节奏物流与大数据

1. 什么是大数据 ?

• 对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

• 麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

• 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

2. 大数据的特征：

• 大数据天然存在，不是新创造出来。不管你做什么或者你不做什么，它一直都在，等你来发现，有首歌唱的好：“我在这儿等着你回来，等着你回来，看那桃花开！……“

• 大数据的多样性。不仅如麦肯锡指出的：数据类型多样。有文本，有数字，可能还有图像和语音。而且这些多样性的来源是跨界，不仅包括生产信息，产品信息，客户新信息，财务信息，还有 海关关务信息，税务信息，商品保养维修信息，客户索赔投诉信息等等。

3. 汽车工业在国民经济中有着举足轻重的地位, 汽车工业产值一般都占到国民经济总产值的10%到15%。从产业地位看，汽车是最终的消费品, 位于整条产业链条的最高端,我以汽车行业的整车物流为例，介绍一下目前企业内部数据管理的现状，以及木子对于大数据的理解。

• 我们先看一下汽车行业的大致流程。从传统意义上对汽车整车物流的理解就是接到厂商的发运指令后组织车辆资源，提车出库，发运，到达客户的过程，包括仓储和运输，这只是狭义上的理解。从更广义的方面讲，汽车整车物流开始早于汽车在制造厂完成组装下线，也就整车物流有了一个前伸（如图一所示）。从那时开始，商品车在物流的操作下不仅经历了仓储、运输、维护、检验等流程，还经历了全程的信息监控和分享的过程直到送达用户手中。是实物物流、信息流、资金流的三种的交织和统一。

图一

• 大多数主机厂IT系统如图二所示。大多是按功能段划分为不同系统，比如，财务系统，生产系统，订单，以及物流系统。主机厂的ERP系统，经销商的管理系统以及物流服务商的管理系统有的能通过基于Web 架构的信息应用系统得以联通，并进行数据交换。

图二

A：订单管理系统 B：物流系统 （WMS+ TMS）

C：生产管理系统 D：财务系统

• 而有些功能模块与整车物流系统之间还没有完全实现EDI，还是基于手动数据的上传和下载。比如来自生产管理系统的车型信息，车辆完工信息等…

• 在物流系统内部也存在着，主机厂和物流服务商之间的数据交互不畅或者两家系统之间是完全割裂的。主要是基于成本原因，比如主机厂需要和多个服务商（基于不同服务项目仓储，运输，或者基于采购战略）的系统进行对接。同时由于物流合同到期会带来重复性的IT投入。

• 经销商一般是通过主机厂的订单管理系统来录入信息，以及参看订单的制造以及物流状态。由于是使用订单管理系统，故而很难给经销商以及最终用户提供及时，准确的物流信息。如果物流系统内部（物流服务企业和主机厂）或者物流系统与订单系统信息传递不畅。对于经销商的服务水平就能想象的到了吧。

4. 大数据与物流节奏结合的机会：

• 整车物流大数据的必要性：伴随着主机厂按订单生产的业务模式全面推广，物流和销售渠道中的订单车比例会越来越高，需要对每台商品车在生产，运输过程中进行更加细致的管理。把每台商品车在整车厂的生产，收货和发货运输过程实时传递给客户，从而提高信息透明度水平。而且还把一些客户的需求信息传回主机厂，从而形成信息的互动。这就是木子的节奏物流里的“T” (Transparency)，即保持对客户对于信息透明度的满足。从而为企业内外部客户价值实现加分。

• 整车物流大数据目前的病因就是“欠整”！如上图所示，数据都已经客观存在，但是信息分布于主机厂不同的系统中，另外由于上面提到的主机厂和物流服务商之间的数据交互不畅导致部分数据游离于系统外，例如物流企业提供的手工报表。甚至国内的整车物流企业根本没有IT系统，信息追踪仍旧处于手工报表加电话的管理水平。整车物流企业与上游主机厂，下游经销商的信息共享不好的原因，在于缺失一个整车物流全过程的信息化平台。

• 谁是整车物流大数据整合的“英雄”？目前数据都散落在各个数据库，缺少的是“整合”—智能连接，基于数据的隐私性和安全性，这个角色只有主机厂可以扮演。故只有在主机厂的主导下，需要引入新的方法来对现有的数据进一步整合和加工，给自己也给客户一个全物流链条的信息透明度。

• 整合是前提不是终极目的。数据整合初步完成后，目前互联网技术的快速发展给全方位的信息分析提供了技术基础。适当的信息技术是一个先决条件，例如建立一个数据加工器，这个加工器里有不同的模版。喂入了同样的数据，依据目的不同，输出不同结果。输入都是面粉，输出可以是馒头，或者面包。基于数据读者的目的。对于大数据的利用不需要太多的创造或者重新定义新的参数和指标，基于对客户需求的理解引导大数据在物流营运中进行应用足矣。

• 整合后的整车大数据让您明眸善睐。可以让物流服务商的表现更加透明，有助于对物流服务的关键绩效指标的进行客观公正的衡量；同时也利于精准定位失败的原因，为下一步改进物流节奏提供数据支持。基于大数据的分析的结果的改进计划就会更加有效，同时对于改进计划的反馈收集也更有效率。

• 整合后的整车大数据为您的商业遐想提供支持。由于整车物流大数据被打通，经销商，最终用户等被真正的拉进了这条供应链；同时这条供应链的每个环，即需求与供应的环节变得更透明。在互联网+的大形势下，物流金融的出现给物流带来了一个新的客户，那就是银行或者金融服务公司。处于对于风险的管控需求，作为融资的抵押物的车辆，银行或者金融服务公司需要及时了解车辆的状态。整合后的大数据恰好为银行或者金融服务公司提供这个增值服务。这只是一个小例子而已，数据在手，遐想无限。

5. 总之，大数据都是客观存在的，其本身不创造价值，同时还需要整合和加工。通过深度的整合和加工，可以帮助物流链上的相关各方理清脉络，对于物流从业者来讲，可以找到自身改进物流节奏的方向，以及为客户创造价值的机会。只关注成本的是市场的被弃者；仅对比竞争对手的只能是市场的追随者；精准定位客户需求的才是市场的引领者。大数据给我们带来了引领市场的机会，但是重点在于你是否有一双慧眼和客户之心。