随着物流业的数字化转型，智慧化物流愈加重要。作为国内零担之王，德邦试图通过IBM Watson的认知技术，助力德邦快递服务升级，打造一个具备认知能力的智能化物流体系。
“您好，德邦快递，这里有您的快递，请签收。”
“您好，德邦快递，您刚刚在德邦APP上提交了一个20公斤重的件，我来取件。”
当有一天，您发现无论是送快递还是寄快递，门外站着的都是一身深蓝色工装的德邦快递员时，不要惊讶——作为国内物流业零担之王，德邦物流正竭尽全力寻求在快递领域开辟更大天地的机会。
尽管外界认为德邦进入快递行业较晚，但它确实赶上了好时候：在资本注入、电商升级、行业规范和技术升级等因素的影响下，物流快递行业正在从劳动力密集型和低附加值行业向技术密集型和高附加值行业转变。一直在零担运输担任龙头老大的德邦物流再一次比行业更早地嗅到了这一信号。
去年，关于“数字化转型”的声音在德邦物流内部越来越大，德邦高管们开始思考：通过数字化还能在德邦内部做哪些提升？如何能够在数字化方面做出成绩来？毕竟，德邦高管在去年提出的小目标在那里放着：德邦到2026年要实现收入5500亿、利润300亿，还要跟员工分享180亿的奖金。这个小目标要依靠传统的劳动密集型增长方式太难实现。因此，向数字化转型是德邦最迫切的愿望。
今年春节结束后正式上班的第一天，IBM在物流行业的负责人、IBM 全球企业咨询服务部大中华区合伙人骆志群会见了几位重要的客人，其中一位正是德邦物流分管战略IT的高级副总裁崔维刚。他带着德邦高层的授意，前来向骆志群这位老朋友咨询：德邦还能通过数字化做哪些提升？
双方就数字化转型的可能探讨了几个方向。从德邦的角度，他们认为有两个重要的领域需要通过数字化做得更好。第一个是客户体验，第二个则是运营效率。
“最终我们达成一致意见，先从客户服务领域切入，特别是投诉领域。”骆志群告诉记者，“一方面是IBM在这方面的技术比较成熟，另一方面也是可以快速帮助德邦在数字化转型方面显效。”
在这个数字化项目中，最为重要的技术便是IBM的Watson认知技术，它就像是一个3岁的孩子，在实践中不断学习，充实大脑里的知识，一直长大成人。“这次合作，是Watson首次应用在物流行业，我们希望能够做出一个样本。”骆志群说。
Watson的首秀
针对目前的客户投诉体系，德邦最想改善的便是提升数据处理效率。双方合作的切入点在于，IBM以德邦内部的结构性数据和非结构性数据为基础，做三个预测模型，分析哪些客户有可能会产生投诉，或者容易产生投诉的环节在哪里。
这就要求，IBM必须建立一个可以充分分析德邦客户投诉数据的模型。而根据行业内的主流技术，包括SAS在内，都只能分析仅20%的非结构化数据。
一个很典型的例子是，在Watson介入之前，当一位对德邦快递服务不满意的客户，给德邦呼叫中心打电话投诉时，他可能会说：“已经过去3天了，为什么我还没有收到快递？”呼叫中心的工作人员则会将客户投诉的话记录到工单里，然后这个投诉就归集在德邦内部的数据库中，就结束了。“这种在数据库中或Excel表中记录的数据，我们称之为结构化数据。目前，很多企业内部20%的都是结构化的数据，他们以excel的方式存在。目前，德邦内部的体系可以对这部分数据进行分析，总结哪些问题容易被客户投诉，或者哪位客户容易投诉。”骆志群向记者解释道，“但遗憾的是，还有80%内容是以声音或者文本的方式存在，我们称之为非结构化的数据。而目前的科技，它们只会分析客户什么时候打过投诉电话，但没有办法对电话内容进行分析。”
