促包裹量及流向、通過供應鏈預測計劃合理入庫及分倉鋪貨、以及做到“單未下、貨先行”的貨品下沉提前打包等。
前言
每年的雙11都在刷新物流的世界奇蹟，但由於大數據和協同，每次都將看似不可能完成的任務加速完成。以2013年-2016年的一組數據為例，從簽收時間看，2013年雙11包裹簽收過1億用了9天，2014年用了6天，到2015年提速到了4天，2016年則進一步提速只用3.5天。
菜鳥作為一家平臺型公司，堅持不擁有一輛車、一個快遞員，希望通過數據和技術，建設一個社會化協同的物流和供應鏈公司。在這方面，菜鳥這幾年不斷探索，在物流全鏈路上做了大量的嘗試和突破，比如通過海量數據精準的預測大促包裹量及流向、通過供應鏈預測計劃合理入庫及分倉鋪貨、以及做到“單未下、貨先行”的貨品下沉提前打包等。
本文將主要從包裹預測、供應鏈入庫、訂單下沉、訂單路由調度、電子面單及智能分單，以及在末端小件員方面的一些技術探索實踐，通過數據和技術的力量，捍衛這場十億級包裹的雙11之戰。
1 雙11從包裹預測開始
2015年雙十一當天的物流訂單量歷史性地達到了4.67億，相比於2014年足足增長了65%。到了2016年整個雙十一期間的包裹量又將面臨爆發性地增長，幾近達到10億級的規模。所以，如何採用大數據預測技術從宏觀層面來估計2016年雙十一的包裹總量和並利用微觀數據信息得到所有包裹在雙十一期間的流量和流向，從而為快遞公司提供決策支持，提前規劃平穩度過雙十一高峰是一個至關重要的技術命題。
包裹總量預測根據2016年前臺預估的雙十一GMV總量，整合歷史雙十一GMV數據和物流訂單數據，歷史上所有大促期間和日常筆單價變化趨勢，分析各項宏觀因素，並監控集團預售預熱期間的銷售數據，引入可能存在的不確定性，魯棒地預測2016包裹總量的增長幅度。最終我們預估得到雙十一當日包裹總量6.8億單的數據，達到97%的準確率。
包裹流量流向預測預測的6.8億包裹精確地拆解到不同的快遞公司，拆解到全國各個城市，各條線路，並且基於時效預測給出各條線路每天的發貨量以及未來雙十一期間的到貨量可以幫助快遞公司提前準備運力，調度人員，精準佈局，合理地優化資源從而能夠從容應對即將到來的物流高峰。
在這套大數據預測模型中，我們從六百萬商家過去5年的銷售數據中挖掘有效的信息，預測雙十一期間商家可能使用的快遞公司和對應的發貨倉庫和城市；根據消費者的歷史行為，挖掘預測消費者的雙十一期間的收貨地址；根據不同快遞公司在雙十一期間的參與度和能力，預測他們雙十一的市場份額。最終，整合所有相關信息建立迴歸預測模型，我們能夠在雙十一的前3個月就以80%的準確率預測得到每家快遞公司在全國每一條線路上的包裹量，真正幫助快遞公司做到了兵馬未動、糧草先行。
2 供應鏈入庫計劃
在雙11的準備階段，除了如何幫助快遞公司做好數據預測，達到提前擴充運力、人員，如何協調數千商家的上億商品有序入到數百計的倉庫內，也一直是歷屆雙11的頭等難題。倉庫爆倉、貨物集中到倉導致的準備能力難以匹配需求、貨物到達不能按時入庫，諸如此類問題層出不窮。
2016菜鳥雙11入庫協同平臺提前規劃，通過搭建大數據預約平臺，串聯從預約到完成入庫的整個執行流程中的信息，沉澱入庫過程中商家、幹線、承運商、司機、線路、車輛、貨品體積等基礎數據，以此根據運籌算法推演，雙11備貨期間的倉內實際庫容及剩餘庫容、並結合實際資源準備及商家、貨品分層，智能推薦預約入庫方式，實現多樣化統籌預約。最終實現了億級貨物的有序入倉，全程倉庫無爆倉，商家無等待。
