实时数据正在改变卡车运输行业

迈克尔·克里格斯曼：我们正在讨论使用机器学习和数据来提高卡车运输行业的效率。我们的嘉宾是 Convoy 的首席技术官多萝西·李。卡车运输是我们最重要的支柱产业之一。听到机器学习数据和自动化如何利用最新技术将这个传统行业转变为现代化强国，真是令人着迷。你好，多萝西。你今天过得怎么样？

多萝西·李：我很好。谢谢你，迈克尔。

迈克尔·克里格斯曼：多萝西，很高兴和你交谈。跟我们谈谈 Convoy 以及你作为首席技术官的角色。

多萝西·李：嗯，简而言之，Convoy 是美国第一个也是最有效的数字货运网络。这实际上意味着 Convoy 在 2015 年就开始了这场高效货运的运动。从第一天起，我们就一直致力于解决这个庞大的 8000 亿美元行业的货运和效率方面最棘手的问题。

我作为首席技术官的角色是利用技术来改变这个行业。当今货运网络和货运中遇到的很多问题都可以用技术、机器学习和数据来解决。这实际上是优化全国数百万卡车货运的核心。

迈克尔·克里格斯曼：所以重点是为这个巨大的卡车运输行业带来极高的效率，你们依赖数据、技术和机器学习。多萝西，当你观察卡车运输行业时，你试图解决的核心挑战是什么？

多萝西·李：我认为，我们试图解决的核心挑战可能有两个。第一个核心挑战是空载里程的概念，换句话说，就是卡车司机在没有货物的情况下行驶所浪费的里程。如果你把它放在一些视角中，该行业每年大约有 2000 亿英里卡车司机行驶。其中近 35% 是空载里程。这相当于 600 亿英里的浪费。

如果我们能提高效率，如果我们能……相当于种植了很多树。所以这是第一个问题。第二个问题是关于卡车运输行业本身，对吧？我们今天听到关于劳动力短缺的消息，卡车司机短缺实际上是造成我们今天看到很多供应链问题的原因。

为了让这个行业更加可持续发展，我们还需要提高卡车司机的效率。减少他们等待的时间，让设施对卡车司机来说更加方便，总的来说，让卡车司机的日常生活变得更好。

迈克尔·克里格斯曼：所以完全明白空载里程的问题，但空载里程是如何成为数据问题的？你们是如何用数据解决这个问题的？

多萝西·李：这是一个好问题。数据实际上是解决这个问题的核心。当你考虑这个问题时，空载里程的挑战是因为我们实际上没有很多洞察力——嗯，首先，我们没有很多洞察力关于路线是如何优化的——可以优化的。其次，我们也没有洞察力关于传统的拖车位置和卡车司机如何使用时间。

所以，如果你能提供数据点，了解拖车是否空载，以及卡车司机在路上行驶的位置以及路线状况。有了所有这些数据，我们实际上就可以开始设计更智能的路线规划方式，以及批量处理方式，这样一来，当卸下一批货时，卡车司机就可以马上装载另一辆拖车。

迈克尔·克里格斯曼：Convoy 如何了解卡车的状态？我确信，卡车司机到达爱荷华州的得梅因，拿起电话，给多萝西打电话，说，好的，多萝西，我已经卸货了。我准备出发了。你有什么给我吗？我确信这种情况不会发生。

多萝西·李：的确不会发生。

[笑声]

我们了解卡车司机所在位置有两种方式。一种是通过 Convoy，每个卡车司机都会使用一个应用程序，这些应用程序，正如我们所知，在智能手机上具有地理位置跟踪服务。有了它，我们就知道卡车司机在什么位置。如果卡车司机有一辆 Convoy 拖车，这些拖车是智能拖车，它们配备了具有互联网连接功能的物联网传感器。这是我们知道拖车位置（无论是否空载）的另一种方式。

迈克尔·克里格斯曼：所以要解决这个问题，仅仅知道拖车是空的还不够。显然，这是第一点。但你必须知道，在合理距离范围内，还有其他货物可以供卡车司机装载。那么，这又是如何运作的呢？

多萝西·李：没错。我们还需要了解库存状况，也就是货源和需求所在的位置。这就是我们与托运人合作的地方。在某些情况下，我们还会与第三方经纪公司合作，了解需求在哪里，货物在哪里以及卡车司机何时可以去取货。

