1何为新零售配送

　　在整个智能物流当中，特别是实时配送，这是在智能物流当中非常特殊的一点，实时配送需要在线、实时、流式，动作、时间反馈基本上是接近实时的，机器学习和算法的优化也是接近实时的。但是真正在快销，特别是在我们说这种实时方案里无法这么做的，这是我们看到的第一个特点。

　　举一个例子，装箱是一个非常普遍的算法的实例，可以用于装集装箱，比如同一个收货人或者同一个收货地点的装箱的测算。在装箱过程当中，我们注意到优化和复杂度的问题，跟SQ的数量、包装的品种各个方面都有关系。

　　如图所示，这是面单，快递面单要有收件人，要自动分拨、配送包括快递员，这些接近于实时来完成的，中间有一些信息传递延迟。现在很多技术实现了比如几个编码点会进行机器视觉去识别，然后再把快递员和他的配送行点标注出来，实现一目了然怎么走。更关键的是在未来面单会不会不见了，因为大家会发现面单会带来环保和粘贴的问题，再就是如果信息已经实现了货台的自动化，那你是不是一定需要面单这是要考虑的问题。

　　揽收，所有的快件或者所有的外卖，比如美团、饿了么做外卖，一定会有这样的一些图，比如揽收的需求、分区的需求还有车辆、路径等等，车辆对于工业配送是各种不同类型的卡车，对于快递，各种摩托车也是需要车辆配置，这是通用的技术，这个技术没有什么复杂的，其实它就是一个热力图。

　　分单，分单在整个智能配送当中也是占用传统经济，因为资源是有限的，但是需求从理论来讲是无限的。有限的资源和无限的需求之间如何实现动态的供需平衡?供应链所做的事情讲到底就是做一件事，供需平衡。

　　2

　　新配送背后的故事

　　我们讲到新零售的所谓的人货场三个地方的话，它其实是一个综合的系统。也就是说我们做任何配送一定是计划先行而不是配送先行，配送讲到底是行为，但它的配送就是你为什么要这么做，它基于我们讲的人货场的互动，而且你的店铺、你的数据的品类，包括你现在消费者的整个数据的融合，还有包括你的物联网到底深化到什么程度。

　　配送背后都存在大量的引擎、调度、排序、优化、搜索、转储、实时计算，这些引擎都是整个的智能配送以及智能配送背后的大脑，这个大脑怎么来的我们看一下。

　　在最左边大家看到的这些部分是基础知识，统计学、一系列基本的信息技术、一些基本的财务技术，这些大家可能上大学都学过。跟物流相关比较细的是进入运筹学，运筹学到目前为止还是我个人觉得在最大程度上帮助物流的公司做得更好的工具。我们在物流当中可以看到有非常多的规划，其中大家经常学习到的机器学习，其实机器学习目前有80%到90%还是跟新性规划相关的，特别是跟回归分析相关的。

　　不同的理论、动态、排队论、储存论等等，很多都是我们在运筹学里面所谈的话题，其实都是从配送来的，比如像背包问题、邮差问题，很多人可能都听说过，但是可能后面没有深究。

　　有这些知识点之后，我们还要了解到什么样的知识的应用。比如对于快递来讲，我们了解它的核心能力是什么，它的门槛、资本要求、网络化程度、核心关注点，把这些核心关注点跟我们这里看到的这些能力建立一个连接，这个才是我们要去做好，找到你从什么方向去进行智能化的一些研究。

　　商业分析、区域规划，这些部分都属于规划，这些部分是属于智慧配送的基础设施，从日常派单、车辆跟踪、路线重排、员工管理等等一直到扫码，这些就是在日常管理当中所收集到的数据会很大程度通过机器学习来帮助我们的规划，所以这是一个基本的逻辑。

　　我们现在看一下基本的一些图。比如说专题图分析，它是热力图之前的一个阶段，这里面有几张图，分别代表不同的客户，他在哪里，他需要的是什么，我们怎么样进行客户的渗透。

　　我们可以了解到有这个图以后就可以看到，我的路线是什么，我的车程怎么样，我的仓库和运输车辆、资源应该分布在哪里，根据频率和配送路线一般选择什么样的模式，才能达到市场的覆盖率达到什么量或者成长，但是你的车辆、你的仓库各方面有什么成本，两者的差才是你的利润。所以很多公司在这个方面其实是需要更多考虑到怎么样通过一些数据化的方式来实现这样一个跨越。

　　西尔斯是美国的一个家政服务公司，全国有一万名移动工人，就是我们说的水管工这些工人，他们是多技能的。全年要完成11000万次的服务，也就是说每个人每年要完成1100服务。服务要求和解决方案是什么，结果是什么，路径分析是什么，这给大家一个思维框架，在我们解决任何具体问题之前，我们一定要问自己你的目标是什么，你用什么样的方式来解决，为什么用这个方式而不是用其他的方式，而且你能够衡量的结果是什么，这个结果和底层的技术你是掌握还是不掌握，这个其实就是解决问题的一个思路。

　　3

　　配送背后的算法

　　在所有的物流系统优化的话它是有基本原则的，这个原则就是它有10个内容，在10个原则当中目标、模型、数据、集成、表述、算法、计算、人员、过程和回报，它是代表整体的我们怎么样把数据模型形成，这是真正意义的算法。真正狭义的算法指中间这部分。

　　在所有的算法当中，它一定是从研究对象开始进入地理模型，再通过地理模型进入结构参数和结构模型的参数，转化成你想要的数学模型。接下来是把数学模型交给那些算法工程师做。

　　如果我们把你的整个的物流的供和需看成一个大的网络的话，它一定是存在生态系统，物流一定是有短缺、有需求，才会产生供给和需求，才会有投资进来，才会有收入。收入跟量相关，同时影响价格，价格回过头来影响需求，同时需求受到经济水平和政策的影响

　　4

　　思考

　　1，我们现在的物流供应链过去三四十年积累了大量的智慧，有大量的经验，这些智慧和经验是怎么形成的?

　　在大学里面有一个专门的研究课题叫专题专家，就是我们会把不同的行业、不同的方式拆分开，然后在每一个很细分的小点去形成这样的专题专家，这是我们现在探索的模式。因为我们觉得现在在中国有大量的供应链的从业的经理人，不管是在甲方还是在第三方，这些甲方、第三方的出发点都不一样，谁都可以成为你所在方面的专家，但你的定位一定要精准。

　　2，如何去训练这些物流供应链?

　　在人工智能、机器学习当中有非常重要的概念是向量机，这个是现在在人工智能上用得非常广的模型。

　　3，如何根据不同的场景去选择再开发智能算法?

　　现在大家在市面上看到的算法都是属于公开的，但是公开的算法一般不会直接解决你的问题，你所有的问题基本上是算法的排列组合。

　　4，如何改变现有的供应链教育系统持续开发所需智能?

　　以西交利物浦为例，供应链本科班的学生会从第一年下半年开始被派到不同的企业。学生在大学里就要掌握到工作知识和经验，希望用这种方式对中国供应链的教学做一些变革。

　　5，如何预防人工智能的误用?

　　技术本身是没有好坏的，但是人是有好坏的。这个社会希望将来人工智能所做的事情是好人用好技术为大家做好事。