实时数据正在改变卡车运输业

MICHAEL KRIGSMAN：我们正在讨论机器学习和数据，以提高卡车运输业的效率。我们的嘉宾是 Convoy 的首席技术官 Dorothy Li。卡车运输是我们最重要的骨干产业之一。 很高兴听到机器学习数据和自动化如何使用最新技术将这一传统业务转变为现代强国。嘿，多萝西。你今天好吗？

DOROTHY LI：我很好。谢谢邀请，迈克尔。

MICHAEL KRIGSMAN：Dorothy，很高兴与你交谈。请向我们介绍 Convoy 以及你作为 CTO 的角色。

DOROTHY LI：简而言之，Convoy 是美国第一个也是最高效的数字货运网络。 Convoy 在 2015 年开始了这场高效货运运动。从第一天起，我们就真正受到解决货运中最棘手的问题和效率的渴望的驱动，在这个价值 8000 亿美元的庞大行业中。

我作为 CTO 的角色是利用技术来改变这个行业。如今，货运网络中的许多问题都可以通过技术、机器学习和数据来解决。其核心是优化数百万卡车的货物在全国各地的运输方式。

MICHAEL KRIGSMAN：因此，重点是提高这个庞大的卡车运输业的效率，而你依赖于数据、技术和机器学习。 Dorothy，当你审视卡车运输业时，你试图解决的核心挑战是什么？

DOROTHY LI：我认为我们试图解决的可能有两个核心挑战。 第一大核心挑战是空驶里程的概念，或者换句话说，当卡车司机在没有货物可运的情况下行驶时，浪费的里程。 如果从某种角度来看，该行业每年大约有 2000 亿英里的卡车司机行驶里程。 其中近 35% 是空驶里程。 那就是浪费了 600 亿英里。

如果我们能提高效率，那么就可以——很多树木相当于种植了很多树木。 所以这是第一个问题。 第二个问题是卡车运输行业本身，对吧？ 今天我们听到有关劳动力短缺的消息，而卡车运输短缺确实是导致今天我们看到很多供应链问题的核心原因。

为了使这个职业更具可持续性，我们还需要提高卡车司机的效率。 减少他们的等待时间，使设施对卡车司机来说更加方便，并且总的来说，使卡车司机的日子过得更好。

MICHAEL KRIGSMAN：所以我完全理解空驶里程的问题，但是空驶里程如何成为一个数据问题？ 你如何用数据解决这个问题？

DOROTHY LI：这是一个很好的问题。 数据确实是解决这个问题的核心。 当你考虑它时，空驶里程的挑战是因为我们真的无法很好地了解——好吧，A，我们无法很好地了解如何优化路线——可以进行优化。 其次，我们也不知道传统的卡车在哪里，卡车司机如何花费时间。

因此，如果你可以提供数据点，了解拖车是否为空，卡车司机在路上的位置以及路线状况。 有了所有这些数据，我们就可以真正开始设计更智能的路线规划方式，还可以进行批处理，以便卸下一个货物时。 它可以立即拿起并创建——将另一个拖车装到卡车上。

MICHAEL KRIGSMAN：Convoy 如何知道卡车的状态？ 我确信情况并非卡车司机到达爱荷华州得梅因，拿起电话打电话给 Dorothy 并说，好的，Dorothy，我已经卸货了。 我准备好了。 你有什么要给我的？ 我确信这没有发生。

DOROTHY LI：这没有发生。

[笑声]

我们有几种方法可以知道卡车的位置。 一种是使用 Convoy，每个卡车司机都使用一个应用程序，我们知道这些应用程序在智能手机上具有地理位置跟踪服务。 因此，通过它，我们知道他或她在哪里。 如果卡车司机有 Convoy 拖车，而这些拖车是智能拖车，则它们配备了具有互联网连接的 IoT 传感器。 这是我们知道拖车是否为空的另一种方式。

MICHAEL KRIGSMAN：因此，要解决这个问题，仅知道拖车是空的还不够。 显然，那是第一点。 但是你必须知道在一定合理的距离内还有另一个卡车司机可以取货的货物。 那么它是如何运作的？

DOROTHY LI：对。 我们还需要了解库存情况，即低点，即需求所在地。 这就是我们与托运人合作的地方。 在某些情况下，我们也与第三方经纪人合作，以了解需求所在地，货物设施以及卡车司机何时可以去取货。

