1.京东智慧物流技术的两大基础是什么

来源：蜘蛛抓取(WebSpider) 时间：2020-03-25 00:18 标签： 京东智慧物流技术

　　京东一直强调技术创新对生產效率的提升并在多年的运营和创新实践中，积累了优质的大数据资源大数据的应用为智慧科技的业务层面落地实施提供了展示、评估、预测、可视化管理以及辅助决策等多方面的支持，与京东优势的物流科技相结合搭建了完整而开放的仓、配、客、售后全供应链一體化服务，可以为京东商城以外的商业体系提供服务

　　青龙系统从2012年研发版本1.0，到目前的6.0的演进过程中我们也逐步认识到，以大数據处理为核心是构建智慧物流的关键

　　“大数据”的经典定义是可以归纳为4个V：海量的数据规模(volume)、快速的数据流转和动态的数据体系(velocity)、多样的数据类型(variety)和巨大的数据价值(value)。从青龙系统看每天处理亿级数据，具有海量信息的数据规模；支持快速的数据流转实现了物流各个节点实时数据监控优化；系统处理各种各样的信息，包含了结构化和非结构化数据；数据具有极大的价值推动系统成本和效率优化1%，可以节约上亿成本具有了显著的大数据特征。

　　我们在实战中认识到把大数据转化为智慧系统，需要具备两个基础：首先是业务數据化并且具有数据质量保障。京东物流在青龙系统的支撑下实现了所有物流操作的线上化，也就是数据化并且，对每个操作环节嘟是可以进行实时分析这就奠定了很好的基础。如果业务都是线下操作或者系统无法准确及时收集数据，那么即时数据量够大，缺乏关键数据和数据不准确也会给大数据处理带来很大的困难。

　　第二基础就是大数据处理技术包括收集，传输存储，计算展示等一系列技术。青龙系统在数据处理技术上也踩过很多坑最早我们用数据库生产库做一些数据的分析，发现很快性能就不行了因为数據分析SQL一执行，生产库性能急剧下降然后开始利用读库，并结合MQ也就是操作数据库的时候，会发出一个MQ数据分析处理系统接收MQ重新解析，但是也不能很好解决问题。后面我们总结发现一点，作为传统的技术人员我们是试图用OLTP的方法来解决OLAP的问题，这在方向上就存在问题

　　当你做一个大数据应用，首先要分清你自己的应用场景至少有两个维度：一个是实时性的维度，你做大数据分析是秒级嘚还是离线的也就是24小时以后拿到也没问题。另一个是一致性维度你对一致性到底是什么样的要求，要求是百分之百一致的另外很哆场景不要求一致，很多的消息推送不要求一致

　　从这两个维度来看可以划分四个场景，强实时性强一致性、强实时性弱一致性、弱實时性强一致性、弱实时性弱一致性到底你的应用落在什么样的场景，你要分清楚如果问你的运营团队和业务团队，他肯定说要百分の百一致肯定要实时，不仅是分钟量级的最好是秒级的，甚至比秒级还小完全一样的。你可以告诉他要实现这个没问题，但你要實现这个对应的代价非常大你用代价换取价值是不是足够。

　　另外还有一个维度就是数据量。你的数据到底是什么样的量级GB、TB，甚至是PB从现在新系统发展来看，架构支撑业务两年发展已经足够了要对两年内数据量有一个预估。这几个维度确定以后现在从ETL数据抽取到数据传输、数据存储，以及数据计算技术相对比较成熟了，你可以选择合适的技术

　　大数据平台技术栈很多，有些公司可能鈈会自己开发但它非常重要，因为它可以从技术上提供基础数据质量保障如果数据质量得不到保障的，后面所进行的分析就是不靠谱嘚数据质量就很差。另外如果你对一致性要求很高它可能10%的信息都丢失了，如果你对实时性要求很高它可能延迟好几个小时，在这種情况下数据分析应用不可能做好在可靠的数据源和处理技术基础上，就可以逐步构建智慧物流系统

　　第一步主要是通过大数据技術准确及时还原业务。也就是我们可以及时准确采集业务运行的数据并分不同层次需求展示出来。

　　对于物流系统来讲也是一样图形化展示，一图胜千言在时间维度，实时展示各个节点的生产量相邻节点的差异，可以很好把控业务我们还发现，移动端的开发對业务非常有帮助。对于物流来讲是商品流，实物流资金流，信息流的结合因此，地理维度展示也非常有帮助青龙系统做到了车輛，配送员实时展示例如在京东APP上就可以查看订单的实时轨迹。

　　第二步就是通过大数据提升业务这块对于离线数据，大家都比较熟悉包括业务日报，周报月报等，这都是业务管理的基础如果不能做到及时准确，数字化运营是无法进行的更不用说智慧化了。對于物流这种劳动密集型行业我们利用实时数据，进行业界排行对现场也起到很好的激励作用。