為了保障資源準備和商家預約需求的一致性，S&OP在入庫端也發揮了極大的作用，系統結合大數據算法預測的出入庫量、商家預約量，及歷史實際出入庫量信息，滾動分析雙11前後倉內的預計出入庫量，數據提前透傳給倉、配、運輸系統，多角色協同保障上下游鏈路的資源準備。
除此之外，菜鳥更進一步做到貨物直接鋪到離消費者最近，最大化提升消費者的物流體驗。結合商家貨品粒度的歷史銷量數據、社會化倉配網絡體系、線路時效及成本數據，通過大數據的實時運籌仿真模擬系統，智能推薦最優的貨品入倉方案，及倉內庫存分佈方案。數據直接透傳給補貨系統，保障貨物直接補到離消費者最近的倉庫。
打通入庫鏈路的數據，通過選倉分倉推薦、大數據預約平臺、S&OP，實現消費者需求、商家預約、倉配資源準備的供需匹配，保障貨物有序的實現在倉內的最優分佈，是菜鳥讓數據發揮價值，實現社會化資源協同的又一利器。
3 訂單預打包及庫存下沉
每逢大促，消費者最關注的問題就是購買的包裹何時送達。除了在入庫時讓貨物直接補到離消費者最近的倉庫之外，技術在讓貨物離消費者更近一點的路上持續獻策獻力，真正做到“單未下，貨先行”。
消費者最可能購買的貨品有哪些，哪些貨品最可能一起被購買，大促商品及商品組合銷量預測，是菜鳥在大促前的必做事項。通過大數據分析和算法模型，結合倉庫的商品庫存分佈、歷史發貨訂單情況，消費者在交易網站的購物車以及收藏夾的數據，預測出商家在雙11期間訂單結構，倉內會提前對商品進行預包，並隨時準備出庫，到實際倉庫生產作業時，由於進行了預打包，在生產工序將會節省大量時間。
而遍佈全國的前置倉及下沉網點是菜鳥倉配網絡的重要組成部分，銷量預測數據計算後，自動調撥系統也隨之啟動，依據銷量預測結果、各級倉配網絡中的庫存、缺貨、週轉、時效、成本等一系列因子，系統會自動給出調撥建議，裝車建議，貨物以集約化的方式提前下沉至前置倉或網點。
對於下沉可能出現的逆向情況，菜鳥也進行了提前預測，大數據算法下沉風控模型會依據消費者畫像、貨品畫像、退款模型，綜合給出退款概率評分，高風險訂單不下沉，低風險訂單下沉，做到時效和成本的最優平衡。
雙11期間的包裹量往往是十倍甚至幾十倍的增長，通過大數據算法預測、統籌，提前進行預包、調撥、下沉，可以充分利用雙11前幾天的黃金時間，極速提高包裹運轉效率，提升消費者體驗。
4 全球智能配送路由
考慮到2016年雙11恰逢週五，大量訂單將在週六日配送，由於核心區域的站點資源有限，再加上雙11的單量一般是平時5倍以上，如不將採取有效措施，極有可能會造成末端配送網點過載引發擁堵。
此外，商業辦公區域，週末一般很少簽收，派送會導致投遞資源的浪費，在發貨階段錯峰延遲下發此類訂單，減少週末高峰期配送壓力，可節省因為無法簽收帶來的重複投遞資源。
通過分析高德地理信息庫以及日常菜鳥海量配送數據，基於用戶的簽收週期行為、公用地址的人群分佈、POI構詞結構等為特徵，構建機器學習模型，準確率和辦公地址召回率均達到95%以上。基於地址識別技術，菜鳥可以靈活的控制辦公地址訂單的倉庫打包發貨的時間，極大降低了“爆倉”的可能。
在國際物流方面，阿里巴巴Aliexpress出口業務和天貓國際進口業務，2016年雙11的單量都是去年雙11的一倍以上。在阿里巴巴跨境整體單量指數級增長的背後，如何能為每一個包裹選擇適合的承運商和線路，讓每個包裹的運輸在成本、時效和服務上做到最優，是一件商業價值巨大又富有挑戰事情。
