1.應用企業(ye) 簡況
重慶長安民生物流股份有限公司(以下簡稱“長安民生”)成立於(yu) 2001年8月,是一家極富專(zhuan) 業(ye) 精神的第三方汽車供應鏈物流綜合服務商。2006年2月在香港聯交所創業(ye) 板上市,並於(yu) 2013年7月成功由創業(ye) 板轉主板交易,主要股東(dong) 為(wei) 中國長安汽車集團股份有限公司、民生實業(ye) (集團)有限公司、新加坡美集物流有限公司。2017年長安民生在中國物流企業(ye) 中排名第29位,在汽車物流企業(ye) 中排名第3位。
長安民生已同長安汽車、長安福特、長安馬自達、長安鈴木、北奔重汽、德爾福、偉(wei) 世通、西門子威迪歐、偉(wei) 巴斯特、台灣六和、寶鋼集團、正新輪胎、杜邦、本特勒、富士康等國內(nei) 外近千家汽車製造商、零部件供應商及原材料供應商建立了長期合作關(guan) 係,為(wei) 客戶提供國內(nei) 外零部件集並運輸、散雜貨運輸、大型設備運輸、供應商倉(cang) 儲(chu) 管理、生產(chan) 配送、模塊化分裝、商品車倉(cang) 儲(chu) 管理及發運、售後件倉(cang) 儲(chu) 及發運、KD件包裝、保稅倉(cang) 儲(chu) 、物流方案設計、物流谘詢與(yu) 培訓等全程一體(ti) 化物流服務。
長安民生在全國設立了27個(ge) 分支機構,業(ye) 務網點遍布全國,建立了8個(ge) 倉(cang) 儲(chu) 發運基地(VDC)、3個(ge) 水運中轉站/碼頭、4個(ge) 鐵路中轉站、8個(ge) 長安福特PDC、3個(ge) 取貨點,掌控整車公路運力近6000輛,水路滾裝船29艘,零部件運輸車輛超過1000輛,為(wei) 實現未來全國網點間的多式聯運、高效協同聯動提供了可能。
長安民生是重慶市認定的企業(ye) 技術中心、高新技術企業(ye) ,通過了工信部兩(liang) 化融合認證。公司總計申報專(zhuan) 利 73項,已下證10項,已受理13項,初審合格9項,實審中18項,已授權23項;總計參與(yu) 標準編製10項,已發布5項,即將實施1項,正在編製評審4項;總計獲得軟著25項,版權5項。“基於(yu) 車載智能終端和大數據雲(yun) 平台的汽車物流鷹眼慧運地圖運用”榮獲2018年重慶市物聯網十大應用案例。
2.企業(ye) 通過信息化技術要解決(jue) 的突出問題
2.1應用背景
物流是貫穿經濟發展和社會(hui) 生活全局的重要活動,是現代經濟的核心之一,同時物流業(ye) 是一個(ge) 產(chan) 生海量數據的行業(ye) ,其聯係著各大企業(ye) 、公司、商家、家庭和個(ge) 人,所涉及的數據量非常大且具有一定價(jia) 值,因此大數據技術在物流行業(ye) 的應用有著天然的土壤。2013年被稱為(wei) 大數據元年,2014年國家明確提出要以提高物流效率、降低物流成本為(wei) 重點。因此,把大數據技術運用到物流行業(ye) ,給物流行業(ye) 賦能,是一種必然趨勢,是一種雙贏的結果。
長安民生耕耘汽車物流18年,為(wei) 汽車主機廠提供物流谘詢、倉(cang) 儲(chu) 運輸業(ye) 務和技術輸出。信息化建設上100%覆蓋人、車、貨、倉(cang) 、實現資金流、數據流、物流合三為(wei) 一,沉澱非常多的高價(jia) 值數據。
