.png)
到2025年，全球数据量将比2015年增长10倍。这一数字是由国际研究和咨询公司IDC（英语：International International Data Company）在“数据时代2025”报告中宣布的。
物流行业的趋势与全球趋势相同，信息量每两年翻一番。据分析师称，到2020年，数据量将达到44 兆字节。供参考：1兆字节的硬盘驱动器包含4K高分辨率视频，其总定时时间超过6300万年。
为了分析和解释大量数据，使用了机器学习（MO）算法。莫斯科地区根据收到的信息和确定的趋势进行预测。有关机器学习及其在运输和物流行业中的应用的更多信息，我们请AsstrA国际集团的研发负责人维塔利亚·韦比洛维奇。
维塔利亚，您如何在物流中使用机器学习？
机器学习可用于运输和物流的所有领域。
- 仓库物流。计算机可视监视仓库中的剩余货物，监控工人的操作，确保设施安全。
- 勘测。基于收集的相关运输信息，计划和构建路线，预测季节性波动。
- 销售。预测销售量，运输和物流公司定价政策的变化，包括借鉴服务销售的历史指标。
- 安全性。评分模型（请注意评分-基于数值统计方法的点评估系统）
使用机器学习算法处理哪些信息，分析师应该留下什么？
在分析中，选择必要信息的第一要务是陈述问题和表述要求。不能避免人工干预-具有特定业务领域经验和知识的分析。此外，机器学习算法可以更有效地处理信息的收集，处理和分析。分析人员从日常工作和费时的工作中解放出来，专注于概念工作。
AsstrA如何使用机器学习算法？
AsstrA-Associated Traffic AG集团公司使用机器学习算法来解决三类问题：
- 通过建立相关数据库并进一步处理信息来实现工作流程的数字化。
- 预测并告知可能发生的不可抗力。为了增加供应链的透明度，AsstrA与Shippeo合作，Shippeo的算法可以实时增加供应链的透明度，并预测交通途中的可能信号并发出信号。
- 前期指标模式的预测性分析以及对未来风险和机会的评估。
借助已处理的信息，可以做出明智的决策来提高供应链的效率。