Watson的到来，以往80%不能被分析的非结构数据得以快速分析。“当客户再打投诉电话进来，话务员记录在工单里面的信息，也即是文本或声音信息立刻得到分析，而以往20%的可分析的数据，其分析速度也会提升33%。”骆志群说。
总的来说，将Watson引入德邦客户服务系统后，物流公司常见的两个问题便迎刃而解。第一，Watson扩大了数据处理的范围——原来只能处理结构化数据，Watson则可以分析非结构化数据。第二，原有的模型建立之后就被固定，无法自我实现升级，而具备认知技术的Watson则可以随着时间的运转，促使模型变得越来越“聪明”。
“就相当于原来的电脑是一个3岁的小孩，他的学习能力就停留在3岁这个阶段。Watson介入之后，它是一个可以长大的孩子。他会从3岁长到5岁，一直到成人。它所具备的认知能力，其技术核心跟人的大脑非常相似。”骆志群如此向记者解释道。
不止30倍的提升
4月立项，7月底上线试运行，Watson在如此短的时间内可以实现哪些功效？
针对德邦目前最重要的两条产品线——30公斤以下的快递业务，以及30公斤以上的零担业务，IBM已经建立了两个预测模型，另外根据投诉程度加深，IBM又对投诉体系建立了升级模型。
“整个过程，我们调取了德邦最近8个月，2亿条数据来做模型。效果是在原来效率基础上的30倍。”对于30倍的提升，骆志群觉得这仅仅是一个开始，“这是Watson的正常表现”，等到7月底，三个模型全部部署到德邦物流整个客户服务体系后，“这个数字要比30倍大得多。”
作为物流行业的首秀，Watson的功能是否会不稳定？对此，德邦高层十分有信心，他们看中的是IBM在其他行业积累的丰富经验，“参照IBM在银行业Watson的成功实践，银行的客户服务体系非常庞大，IBM在该领域的经验一定会帮助物流行业实现有效地升级。”
Watson的提升还不止于此。
“一般而言，大数据的应用途径，大致分为三步：分析数据、洞察结果、指导行为。具体来说，首先要具备对非结构性与结构性数据的分析能力，第二步通过分析数据来产生洞察，从数据中找到隐藏的规则，或找到可以改善的问题。第三步根据洞察形成一个理念，用来指导企业如何更好地运转，如何提升管理，比如说怎么服务客户体验，提升运营效率等。”骆志群进一步阐述道。
Watson已经扮演了前两个角色。“通过改善德邦客户服务系统，逐步改善德邦客户满意度，只是IBM帮助德邦实现数字化转型的小尝试。”骆志群说，“未来，我们还要将客户从下单到收到快递整个业务链上的数据，都逐步整合到一个平台上来。在这一个庞大的数据平台上，我们首先预测哪些客户会出现异常，出现投诉，然后帮助德邦做一些事前的预备工作。通过进一步的合作，未来的场景是，在整个业务链上，哪个环节容易出现问题，德邦有针对性地去改进。那就成为整个公司端到端的全流程的监控平台。这是德邦数字化转型的下一步。”
面对未来，随着国内电商平台的发展，市场需求、竞争条件的变化，中国的物流服务也显示出广阔的市场前景，中国物流市场需求的多样性、层次性、细分化特征更为突出。同时，随着中国经济的持续快速增长、经济全球化和世界制造业向国内转移，专业化的第三方物流市场形成并逐年扩张。在此背景下，物流企业的运营必然要走向智能化、标准化和全球化发展的道路。
根据国家物流行业中长期发展规划，有预测认为中国智慧物流市场规模将保持20%以上的高速增长，到2022年，中国智慧物流市场规模将超过7900亿元。
谁抓住了数据和智能，谁便掌握了未来，而Watson这一具备认知技术的助手在这一领域的探索才刚刚开始，未来将具备怎样的技能，这是一个充满想象的事。