為優化投遞網路，澳大利亞郵政推進數字孿生計劃，並布局圖形資料庫技術，以便根據每周收集的數百萬個數據點做出更具預測性和前瞻性的決策。
包裹、郵政和電子商務服務執行總經理Gary Starr在雪梨舉行的在線零售商大會上表示，澳大利亞郵政是「圖形（資料庫）技術的早期採用者」。
Starr表示：「這使我們能夠以數字方式繪製整個網路。」
「實質上，它就像一個具有實時資訊的超級資料庫，我們可以比傳統資料庫更詳細地了解連接關係。」
澳大利亞郵政在2021年初首次提出了建立投遞網路數字孿生系統的計劃，但負責這項工作的高管已經離職。
此前，澳大利亞郵政還討論過在谷歌雲平台組件上建立一個事件管理系統。
目前還不清楚Starr討論的是同一項工作，還是這些早期工作的演進版本，因為那已經是幾年前的事情了。
當然，Starr關於投遞網路 "數字地圖 "的討論是澳大利亞郵政在那之後首次詳細討論這些工作。
在圖形資料庫技術（目前尚不清楚是哪家供應商）的支持下，投遞網路的數字地圖將「查看特定站點和碼頭之類的節點和節點之間的流動情況。」
Starr表示：「從這裡，我們可以更好地識別瓶頸、循環包裹以及我們所說的『暗包裹』——即我們看不到的包裹。」
Starr希望讓每年投遞網路中「數十億」（每周「數百萬」）郵件移動數據為圖形資料庫和數字孿生提供資訊。
他表示：「我們將擁有一個有效的實時事件『超級資料庫』，並能夠建立我們網路的數字孿生系統，幫助模擬最小化和解決中斷的最佳方法。」
「這也意味著，當我們增加一個新設施時，我們可以模擬它對網路的影響，（並）了解在哪裡投資，包裹將如何流動，它將對速度以及最終的客戶服務產生什麼影響。」
「這也意味著我們可以了解特定的運輸方式或將物品改道至其他站點對投遞的影響。」
關於最後一點，Starr表示，澳大利亞郵政現在已經通過機器學習投資具備了一些預測能力。
他解釋說：「我們的機器學習可以提供高度準確的貨量預測，確保我們的網路與客戶合作，能夠管理預測的貨量，從而為電子商務提供動力。」
「貨量是動態變化的，會受到零售商處境的影響，同時也會受到環境條件的影響，我們的網路橫跨整個大陸，我們必須了解洪水、叢林火災、事故、出軌等一系列事件對遞送工作的影響。」
"每個高峰期我們都會說『不會再發生了』，但是每個高峰期都會發生某種重大自然事件。」
「出色的預測意味著我們可以幫助客戶規劃他們的流量，我們可以與客戶一起了解這些流量，從而規劃我們的網路。」
「因此，在機器學習的輔助下，我們現在有了一套預測產品，它改進了模型，能夠更好地理解並預測包裹可能的路徑。」
「這是一個根據寄件地點、目的地郵政編碼和物品特徵來觀察網路中寄送情況的模型，在我們的高峰期尤為有用。」
Starr表示，圖形資料庫和數字孿生將大大提高澳大利亞郵政在這一領域的技術能力。
他表示：「我們將能夠以數字化的方式了解如何最大限度地減少中斷並更快地解決它。」
「對數字地圖的投資實際上是為了提高我們使用數據的能力，從描述性數據轉變為調查性數據；突出擁堵情況以提醒我們的團隊；在問題出現之前解決問題；診斷中斷情況，然後找出優化遞送的方法。」
「對於我們的客戶來說，這意味著我們可以更加積極主動地參與其中，這樣我們雙方都可以在問題發生之前未雨綢繆。」
從更廣泛的技術戰略角度來看，Starr 表示澳大利亞郵政將繼續在數據能力和文化上進行投資。
他表示：「從歷史上看，我們的數據非常豐富，但洞察力不足。」
「我們知道這兩者之間的區別，我們正在進行正確的投資，讓我們能夠明察秋毫。」
這些「正確的投資」包括建立一個基於谷歌雲平台的數據平台，該平台最早可追溯到 2019 年。
Starr表示：「在過去的幾年裡，我們將GCP作為我們的數據平台，使我們能夠利用谷歌提供的技術和基礎設施為未來做好準備。」
「我們整個業務每年要捕捉數十億個數據點，我們可以利用這些數據得出有價值的見解。」
Starr表示，澳大利亞郵政已經認識到「數據主導」著該機構的未來。
技術是實現這一未來所需的要素之一，但同時也需要建立正確的管理實踐和文化。
他表示：「這裡最關鍵的是，我們需要乾淨的數據」。
「乾淨的數據有助於做出正確的決策。」
「我們必須做好管理。如果我們沒有正確的管理方法，不能隨著數據的發展持續管理並保護好數據，那麼我們就無法實現我們的目標。」
「我們有一個很好的開始，建立了一個很好的平台，將所有數據匯集到一個地方，但我們必須在此基礎上繼續努力，以便獲得更好的洞察力。」
「這意味著我們要真正賦予團隊對數據質量、新工具、流程、框架和衡量標準負責的能力，從而建立更強大的數據文化，使每個團隊都能完全與之保持一致。」
