每年的雙11都在刷新物流的世界奇跡，但由于大數(shù)據(jù)和協(xié)同，每次都將看似不可能完成的任務(wù)加速完成。以2013年-2016年的一組數(shù)據(jù)為例，從簽收時(shí)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(jìn)一步提速只用3.5天。

菜鳥作為一家平臺(tái)型公司，堅(jiān)持不擁有一輛車、一個(gè)快遞員，希望通過數(shù)據(jù)和技術(shù)，建設(shè)一個(gè)社會(huì)化協(xié)同的物流和供應(yīng)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(shù)據(jù)精準(zhǔn)的預(yù)測(cè)大促包裹量及流向、通過供應(yīng)鏈預(yù)測(cè)計(jì)劃合理入庫(kù)及分倉(cāng)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(yù)測(cè)、供應(yīng)鏈入庫(kù)、訂單下沉、訂單路由調(diào)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(shù)探索實(shí)踐，通過數(shù)據(jù)和技術(shù)的力量，捍衛(wèi)這場(chǎng)十億級(jí)包裹的雙11之戰(zhàn)。

2015年雙十一當(dāng)天的物流訂單量歷史性地達(dá)到了4.67億，相比于2014年足足增長(zhǎng)了65%。到了2016年整個(gè)雙十一期間的包裹量又將面臨爆發(fā)性地增長(zhǎng)，幾近達(dá)到10億級(jí)的規(guī)模。所以，如何采用大數(shù)據(jù)預(yù)測(cè)技術(shù)從宏觀層面來估計(jì)2016年雙十一的包裹總量和并利用微觀數(shù)據(jù)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(guī)劃平穩(wěn)度過雙十一高峰是一個(gè)至關(guān)重要的技術(shù)命題。

包裹總量預(yù)測(cè)根據(jù)2016年前臺(tái)預(yù)估的雙十一GMV總量，整合歷史雙十一GMV數(shù)據(jù)和物流訂單數(shù)據(jù)，歷史上所有大促期間和日常筆單價(jià)變化趨勢(shì)，分析各項(xiàng)宏觀因素，并監(jiān)控集團(tuán)預(yù)售預(yù)熱期間的銷售數(shù)據(jù)，引入可能存在的不確定性，魯棒地預(yù)測(cè)2016包裹總量的增長(zhǎng)幅度。最終我們預(yù)估得到雙十一當(dāng)日包裹總量6.8億單的數(shù)據(jù)，達(dá)到97%的準(zhǔn)確率。

包裹流量流向預(yù)測(cè)預(yù)測(cè)的6.8億包裹精確地拆解到不同的快遞公司，拆解到全國(guó)各個(gè)城市，各條線路，并且基于時(shí)效預(yù)測(cè)給出各條線路每天的發(fā)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(zhǔn)備運(yùn)力，調(diào)度人員，精準(zhǔn)布局，合理地優(yōu)化資源從而能夠從容應(yīng)對(duì)即將到來的物流高峰。

在這套大數(shù)據(jù)預(yù)測(cè)模型中，我們從六百萬商家過去5年的銷售數(shù)據(jù)中挖掘有效的信息，預(yù)測(cè)雙十一期間商家可能使用的快遞公司和對(duì)應(yīng)的發(fā)貨倉(cāng)庫(kù)和城市；根據(jù)消費(fèi)者的歷史行為，挖掘預(yù)測(cè)消費(fèi)者的雙十一期間的收貨地址；根據(jù)不同快遞公司在雙十一期間的參與度和能力，預(yù)測(cè)他們雙十一的市場(chǎng)份額。最終，整合所有相關(guān)信息建立回歸預(yù)測(cè)模型，我們能夠在雙十一的前3個(gè)月就以80%的準(zhǔn)確率預(yù)測(cè)得到每家快遞公司在全國(guó)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(dòng)、糧草先行。