跨境物流的特點在於距離遠、鏈路長、角色多，這導致每單運費成本較大，物流成本在電商交易整體客單價中佔比較大，為了實現優選目標，菜鳥從2015年開始思考如何通過技術手段解決路由問題，最終選擇通過人工策略和大數據智能優選的架構方案。
人工策略通過動態規則引擎讓運營同學可以根據自身運營經驗定製路由策略，根據包裹自身屬性做各類限制性過濾；大數據優選是基於歷史包裹履行表現做機器學習，從成本、時效、服務質量三個維度為每一個包裹優選最佳履行線路，真正做到智能路由，人工策略和大數據優選大致技術方案如下：
全球智能路由平臺GRC（Global Routing Center）上線以來對業務指標提升明顯。在時效方面，通過這套智能路由平臺，Aliexpress在3~4個月的時間內成功完成了俄羅斯Top20城市從25日達到15日達的時效提升目標，到歐洲和美國等國家的線路基本也都有20%左右的時效提升。成本方面，因為可以根據類目、重量和尺寸優選物流線路，為商家帶來的運費節省在15%以上；服務方面，平臺上線1年多之後，通過商家調研和DSR評審分析，菜鳥出口物流體驗在中國出口電商平臺中名列前茅。
5 電子面單的應用
面對日趨增長的商家發貨量，傳統的紙質面單錄入及打印的效率低下，並且商家、快遞公司、菜鳥間的信息也無法有效互通，不利於物流信息化及基於此的技術優化。在2014年，菜鳥推出了電子面單服務，將面單電子化，極大的提升了商家發貨效率，並且承載了智能分單等基於大數據的幫助物流公司提升分撥中心、網點等作業效率。
菜鳥電子面單是菜鳥推出的一種在線運單生成、打印與管理的服務，系統能同時提供國內15家主流的快遞公司、多家落地配公司以及眾多的國際物流公司的面單服務，同時我們把菜鳥電子面單服務開放給所有的商家並完成300多家主流的ISV系統的接入。電子面單系統像一個一個HUB，通過這個HUB商家、菜鳥、物流公司三方系統實現了信息的互聯互通。
基於菜鳥電子面單我們能夠對商家提供統一的面單服務，商家或ISV只需要通過和菜鳥對接就具有同時使用諸多（完成和菜鳥對接的CP）物流公司電子面單服務的能力。
此外，我們和各大物流公司以一起制定了標準電子面單模板，極大的簡化與規範了電子面單的模板格式，包括面單尺寸與面單內容格式，同時我們開發了菜鳥電子面單打印工具，制定並開放了菜鳥標準打印規範，確保通過菜鳥電子面單系統打印出來的面單格式統一。
通過電子面單我們可以承載眾多的物流服務，助力物流公司，如目前廣泛應用的二段碼、三段碼、在電子面單生成時通過菜鳥大數據智能分單系統實時計算出當前包裹對應的攬件網點、末端分撥中心、末端派件網點以及對應的派件小件員信息，實現面單生成時，包裹全生命週期的路由線路與節點信息全部規劃與計算完畢，極大的提升快遞操作效率。
6 智能分單服務
在過去的大促中，快遞企業常有爆倉現象發生，2016年雙11，面對破紀錄的6.5億件派送包裹，為何卻很少看到各種爆倉的媒體報道呢？
包裹在送達消費者手中前，要在分撥中心和網點進行大規模的分揀操作。過去，分揀工通過面單上的地址憑記憶分揀。由於地址量巨大，分揀出錯概率高，包裹分發質量難以保證;同時，分揀工需要經過半年的培訓才能上崗，在雙十一等大促活動，包裹量劇增的情況下，人工分揀會成為效率瓶頸，導致爆倉的各種現象發生。
