京公网安备 11010802034615号
经营许可证编号:京B2-20210330
菜鸟网络再秀成绩单 大数据之路还有三道坎
根据阿里研究院物流专家粟日提供的数据显示,菜鸟网络对大数据的应用已经在提升电商物流的时效方面取得明显效果,特别是在异地电商物流的业态中,今年年初每月时效都在4%的基础上缓比递增,目前已经缩短到了大概56.9个小时。
这是菜鸟网络分享日上公布的数据。
记者还了解到,菜鸟网络在数据运用方面仍然面临不少的困难,首先是行业信息化和数据化水平低,即使是付出了很大的成本,部分数据还是难以获取,而且数据主要在菜鸟和快递公司之间流通和使用,如何同步到用户手中、提升最后一环的效率任重道远。
信息化水平低
自成立以来,菜鸟网络就意在通过整合阿里平台的资源和对大数据的运用,提升电商物流和快递配送的效率。两年多来,得益于阿里系电商多年积累的大数据及相关技术,菜鸟网络在电商物流方面表现不俗。
以“双十一”为例,面对快递公司单量暴涨到10倍的局面,它可以基于前端的历史交易纪录、电商平台里面的预热等多个维度的数据,为每个快递公司、每一条线路、每个网点预测包裹量,帮助快递公司提前做好运力准备。
这对菜鸟来说并不难,因为有现成的数据,而且是阿里自己的数据,外部的情况却更为复杂一些,特别是牵涉到快递公司方面。
“快递行业业务的信息化和数据标准化的程度不够高,这确实是这么一个情况,大家今天去网点走的话,还有大量的手写的面单,这说明行业数据化、标准化还需要一个过程,这个面单反映行业基础化的过程。”负责菜鸟网络数据运营的丁宏伟说。
他还指出,快递行业信息水平低也有着行业自身的特点,因为其整个流程有大幅度的地域上的变化,数据发生点高度分散,一个包裹可能发生在很多的地方,经过不同的人、不同的交通工具才能完成,不像网上行为,鼠标一点,整个后台IT系统全部完成操作。
针对这种局面,菜鸟网络目前正在大力推进电子面单业务,一种使用原来用户打印增值税发票的打印设备来打印快递面单的做法,不仅打印速度提高4到6倍,更主要的是可以将面单数据信息化,便于后续的开发和利用。
打通仍有障碍
中通快递是菜鸟网络电子面单目前的主要用户之一,中通快递总裁助理兼市场总监郑超认为,这给电商物流时效性的提升帮助很大。
“目前为止没有碰到过菜鸟向我们收取任何的费用。相反倒是菜鸟在这个方面付出了不少,因为你看像电子面单、分单,社会上有一些大型第三方的供应商,他们在快递和菜鸟之间,菜鸟在这个打通上面承受方方面面,付出了很多钱。不光是时间精力,真金白银都付了不少。”郑超表示。
菜鸟网络不收取费用其实是有条件的,根据郑超透露,菜鸟网络的所有服务都是免费的,但需要将中通的数据与菜鸟打通。
这是菜鸟网络在通过免费服务换取快递公司的数据接入。而就市场来看,使用菜鸟电子面单的主要还是中通,其它快递公司多数仍是传统手写面单。可能意味着,部分快递公司还不愿意对菜鸟放开自己的数据。
其实,不仅是快递公司,阿里系电商的卖家在数据共享方面也有所顾虑。很多卖家不愿意将面单信息提供给快递公司,而快递公司想要实现面单电子化,提升前期揽收和后续配送的效率,恰恰需要卖家在这方面进行配合。
用户端刚刚起步
除了数据的采集方面,在数据的运用上,菜鸟网络的服务链条也存在薄弱环节。
目前,菜鸟网络还主要集中于服务快递公司,帮助快递公司提升电商物流效率,在消费者层面,如何通过大数据的运用服务于消费者,不仅关系到用户体验,也关系到快递的效率,这方面的运用才刚刚开始。
“更大面上来讲,我们过去物流其实更多是在服务一个B端,就是我们的商家。其实在今天,我们的消费者感受更为重要,这就是为什么和快递公司一起合作一个新产品果果,主要用于服务消费者。”丁宏伟说,他同时也是果果业务的负责人。
据悉,果果主要有两个功能,第一个功能就是分享,通过微信等几种途径,发件人可以将快递信息分享给自己的收件人,收件人之后获得授权,就可以查看物流详情,包括物流的信息和包裹的信息等等。
第二个数据应用的层面,是消费者数据分析的应用,菜鸟可以对每天几千万个包裹做时效预测。
不过,果果的定位与快递公司的功能有一定冲突,目前多数快递公司都有各自的APP,可以帮助用户跟踪包裹物流配送信息,有些快递公司还提供增值服务,将包裹动态以短信等方式同步给收件人,尚不清楚果果与快递公司的合作情况。
菜鸟网络总裁董文红曾表示,每用一个快递公司的业务就要下载一个APP对于用户来说过于繁琐,果果一个APP的服务则可以涵盖所有快递公司。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26