在雙11的準(zhǔn)備階段，除了如何幫助快遞公司做好數(shù)據(jù)預(yù)測(cè)，達(dá)到提前擴(kuò)充運(yùn)力、人員，如何協(xié)調(diào)數(shù)千商家的上億商品有序入到數(shù)百計(jì)的倉(cāng)庫(kù)內(nèi)，也一直是歷屆雙11的頭等難題。倉(cāng)庫(kù)爆倉(cāng)、貨物集中到倉(cāng)導(dǎo)致的準(zhǔn)備能力難以匹配需求、貨物到達(dá)不能按時(shí)入庫(kù)，諸如此類問題層出不窮。

2016菜鳥雙11入庫(kù)協(xié)同平臺(tái)提前規(guī)劃，通過搭建大數(shù)據(jù)預(yù)約平臺(tái)，串聯(lián)從預(yù)約到完成入庫(kù)的整個(gè)執(zhí)行流程中的信息，沉淀入庫(kù)過程中商家、干線、承運(yùn)商、司機(jī)、線路、車輛、貨品體積等基礎(chǔ)數(shù)據(jù)，以此根據(jù)運(yùn)籌算法推演，雙11備貨期間的倉(cāng)內(nèi)實(shí)際庫(kù)容及剩余庫(kù)容、并結(jié)合實(shí)際資源準(zhǔn)備及商家、貨品分層，智能推薦預(yù)約入庫(kù)方式，實(shí)現(xiàn)多樣化統(tǒng)籌預(yù)約。最終實(shí)現(xiàn)了億級(jí)貨物的有序入倉(cāng)，全程倉(cāng)庫(kù)無爆倉(cāng)，商家無等待。

為了保障資源準(zhǔn)備和商家預(yù)約需求的一致性，S&OP在入庫(kù)端也發(fā)揮了極大的作用，系統(tǒng)結(jié)合大數(shù)據(jù)算法預(yù)測(cè)的出入庫(kù)量、商家預(yù)約量，及歷史實(shí)際出入庫(kù)量信息，滾動(dòng)分析雙11前后倉(cāng)內(nèi)的預(yù)計(jì)出入庫(kù)量，數(shù)據(jù)提前透?jìng)鹘o倉(cāng)、配、運(yùn)輸系統(tǒng)，多角色協(xié)同保障上下游鏈路的資源準(zhǔn)備。

除此之外，菜鳥更進(jìn)一步做到貨物直接鋪到離消費(fèi)者最近，最大化提升消費(fèi)者的物流體驗(yàn)。結(jié)合商家貨品粒度的歷史銷量數(shù)據(jù)、社會(huì)化倉(cāng)配網(wǎng)絡(luò)體系、線路時(shí)效及成本數(shù)據(jù)，通過大數(shù)據(jù)的實(shí)時(shí)運(yùn)籌仿真模擬系統(tǒng)，智能推薦最優(yōu)的貨品入倉(cāng)方案，及倉(cāng)內(nèi)庫(kù)存分布方案。數(shù)據(jù)直接透?jìng)鹘o補(bǔ)貨系統(tǒng)，保障貨物直接補(bǔ)到離消費(fèi)者最近的倉(cāng)庫(kù)。

打通入庫(kù)鏈路的數(shù)據(jù)，通過選倉(cāng)分倉(cāng)推薦、大數(shù)據(jù)預(yù)約平臺(tái)、S&OP，實(shí)現(xiàn)消費(fèi)者需求、商家預(yù)約、倉(cāng)配資源準(zhǔn)備的供需匹配，保障貨物有序的實(shí)現(xiàn)在倉(cāng)內(nèi)的最優(yōu)分布，是菜鳥讓數(shù)據(jù)發(fā)揮價(jià)值，實(shí)現(xiàn)社會(huì)化資源協(xié)同的又一利器。

每逢大促，消費(fèi)者最關(guān)注的問題就是購(gòu)買的包裹何時(shí)送達(dá)。除了在入庫(kù)時(shí)讓貨物直接補(bǔ)到離消費(fèi)者最近的倉(cāng)庫(kù)之外，技術(shù)在讓貨物離消費(fèi)者更近一點(diǎn)的路上持續(xù)獻(xiàn)策獻(xiàn)力，真正做到“單未下，貨先行”。