圍繞國家領導精神和政策指引,全麵貫徹落實集團公司和中國長安工作部署,以高質量發展為(wei) 目標,深入實施“一體(ti) 兩(liang) 翼”發展戰略,為(wei) 實現公司“數據驅動,在線管理”,打造了國內(nei) 首個(ge) 專(zhuan) 注於(yu) 汽車物流的大數據雲(yun) 平台,對內(nei) 實現數據可視化、指導運營決(jue) 策和業(ye) 務創新,對外進行數據共享。
通過大數據雲(yun) 平台數據應用解決(jue) 方案,將汽車物流作業(ye) 中多維、分散、複雜數據和銜接碎片數據進行高效整合,端到端打通數據孤島,構建企業(ye) 數據湖,滿足數據一體(ti) 化,層次化,實時化,可視化要求。一方麵通過數據驅動各類資源要素(人機料)進行優(you) 化和創新,降低閑置率,提高利用率,實現資源一體(ti) 化管理。一方麵通過對各維度數據的深度挖掘分析,描繪客戶畫像、車隊畫像以及司機畫像,形成透視成本結構、智能預測預警、客情監控、精準營銷、業(ye) 務運作管理等能力,助力企業(ye) 快速高效地將數據資產(chan) 轉變為(wei) 商業(ye) 價(jia) 值。
2.2需求痛點
完成三個(ge) 一體(ti) 化需求:數據一體(ti) 化、建設一體(ti) 化、資源一體(ti) 化。大數據雲(yun) 平台的應用猶如添加一張天網,結合現有的地網(倉(cang) 庫、場站、碼頭、堆垛等)和人網(各節點上人員的協同和協作),解決(jue) 需求者和生產(chan) 者之間的供需關(guan) 係,做好基於(yu) “貨、車、人、倉(cang) “的精準匹配和自動化運營。
解決(jue) 數據處理能力弱的痛點:傳(chuan) 統物流企業(ye) 數據存儲(chu) 采用FCSAN技術,總體(ti) 並不具備大數據體(ti) 量處理、治理和深度挖掘和AI算法能力。通過大數據雲(yun) 平台,實現數據和資源的整體(ti) 管控和高效處理,為(wei) 對經營情況、成本機構的透視管理、預測預警等高階輔助決(jue) 策能力提供數據支持。
3.信息化進程
3.1主要困難、問題和解決(jue) 措施
①在項目實施過程中,電子地圖服務能力所需要的大數據技術能力定位是至關(guan) 重要的,也是本項目的重點、難點之一。通過對百度地圖、G7地圖進行用戶、地址、數據、監控等維度對比,明確了鷹眼電子地圖能力要求,明確了大數據雲(yun) 平台的技術構建要求。
②由於(yu) 本項目對網絡、大數據服務器、數據準確性、業(ye) 務操作能力等都有較高的要求,在項目實施過程中,通過提前調研和部署,製定上線應急預案,保證項目正常實施和運行。
4.信息化主要效益分析與(yu) 評估
4.1信息化實施前後的效益指標對比、分析
①大數據雲(yun) 平台數據應用解決(jue) 方案在鷹眼慧運地圖中的可視化應用
電子地圖對物流商至關(guan) 重要,是在途過程可控、實施精細化變革的關(guan) 鍵管理工具(通過位置/運單/承運商行為(wei) /事件等),同時可支撐成本分析、運營分析及相關(guan) 規劃工作。通過實時高效地將業(ye) 務數據傳(chuan) 遞給主機廠、供應商、承運商及各類客戶,為(wei) 以長安民生為(wei) 核心的物流生態圈提供全程透明可視、標準化、智能化、體(ti) 驗滿意的專(zhuan) 業(ye) 物流地圖服務。通過大數據雲(yun) 平台對物聯終端實時采集的多維數據進行處理、整合,為(wei) 長安民生鷹眼慧運地圖前端可視化展示奠定了基礎。
