технологии обработки больших данных для обслуживания фестиваля шопоголизма «11.11» на платформе Tmall в 2013 году, а в 2014 году точность прогноза, сделанного её «радаром раннего обнаружения», превысила 95 %, таким образом уже на начальном этапе использования эффективно снизив давление на логистику в период «11.11». К 2018 году, согласно информации финансового отчёта Alibaba, количество логистических заказов, обрабатываемых Cainiao Smart Logistics Network, в период «11.11» достигло поражающей цифры – 812 миллионов, и при этом сроки доставки и уровень обслуживания клиентов всё так же, не переставая, повышались. Каким образом Cainiao Smart Logistics Network удалось достичь успеха и в количественном, и в качественном отношении? Мы можем подробно рассмотреть каждый из важных этапов, в которых Cainiao Smart Logistics Network опирается на технологии обработки больших данных для трансформации всего логистического процесса.
На этапе складирования и упаковки Cainiao Smart Logistics Network использовала технологию обработки больших данных для настройки «умного» складирования товаров. В сочетании с релевантными данными по товарам и логистике автоматизированные склады Cainiao могут прогнозировать то, насколько ходовым будет товар, и в зависимости от этого производить умную настройку склада и полок с товарами, максимально уменьшая количество узлов в перевозке товара, сокращая путь его перемещения, увеличивая эффективность логистики и хранения [41]. «Умный» склад компании Cainiao показан на рисунке 3.3.
Помимо этого, Cainiao Smart Logistics Network, опираясь на большие данные и технологию искусственного интеллекта, реализовала «умную» упаковку. Как правило, в традиционных заказах упаковка товара выбирается сотрудником на основании его опыта, что имеет низкую эффективность и большую вероятность неэкономного использования крупногабаритной картонной тары. С помощью больших данных и технологии искусственного интеллекта склады Cainiao знают габариты и характеристики товара до его поступления на склад и могут автоматически распределять заказы в наиболее подходящие картонные упаковки и подбирать оптимальные способы укладки. Умная упаковка позволяет сэкономить в среднем на 5 % больше расходного материала, чем в случае, если бы соответствующие решения принимал человек. Это не только снижает себестоимость упаковки, но и является способом, более природосберегающим.
Рисунок 3.3. «Умный» склад компании Cainiao Smart Logistics Network (Юй Лянь / vcg.com)
В отношении распределения заказов и планирования маршрутов Cainiao, опираясь на систему обработки больших данных Hailiang (Hylanda) и систему Alibaba Cloud, предложила проект основанного на больших данных «умного» распределения заказов с электронными накладными Cainiao в качестве носителя, то есть позволяющий заменить ручное распределение заказов на основанное на технологиях больших данных. Результатом стала не только максимальная оптимизация планирования маршрутов доставки экспресс-почты, но и значительное сокращение числа ошибочных операций. Если при традиционном ручном распределении заказов частота ошибок составляет 5 %, после внедрения «умного» распределения заказов степень его точности в компаниях