：这是我第二次和DHL Express（敦豪快递）的数据负责人对话，第一次在中国探讨的是如何用大数据来读懂客户“DHL Express：快递中的大数据应用已渐入佳境”，但读懂客户只是第一步，这一次在美国Teradata Partners全球用户大会我们探讨的是如何用大数据敏捷应对客户需求，最终变现创造业务价值。

数据带来的改变

DHL Express隶属于全球领先邮政和物流集团Deutsche PostDH，下属三大业务DHLExpress、DHLGlobal Forwarding 、Freight andDHLSupply Chain。DHL Express的竞争优势在于IT技术和设备现代化，以及遍布全球220个国家和地区的12万个目的地的销售网络。

在上世纪90年代之前，DHL Express一直使表格这种最原始的方法来计算成本，虽然这是一种标准成本的计算方式，但这种方法却并不能很好的计算出真正的实际成本，这也对在业务上进行评估造成了很大的阻碍。

数据是DHL Express谋求变化的方式，它们希望通过数据分析了解每一个发货过程中产生的实际成本，因为实际成本和标准成本之间存在着天壤之别。

“运输过程中的真实成本是所有实际成本累加后可以得到，而传统方式计算出的标准成本与实际成本会有很大的偏差。”DHL Express全球BI负责人Nikolaus Walkwsky举出了一组数字，我们通过实际成本计算出的利润率是5％，大数据计算出的利润率是3-5%，标准成本计算出的利润率是10-15%。

DHL Express全球BI负责人Nikolaus Walkwsky

除了让成本更透明，DHL Express的业务也从之前的事实驱动转变成“事实+数据”双驱动。通过数据分析模型，可以分析出所有业务的盈利，并制定新的商业决策，例如判断哪些业务是亏损的，以及调整成本定价。

从了解到敏捷应对

大数据给DHL Express带来了很多变化，外人看上去格外光鲜，但在开始时并没有那么顺利，早期DHL Express在数据收集上花了很长的时间，当时数据并不能得到快速的分析。

DHL Express起初做的是将不同的数据集合到一起，因为原有的数据都是分散存储，形成了一个个数据孤岛，通过部署大数据系统将所有的数据整合在一起，并且建立统一的视图。这用到了数据可视化工具Tableau来实现，把数据可视化的展现有助于了解业务存在的问题，甚至细化到哪个国家、哪个城市，哪个行业，甚至具体到哪个客户出现什么问题。

同时DHL Express还使用了Teradata的数据仓库和INSIGHT。Nikolaus说，我们现在也正在创建数据实验室将数据进行整理和分析，在了解客户的同时优化业务。像判断出货品的优先配货顺序，以及最优路线，如果遇到一些外部因素影响，系统会自动调整运输路线，提升客户满意度和成本控制。

DHL Express拥有一个渐进和迭代的方法实现敏捷，实现快速灵活地处理客户需求的变化。

DHL Express敏捷方法

在大数据分析应用一段时间后，DHL Express也开始需求数据的变现，在电话营销上通过数据可以了解客户的背景信息，以及客户的一些行为，这些数据可以帮助DHL Express筛选出应该优先给哪些客户致电，并且在打电话之前就对该客户做出销售策略。