澳大利亚邮政利用图形数据库和数字孪生，优化投递工作

为优化投递网络，澳大利亚邮政推进数字孪生计划，并布局图形数据库技术，以便根据每周收集的数百万个数据点做出更具预测性和前瞻性的决策。

包裹、邮政和电子商务服务执行总经理Gary Starr在悉尼举行的在线零售商大会上表示，澳大利亚邮政是“图形（数据库）技术的早期采用者”。

Starr表示：“这使我们能够以数字方式绘制整个网络。”

“实质上，它就像一个具有实时信息的超级数据库，我们可以比传统数据库更详细地了解连接关系。”

澳大利亚邮政在2021年初首次提出了建立投递网络数字孪生系统的计划，但负责这项工作的高管已经离职。

此前，澳大利亚邮政还讨论过在谷歌云平台组件上建立一个事件管理系统。

目前还不清楚Starr讨论的是同一项工作，还是这些早期工作的演进版本，因为那已经是几年前的事情了。

当然，Starr关于投递网络 "数字地图 "的讨论是澳大利亚邮政在那之后首次详细讨论这些工作。

在图形数据库技术（目前尚不清楚是哪家供应商）的支持下，投递网络的数字地图将“查看特定站点和码头之类的节点和节点之间的流动情况。”

Starr表示：“从这里，我们可以更好地识别瓶颈、循环包裹以及我们所说的‘暗包裹’——即我们看不到的包裹。”

Starr希望让每年投递网络中“数十亿”（每周“数百万”）邮件移动数据为图形数据库和数字孪生提供信息。

他表示：“我们将拥有一个有效的实时事件‘超级数据库’，并能够建立我们网络的数字孪生系统，帮助模拟最小化和解决中断的最佳方法。”

“这也意味着，当我们增加一个新设施时，我们可以模拟它对网络的影响，（并）了解在哪里投资，包裹将如何流动，它将对速度以及最终的客户服务产生什么影响。”

“这也意味着我们可以了解特定的运输方式或将物品改道至其他站点对投递的影响。”

关于最后一点，Starr表示，澳大利亚邮政现在已经通过机器学习投资具备了一些预测能力。

他解释说：“我们的机器学习可以提供高度准确的货量预测，确保我们的网络与客户合作，能够管理预测的货量，从而为电子商务提供动力。”

“货量是动态变化的，会受到零售商处境的影响，同时也会受到环境条件的影响，我们的网络横跨整个大陆，我们必须了解洪水、丛林火灾、事故、出轨等一系列事件对递送工作的影响。”

"每个高峰期我们都会说‘不会再发生了’，但是每个高峰期都会发生某种重大自然事件。”

“出色的预测意味着我们可以帮助客户规划他们的流量，我们可以与客户一起了解这些流量，从而规划我们的网络。”

“因此，在机器学习的辅助下，我们现在有了一套预测产品，它改进了模型，能够更好地理解并预测包裹可能的路径。”

“这是一个根据寄件地点、目的地邮政编码和物品特征来观察网络中寄送情况的模型，在我们的高峰期尤为有用。”

Starr表示，图形数据库和数字孪生将大大提高澳大利亚邮政在这一领域的技术能力。

他表示：“我们将能够以数字化的方式了解如何最大限度地减少中断并更快地解决它。”

“对数字地图的投资实际上是为了提高我们使用数据的能力，从描述性数据转变为调查性数据；突出拥堵情况以提醒我们的团队；在问题出现之前解决问题；诊断中断情况，然后找出优化递送的方法。”

“对于我们的客户来说，这意味着我们可以更加积极主动地参与其中，这样我们双方都可以在问题发生之前未雨绸缪。”

从更广泛的技术战略角度来看，Starr 表示澳大利亚邮政将继续在数据能力和文化上进行投资。

他表示：“从历史上看，我们的数据非常丰富，但洞察力不足。”

“我们知道这两者之间的区别，我们正在进行正确的投资，让我们能够明察秋毫。”

这些“正确的投资”包括建立一个基于谷歌云平台的数据平台，该平台最早可追溯到 2019 年。

Starr表示：“在过去的几年里，我们将GCP作为我们的数据平台，使我们能够利用谷歌提供的技术和基础设施为未来做好准备。”

“我们整个业务每年要捕捉数十亿个数据点，我们可以利用这些数据得出有价值的见解。”

Starr表示，澳大利亚邮政已经认识到“数据主导”着该机构的未来。

技术是实现这一未来所需的要素之一，但同时也需要建立正确的管理实践和文化。

他表示：“这里最关键的是，我们需要干净的数据”。

“干净的数据有助于做出正确的决策。”

“我们必须做好管理。如果我们没有正确的管理方法，不能随着数据的发展持续管理并保护好数据，那么我们就无法实现我们的目标。”

“我们有一个很好的开始，建立了一个很好的平台，将所有数据汇集到一个地方，但我们必须在此基础上继续努力，以便获得更好的洞察力。”

“这意味着我们要真正赋予团队对数据质量、新工具、流程、框架和衡量标准负责的能力，从而建立更强大的数据文化，使每个团队都能完全与之保持一致。”