在未應用大數據雲(yun) 平台方案前,電子地圖在實時數據方麵響應慢,通常需要在統一時間集中調度10-12小時後才能查詢使用,另外在對接物聯數據方麵,流程複雜,接口標準化差,定製化多,費用高,一般對接耗時需要3-5天;在應用大數據雲(yun) 平台方案後,基於(yu) 高效的數據采集和存儲(chu) 調度能力,實時數據在前端展示查詢等待時間縮短到2小時內(nei) ,查詢延遲<=10ms,同時在數據對接過程中采用了統一標準接口(目前有11個(ge) )和對接流程,使對接耗時縮短到2天內(nei) ,大幅提升了鷹眼慧運地圖數據應用的實時性和操作體(ti) 驗感。
訂單全景監控:將大數據雲(yun) 平台整合處理的運輸車輛實時物聯數據,在電子地圖上進行直觀、清晰的可視化展示。
車輛實時軌跡跟蹤:通過大數據雲(yun) 平台提供的運輸車輛實時GPS數據,在電子地圖完成運輸作業(ye) 的定位和曆史軌跡展示。
整車運輸大數據看板:通過大數據雲(yun) 平台完成數據多維度整合,集中在看板上展示在途監控,運輸報表,實時運力狀態,在線車輛和異常分析等,有效提升運營能力。
②大數據雲(yun) 平台數據應用解決(jue) 方案在整車運輸BI可視化應用支撐
在未應用大數據雲(yun) 平台前,長安民生整車運輸業(ye) 務現主要麵對長安自主品牌和福特品牌兩(liang) 大主機廠,日常所需報送的報表種類多,且不定期有新增需求,報表變更頻繁,耗費大量的人力和時間(平均每張報表從(cong) 數據提取到最終完成耗時人均3-4小時),且準確性、及時性得不到保障,特別在大規模數據提取、分析時遭遇瓶頸,無法有力支持整車的管理決(jue) 策和迎合大數據時代對數據運用的要求。
為(wei) 此,長安民生打造了DDOM BI項目,其中在應用大數據雲(yun) 平台應用方案後(大數據雲(yun) 平台Hadoop集群中數據提供到BI應用中使用),構建了高效的數據倉(cang) 與(yu) ETL能力,15個(ge) 企業(ye) 級數據倉(cang) 庫,調度任務500多個(ge) ,聚類和分類算法共20多個(ge) 場景應用。基於(yu) 模型算法應用,將係統中各報表的平均處理時間縮短到1小時內(nei) ,且完全由係統完成,減少人員成本,提高了報表數據準確性(準確率100%),保證了前端可視化展示的實時性和高質量。
4.2信息化實施對企業(ye) 業(ye) 務流程改造與(yu) 創新模式的影響
通過長安民生汽車物流大數據雲(yun) 平台應用,與(yu) 業(ye) 務流程的融合貫通,在流程模式上創新有以下三點:
1.物聯網+大數據應用:基於(yu) 直達一線的轎運車輛狀態物聯網數據,疊加AI算法和汽車物流垂直場景,對在途狀態真實還原、積累大量樣本數據,從(cong) 而開發輸出針對轎運場景的智能配板、運力預測、標準成本定價(jia) 器等智能產(chan) 品模塊,首創性輸出一係列汽車物流智能工具,並在行業(ye) 內(nei) 首次積累汽車物流垂直行業(ye) 真實運輸成本標準,均可對外變現商業(ye) 價(jia) 值。
2.物聯網大數據平台係統:IoT與(yu) 鷹眼慧運地圖、與(yu) 車隊管理平台的組合,賦能降本增效和智慧體(ti) 驗,可對外私有部署或提供SaaS服務,從(cong) 而獲得產(chan) 品服務銷售收入。
3.基於(yu) 大數據的流程創新:通過大數據分析車輛常用的站點,包括起點,終點,途徑點等,並且計算每兩(liang) 點之間的成本,時效屬性,支撐路徑規劃,費用核算,自動圍欄觸發等核心物流場景。在物流運輸管理領域,無論是幹線運輸、支線運輸、還是城市配送,都需要對運輸過程的核心和關(guan) 鍵節點的時效和各類異常情況進行嚴(yan) 格管理,對運輸車輛的整體(ti) 運行進度、中轉時間、裝卸貨時間、停車時間、加油減油、路橋費等需要詳細把控,以此提高運輸的整體(ti) 效率、降低運營成本。