迈克尔·克里格斯曼：显然，这取决于你们拥有一个非常广泛的网络，这样一来，即使没有完全的综合视图，也可以足够全面，让你们能够有效地运作这个市场。

多萝西·李：是的，当然。我们与许多财富 500 强托运人合作，我们真正运营着美国最大的承运人网络，与 30 万家承运人合作。我们了解不同城市货运线路的密度和状况。你可以想象，所有这些都产生了大量数据。而且，从根本上说，从核心来说，是数据和数据分析。

迈克尔·克里格斯曼：我听到你说过一个词——“弹性运力”。

多萝西·李：是的。

迈克尔·克里格斯曼：那么，它在卡车运输行业中意味着什么呢？

多萝西·李：没错。“弹性运力”实际上从根本上说，或者简单地说，就是当需求激增时，能够拥有几乎无限的运力，然后，当需求减少时，能够避免被锁定在几年之前签署的合同中。这实际上是满足托运人的需求，让他们能够在任何市场条件下为客户提供服务。灵活性的意义就在于，能够在任何市场条件下提供运力，无论是市场火爆还是疲软，都不会被哄抬价格，也不会被锁定在合同中。

迈克尔·克里格斯曼：那么，这是否意味着，我们根据市场状况签订短期合同，而不是被锁定在长期合同中？

多萝西·李：是的，这是其中的一部分。这是非常重要的一部分。另一部分是能够利用——为了拥有这种运力，你需要能够利用比托运人自己拥有私营车队更广泛的网络。

迈克尔·克里格斯曼：为什么？

李多萝西：许多托运人确实拥有自己的私人车队，但它们只是全国可用的整个卡车车队中很小的一部分。因此，当需求激增时，他们自己的私人车队不足以满足需求。通过拥有这个公共承运人网络，他们可以在需求激增时利用 Convoy 的供应。他们不再仅仅依赖自己的私人车队。 

迈克尔·克里格斯曼：换句话说，你们对来自托运人的运输需求有足够清晰的了解，以及对运输供应有足够清晰的了解。换句话说，你们知道哪些卡车司机有空承运货物，然后你们就可以利用数据和机器学习的魔法，快速将双方联系起来。我的理解对吗？ 

李多萝西：绝对正确。你这样说很好。 

迈克尔·克里格斯曼：那么你们做的机器学习做了什么？ 

李多萝西：我们针对卡车司机和托运人两方面进行机器学习。我们使用机器学习来为卡车司机推荐最合适的货物，并考虑卡车司机过去对货物的偏好。对于托运人，我们提供实时价格和竞标信息。同样，我们也使用过去的信息和实时市场状况。 

迈克尔·克里格斯曼：所以你们实际上是创造了一个现货市场？ 

多萝西·李：是的。

迈克尔·克里格斯曼：或者我不应该说你们创造了它，因为现货市场 - 

李多萝西：现货市场确实存在。我们 - 现货市场确实存在，但以前需要一段时间，对吧？你也不可能，因为我们没有很多价格信息或实时信息。创建招标书（即竞标请求）以及回应招标需要一段时间。这需要 - 实际上，在传统市场中，这可能需要几天。有了 Convoy，我们可以将其缩短到几分钟之内。 

迈克尔·克里格斯曼：所以，传统上，托运人和卡车司机之间的市场非常低效，你已经多次提到这个词了，非常低效，因为，好吧，我们知道我们要运输货物，而且 - 这将在几周后、几个月后或几天后进行。嗯，我们要发布招标书，获取报价。这样做真的很困难，所以我们签订一些长期合同，同时将价格压低。 

多萝西·李：是的。

迈克尔·克里格斯曼：这样对我们托运人来说很好，卡车司机只能接受。 

李多萝西：是的，没错。 

迈克尔·克里格斯曼：你们正在利用数据和机器学习来克服这一切。 

李多萝西：没错。而且我们还可以缩短响应时间，对吧？这样可以实现更快的响应时间。所以，当我们谈论灵活性，不仅是灵活性，还有容量，也是这种快速的响应时间，它使你们能够快速应对市场状况。 

迈克尔·克里格斯曼：所以你们实际上是托运人和卡车司机之间的市场，你们基本上创造了一个现货价格市场。 

李多萝西：是的，这只是一个方面。但我们不仅仅是这些，我们不仅在托运人和司机之间进行撮合。我们还有这些智能拖车，它们使我们能够向托运人保证服务交付。所以，除了撮合之外，我们还可以向托运人 - 在这个时代，关键之一是承诺，并能够满足托运人想要达成的送货时间预估。 

迈克尔·克里格斯曼：你们是如何做到的？ 

李多萝西：我们是如何做到的？这部分要回到数据。我们有这些配备了物联网传感器的智能拖车。因此，在道路上的任何时候，我们都知道司机的具体位置，或者我们都知道如果发生延误，什么时候会延误。因此，我们可以向托运人提供更多有关我的卡车位置的透明度。如果发生延误，例如飓风，或者某个地方有天气状况，我们可以主动通知他们。 