MICHAEL KRIGSMAN：显然，这取决于你拥有一个非常广泛的网络，以便你拥有即使不是完全全面的视图，也具有足够的全面性，以便你可以高效地运营这个市场。

DOROTHY LI：是的，绝对。 我们与许多财富 500 强托运人合作，并且我们确实运营着全国最大的承运人网络，与我们合作的承运人有 300,000 家。 而且，我们了解不同城市车道的密度和状况。 你可以想象，所有这些都会产生大量数据。 从根本上来说，它的核心是数据和数据分析。

MICHAEL KRIGSMAN：我听说你使用的一个术语是弹性容量。

DOROTHY LI：是的。

MICHAEL KRIGSMAN：那么，当它应用于卡车运输业时，它是什么意思？

DOROTHY LI：对。 弹性容量的真正核心或简单地说，就是当需求激增时，几乎无限的容量的能力，以及当需求萎缩时，能够不被锁定在你可能几年前签订的合同中的能力。 它确实满足了我们需要托运人的地方，他们需要的地方，以及使他们能够在任何市场条件下为客户提供服务的能力。 这就是灵活性发挥作用的地方，就是在任何市场条件下提供容量，无论是热门市场还是疲软市场，都不会被敲诈并锁定在合同中。

MICHAEL KRIGSMAN：那么，这与说，我们基于市场情况签订短期合同，而不是被锁定在长期合同中，是否相同？

DOROTHY LI：是的，那是其中的一部分。 那是很大的一部分。 另一部分是为了能够利用这种能力，你需要能够利用比托运人自己拥有的私人车队更大的网络。

MICHAEL KRIGSMAN：为什么？

DOROTHY LI：许多托运人确实拥有自己的私人车队，但是它们只是全国范围内可用的整个卡车车队中较小的一部分。 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 拥有的供应。 他们不仅仅依赖自己的私人车队。

MICHAEL KRIGSMAN：因此，换句话说，你对来自托运人的运输需求有足够清晰的了解，并且对运输供应有足够清晰的了解。 换句话说，谁可以接受这些货物，你可以进行你的数据和机器学习魔法，并将双方快速地联系在一起。 这是一个正确的放置点方式吗？

DOROTHY LI：当然。 这是一个很好的表达方式。

MICHAEL KRIGSMAN：那么你所做的机器学习是什么？

DOROTHY LI：因此，我们所做的机器学习在卡车司机方面，我们使用机器学习为他们推荐最佳货物，并充分考虑卡车司机过去的偏好以及过去的货物。 对于托运人，我们提供实时定价和投标信息。 同样，使用过去的信息和实时市场状况。

MICHAEL KRIGSMAN：所以你实际上是在创建这个现货市场？

DOROTHY LI：是的。

MICHAEL KRIGSMAN：或者我不应该说你正在创建它，因为现货——

桃乐西·李：现货市场是存在的。我们——现货市场确实存在，但过去需要一段时间，对吧？而且你也不了解，因为我们没有很多定价信息或实时信息。创建招标（即投标请求）和回复的能力需要一段时间。实际上，在传统市场中，这可能需要几天。通过 Convoy，我们能够将其缩短到几分钟。

迈克尔·克里格斯曼：所以，历史上，托运人和卡车司机之间的市场非常低效，用你多次提到的术语来说，就是非常低效，因为，好吧，我们知道我们必须运输一批货物，这将在几周后、几个月后或几天后进行。嗯，我们将不得不发出招标邀请，然后获取投标。这真的很难做到，所以我们签订一些长期合同，并真正降低价格。

DOROTHY LI：是的。

迈克尔·克里格斯曼：这对我们托运人来说是好事，卡车司机将不得不承担损失。

桃乐西·李：是的，没错。

迈克尔·克里格斯曼：你们正在使用数据和机器学习来突破这一切。

桃乐西·李：完全正确。我们还能够缩短响应时间，对吧？这样你就可以有更快的响应时间。因此，当我们考虑灵活性时，不仅是灵活性和运力，还有这种快速响应时间，使你能够快速应对市场状况。

迈克尔·克里格斯曼：所以你实际上是托运人和卡车司机之间的市场，并且你能够基本上创建一个现货价格市场。

桃乐西·李：是的，这是其中之一。但我们不仅仅如此，因为我们不仅仅促进托运人和司机之间的交易。我们还有这些智能拖车，使我们能够保证向托运人提供服务。因此，除了促进交易之外，我们还可以给托运人——在这个时代，关键的事情之一是承诺，并且能够满足托运人想要的交货估算。

