基于“互联网+物流”的大数据应用场景

文/任枫

自《促进大数据发展行动纲要》实施和相关会议后，随着 “互联网+”、场景计算及云计算等技术的发展，大数据在物流的资源配置优化、流程革新上展现出了巨大优势。基于“互联网+物流”的共享模式即是根植于云计算、物联网与大数据深度结合的背景，本研究探讨在物流领域对大数据与共享模式的利用可能性及其场景。

1 大数据的定义

目前在大数据提出者维克托•迈尔-舍恩伯格及肯尼斯•库克耶编写的《大数据时代》中及国内外学者团体中比较共同的认识是：大数据（big data）是指具备以下几个方面特征 “一定时间内”、“规模大”、数据管理各方面“超出传统软件工具能力范围”的数据集合。从中看出大数据具备数据流转的快速性、数据规模的海量性、数据类型的多样性和数据价值的低密性这四大特征。因此其应用需要大数据技术，即通过构建数据中心，挖掘出隐藏在数据背后的信息价值，从而为企业提供有益的帮助，为企业带来利润。

如果仅从大数据本身而言，其作为一定时间内各种无序数据的集合只是一种信息资产，没有经过处理，便无法转化为对于企业有效的资源。大数据的特点说明在短时间内这种数据的集合具有巨大体量和多样性，但是这种巨量存在的各式低价值个体数据还需要经过真实性鉴别才可利用，因此大数据利用的前提是利用的效益性，利用的关键是如何进行算法设计，核心是数据如何管理，只有在战略层面认识清楚才能使大数据发挥其价值。

在可预见的物流未来中，大数据技术不再是简单地处理信息，而是通过对企业客户所处供应链的整个系统进行详细数据分析后，提出具有大数据和互联网等现代技术综合指导的解决方案。许多专业从事物流数据信息平台的企业形成了物流大数据行业。大数据并不仅仅是对传统资源的配置、流程的改进，其和新运作方式比如共享的融合而产生的更高效的运作模式，才是新技术与新方式的应用之趋势。

2 大数据分析与“互联网+物流”应用的联系

由于降本增效的压力，大数据分析的生态优势使其在物流行业的使用占有重要地位。但是物流行业的大数据应用存在着两级偏差，一方面有些企业通过大数据发展愈来愈具有针对性、精准的覆盖性，比如菜鸟、美团；而原本兴盛的一些企业已经消失，比如一号店；还有一些企业似乎感觉大数据仅仅是分配路径的功能；同样的大数据，造成了不同的使用与发展。以下将回顾物流大数据含义，分析大数据及相关联技术在物流行业可能的应用场景。

2.1 物流大数据的含义

所谓物流的大数据，即仓储、运输、搬运、装卸、包装及流通加工等各物流环节中涉及到的海量数据集合。物流大数据应用则是利用现行软硬件，通过大数据技术分析提高运输、仓储与配送效率，减少不必要的物流成本、更有效地满足客户要求，将有关物流、资金、信息的数据与供求双方的商业模式有效匹配，从而实现高效、快速、经济的物流流转。

2.2 物流大数据应用场景

物流大数据应用场景在目前存在诸多试点，以下为可能的应用场景： 2.2.1 资源配置优化、路径规划

物流市场的动态性和随机性强，从大数据中可以随时获取市场变化、物流需求等信息，及时规划和调整资源配置；同时可优化物流路径规划，从而提高时效，降低物流成本。

2.2.2 网点、园区和枢纽的布局

物流选址相当重要。交通网络、辐射区域、市场货量、竞争对手市场占有率等情况，都必须纳入考量的因素，大数据分析可以进行科学的运算帮助决策。

2.2.3 物流定价

在货运市场，受信息化程度及其它因素影响，物流价格上下波动较大。定价基于成本的计算，不同类型货物、不同地域、运力成本、网络网点等都会对成本产生较大影响，往往要通过专门部门核算。目前可以通过不同的数据模型来获得。

2.2.4 运输车辆运营管理

近年商用车厂家、零部件厂家和第三方软件公司开发的车联网系统，让远程车辆管理变得更容易。通过使用车辆网系统，运营车辆的能耗数据、路线跟踪、驾驶行为等数据一目了然，有助于规划车辆保养、用车成本统计、改善司机驾驶习惯等。