迈克尔·克里格斯曼：相比之下，在你们开始之前，卡车行业发生了什么？我们能说你们在卡车行业中安装了传感器吗？ 

李多萝西：我认为可以这么说。我认为我们 - 我们也是第一个开始这个叫做“灵活卸货挂钩”的项目的公司。传统的卸货挂钩项目没有配备所有这些智能传感器和智能功能。由于我们拥有关于卡车位置的透明度和实时信息，我们可以真正减少卡车司机在设施中等待的时间，因此他们可以卸下拖车，获得一辆新拖车，然后继续上路。 

迈克尔·克里格斯曼：为了让它发挥作用，你需要进行机器学习魔法。 

多萝西·李：是的。

迈克尔·克里格斯曼：正如你所描述的那样，你需要大量数据。 

李多萝西：没错。完全正确。 

迈克尔·克里格斯曼：你能让我们了解一下你们收集的作为输入的数据类型吗？然后我们将讨论你们如何处理这些数据？ 

李多萝西：好的，当然可以。我举一个例子。正如我所说，我们在整个运输过程 - 整个运输生命周期中收集数据。但我们也从我们的移动应用程序中收集有关卡车司机对设施的评论数据。结果表明 - 这是一个关于我们如何使用数据并利用数据来改善行业的非常有趣的例子。很多人没有意识到的是，在大型托运人组织中，有权做出改变的人有时与设施的运营方式脱节。 

因此，一些小事，例如，设施是否有洗手间，实际上会对卡车司机的体验产生很大的影响。通过我们的移动应用程序，我们的卡车司机可以添加评论，添加这些数据点。我们将其呈现在这些决策者面前。因此，他们可以做出改变，改进设施的运营方式，使其更加高效，也更加方便卡车司机。这只是我们收集的数据类型以及数据如何改善卡车司机生活的其中一个例子。 

迈克尔·克里格斯曼：我明白了。所以，你们正在收集有关设施位置、卡车本身位置、道路拥堵程度的数据。还有哪些其他类型的数据作为你们分析流程的输入？ 

李多萝西：没错。我们还收集 - 对于司机，我们还收集他们的地理位置，以及他们开始作业和完成 - 完成特定作业的时间。在市场本身，我们收集了历史价格数据。借助我们的机器学习模型，现在我们可以更准确地提供更纵向的卡车价格预测，例如。 

我们还收集有关卡车更换频率的数据。这是一项有趣的调查，我们称之为“生存调查”。借助这些数据，我们可以了解卡车的更换频率，并且可以使用这些数据来创建激励措施，例如，在更换时间。我们可以主动告知司机，并且可以创建激励措施，鼓励他们用更环保的车辆选择进行更换。 

迈克尔·克里格斯曼：所以你们正在收集所有这些数据，并且存储这些数据。在讨论你们如何分析这些数据之前，你能告诉我们一些关于你们基础设施性质的信息吗？ 

李多萝西：好的，我们的生产服务运行在关系数据库中。为了进行临时分析和历史分析，我们使用云数据仓库。对于很多实时信息，我们还有一个基于事件的平台来进行流式处理。 

迈克尔·克里格斯曼：多萝西，关于你们收集的实时数据，你能举一些你们如何使用这些数据的例子吗？你们如何使用它们？并将它们与这对卡车司机有什么好处联系起来，以及这一切如何提高效率？ 

李多萝西：好的，当然可以。一个帮助卡车司机的真实例子是，我们收集来自活跃货物的实时地理位置数据。其中一种帮助卡车司机的方式是，它实际上使我们能够更好地支付给他们。让我详细说明一下。在 Convoy 和这项技术改进之前，卡车司机会 - 他们如何获得报酬？他们会提交这些复写单。或者他们会 - 非常手动地记录我何时开始此货物，我何时实际到达。如果发生延误，他们通常几天都得不到报酬。 

但现在我们可以绕过所有这些信息，因为我们随时都知道他们的位置，以及是否发生延误，以及延误是卡车司机造成的，还是设施造成的。因此，我们可以更快地支付给他们，我们可以支付给他们 - 我们几乎可以当场支付给他们。这是一个非常真实的例子，说明数据如何改善卡车司机的日常生活。 