迈克尔·克里格斯曼：你们是如何做到的？

桃乐西·李：我们如何做到这一点？一部分是回到数据。我们有这些配备了物联网传感器的智能拖车。因此，在路上的任何时候，我们都知道司机在哪里，或者我们知道是否会延误。因此，我们可以让托运人更透明地了解我的卡车在哪里。如果出现延误，有飓风，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，在你开始之前，卡车运输行业发生了什么？我们能说是在整个卡车运输行业安装传感器吗？

桃乐西·李：我想是的。我认为我们是——我们也是第一个启动这个名为“灵活的甩挂运输”计划的公司之一。传统的甩挂运输计划没有配备所有这些智能传感器和智能功能。因此，因为我们拥有透明度和关于卡车位置的实时信息，我们能够真正减少卡车司机在设施等待的时间，因此可以放下拖车，拿到新的拖车，然后上路。

迈克尔·克里格斯曼：为了工作，你使用的是机器学习魔法。

DOROTHY LI：是的。

迈克尔·克里格斯曼：正如你所描述的，你需要大量的数据。

桃乐西·李：绝对的，完全正确。

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

桃乐西·李：好的，当然。我给你一个例子。正如我所说，我们收集整个运输过程中的数据。但我们也在我们的移动应用程序中收集卡车司机对设施的评论数据。事实证明，这是一个关于我们如何使用数据并用它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。

像设施是否有卫生间这样的小事情，真的会影响卡车司机的体验。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。我们将这些信息呈现给这些决策者。因此，他们可以做出改变，并改进设施的运营方式，使其更有效率，更方便卡车司机。这只是我们收集的数据类型以及它如何改善卡车司机生活的一个例子。

迈克尔·克里格斯曼：明白了。所以你正在收集关于设施位置、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可以作为你分析过程的输入？

桃乐西·李：是的，没错。我们还收集——对于司机，我们显然也收集地理位置，以及他何时开始、何时完成——何时完成特定任务的预约。在市场上，我们收集了历史定价数据。通过我们的机器学习模型，现在我们可以更准确地提供更长期的卡车定价预测，例如。

我们还收集关于卡车被更换的频率的数据。这是一个我们称之为生存研究的有趣的研究。因此，通过它可以告知我们卡车被更换的频率，我们可以使用这些数据来创建激励措施，例如，在更换时间到来时。我们可以主动通知司机，并且我们可以创建激励措施，让他们更换为更环保的车辆选项。

迈克尔·克里格斯曼：所以你收集所有这些数据并存储数据。在我们讨论你如何分析数据之前，你能告诉我们一些关于你的基础设施性质的信息吗？

桃乐西·李：是的，我们的生产服务运行我们的关系数据库。为了进行临时和历史分析，我们使用云数据仓库。对于许多实时信息，我们还有一个基于事件的平台，可以进行流式传输。

迈克尔·克里格斯曼：桃乐西，关于你正在收集的实时数据，你能给我们一些你如何使用这些数据的例子吗？你如何使用它？并将其与为什么这对卡车司机有益联系起来，以及这一切如何创造效率？

桃乐西·李：是的，是的，当然。一个帮助卡车司机的真实例子是，我们从活跃的货物中收集实时地理位置数据。帮助卡车司机的一种方式是，它实际上允许我们更好地支付他们报酬。让我详细说明一下。在 Convoy 之前，在这种技术改进之前，卡车司机如何获得报酬？他们会提交这些复写纸。或者他们会——非常手动地记录我何时开始装载货物，我何时真正到达。如果有延误，他们通常几天都拿不到报酬。

但是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在哪里，是否有延误，延误是否由卡车司机引起，延误是否由设施引起。因此，我们可以更快地向他们付款，我们可以当场付款。这是一个非常真实的例子，说明数据如何改善卡车司机的生活。

迈克尔·克里格斯曼：有什么——

桃乐西·李：是的，请继续。

迈克尔·克里格斯曼：不，请你先说。

桃乐西·李：另一个关于实时数据的例子是，我们进行实时市场竞标和定价数据。这使我们能够独特地了解市场的实际状况，而不仅仅是回顾以前的交易。回到现货和灵活性，它确实为托运人提供了透明度，并提供了实时定价的灵活性。