最近，国产智能卡车开始投放市场，各种电子智能系统能提升车辆的安全性能之余，还能收集更多的数据信息。譬如防侧翻系统，便可以将有可能发生侧翻的情况、电子刹车系统作用的次数记录在案。随着物流车辆的运营时间增长，车辆开始出现“疲劳”，油耗会随之上升，维修频次也会增多。通过数据收集和分析，相关企业可以获取某一品牌、固定动力配置车辆的全生命周期油耗，比如100万公里的总油耗，或者是某一里程区间的油耗，比如20-30万公里区间内的车辆平均油耗。还可用于车辆的维修保养管理，因此就可以产生出车辆全生命周期成本的计算模型，那么车队的运营成本分析就十分明朗。

通过这样的数据分析，还可以预测车辆价值“拐点”——达到某一里程后，车辆盈利能力开始下降，这时企业可以判断车辆是否该转手，再进行新一轮的车辆采购，持续性的使车辆资本最大化盈利。

2.2.5 需求预测，提升服务品质，提供个性化营销的可能性

从阿里联合银泰百货推出“门店发货”服务，到华润万家、永辉的大卖场业态将正式入驻京东到家，这不仅将革新并优化购物体验，同时也对同城配模式提出更高的要求。而这些需求及成本点均是基于大数据的研发发现：精准区域商品（社区商品）销售预测，闲置的城配资源和店内资源互相协调，线下的周边覆盖效应等。

通过大数据的应用，提高物流的质量管理。对于物流过程中的各项温度、湿度、状况的改变，将极大可能影响到物流交付的订单满意率，因此，不间断的质量监控必不可少，原来人工无法完成的任务将可以由数据分析承担。

2.2.6 资源的集约利用

“互联网+物流”的共享模式、通过控制塔理论的运输调控模式，均是基于大数据的应用。由于数据资源的充分分析利用，使物流资产全程透明化、可监控化，盘活资产使用，使物流行业的资金、人员得到充分利用。比如配送最后一公里的解决即是将使用权多样化——利用包裹短期的特性和互联网的基本联系功能：包裹代收或存柜。

大数据的场景应用，不应仅仅局限于计算、流程设计等传统领域，也应该着重与新发展模式的交融与创新。

3 “互联网+物流”共享应用与大数据的结合分析

目前的物流包装设备等共享应用的大数据结合有两大方向，一是做为物流资源的综合整合利用即共享与数据结合的物流商用方向，比如场景1-5：明确设备设施所有权、使用权的分离，基于“互联网”的数据匹配以最大的使用率为目标来进行需、求资源交流与共享：传统运输中的共享经济根据是基于“互联网”迅捷、高效及开放平台的特点，物流各环节对直接客户使用数据的细分挖掘，比如客户的占用率、流转率等等，而带来的精细化管理的效益提高；其在物流的发展逻辑是各使用权人对自己信息及部分业务的专业外包模式。因此基于“互联网+”的共享模式，需要明晰物流、资金流和信息流的流向安全和线下交互协议，这其中如何进行配比才能更有效的利用资源则是数据模型的优势所在。物流商用共享模式讲求标准统一、多拉快走增加转手率，以提高资源的利用率为运输创造效益，而大数据的应用目前更多的是专注于客户的个性化需求分析，以小件少量，精准配送为趋势，由此产生了以丰巢为代表的包裹柜和菜鸟驿站，其本质即是付费利用公共的暂存设施即场景6，也即终端的新共享模式，即共享与数据结合的物流民用方面。如何在传统标准物流到个性化物流趋势之中找到结合发展之处，如何融入趋势之中，是物流尤其是运输所亟待解决的问题。

在新时代、新机遇，数字经济将重塑世界经济，不仅仅是在中国，全世界都在进入一个新的时代。新时代我们将面临新的问题，同时又是新的机遇。大数据带来全球产业链的彻底变革，不再单单是集装箱的整合运输，而是小件快收快运妥存的门到门服务。即从理论到商业化，再从商业化到民用化，这其中对物流的挑战是颠覆性的，不仅是物流的成本考量模式，还有运作模式、人员管理、场地管理模式都将发生新一轮的变革，但是机遇也是巨大的，相对于商用的红海，民用的数据利用仍然是蓝海，其数据特点更加散乱，唯有合理分析在这些环节中产生的大数据的特性，结合物流应用场景，方能发展出河南企业物流大数据应用的特色，促进本地物流企业有效的利用大数据及“互联网+物流”共享模式带来的优势。