物流企业如何构建GIS服务能力

随着云计算和api服务经济的普及，gis服务是一项普遍而广泛的技术服务。根据谷歌的理解，它属于牙膏级别的底层api服务（就像人们对牙膏的需求一样，这是一项基本的日常生活服务）。同时，gis技术服务在技术和数据采集方面的成本和时间都很大。换言之，对于普通企业来说，使用车轮比从头开始制造车轮更合理、更经济。
但对于物流企业来说，gis服务需求与一般企业有以下三个方面的不同：1。gis相关业务数据属于物流企业的关键核心数据，涉及物流企业的业务和数据安全。物流企业在名称地址识别与匹配服务（以下简称名称地址服务）方面有特殊需求，一般的gis服务难以覆盖和满足。名称和地址服务识别的准确性决定了物流企业的效率和成本。因此，埃森哲建议物流企业尽早建立自己的地理信息系统技术和服务能力。
在我们接触的物流企业中，大多数都对gis服务的关键和重要性有了充分的认识，但对gis技术和建筑规划的认识存在较大偏差。部分客户长期通过一线业务人员采集地址经纬度数据，部分客户将组织底层管理部门进行地址标准化处理。gis服务数据种类繁多，不同类型数据的专业性差异很大。我们认为，标准地址数据（地址信息、四级、五级地址服务、地址类型信息）属于信息量大、采集难度大、变化频率高的专业gis信息（尤其是在中国）。一般的物流企业通常很难建立好这个信息库，很难有持久性和准确性。
因此，物流企业在建设gis技术服务能力时，首先要对自身的数据资源能力有一个清晰的认识，充分利用社会上标准的gis服务和gis数据，规划gis数据和服务的结构，从而有效地支持业务的发展。物流企业的数据采集和传递有明确的责任保障和业务绩效保障，全面准确，是物流企业的核心数据资产。因此，物流企业的gis数据规划和技术框架应围绕业务需求和数据采集进行设计，而埃森哲中国物流团队在这方面具有丰富的行业和实施经验。
三、国内物流企业gis技术服务的方案与实现
国内物流业实现gis技术服务的途径有两种，特别是实现名称和地址识别功能。一种是基于顺峰表示的秩统计量和加权词频算法，另一种是基于中国邮政表示的标准地址库的布尔+向量分析。
基于秩统计量和加权词频的识别算法类似于ibm waston的实现原理。基于秩统计量和加权词频的识别算法等价于地址识别的实例信息。采用具有一定自学习能力的算法进行置信推理。由于有针对性的算法设计，该技术能够达到很好的识别精度。主要问题是业务领域的调整会造成历史案例数据的误差，自学调整时间过长。
基于标准地址库的布尔+向量分析识别算法主要是以标准地址库为核心，对非标准地址进行语义识别，同时辅助历史经验库进行识别校正。如果标准数据库维护准确及时，标准地址数据覆盖范围大，该算法的识别精度也很高。缺点是企业本身需要维护标准地址数据库，积累和维护成本非常巨大。
为了解决现有地理信息系统技术的不足，埃森哲物流团队和计算机认知团队计划并设计了新一代地理信息系统地址识别服务引擎，充分利用采集数据的准确性，并将nlp和深度神经网络算法应用于计算机认知技术中，有效地识别和匹配地址。同时，通过相同的算法架构，我们可以构建一个标准的地址分割主题词库，用于进一步优化和加速企业的地址识别服务。
gis技术服务是物流企业的核心竞争力。正如所有技术一样，纯技术优势不能带来商业和市场优势。只有企业与技术相互配合、统筹规划，才能将技术优势充分转化为企业竞争力。从业务规划入手，尽早规划和建设gis服务能力是物流企业的必修课。