由 dawei 各位下午好！感谢搜狐科技的邀请，很高兴今天有机会在最后这场跟大家分享一下我们作为在行业方面的实践。我以前在饿了么工作过，我的领域主要在O2O这块如何通过算法，通过规模来提高人的效率，提高整个体系的效率。
今天我分享的内容是运筹优化，运筹优化只是一个框架，在运筹优化基础之上还有很多AI和人工智能的内容。为了能够更好地解释运筹优化，我必须要讲一下货拉拉。
物流是非常大的领域，物流在国民生产总值里面占15%，其中物流分成很多种类，不管天上飞的还是水里走的，从to B大的企业都算物流，这里面有很多组织形态，从时间和空间都是不一样的。
货拉拉接下来的困难跟我们所在的行业密切相关。货拉拉是一家从事同城和跨城的物流公司，它主要的用户在今天并不是大的国营企业，主要是一些中小型的企业，它的运输形式也不是我们今天讲的专有物流公司，或者专有的车辆飞机。
货拉拉主要是一个众包平台，是轻资产的物流企业，企业的运力来自社会的闲散运力。货运场景本质上是供过于求的行业，如果我们想通过平台的方式把运力调动起来，面临的问题是如何在松散的运力情况下保证整体的效率，同时达到友好的服务。
我们通过调度来实现运力和用户之间的匹配，这里面最重要一点就是分单。当你在系统下单以后，我们的系统通过算法分给附近最优秀的司机，大家可以说这是一个匹配问题，确实也是比较简单。
在货运场景里面可以清楚看到，因为是众包关系，订单的取消率很高，100单订单下单之后，司机接单可以取消。取消在我们平台占15%左右，100个订单下单之后有15单被取消掉，1/3的原因车货不匹配，各种面包车、货运车、大车，这是司机的自有车，车不是标准的，同时货也不标准，可能是桌子，可能是两三米长的钢条，可能是水泥，车货不匹配是货运最大的问题，订单被完成之后有1/3的订单到了门口发现，车装不上货或者货运太重或者太长而被取消掉。
还有1/3的原因我们的地图问题，中国整个行业对货运的基础设施支持相对比较少，不管常用的地图商还是我们自己，在很多地方的限高限行，包括上海还有一些路权的问题等等，数字化做得不太好，经常车到了门口过不去。跟人不太一样，人可以走过来，滴滴有司乘共享可以打电话，但是货重达一吨至少几百斤，车过不去这个订单直接取消掉。