消費(fèi)者最可能購(gòu)買的貨品有哪些，哪些貨品最可能一起被購(gòu)買，大促商品及商品組合銷量預(yù)測(cè)，是菜鳥在大促前的必做事項(xiàng)。通過大數(shù)據(jù)分析和算法模型，結(jié)合倉(cāng)庫(kù)的商品庫(kù)存分布、歷史發(fā)貨訂單情況，消費(fèi)者在交易網(wǎng)站的購(gòu)物車以及收藏夾的數(shù)據(jù)，預(yù)測(cè)出商家在雙11期間訂單結(jié)構(gòu)，倉(cāng)內(nèi)會(huì)提前對(duì)商品進(jìn)行預(yù)包，并隨時(shí)準(zhǔn)備出庫(kù)，到實(shí)際倉(cāng)庫(kù)生產(chǎn)作業(yè)時(shí)，由于進(jìn)行了預(yù)打包，在生產(chǎn)工序?qū)?huì)節(jié)省大量時(shí)間。

而遍布全國(guó)的前置倉(cāng)及下沉網(wǎng)點(diǎn)是菜鳥倉(cāng)配網(wǎng)絡(luò)的重要組成部分，銷量預(yù)測(cè)數(shù)據(jù)計(jì)算后，自動(dòng)調(diào)撥系統(tǒng)也隨之啟動(dòng)，依據(jù)銷量預(yù)測(cè)結(jié)果、各級(jí)倉(cāng)配網(wǎng)絡(luò)中的庫(kù)存、缺貨、周轉(zhuǎn)、時(shí)效、成本等一系列因子，系統(tǒng)會(huì)自動(dòng)給出調(diào)撥建議，裝車建議，貨物以集約化的方式提前下沉至前置倉(cāng)或網(wǎng)點(diǎn)。

對(duì)于下沉可能出現(xiàn)的逆向情況，菜鳥也進(jìn)行了提前預(yù)測(cè)，大數(shù)據(jù)算法下沉風(fēng)控模型會(huì)依據(jù)消費(fèi)者畫像、貨品畫像、退款模型，綜合給出退款概率評(píng)分，高風(fēng)險(xiǎn)訂單不下沉，低風(fēng)險(xiǎn)訂單下沉，做到時(shí)效和成本的最優(yōu)平衡。

雙11期間的包裹量往往是十倍甚至幾十倍的增長(zhǎng)，通過大數(shù)據(jù)算法預(yù)測(cè)、統(tǒng)籌，提前進(jìn)行預(yù)包、調(diào)撥、下沉，可以充分利用雙11前幾天的黃金時(shí)間，極速提高包裹運(yùn)轉(zhuǎn)效率，提升消費(fèi)者體驗(yàn)。

考慮到2016年雙11恰逢周五，大量訂單將在周六日配送，由于核心區(qū)域的站點(diǎn)資源有限，再加上雙11的單量一般是平時(shí)5倍以上，如不將采取有效措施，極有可能會(huì)造成末端配送網(wǎng)點(diǎn)過載引發(fā)擁堵。

此外，商業(yè)辦公區(qū)域，周末一般很少簽收，派送會(huì)導(dǎo)致投遞資源的浪費(fèi)，在發(fā)貨階段錯(cuò)峰延遲下發(fā)此類訂單，減少周末高峰期配送壓力，可節(jié)省因?yàn)闊o法簽收帶來的重復(fù)投遞資源。

通過分析高德地理信息庫(kù)以及日常菜鳥海量配送數(shù)據(jù)，基于用戶的簽收周期行為、公用地址的人群分布、POI構(gòu)詞結(jié)構(gòu)等為特征，構(gòu)建機(jī)器學(xué)習(xí)模型，準(zhǔn)確率和辦公地址召回率均達(dá)到95%以上?；诘刂纷R(shí)別技術(shù)，菜鳥可以靈活的控制辦公地址訂單的倉(cāng)庫(kù)打包發(fā)貨的時(shí)間，極大降低了“爆倉(cāng)”的可能。