迈克尔·克里格斯曼：所以你对市场的双方都有深入的了解，即卖家（卡车司机）和卡车运输服务的买家（托运人）。你一直对正在发生的事情有着独特的见解——

桃乐西·李：是的，没错。

迈克尔·克里格斯曼：——一直都有。

桃乐西·李：是的，没错。

迈克尔·克里格斯曼：托运人从中获得什么？你已经描述了卡车司机的好处，但托运人呢？

桃乐西·李：嗯，我认为简单来说，托运人得到的是：一是，正如我们之前提到的，更具弹性的运力。当你想想这个市场，我们可能会出现需求激增，我们也可能出现需求下降时，这一点非常重要。这种灵活性确实是驱动效率的核心。二是，更低的成本和更高的质量供应，对吧？通过所有定价的透明度。我们能够以更低的成本和更高质量的供应来为我们的客户（在这种情况下，是我们的托运人）服务。

第三，我们确实改善——帮助他们以某种方式改善他们对卡车司机的服务质量，对吧？回到我们之前所说的设施评论，它允许托运人改善他们的设施，并成为卡车司机首选的托运人。

迈克尔·克里格斯曼：所以你将市场上的数据（例如，定价）以及卡车司机的反馈提供给托运人，以便他们能够做出更明智的决定，并使自己对卡车司机（他们的供应商）更具吸引力。

桃乐西·李：是的，绝对的。

迈克尔·克里格斯曼：所以这里也有一个非常重要的供应链方面，因为现在卡车运输很难获得。从托运人的角度来看，我们所做的任何使我们成为有吸引力的客户的事情都将是非常有益的。

桃乐西·李：绝对的。

迈克尔·克里格斯曼：你是如何做到这一切的？我知道你提到了机器学习，但是这些部分是如何组合在一起的？

DOROTHY LI：我们从数据开始——再次强调，我们从数据开始。Convoy 收集了数千个数据点，不仅贯穿端到端生命周期，还包括我们在网站和移动应用程序上使用的各项功能。我们拥有世界上最优秀的数据科学家，他们来自亚马逊、Zillow、微软等公司以及世界顶尖的机构和组织。

我们开发了这些机器学习模型，这些模型既可以进行实时预测，又可以帮助卡车司机推荐负载，并为他们提供最合适的负载。另一方面，提供反映真实市场状况的实时定价信息。

MICHAEL KRIGSMAN：你们如何使用机器学习数据解决空驶里程问题？它如何提供帮助？

DOROTHY LI：好的。我们解决空驶里程问题的主要方法之一是通过一个名为“自动重载”的项目。 它的真正含义是，我们能够将一批货物与某一天合并，这样当卡车司机运送一趟货物时——例如，当他们将一趟货物从纽约运到密尔沃基时，我们已经批量处理了他的返程，也就是他的往返行程。 这样，他就不会空车返回。因此，批量处理或“自动重载”是减少空驶里程的有效方法。

另一种方法实际上是通过自动化。 当您想到卡车司机在设施等待安排好的预约时所花费的时间时，自动化确实会有所帮助。 它可以减少等待时间，并让卡车司机更快地出发。

MICHAEL KRIGSMAN：您指的是哪种自动化？

DOROTHY LI：例如，我指的是安排预约。 这是我们过去用纸和笔或通过电话和电子邮件来完成的关键问题之一，仅仅是为了弄清楚什么是最佳时间，就会浪费大量时间。 通过 Convoy，您只需在网站或移动应用程序上预约即可，这可以减少大量时间。

MICHAEL KRIGSMAN：所以，整个过程是将自动化和预测引入这个非常古老的传统行业，我想它早就应该改变了。

DOROTHY LI：是的，它是我们经济的支柱。

MICHAEL KRIGSMAN：从机器学习的角度来看，您是否运行实验或 A/B 测试？例如？

DOROTHY LI：是的，当然。 实验对于我们在 Convoy 做的几乎每个产品决策都至关重要。 我们的数据科学家和研究人员都嵌入到每个产品开发团队中。 我们所做实验的一个例子是，正如我之前提到的，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，我们围绕着如何以最佳方式向他们推荐货物进行实验。

您可以将其想象成与亚马逊上的产品推荐非常相似。 有不同的参数，不同的卡车司机可能会关心不同的事情，有些人关心离家的距离，有些人关心时间，或者我们会考虑他们过去的负载。 这就是我们所做的实验类型。