迈克尔·克里格斯曼：那么 - 

李多萝西：好的，你说吧。 

迈克尔·克里格斯曼：不，请继续。 

李多萝西：另一个关于实时数据的例子是，我们进行实时市场竞标和价格数据。这使我们能够对市场实际状况有独特的了解，而不仅仅是回顾以前发生的交易。回到现货和灵活性，它真正为托运人提供了透明度，同时也提供了实时定价的灵活性。 

迈克尔·克里格斯曼：所以你们对市场两端都有深入的了解，卖家，即卡车司机，以及买家，即运输服务买家，即托运人。你们对 - 

李多萝西：没错。 

迈克尔·克里格斯曼：- 始终了解正在发生的事情。 

李多萝西：没错。 

迈克尔·克里格斯曼：托运人从这一切中得到了什么？你已经描述了对卡车司机的益处，但对托运人来说呢？ 

李多萝西：我认为，简单来说，托运人获得了以下益处：第一，正如我们之前提到的，他们获得了更大的灵活性，具有弹性的容量。当考虑到这个市场，我们可能会出现需求激增，也可能会出现需求下降时，这一点非常重要。这种灵活性实际上是推动这里效率的核心。第二，成本更低，供应质量更高，对吧？有了价格透明度，我们可以以更低的成本，并提供更高质量的供应来为我们的客户服务，在本例中是托运人。 

第三，我们确实改进 - 帮助他们改进他们对卡车司机的服务质量，对吧？回到我们之前讨论的关于设施评论的内容，它允许托运人改进他们的设施，成为卡车司机最喜欢的托运人。 

迈克尔·克里格斯曼：所以，你们将来自市场的数据，例如价格数据，以及来自卡车司机的反馈信息传递给托运人，以便他们能够做出更明智的决定，并让自己对卡车司机，对他们的供应商更具吸引力。 

李多萝西：是的，没错。 

迈克尔·克里格斯曼：所以，这里还有一个非常重要的供应链方面，因为现在卡车很难找到。从托运人的角度来看，任何可以使我们成为有吸引力的客户的事情，都将非常有益。 

李多萝西：没错。 

迈克尔·克里格斯曼：你们是如何做到这一切的？我知道你提到了机器学习，但这些部分是如何结合在一起的？ 

李多萝西：我们从—— 再次强调，我们从数据开始。Convoy 收集了数千个数据点，不仅涵盖端到端的生命周期，还包括我们在网站和移动应用程序上使用的功能。我们拥有来自亚马逊、Zillow、微软以及全球最佳机构和组织的一些世界顶级数据科学家。 

我们开发了这些机器学习模型，它们能够实时预测，并能帮助一方面为卡车司机推荐货物，并为他们提供最适合他们的货物。另一方面，提供反映真实市场状况的实时价格信息。 

迈克尔·克里格斯曼：你们如何利用机器学习数据来解决空载里程问题？它有什么帮助？ 

李多萝西：好的。我们解决空载里程问题的主要方法之一是通过一项名为“自动装载”的计划。这实际上意味着我们能够将货物与我们拥有的某个日期的货物进行批次处理，以便卡车司机在完成一批货物后——比如从纽约到密尔沃基，在返程途中，我们已经将他的返程货物进行批次处理了。因此，他永远不会带着空车回来。所以，批次处理或自动装载是一种有效的方法，可以让我们减少空载里程。 

然后，另一个方法是通过自动化。当您考虑到卡车司机在工厂等待调度预约所花费的时间时，自动化将真正有所帮助。它减少了等待时间，让卡车司机能够尽快出发。 

迈克尔·克里格斯曼：您指的是哪种自动化？ 

李多萝西：例如，我指的是预约调度。这是我们以前用纸笔，或者电话和电子邮件完成的主要问题或任务，浪费了大量时间来确定最佳时间。使用 Convoy，您可以在网站或移动应用程序上直接预订您的预约，我们——它节省了大量时间。 

迈克尔·克里格斯曼：所以，整个过程就是将自动化和预测引入这个非常古老的传统行业，我认为这个行业正需要改变。 

李多萝西：它是支柱。没错。它是我们经济的支柱。 

迈克尔·克里格斯曼：从机器学习的角度来看，你们会进行实验或 A/B 测试吗，例如？ 

李多萝西：是的，当然。实验对我们在 Convoy 的几乎所有产品决策都至关重要。我们的数据科学家和研究人员嵌入到每个产品开发团队中。我们进行的实验类型的一个例子是，例如，我之前提到过，在我们的移动应用程序上，卡车司机可以实时竞标，并且可以搜索货物，我们对以下方面进行了实验：推荐给他们的货物类型？ 

