《大數據驅動的O2O即時物流管理與決策研究》是依託中央財經大學，由代宏硯擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：大數據驅動的O2O即時物流管理與決策研究
- 項目類別：重大研究計畫
- 項目負責人：代宏硯
- 依託單位：中央財經大學
項目摘要,結題摘要,
項目摘要
O2O業務是利用網際網路使線下商品或服務與線上融合，線上生成訂單，線下完成交付的一種新興商業模式。O2O即時配送是典型的大數據驅動場景，具有海量數據、高頻實時決策、定製化的多主體決策等特點。作為新模式，O2O即時物流的管理和決策還缺乏理論研究，業界還在基於經驗的摸索階段，導致物流效率低下、成本高企。對於這樣一個大數據量高複雜度的系統，僅靠傳統的靜態、離線最佳化方式不能滿足其需求，亟需大數據驅動的方法來進行高效、實時決策。因此，本項目擬利用O2O平台持續產生的不斷更新的海量數據，基於大數據線上增量最佳化方法，研究（1）大數據驅動的眾包行為規律和運力疊代學習模型；（2）O2O配送服務區域動態劃分模型；（3）考慮眾包行為的O2O配送高頻實時決策模型。基於中國O2O企業先發優勢和數據優勢，構建一個大數據驅動的眾包模式下的O2O即時物流管理決策方法，幫助中國企業在做大的基礎上進一步做強，鞏固在世界上的領先優勢。
結題摘要
我國新零售O2O即時配送服務發展迅速，體量大，在全球具有數據先發優勢。相比傳統的物流模型，這種新的模式在數據和算法層面存在兩個挑戰。（1）在數據層面，線上和線下各種因素即時互動影響，且眾包這種新配送模式的使用，使得需求端和供給端都具有不確定性，因此需要融合內、外部全景式數據來支持決策。（2）在算法層面，O2O即時配送要考慮多維度的數據，其中一些變數和物流高度耦合，但其和配送的關係是潛隱性的，傳統的規劃模型難以刻畫，需建立新的數據驅動的方法來融合這些變數到最佳化決策中。項目組與全國最大的O2O商超平台之一“京東到家”合作，通過分析千萬級的多維數據，提出了一個針對新零售O2O即時物流的新的數據融合框架，為新零售行業提供了一個可支持數據驅動範式研究的基礎。項目組進一步提出了一個數據驅動的O2O即時物流最佳化決策算法框架，實現了決策範式從模型驅動到數據驅動的轉變。數據驅動的特點主要體現在以下三方面。（a）構建基於場景推演的訂單分布預測算法，實現大規模網路的訂單分布預測，使得模型可同時考慮現在和未來的訂單池進行全景式最佳化；（b）構建個性化配送速度動態預測模型，預測眾包個體的實時配送速度，最佳化調度結果。（c）構建個性化眾包能力疊代學習模型，利用機器學習方法對眾包進行分類和挖掘每類配送員的行為特徵，可降低眾包帶來的不確定性，實現精細化配送管理。該項目將機器學習的方法引入到物流管理領域，實現決策範式從模型驅動到數據驅動的轉變，填補了該領域的空白。同時，項目組進行了百萬級訂單的真實企業數據測試，驗證了算法的有效性。項目組申請了3項專利，並將核心算法開發為套用軟體，在全國最大的O2O商超平台之一“京東到家”得到套用，也正和全國最大的新零售企業之一“百果園”（4000+門店）進行合作，可有效提升企業需求預測精度和O2O物流效率，具有很好的實踐價值。