在國(guó)際物流方面，阿里巴巴Aliexpress出口業(yè)務(wù)和天貓國(guó)際進(jìn)口業(yè)務(wù)，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(shù)級(jí)增長(zhǎng)的背后，如何能為每一個(gè)包裹選擇適合的承運(yùn)商和線路，讓每個(gè)包裹的運(yùn)輸在成本、時(shí)效和服務(wù)上做到最優(yōu)，是一件商業(yè)價(jià)值巨大又富有挑戰(zhàn)事情。

跨境物流的特點(diǎn)在于距離遠(yuǎn)、鏈路長(zhǎng)、角色多，這導(dǎo)致每單運(yùn)費(fèi)成本較大，物流成本在電商交易整體客單價(jià)中占比較大，為了實(shí)現(xiàn)優(yōu)選目標(biāo)，菜鳥從2015年開始思考如何通過技術(shù)手段解決路由問題，最終選擇通過人工策略和大數(shù)據(jù)智能優(yōu)選的架構(gòu)方案。

人工策略通過動(dòng)態(tài)規(guī)則引擎讓運(yùn)營(yíng)同學(xué)可以根據(jù)自身運(yùn)營(yíng)經(jīng)驗(yàn)定制路由策略，根據(jù)包裹自身屬性做各類限制性過濾；大數(shù)據(jù)優(yōu)選是基于歷史包裹履行表現(xiàn)做機(jī)器學(xué)習(xí)，從成本、時(shí)效、服務(wù)質(zhì)量三個(gè)維度為每一個(gè)包裹優(yōu)選最佳履行線路，真正做到智能路由，人工策略和大數(shù)據(jù)優(yōu)選大致技術(shù)方案如下：

全球智能路由平臺(tái)GRC（Global Routing Center）上線以來對(duì)業(yè)務(wù)指標(biāo)提升明顯。在時(shí)效方面，通過這套智能路由平臺(tái)，Aliexpress在3~4個(gè)月的時(shí)間內(nèi)成功完成了俄羅斯Top20城市從25日達(dá)到15日達(dá)的時(shí)效提升目標(biāo)，到歐洲和美國(guó)等國(guó)家的線路基本也都有20%左右的時(shí)效提升。成本方面，因?yàn)榭梢愿鶕?jù)類目、重量和尺寸優(yōu)選物流線路，為商家?guī)淼倪\(yùn)費(fèi)節(jié)省在15%以上；服務(wù)方面，平臺(tái)上線1年多之后，通過商家調(diào)研和DSR評(píng)審分析，菜鳥出口物流體驗(yàn)在中國(guó)出口電商平臺(tái)中名列前茅。

面對(duì)日趨增長(zhǎng)的商家發(fā)貨量，傳統(tǒng)的紙質(zhì)面單錄入及打印的效率低下，并且商家、快遞公司、菜鳥間的信息也無法有效互通，不利于物流信息化及基于此的技術(shù)優(yōu)化。在2014年，菜鳥推出了電子面單服務(wù)，將面單電子化，極大的提升了商家發(fā)貨效率，并且承載了智能分單等基于大數(shù)據(jù)的幫助物流公司提升分撥中心、網(wǎng)點(diǎn)等作業(yè)效率。

菜鳥電子面單是菜鳥推出的一種在線運(yùn)單生成、打印與管理的服務(wù)，系統(tǒng)能同時(shí)提供國(guó)內(nèi)15家主流的快遞公司、多家落地配公司以及眾多的國(guó)際物流公司的面單服務(wù)，同時(shí)我們把菜鳥電子面單服務(wù)開放給所有的商家并完成300多家主流的ISV系統(tǒng)的接入。電子面單系統(tǒng)像一個(gè)一個(gè)HUB，通過這個(gè)HUB商家、菜鳥、物流公司三方系統(tǒng)實(shí)現(xiàn)了信息的互聯(lián)互通。 