您可以将其视为类似于亚马逊上的产品推荐。存在不同的参数，不同的卡车司机可能关注不同的方面，有些人关心离家的距离，有些人关心时间，或者我们考虑他们过去的货物。这些是我们进行的实验类型。 

迈克尔·克里格斯曼：所以，您正在使用机器学习来优化货物，但同样，这适用于两个方向，即卡车司机运送正确的货物出去，同时也能够获得返程货物，以避免您之前描述的空载里程。 

李多萝西：绝对没错。 

迈克尔·克里格斯曼：您正在真正改变这个传统行业。卡车司机对这种自动化有什么反应？ 

李多萝西：我认为我会说卡车司机真的——我们已经看到卡车司机压倒性的积极反应，因为他们看到了技术的真正好处，对吧，不是为了技术本身。所以回到那些小事，比如，这个工厂里有没有洗手间？第二，如果工厂出现延误，我能否快速获得报酬？就是这些事情。当然，减少空载里程也意味着卡车司机赚的更多。所以卡车司机对这些变化总体上持积极态度。 

迈克尔·克里格斯曼：所以，您为卡车司机带来了直接且非常切实的成果，我想这应该很快就会实现。 

李多萝西：绝对没错。在 Convoy，我们不仅谈论环境的可持续性。我们还谈论这个行业的可持续性。这些卡车司机很多——这是一项艰苦的工作。为了让它持续下去，我们需要改善他们的生活。我们需要做这些事情——所有这些小事加起来，让这个职业——实际上是 29 个州的头号职业——更加可持续。 

迈克尔·克里格斯曼：那么在运输方面呢，他们是否需要改变或适应这种技术引入？ 

李多萝西：我认为，自从 Convoy 开始以来，我们看到越来越多的托运人采用技术。数字化转型，你们已经看到这种现象发生在不同的行业，也发生在这个非常传统的行业中。因此，许多托运人已经开始采用 API，例如，托运人还与许多 TMS 提供商合作，这些提供商也与我们进行 API 集成。所以，我们确实看到托运人开始采用技术和数字化转型。 

迈克尔·克里格斯曼：什么是 TMS 提供商？ 

李多萝西：TMS 提供商是运输管理系统，他们负责做一些事情，比如，他们实际上会做一些事情，比如安排预约，并管理托运人的生命周期货物。 

迈克尔·克里格斯曼：所以，托运人越来越习惯于使用您所描述的技术来协调整个流程？ 

李多萝西：是的，他们越来越习惯了。 

迈克尔·克里格斯曼：多萝西，这一切将走向何方？ 

李多萝西：我认为我们正处于货运发展的一个关键时刻。当您想到 Convoy 开始时，智能手机已经开始在大多数卡车上使用，但机器学习才刚刚起步。现在，自动化和机器学习功能正在大规模部署。各种规模的公司都在试图优化其供应链，以改善其盈利能力，并提高其服务能力。可持续性也开始成为我们许多托运人的核心问题。 

因此，这种技术转型与改善气候的必要性和愿望的独特结合，为将这项有着几十年历史的货运业务从这种旧方法转变为新的和创新的方法创造了非常现实的机会。所以，我认为这是一个非常激动人心的时刻，可以改变这个行业。Convoy 正在利用我们的技术方法引领这种转型。 

迈克尔·克里格斯曼：多萝西，您对卡车司机、托运人和使用数据来提高效率并改变他们所在世界的人们有什么建议？ 

李多萝西：当我想象当今卡车运输中的挑战时，它不一定是弄清楚该做什么。也许您可以将它扩展到不仅仅是卡车运输，而是许多行业。它实际上是弄清楚如何做，如何将这些想法付诸实践？您知道，我们使用什么代码、什么数据、什么模型？这就是为什么 CTO 的作用比以往任何时候都更重要。这就是为什么数据基础设施、快速进行实验并灵活应对的能力非常重要。因此，我的建议也许是投资您的数据和分析。这实际上是蛋糕的底层，而机器学习是蛋糕上的糖霜。 

迈克尔·克里格斯曼：我不得不说，听到您是如何收集数据、使用机器学习来分析这些数据，最终为卡车司机带来更好的生活，使他们的生活更轻松，这真让人着迷。 

李多萝西：是的，绝对没错。这也是让我每天都充满活力的因素之一。 

迈克尔·克里格斯曼：多萝西·李，Convoy 的 CTO。非常感谢您抽出时间与我们交谈。我真的很感谢。 

李多萝西：谢谢您邀请我。 

迈克尔·克里格斯曼：衷心感谢 Redis，感谢他们促成了我们的谈话。实际上，如果没有他们，我们不会在这里。所以感谢 Redis。