作为典型的快递公司，如风达创立于2008年4月15日，从凡客诚品旗下的自建物流起家，发展成为天地华宇集团旗下独立运营的快递品牌，目前已经覆盖全国31个省及省级直辖市，共计340个地级市及省级辖区域、2054个市区及县级市。

如风达的业务覆盖面如此之广，加上每一天都要处理上百万的订单量，在如风达IT事业部副总经理杨来旺看来，如风达的数据量确实比较大。所以，如风达从很早就开始借助大数据的力量来支撑业务发展。

大数据支撑五大业务场景

据介绍，如风达主要将大数据应用在以下五个业务场景之中：

其一，地址库。

杨来旺为记者举例，比如客户下了一个从杭州发往北京的订单，那么这个订单到底该怎么走？是从杭州走到上海，然后走火车、还是汽运、还是飞机？到了北京的库房后，再发到北京的哪个站点？这些都是不同的路由，而地址库就是收集用户整个地址段里的一个关键点，比如国贸大厦、西二旗大厦、某个街道，都是地址关键字。"对于快递公司来说，收集地址库是一个漫长而且有价值的事情。"杨来旺强调，"目前如风达的地址库分单率已经达到了99.9%，也就是说，在100个订单中，有99.9个订单是可以通过系统自动分配的。"

其二，预分拣。

大家在日常使用快递时，都可以看到快递单上打印的配送站名称，是由哪个配送站、哪个网点配送的，这就是由预分拣系统分配的。杨来旺补充到，预分拣除了通过地址关键字进行分配，还可以通过GIS来分配。GIS系统收到订单后，可以解析一下这个订单是在哪个经纬度上的，XY坐标是什么。当然，IT部会提前把每个站点的配送区域和每个配送人员的配送区域在地图上画出来，当GIS系统成功解析订单之后，就可以按照地图，把订单分配给相应的配送站，甚至是具体的配送员。只有极少数系统无法分配和解析的订单，才会交给专门的信息分拣人员进行人工分配。

其三，订单时效。

时效就是货物从库房发到用户手里的时间。比如规定的时间是12小时，如果如风达在今天晚上发货，用户就能在第二天上午收到，如果如风达在当天上午发货，用户就能在当天下午收到。但如何计算每个订单的时效，就要通过数据分析和标准时效对比了，如果在规定的时效内完成，妥投率就是百分之百。以如风达和小米合作的推出的"光速达"活动为例，用户下了订单之后，在两个小时内就可以收到小米的货物。这就是通过数据分析，提前把库存布置到云仓里，这样，配送员在半小时之内，甚至是五分钟之内，就可以把货物送达到小米的客户。

其四，订单履约。

订单履约系统是做主动监控的。比如订单从杭州发往北京，要先到上海分拨中心，再从上海分拨中心发到北京分拨中心。这期间，通过不同的运输方式，所需的时效都不一样，所以要在系统里设置不同的路由。以移动电源为例，是不能通过航空线路运输的，只能走铁路或者公路，如果在某一段路上的运输时间超过了规定的时长，该系统就会报警，让运输者争取在后面的运输环节中把时间赶回来。杨来旺表示，"订单履约就是解决准时的问题，怎么能准时把货物送到客户手里，如果不准了，就及时发现、预警。"

其五，区域规划。

以北京为例，很多配送公司在北京都会设立几十个甚至上百个配送网点，那么这些配送网点是如何分布的？据杨来旺介绍，确定配送网点要考虑很多因素，包括房租、客户的密度、订单的密度，都要通过历史数据来分析，当一个配送网点不能满足配送要求时，就需要多建一个网点来提高效率、降低成本。所以要通过系统，不定期的对以往的数据进行计算、分析，再根据分析结果来决定，该区域是否需要扩建一个网点，或者增加配送员，做好区域规划。

"应用大数据后，给如风达带来的最大的效果就是从被动变成了主动。"杨来旺总结到，因为有了实时的数据分析，很多问题都可以提前发现，提前解决和改善，防患于未然。而过去没有大数据分析时，只能被动的等待客户投诉，才知道订单出了问题，但是造成的不良影响已经成为了事实。

做大数据要从业务痛点出发

谈起实现大数据的过程时，杨来旺告诉记者，从技术手段来说，实现大数据主要是基于Hadoop这样的基础架构，首先要进行数据采集，把配送、库房、分拨，还有配送员操作的环节都采集到系统中；第二步是提取，根据建模的关系条件，可以用实时的和离线的提取工具，把需要的数据提取到数据仓库里；第三步是计算，通过各种维度进行计算，比如时间维度，满足24小时时效的订单有哪些，不满足的订单有哪些；最后一步就是展现。

杨来旺提醒，在数据积累的过程中，要通过各种维度，提前做好数据建模。因为数据分析肯定是有多种维度的，如果只有订单信息，没有客户信息，那么也分析不出来想要的东西。所以，在拆系统的时候，也要按照不同的维度去拆，如风达的系统就是通过改造之后，把配送、仓储、分拨、客服等都拆成了不同的子系统。过去只有一套系统时，集中式的计算很慢也很麻烦，拆开之后就可以分而治之了。

最后，杨来旺还建议，企业不能因为要做大数据，而专门去做大数据，从企业的实际需求出发，找到业务痛点，通过业务倒逼的方式，推动大数据的实施，效果反而会更好。