MICHAEL KRIGSMAN：因此，您正在使用机器学习来优化负载，而且是在两个方向上优化：卡车司机在出发时选择合适的负载，并且在返回时也有负载，以避免您之前描述的空驶里程。

DOROTHY LI：没错，完全正确。

MICHAEL KRIGSMAN：您正在真正改变这个传统行业。 卡车司机对这种自动化有何反应？

DOROTHY LI：我认为卡车司机真的——我们已经看到了来自卡车司机压倒性的积极回应，因为他们看到了技术的真正好处，而不是为了技术而技术。 所以回到一些小事情，例如，这个设施里是否有洗手间？ 第二，如果设施出现延误，我是否可以快速获得报酬？ 诸如此类的事情。 或者，当然，减少空驶里程也意味着卡车司机的收入也会更高。 因此，卡车司机对这些变化一直非常积极。

MICHAEL KRIGSMAN：所以您正在以我能想象到的速度，直接且非常切实的成果带给卡车司机。

DOROTHY LI：没错。 在 Convoy 内部，我们不仅谈论环境的可持续性。 我们还谈论这个职业的可持续性。 许多卡车司机——这是一项艰苦的工作。 为了维持它，我们需要改善他们的生活。 我们需要做这些事情——所有这些小事情加起来，使这个职业——实际上是 29 个州的第一大职业——更具可持续性。

MICHAEL KRIGSMAN：在托运人方面，他们是否必须为了适应这种技术的引入而做出改变或调整？

DOROTHY LI：我认为自从 Convoy 成立以来，我们看到越来越多的托运人采用技术。 数字转型，你们已经看到这种情况发生在不同的行业，也发生在传统行业。 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，这些提供商也在 API 集成方面与我们合作。 因此，我们确实看到托运人开始采用技术和进行数字化转型。

MICHAEL KRIGSMAN：什么是 TMS 提供商？

DOROTHY LI：TMS 提供商是运输管理系统，它们会做一些事情，例如，它们实际上会做一些事情，例如安排预约和管理托运人的生命周期货物。

MICHAEL KRIGSMAN：因此，正如您所描述的，托运人越来越习惯于使用技术来协调整个过程？

DOROTHY LI：是的，他们是。

MICHAEL KRIGSMAN：Dorothy，这一切将会走向何方？

DOROTHY LI：我认为我们正处于货运的关键时刻。 当您想到 Convoy 刚开始时，智能手机或开始在大多数卡车中使用时，机器学习才刚刚起步。 现在，自动化和机器学习功能确实正在大规模部署。 各种规模的公司都在努力优化其供应链，以提高其利润和改善其服务能力。 此外，可持续性也开始真正成为我们许多托运人的中心。

因此，技术转型与改善气候的需求和愿望的独特结合，确实创造了一个非常真实的机会，可以将这种已有数十年历史的货运业务从旧方法转变为新的创新方法。 因此，我认为现在是改造这个行业的非常激动人心的时刻。 Convoy 正在以我们的技术方法真正引领着这场变革。

MICHAEL KRIGSMAN：Dorothy，您对卡车司机、托运人以及那些使用数据来提高效率并改变他们所在世界的人有什么建议？

DOROTHY LI：当我想到当今卡车运输面临的挑战时，它不一定是弄清楚该做什么。 也许您可以将其扩展到更多行业。 真正要弄清楚的是如何去做，如何将这些想法变为现实？ 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加重要。 这就是为什么数据基础设施、快速进行实验和保持灵活性的能力非常重要。 因此，也许我的建议是投资于您的数据和分析。 这真的是蛋糕，而机器学习就是锦上添花。

MICHAEL KRIGSMAN：我不得不说，听到您如何收集数据、使用机器学习来分析这些数据，最终改善卡车司机的的生活，让他们的生活更轻松，这真是太令人着迷了。

DOROTHY LI：是的，没错。 这也是每天激励我前进的事情之一。

MICHAEL KRIGSMAN：Convoy 的 CTO Dorothy Li。 非常感谢您抽出时间与我们交谈。 我真的很感激。

DOROTHY LI：感谢您邀请我。

MICHAEL KRIGSMAN：非常感谢 Redis 使我们的对话成为可能。 事实上，没有他们，我们就不会在这里。 因此，感谢 Redis。