基于菜鳥電子面單我們能夠?qū)ι碳姨峁┙y(tǒng)一的面單服務(wù)，商家或ISV只需要通過和菜鳥對(duì)接就具有同時(shí)使用諸多（完成和菜鳥對(duì)接的CP）物流公司電子面單服務(wù)的能力。

此外，我們和各大物流公司以一起制定了標(biāo)準(zhǔn)電子面單模板，極大的簡(jiǎn)化與規(guī)范了電子面單的模板格式，包括面單尺寸與面單內(nèi)容格式，同時(shí)我們開發(fā)了菜鳥電子面單打印工具，制定并開放了菜鳥標(biāo)準(zhǔn)打印規(guī)范，確保通過菜鳥電子面單系統(tǒng)打印出來的面單格式統(tǒng)一。

通過電子面單我們可以承載眾多的物流服務(wù)，助力物流公司，如目前廣泛應(yīng)用的二段碼、三段碼、在電子面單生成時(shí)通過菜鳥大數(shù)據(jù)智能分單系統(tǒng)實(shí)時(shí)計(jì)算出當(dāng)前包裹對(duì)應(yīng)的攬件網(wǎng)點(diǎn)、末端分撥中心、末端派件網(wǎng)點(diǎn)以及對(duì)應(yīng)的派件小件員信息，實(shí)現(xiàn)面單生成時(shí)，包裹全生命周期的路由線路與節(jié)點(diǎn)信息全部規(guī)劃與計(jì)算完畢，極大的提升快遞操作效率。

在過去的大促中，快遞企業(yè)常有爆倉(cāng)現(xiàn)象發(fā)生，2016年雙11，面對(duì)破紀(jì)錄的6.5億件派送包裹，為何卻很少看到各種爆倉(cāng)的媒體報(bào)道呢？

包裹在送達(dá)消費(fèi)者手中前，要在分撥中心和網(wǎng)點(diǎn)進(jìn)行大規(guī)模的分揀操作。過去，分揀工通過面單上的地址憑記憶分揀。由于地址量巨大，分揀出錯(cuò)概率高，包裹分發(fā)質(zhì)量難以保證;同時(shí)，分揀工需要經(jīng)過半年的培訓(xùn)才能上崗，在雙十一等大促活動(dòng)，包裹量劇增的情況下，人工分揀會(huì)成為效率瓶頸，導(dǎo)致爆倉(cāng)的各種現(xiàn)象發(fā)生。

為了解決該難題，菜鳥算法團(tuán)隊(duì)研發(fā)了在業(yè)內(nèi)被稱為“三段碼”的基于大數(shù)據(jù)的智能分單系統(tǒng)。該系統(tǒng)能夠在發(fā)貨時(shí)精確地預(yù)測(cè)出派件網(wǎng)點(diǎn)和小件員編碼，并將編碼打印在面單上，指導(dǎo)后續(xù)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(jìn)行分撥，分撥準(zhǔn)確率可以達(dá)到99.9%，極大提升分撥效率。同時(shí)不再依賴專業(yè)的分揀工人進(jìn)行分揀，降低了企業(yè)營(yíng)運(yùn)成本。目前該系統(tǒng)已經(jīng)接入國(guó)內(nèi)主流的快遞公司，每年可為行業(yè)節(jié)省成本6億多元。

去年菜鳥推出的"二段碼"，幫助分撥中心進(jìn)行快速分揀，產(chǎn)生了巨大的效應(yīng)。菜鳥2016年雙11在二段碼的基礎(chǔ)上，推出"三段碼"，將預(yù)測(cè)粒度推進(jìn)到快遞員，幫助網(wǎng)點(diǎn)快速分配包裹給快遞員。

菜鳥可以精確的為每個(gè)訂單分配最佳快遞員，并同二段碼一樣，提前將快遞員信息打印在面單上。到達(dá)末端網(wǎng)點(diǎn)時(shí)，快遞員不再通過面單上的詳細(xì)地址挑選出屬于他派送的包裹，而是根據(jù)面單上打印的"三段碼"，進(jìn)行快速分揀。

