我們先回顧一下木子在上一篇文章中對于整車物流大數據的觀點：
--大數據天然存在，不是新創造出來。不管你做什么或者你不做什么，它一直都在，等你來發現。
--整車物流大數據目前的病因就是“欠整”?；跀祿碾[私性和安全性，操刀之人，這個角色只有主機廠可以扮演。
--基于對客戶可感知需求的理解對于大數據在物流營運中的應用可完全夠用。
--整合是前提，整合是手段不是目的。目的在于精準定位客戶需求和新的商業遐想。
1.目前的業務模型
整車業務對于主機廠來講一般是按照車型劃分生產基地，然后通過進出口貿易銷售全球。如圖一所示，歐洲兩家工廠生產的車輛通過進口貿易到中國，然后通過國內的4個整車分銷中心（VehicleDistributionCentre）發運到全國經銷商。國內的兩家工廠的產品也經由4個VDC為全國近200家經銷商提供產品供應。同時國產車也經由上海港出口北美市場，順便說一句，木子服務的品牌是第一家從發展中國家向發達國家出口豪華車的企業。我要說：”我驕傲！“
除了上面的提到數據，這條供應鏈承載的數據還包括，每年近10萬臺車的批售，零售。這些商品車的移動包涵，公路，鐵路，水路三種運輸方式；有數以百計的人員在工作，有數以千計的運輸車輛在承載，這些車輛關聯數以10萬計的最終用戶。同時更重要的是有數以十億的資金和借貸在支撐著這條鏈滾滾向前。
2.目前的相關數據分布
當我們把目前用到的所有數據，數據來源，數據取得的方式以及數據流向匯總到一起后，我們面前有這樣一幅圖畫，如圖二所示。整個圖畫可以分為6部分。
A區的數據單向從物流的外部流入，包括一些基本信息，有客戶的，車型的，物流服務合同的等等，還有一些計劃信息化，包括銷售計劃的，以及生產計劃的和車輛生產下線信息。
B區的信息不同于A區，是雙向流動的。信息從其他部門傳遞到物流部門后，同時需要物流給予反饋。大多是和訂單以及訂單執行相關的信息，例如進口車裝船信息，各種訂單內容，訂單的財務信息。而物流部反饋的是訂單執行的狀況。
C區的信息是發生在主機廠和第三方物流服務商之間，內容多是物流操作相關，而且是一個雙向的信息交互。
D區顯示的是A,B,C三部分信息喂入物流模塊后，在物流內部各功能之間加工，流轉的過程。加工后輸出到D,C,E（報告）,F（客戶服務與反饋）模塊。
數據來源于四個IT系統的手工下載，工廠系統，銷售系統，財務系統，上游的TMS，其他為手工信息。數據傳到物流模塊后，再次被手工處理，數據源和再處理的數據被分散存放于20多個Excel文件中。
3.如果安于現狀，那是一幅怎樣的數據”畫面“？
盲人摸象，沒有完整畫面。從整個整車物流管理的角度看，沒有一個系統能掌握一臺商品車輛的完整的數據檔案。如果想拼接這份完整的圖畫，必須翻閱20幾個Excel文件。然后手工關聯數據。
畫面“分辨率”不夠高。由于數據量的關系，只能記錄少量關鍵節點，比如運輸在途的監控，只有出庫，到店，在途三個狀態，而不是一個全過程的監控。這樣就會可能失去采取Pro-action來改善客戶滿意度的機會，具體論述參看木子的節奏物流（ID:Rhythm_Logistics）1月29日推送的文章--《節奏物流之物流狀態追蹤》。
畫面“失真”是大概率事件。由于數據量巨大而且數據存儲的安全性很低，同時Excel沒有權限管理，會造成數據丟失；對于每年銷量在10萬級的企業，如果要分析過往幾年的數據，手工數據處理很難支持。
畫面傳輸大多是“老電影”。由于數據來源紛雜和人工處理手段落后的原因，報告缺乏實效性。人工數據處理完了，很可能已經是過時的了，很難為決策提供實時數據支持。如果想從多角度分析，效率就更低了。
畫面的“觀眾”有限。由于上述的數據采集以及分析的原因，目前大多只能用于物流部內部，很難開放給整車物流的內外用戶。木子服務的品牌現有外部客戶近200家，再考慮到公司內部的客戶，從功能上分就不下10家。物流部只能提供簡單信息服務。
4.數據整合僅是前提和第一步。
看了上述情況，找個專家望聞問切，抄起筆來，刷刷點點開個方子--整合數據，實現數據實時電子交互，數據儲存上傳云端，利用SQL或者”OO“進行數據處理。還有更多我們干物流的聽不懂技術和名詞。但是木子能看懂的就是先整合數據。
說干就干，就有了如圖三的數據整合的變化。這個整合著重于物流的內部，即把原來的導入的所有信息儲存在云端的數據庫，在云端根據目前的數據需求，用基于SQL技術的數據處理。這步動作帶來了如圖四所示的變化，木子在此不在贅述。
5.二期開發的規劃
大家能看到在圖三中還有很多表示數據交互的空心箭頭，它們表示數據在不同系統/數據表格之間傳遞。目前這些數據的傳遞還是以人工上載的方式到云端，未來如果實現EDI，那么對于改善數據實效，準確以及數據格式的統一是非常有幫助的。
細化用戶權限管理，為更多內外部客戶以及整車物流供應鏈上的各方提供更多Tailor–made的信息服務。
通過經銷商付款的信息以及在途信息的大數據分析，找到弱勢發運線路的原因，從而指導物流服務商找到改善服務的原因。
通過RFID追蹤改善對于庫存維護保養的遠程監控。
這里只是羅列了一些目前看到的可能性，當整合后的數據完整的展現在您面前的時候，基于對客戶可感知需求的理解，您可能發現更多的驚喜。所有這些都來源于您邁出的第一步—數據整合，主動打開上帝遮在您眼前的簾。借那首膾炙人口的歌詞作為本文的結尾。
如果我能看得見
就能輕易的分辨白天黑夜
就能準確的在人群中牽住你的手
就能驚喜的從背后給你一個擁抱
讓我看見這世界就在我眼前
最新案例