為了解決該難題，菜鳥算法團隊研發了在業內被稱為“三段碼”的基於大數據的智能分單系統。該系統能夠在發貨時精確地預測出派件網點和小件員編碼，並將編碼打印在面單上，指導後續的分揀操作。通過智能分單，分揀工人直接通過面單上的編碼進行分撥，分撥準確率可以達到99.9%，極大提升分撥效率。同時不再依賴專業的分揀工人進行分揀，降低了企業營運成本。目前該系統已經接入國內主流的快遞公司，每年可為行業節省成本6億多元。
去年菜鳥推出的"二段碼"，幫助分撥中心進行快速分揀，產生了巨大的效應。菜鳥2016年雙11在二段碼的基礎上，推出"三段碼"，將預測粒度推進到快遞員，幫助網點快速分配包裹給快遞員。
菜鳥可以精確的為每個訂單分配最佳快遞員，並同二段碼一樣，提前將快遞員信息打印在面單上。到達末端網點時，快遞員不再通過面單上的詳細地址挑選出屬於他派送的包裹，而是根據面單上打印的"三段碼"，進行快速分揀。
2016年雙十一，三段碼在幫助網點快速分揀、消化包裹上，扮演了極其重要的角色。臨時分揀員不再需要繁瑣的培訓就能快速上手；熟練分揀員也不再需要細讀每一個地址，靠人工記憶去分揀。三段碼簡化了分揀操作，提升了分揀效率，平均每單節省2.4秒。2016年雙十一，包裹在網點的停留時間比去年足足減少一個小時，總計為小件員節省派件時間16萬個小時。
基於電子面單和智能分單，主流快遞公司2016年大規模啟用自動化分撥設備，大幅提升了核心節點的效率。所以消費者才能不斷感知雙11包裹送的越來越快。
7 最後一公里的智能派送
物流末端攬派場景中，每個小件員的攬派範一般是多個小區、學校、工廠、產業園、寫字樓等有自然邊界範圍的POI集合，將包裹按照小區、學校、工廠、產業園、寫字樓等聚在一起，使得聚在一起的包裹實際行走距離約等於直線距離。
讓聚在一起的包裹集中完成攬派，從而大大減少因頻繁繞開天然障礙物（主幹道、高架橋、河流、小區圍牆、山等）而產生的多餘路徑，因此在物流末端場景中包裹聚合對快遞員攬派效率提升明顯。
現在，早上快遞員滿載包裹從網點出發，打開快遞員APP，通過後臺包裹聚合算法，告知小件員當前要派送的包裹在小區、學校、寫字樓等維度的分佈，便於快遞員對每一個聚合後的包裹實現批量進行通知、簽收、核對、查找小區空自提櫃（自提櫃聚合）等操作，大大提升快遞員的派件任務處理效率，還可以依據聚合後的包裹實時計算出最優的派送路徑。
將當天某個時段的預約包裹按照某一小區塊（小區，校區，寫字樓等）並在一起，構成並單簇，一起分配給同一個快遞員，若某個單已被接單但未被攬收，其附近小範圍（同一個小區、寫字樓、學校等）內若有新訂單，則新訂單直接追到當前訂單的小件員搶單列表裡。
通過並單和追單實現包裹的批量攬收，降低快遞員攬收包裹的成本，增加快遞員的收入，雙11期間追並單單量佔總體攬收單量的40%。
快遞員在派件過程中還可以順道攬收包裹，在派送過程中，通過派件列表中包裹狀態的變化結合快遞員的實時位置，系統能判斷出快遞員當前在哪個小區派件，和接下來要去的隔壁小區，將當前或隔壁小區的寄件包裹直接分配給當前派件員，從而增加快遞員的收入。
8 結語
每年的雙11，巨大的包裹量，對於菜鳥都是一次衝擊和洗禮，磨刀不誤砍柴工，菜鳥也一直在各個領域各個環節都深入思考，探索通過數據技術來提升效率優化服務。前文提及到的供應鏈、訂單調度、智能分單等，以及其他未提及到的優化實踐，正是通過數據和技術的力量，再一次捍衛了菜鳥雙11“絲般順滑”的技術支撐，給消費者提供了“絲般順滑”的物流體驗。
閱讀更多 運籌OR帷幄 的文章