2016年雙十一，三段碼在幫助網(wǎng)點(diǎn)快速分揀、消化包裹上，扮演了極其重要的角色。臨時(shí)分揀員不再需要繁瑣的培訓(xùn)就能快速上手；熟練分揀員也不再需要細(xì)讀每一個(gè)地址，靠人工記憶去分揀。三段碼簡(jiǎn)化了分揀操作，提升了分揀效率，平均每單節(jié)省2.4秒。2016年雙十一，包裹在網(wǎng)點(diǎn)的停留時(shí)間比去年足足減少一個(gè)小時(shí)，總計(jì)為小件員節(jié)省派件時(shí)間16萬個(gè)小時(shí)。

基于電子面單和智能分單，主流快遞公司2016年大規(guī)模啟用自動(dòng)化分撥設(shè)備，大幅提升了核心節(jié)點(diǎn)的效率。所以消費(fèi)者才能不斷感知雙11包裹送的越來越快。

物流末端攬派場(chǎng)景中，每個(gè)小件員的攬派范一般是多個(gè)小區(qū)、學(xué)校、工廠、產(chǎn)業(yè)園、寫字樓等有自然邊界范圍的POI集合，將包裹按照小區(qū)、學(xué)校、工廠、產(chǎn)業(yè)園、寫字樓等聚在一起，使得聚在一起的包裹實(shí)際行走距離約等于直線距離。

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（主干道、高架橋、河流、小區(qū)圍墻、山等）而產(chǎn)生的多余路徑，因此在物流末端場(chǎng)景中包裹聚合對(duì)快遞員攬派效率提升明顯。

現(xiàn)在，早上快遞員滿載包裹從網(wǎng)點(diǎn)出發(fā)，打開快遞員APP，通過后臺(tái)包裹聚合算法，告知小件員當(dāng)前要派送的包裹在小區(qū)、學(xué)校、寫字樓等維度的分布，便于快遞員對(duì)每一個(gè)聚合后的包裹實(shí)現(xiàn)批量進(jìn)行通知、簽收、核對(duì)、查找小區(qū)空自提柜（自提柜聚合）等操作，大大提升快遞員的派件任務(wù)處理效率，還可以依據(jù)聚合后的包裹實(shí)時(shí)計(jì)算出最優(yōu)的派送路徑。

將當(dāng)天某個(gè)時(shí)段的預(yù)約包裹按照某一小區(qū)塊（小區(qū)，校區(qū)，寫字樓等）并在一起，構(gòu)成并單簇，一起分配給同一個(gè)快遞員，若某個(gè)單已被接單但未被攬收，其附近小范圍（同一個(gè)小區(qū)、寫字樓、學(xué)校等）內(nèi)若有新訂單，則新訂單直接追到當(dāng)前訂單的小件員搶單列表里。

通過并單和追單實(shí)現(xiàn)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期間追并單單量占總體攬收單量的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(tài)的變化結(jié)合快遞員的實(shí)時(shí)位置，系統(tǒng)能判斷出快遞員當(dāng)前在哪個(gè)小區(qū)派件，和接下來要去的隔壁小區(qū)，將當(dāng)前或隔壁小區(qū)的寄件包裹直接分配給當(dāng)前派件員，從而增加快遞員的收入。

每年的雙11，巨大的包裹量，對(duì)于菜鳥都是一次沖擊和洗禮，磨刀不誤砍柴工，菜鳥也一直在各個(gè)領(lǐng)域各個(gè)環(huán)節(jié)都深入思考，探索通過數(shù)據(jù)技術(shù)來提升效率優(yōu)化服務(wù)。前文提及到的供應(yīng)鏈、訂單調(diào)度、智能分單等，以及其他未提及到的優(yōu)化實(shí)踐，正是通過數(shù)據(jù)和技術(shù)的力量，再一次捍衛(wèi)了菜鳥雙11“絲般順滑”的技術(shù)支撐，給消費(fèi)者提供了“絲般順滑”的物流體驗(yàn)。