详细内容或原文请订阅后点击阅览
系统始终知道：为什么局部效率和系统性能不是同一个问题
最后一英里交付中的本地优化如何悄悄破坏系统系统总是知道：为什么本地效率和系统性能不是同一个问题首先出现在走向数据科学上。
来源:走向数据科学Dietrich Braess 描述了一个你第一次听到时仍然感觉不对的结果：在交通网络中添加一条道路会让每个人的通勤变得更糟。
路不一定会失败。不一定会发生事故、施工延误或设计不良。道路可以完全按照预期运行，但系统仍然可能变得更糟。
原因是不舒服。每个司机都会选择最适合他们的路线。这种选择是个人理性的。但当足够多的司机做出同样的理性选择时，网络可能会陷入更糟糕的整体模式。没有哪个司机能够仅仅通过改变路线来轻松改善他们的通勤，但每个人都陷入了比系统本可以产生的结果更糟糕的结果。
在博弈论中，这是均衡与最优之间的有用区别。纳什均衡可以是稳定的，但不一定是好的。这仅意味着每个演员都在考虑到其他演员正在做的事情时做出了最好的举动。这并不意味着系统已经达到了最好的结果。
这种区别的重要性远远超出了流量的范围。
每当团队优化自己的业务部分而不了解他们的决策对下游的影响时，它就会出现在公司内部。成本仪表板得到改进。服务仪表板变弱。一项功能可以显示节省，而另一项功能则可以吸收投诉。每个人都可以根据自己的标准理性行事，但整个系统仍然可能变得更糟。
这是优化陷阱。
这在最后一英里物流中尤其明显，其中最诱人的目标之一就是提高批量密度。
看起来像是进度的指标
最后一英里配送在行程层面上具有简单的成本结构。无论行程服务的是一名还是五名乘客，司机、车辆、燃料、调度、路线选择和运营协调都需要花钱。
当组织忘记 CPD 仅看到操作系统的一部分时，问题就出现了。
而且 OTD 并不总是随着 CPD 的改善而改善。