【在路上3】大数据离线分析快递的派件时效

【在路上1】快递物流大数据的由来

【在路上2】快递的运单轨迹

几乎人人都用过快递，如果说用户最在意什么？那必然是谁家送得快！这也是整个快递物流行业被诟病最多的地方。

都知道顺丰送得快，但价格摆在那里，且它的市场份额不到十分之一。也有许多热心用户质疑，广州到上海开车就18个小时不到，快递怎么样都不可能要四五天（2016年以前），收货1天，运输1天，分拣派件1天，标准时长应该是3天才对，今发后至！这个分析很中肯，同时也是我们自己的疑问，只是无从查起！

很多人都干过一件事，网购以后，每天刷新多次物流轨迹，看看宝贝到哪了。如果上午就到了上海，而下午没有拿到手，大多数人都会发火！

2016年，有了初步的大数据（此时没有任何积累），在高层领导决策下，我们选择了末端派件这么一个环节来进行时效分析。

针对过去一个月进入上海的全部包裹进行数据分析，看看每个网点派件时长，横向对比其它网点，纵向对比该网点不同日期。

咱们用专业术语再来一次:

1，准备20160301至20160407全量签收数据，签收表独立，入库时间作为索引，考虑上传延迟多跑几天。

2，过滤签收网点位于上海，且签收时间位于3月份的数据。签收后可能过1~48小时才会上传入库，所以签收时间不等于入库时间。

3，按照中心发出日期加网点的维度，统计每个网点每天应派件量（中心发出），实际派件量（网点签收），平均时效（签收时间减去中心发出时间）

4，根据坐标计算网点到中心的驾驶时长，留出2小时作为回去后的分拣操作时间，就得到网点实际应该达到的派件时效

所有进入上海的件，在上海中心交给派件网点之前，都会做一次发件扫描，最终派件网点会做签收扫描。

按照这个逻辑，借助Oracle一体机的存储过程跑了一份数据。此时上海全天派件量10万票左右，整个3月份两三百万，跑起来难度不大。

很显然，这份数据根本就没法看！这是纯技术思维考虑的方案，尽管考虑到多跑一段，但是快递业务根本就不是这样的！！！

整个3月份的总量是差不多的，平均时效也偏差不大，问题就在于统计日期，完全错了！

要知道，每天14:30以后到达上海的件，会留到第二天早上6点，作为一派件由网点车拉回去，6:00到12:30作为二派，12:30到14:30作为三派，网点一共会来拉三次件。这里问题最大的就在于一派前半截，下午才到，网点即使拉回去也派不掉，傍晚还得去收件分拣打包。

因此，重新调整了统计日期计算规则，才得到了一份初步数据，以派件任务的视角来查看。这说明，光有技术不行，还得深入到业务之中去。

然而事情并不会那么顺利。拿这份数据去跟网点沟通的时候，才发现自己是多么的幼稚！前面说到，网点会派三次车去中心拉件，这是理想情况。实际上部分网点不会这么操作，比如，几个网点共用一辆车，又比如，二派的车在12:30故意不走，等到13:30，顺带拉走大部分三派的件，等等等！这都是为了节省成本啊，每个人都可以找出成千上万个理由，为派件不及时而辩解，实际上有没有派件不力，就掩盖在其中！

项目就此进入僵局！欲听如何破局，请听下回分解！

这一节进入实战，遇到了许多实实在在的意想不到的问题:

1，采集数据延迟上传，导致业余时间远小于入库时间。而为了能够单向分析以及数据准确性，就得用入库时间作为索引，在目标数据区间前后多跑一段数据。

2，结合快递业务，绝大部分包裹的生命周期在7天以内，因为多跑7天数据。

3，快递有一二三派，不同城市要求不同

---以上所述并非完全真实准确，为了便于书写，把不同时间点发生的事情略微调整。

作者认为，最有价值的应该是大数据落地这么一个过程，如果借助技术去攻城拔寨！

今天除夕，躲在山沟沟里用手机码字实属不易，如果喜欢，帮忙转发一下！

提前祝大家新年快乐！