隨著資訊科技的演進，數位經濟的興起正形成一股巨大的產業革命，其中結合物聯網、大數據分析、人工智慧、自動化、雲端平台、行動科技與多元支付體系所形成的智慧商業服務。
要讓消費者在購物過程中感到開心、方便，同時供應商與零售商也能夠了解消費者想要什麼，並進一步吸引客戶入店、勾起其購買欲望。在這個過程中，如何讓消費者享受便利的多元購物環境便成為零售商、供應商與流通業者的共同挑戰。所謂的智慧物流(Intelligent Logistics)便是在這樣的情境下產生的新運輸模式。
物流也要「智慧化」
在未導入科技之前，讀者可以想像全球最大的電商亞馬遜在2010年的總營收為340億美元，員工數33,700名，但到了2018年其總營收達到2,329億美元，為2010的6.85倍，如何將這些龐大的物品迅速地交至消費者的手中，便成為其物流運送體系的巨大壓力。根據估計，每年亞馬遜在配送方面的支出占其當年度營收超過十分之一，也難怪亞馬遜要成立自己的物流運送團隊，並且嚐試各項無人載具的運送服務。同時，亞馬遜也將客戶分級，願意年繳99美元年費的Prime會員可以無限次免費享受兩日內送達服務。
有了智慧物流之後，透過採購、運輸、倉儲、配送等各物流環節的資訊化，可以實現供應鏈上游到下游的全流程資訊共享；並且透過各種傳感器、RFID技術、GPS系統和自動化物流設備等，進一步實現物流的自動化、可視化與智慧化，消費者也得以隨時掌握及追蹤貨品的運送過程。然而，在這過程中也有一些痛點仍待解決。
智慧物流的困境
痛點一：根據估算，最後一哩路的運送成本通常占B2C總體成本的53%。
痛點二：電商物流服務要求到貨的時間越來越縮短。
痛點三：約10%的包裹需重複運送，因此增加宅配司機的負擔。
痛點四：周末通常沒有送貨，導致業者加重平日送貨負擔。
對於這些痛點解決方式有二：
其一是建立智慧取貨模式，例如消費者可以直接到就近的超商取得貨品，現在中華郵政及一些物流業者正在國內擴大布建社區智慧郵箱，以解決貨品送到客戶家中，但家裏卻無人可以簽收的問題。
另外一個解決方法是增加物流士助理App的使用，因為物流士離職率高，新手司機對路徑不熟，全程配送時間平均比老手多出1.5到2小時。同時一邊開車又要一邊聯繫客戶，增加交通上的安全風險，有時忘了聯繫客戶，到了收貨點才發現收貨人不在，又需要重複再次配送。這時候透過平台整合，就可以提升效率，降低運送時間與風險。
印度獨有的「飯盒快遞員」
(圖片來源：世界公民文化中心)
話說回來，這個月向讀者介紹的是超過13億人口的印度一個非常獨特的送餐服務系統--Dabbawala。其中Dabba是飯盒的意思， wala則是快遞者的意思，兩個字合起來就是午餐快遞服務。
這項起源於印度孟買的服務最早可追溯自1890年代，那時候沒有那麼多餐廳，因此沒有從家裏帶午餐去工作的人可能就要餓肚子，同時外食費用也比較貴，對普通上班族來說是一筆不小的開銷。另外還有面子問題，在印度如果一位已婚男士還吃著外賣，是會被人說閒話的，丈夫和妻子都會非常沒面子。
也因為這些原因，孟買就逐漸發展出現今的Dabbawala服務，約略5,000個送貨員必須每天運送20萬個餐盒。由於他們的錯誤率非常低，每600萬份才送錯一份，因此成為全球各地教育機構和智庫的研究興趣，甚至成為哈佛商學院的教材，也因此曾經被英國王子接待過，也被義大利總理盛情款待過。
沒有電腦，只有人力與編碼
一般來說，送貨員的教育程度都不高，有很多人甚至不識字，上過中學的比例也只有15%，但這些人如何辨識客戶的住址，並且準確無誤地的將午餐送達呢？
其秘訣就在於餐盒的獨特編碼標記，利用簡單的字母、顏色和號碼，就可以標記出送達的地點和樓層。例如字母縮寫代表收集地方，顏色為始發站的代碼，號碼代表送達的目的地。每天早上10點前妻子必須準備好餐盒以便讓Dabbawala的送貨員準時取貨，10:30取上便當的Dabbawala會匯集到火車站，那裡有他們團隊的小夥伴專門進行分類和整理，趁著還沒到火車高峰期的時候把便當運上火車，便當在火車上大概要漂流1小時。11:30到了孟買市中心，團隊裡的另一批小夥伴又出現了，他們會按照街區再將餐盒分類，打標號然後再交給下一位送貨員，由他最終送到客戶手中。
沒有高科技與技術人員，印度Dabbawala透過簡單的標記及交通工具(火車、腳踏車及雙腿)，卻能準時無誤、使命必達的完成送餐任務，讓我們不禁對印度的智慧服務肅然起敬。有人戲稱，如果印度Dabbawala到中國大陸送外賣，那麼美團、餓了麼等外送公司也不必爭搶，可能全都掛了。
雖然Dabbawala送的只是午餐餐盒，比起亞馬遜的複雜物流系統單純許多，但這裏頭仍有許多創新的成份值得我們學習，下次到印度孟買旅行，如果看到戴白帽、穿白棉衫和棉褲，騎著腳踏車的Dabbawala，請記得給予友善的微笑。
三個月英文脫胎換骨的一對一：http://bit.ly/2JeMHI8
