大数据的四个作用
李鹏涛还介绍了京东的大数据和物流的结合，其基础是京东的高质量核心数据和京东在大数据存储、处理技术方面的投入。京东在B2C自营和电商平台上采集和积累了大量的用户数据、商品数据和供应商数据，此外还有青龙系统积累的仓储和物流以及用户的地理数据和习惯数据，这些数据可以很好地支持一些精准的模型。
根据京东的规划，大数据和物流的结合包括四个层面。
数据的展示
通过大数据与青龙系统的结合，管理人员可以清楚地看到京东物流的整体运行状况，以智能分拣中心为例，可以实时地看到每天几百万的包裹，什么时候在分拣中心，处理的单号，和核心节点之间的差异到底是什么样子，这样集团管理层以及智能分拣中心管理者都能够及时掌握物流的运营情况。
时效评估
通过大数据，青龙系统可以看到机构时效的一些情况，并且能够下钻到具体的分拣中心，包括具体的片区甚至批货站，能够具体地了解PPM是多少，评估整个运营系统的健康状况——京东通过数据和一些建模的工作，做一个模型来判断一个机构、片区、分拣中心站点的健康度，让管理者和具体的执行者能看到清楚的差距，并且KPI对应的数据也是非常可靠的，这样对整体的运营有非常大的好处。
京东是波次生产的，对各个时效的控制也是通过青龙系统实现的，在每个地区，有不同的接单时间，要求了必须在这个时间送完，包括最后一公里的配送，对配送员都有快到接单时间的提醒。借助大数据的应用，可以从这些层次上保证时效的实现。
预测功能
预测性分析是大数据应用的一个重点，京东物流也是如此，从下单到仓储到运输，有一个提前预测计算的过程。通过利用历史消费、浏览数据和仓储、物流数据建模，对单量进行预测，京东智能分拣中心能够提前知道未来一段时间内大约需要处理多少的单量(京东目前一两小时内的单量预测结果基本准确)，从而能够比较好地安排自动分拣以及员工的出勤，并且能够给一些预警——如果觉得目前的处理能力可能不够，就需要提前做一些安排。
这种预测结果现在下沉到站长级，因为京东希望大数据技术能让一线具体操作人员的工作更加的标准化、更加简单，例如配送员不用人工判断哪个包裹是需要他送的，通过相关的技术，系统扫描之后就可以准确判断配送员对应的包裹，甚至提前打好对应的标签，从而提高配送效率。容易知道，211限时达也受益于这样的预测。
预测的一个典型应用，就是针对一些品牌手机首发做的“未买先送”，对某个区域的具体手机进行建模预测其销量，根据预测结果在首发之前就把手机提前配送，用户就可以在下单之后很短时间内拿到货。当然目前这是某些爆款收集的技术尝试，并没有全面铺开。
1.不同场景的大数据预测分析和不同的因素有关，相同环境不同时间段的预测准确率不同，预测还不是100%。
2.对于不同的业务单元和不同的对象，预测其实也是不一样的。
·对于集团的物流负责人，万级单量的准确率可能是可以接受的；
·对分拣中心，可能预测到几十的量级才能接受，因为下沉到一个配送站承载的单量就是一千单，不能一下子差两百单（相当于差两个人，没法安排了）。
但李鹏涛认为，预测技术是螺旋式上升的，京东各个业务逐渐在利用大数据做一些预测，随着青龙系统积累的数据覆盖到越来越多的情况，模型性能会越来越好，将来还可以用在京东开放物流的共享库存上。
支持决策
智慧物流需要智能建站，京东有五千多个站，通过大数据建模，进行单量和传输距离的综合分析来选择新的建站点，可以更好地实现整个路由的优化，这对物流非常重要。基于大数据的预测功能，路由才能越做越好。
京东作为一家具有电商、供应商、物流等能力的综合性平台，有综合的数据，把这些结合起来，在可控的前提下进行决策，能够给予消费者提供更好的体验。
上页 1 2