4.3信息化實施對提高企業(ye) 競爭(zheng) 力的作用
通過大數據雲(yun) 平台數據應用解決(jue) 方案,將汽車物流作業(ye) 中多維、分散、複雜數據和銜接碎片數據進行高效整合,端到端打通數據孤島,構建企業(ye) 數據湖,滿足數據一體(ti) 化,層次化,實時化,可視化要求。一方麵通過數據驅動各類資源要素(人機料)進行優(you) 化和創新,降低閑置率,提高利用率,實現資源一體(ti) 化管理。一方麵通過對各維度數據的深度挖掘分析,描繪客戶畫像、車隊畫像以及司機畫像,形成透視成本結構、智能預測預警、客情監控、精準營銷、業(ye) 務運作管理等能力,助力企業(ye) 快速高效地將數據資產(chan) 轉變為(wei) 商業(ye) 價(jia) 值。並針對產(chan) 業(ye) 上下遊和同行業(ye) 進行細化需求調研,擴展當前係統的適應性,封裝行業(ye) 產(chan) 品,由點及麵,在全國範圍推廣,打造行業(ye) 標杆,提升企業(ye) 競爭(zheng) 力,推進行業(ye) 共同進步。
5.推廣意義(yi)
本項目在模式、運營管理、推廣方案等都有創新提升,具備良好的推廣示範意義(yi) :
以大數據雲(yun) 平台為(wei) 核心,支撐的電子地圖應用係統,綜合了整車、供應鏈和零部件三大業(ye) 務版塊的運輸管理模式,使其覆蓋了汽車領域的主要業(ye) 務版塊。同時在應用實施過程中,把幹線運輸、多式聯運、循環取貨、集裝箱運輸、零擔/追貨、數字園區等六大模式的在途監控與(yu) 分析標準化,使其具有快速複用推廣的優(you) 點。目前該係統的應用及配套相關(guan) 工作開展主要在公司內(nei) 部進行,並已擬定計劃,在係統產(chan) 品成熟後,在行業(ye) 中逐步進行推廣應用,打造行業(ye) 示範。
6.本係統下一步的改進方案、設想
6.1下一步計劃
(1)通過大數據平台不斷集中並完善整個(ge) 長安體(ti) 係物流生態鏈數據,並基於(yu) 數據的挖掘分析,進一步實現全國網布布局分析、線路及區域成本透明化,承運商績效管理以及長安民生自有標準裏程建設,達到數據驅生產(chan) ,從(cong) 而選擇合適的承運商、設立精品線路進一步提升效率,降低成本。
(2)通過大數據雲(yun) 平台的數據載體(ti) ——鷹眼電子地圖,集成展示不同IoT生產(chan) 設備數據,實現汽車物流端到端全鏈可視跟蹤,並對滯留、晚到等事件及時預警、報警,對全國重要站點的可用運力實時監控及預測。目前,係統推廣先從(cong) 供應鏈ANTE出口項目以及整車重慶基地開始。
6.2對物流信息化的建議
(1)物流企業(ye) 在實施信息化時,要同步考慮對流程的優(you) 化再造,不要拘泥於(yu) 對傳(chuan) 統流程的改善,應加入對先進生產(chan) 方式、先進物流設備的思考,以實現信息化係統對企業(ye) 未來發展的支持。
(2)在實施前信息化項目前,要站在行業(ye) 的視角對信息化係統進行頂層設計,不局限於(yu) 本企業(ye) ,提高係統的技術領先性、可複製性,以打造行業(ye) 級的信息化產(chan) 品為(wei) 目標,推動整個(ge) 行業(ye) 信息化能力提升和應用。
(3)在整個(ge) 信息化建設過程中,要注意參照國家和行業(ye) 標準進行設計應用,對未形成標準的需要協同相關(guan) 方統一認知並形成標準,避免未來在多方協同應用過程中出現的數據不統一。
最新案例