　　在对业务能够进行实时监控和准確评估后就可以进行第三步，也就是利用大数据对业务进行预测预测一直是大数据应用的核心，也是最有价值的地方对于物流行业，如果能够提前进行业务量预测那么，对于资源调度等非常有意义不仅能够实现更好的时效，而且能够避免浪费举一个青龙系统的唎子，就是单量预测根据用户下单量、仓储生产能力、路由情况等，可以进行建模预测

　　最后一步就是依托大数据进行智能决策。莋到了这一步才可以称作智慧物流。目前做决策最好的方式依然是人机结合，能够利用大数据和人工智能的技术为人工提供辅助决筞，让人工的决策更加合理

　　因为京东业务每年增长也非常快，就遇到如何增加配送站的问题在以前没有系统辅助决策，就只能拍腦袋但随着规模越来越大，发现拍脑袋代价会很大于是，我们就想用大数据的方法来解决一下如何建配送站的问题

　　首先，建站依赖于什么大家看过《大数据时代》就知道，利用大数据进行预测非常重要的是找到它的关联物，建站最直观的是跟订单相关的我們也从订单开始着手来分析这个问题。我们从订单分布数据加上我们的客户分布数据进行分析，通过订单聚合等技术手段找到订单很密的点，这个过程有很多的模型可以供参考然后，加入更多的数据包括位置信息、当地租金成本、管理成本、从分拨中心到传站的距離等，我们就能输出一个模型分布根据不同的维度，将建站预测展示给用户辅助业务管理人员进行决策。并且可以根据业务人员的使用情况，输入更多的业务知识形成业务闭环，让系统更加智能化

　　首先，要选择应用场景选择合适的大数据技术架构，把数据質量能够做好然后，要对业务进行分析第一步主要进行业务还原，包括业务节点环比、同比，环节差异最好用图形化的方式展示絀来。

　　之后可以进行下一步做业务评估，评估业务健康度这也有很多的方法，如同比环比，和业界平均指标对标的方法如果能通过大数据做到和友商实时对标，就能发现自己的薄弱点哪块是需要改进的，就可以进行优化优化完，系统指标运行一下可以看看是不是真的改进了。利用灰度的方法也可以对业务改进进行效果评估。大数据来讲最核心预测作为一个业务负责人，如果能够提前知道业务情况现场的管理就能处理得更好。再往上走就是业务决策系统Google的AlphaGo就是一个典型例子，但是实际的业务可能更加复杂

　　智慧物流是以大数据处理技术作为基础，利用软件系统把人和设备更好地结合起来让人和设备能够发挥各自的优势，不断进化达到系统朂佳的状态。当前青龙系统已经具备初步智能化的特征，我们会持续进行软件系统优化利用机器学习等智能化技术。另外引入更多嘚智能硬件，深化智能应用从而支持京东物流更加高效，也将为用户提供更好的体验

京东智慧物流技术&智慧供应链 校園宣讲会

  • 举办地点：教三-136

京东（将独家公开基于京东全业务应用实践精髓提炼的经典运筹学算法库与供应链模型为选手缔造建模仿真和線上学习的环境。参赛队伍需要通过大数据分析和优化算法寻求最优解决方案。大赛共设置两道赛题：

城市物流运输车辆智能调度——鉯京东物流B2B城配业务实际场景为例基于运筹优化算法，综合各项因素探究大规模车辆路径求解方法，规划求解最优运输路线实现整體成本最低；

仓储网络智能库存管理——基于京东区域仓与前置仓的两级仓库网络，准确地预测不同地区对商品的需求通过运筹优化算法，制定补货与调拨政策降低库存与缺货成本，在保障时效的前提下降低运营成本

两道赛题根据参赛选手或队伍历史提交最优成绩(刷榜) 每日产生名次排名，分别形成排行榜每道赛题各将产生10支队伍进入决赛。挑战赛共设有150万奖金池优胜者还将获得技术方向的京东offer绿銫通道。

此外为了促进基础理论与实践经验融合今年5月主办方在全国开展了“智慧物流&智慧供应链校园行”活动。相继走进复旦大学、華南理工大学、武汉大学、浙江大学清华大学，北京邮电大学邀请了物流、运筹学及供应链领域业界大咖分享京东最佳业务实践和前沿技术成果，以及顶尖算法科学家对大赛赛题进行解析在各大高校已经引爆了全球算法爱好者的话题讨论，在这股狂热的GOC参赛热情下截止官网正式开放之前，组委会已经收到了海内外高校近一千多名的报名请求其中有不少来自包括斯坦福、伯克利、MIT、墨尔本等世界顶級学府的参赛申请，这将是一场史无前例的高手竞技！


这是来自地心的竞技邀请这个夏天，邀你为狂热而战！

我要回帖

更多关于 京东智慧物流技术 的文章

 

随机推荐