大数据对物流供应链创新发展的影响与应用对策

孙楚绿，于丽艳

(1.天津商业大学宝德学院，天津 300384；2.天津科技大学经济与管理学院，天津 300222)

传统物流企业的信息系统由于缺少灵活性，导致物流效率低、物流风险增加等问题频频出现，已无法满足经济活动对信息的需求。而大数据技术具有数据量大、速度快、数据多样性和低价值密度的特征，能够为供应链各环节提供实时实地信息，增加物流企业经营的灵活性和可持续性，并通过推动互联网和物流业融合改变物流企业商业模式，促进社会经济发展。在供应链运营管理中运用大数据技术，不仅会提高企业的经济效益，而且还会提高不同部门和经济整体的生产力、创新力和竞争力，有助于解决物流供给与需求的匹配，优化资源配置，提升运营效率和获取最大效益，因此大数据技术引起了全球物流部门的极大关注［1］。据美国供应链行业研究组织SCM World 的报告，64%的供应链管理人员认为，大数据技术因能够将供应链上下游企业的资源和信息整合共享，深刻影响物流供应链的发展，因此，其正在重塑物流供应链产业［2］。

1 文献综述

已有关于物流供应链大数据分析的研究各有侧重，大致可以从意义优势层面、信息了解层面、应用领域层面进行归纳。

在意义优势层面，大数据分析对物流供应链具有巨大的意义。Akter 等［3］认为企业通过提高大数据分析能力可以创新产品，并为客户提供更好的服务、提升服务水平，同时增加销售额和收入、开拓新的市场。利用大数据进行分析，使消费者能够清楚了解生产及流通过程，为食品供应链的安全性和可持续性提供保障［4］。桑德斯［5］的研究指出，供应链系统中的制造、采购、物流、销售等各环节协调联系，通过大数据分析能够对其进行优化，增强联系。

在信息了解层面，信息的联系与融合为物流供应链提供了进步空间。Waller 等［6］认为，物流和供应链管理领域的研究者运用数据科学为企业经营预测和分析提供了大量的研究机会。Zinn 等［7］认为近年来物流和供应链管理受信息通信技术全球化指数增长的影响，越来越多的企业愿意运用大数据业务模型进行管理。王柏谊等［8］总结了国外先进物流技术信息与我国现有物流技术信息存在的差异，从平台合作机制、平台安全性、人才缺失等多方面提出了建议。

在应用领域层面，许多研究都尝试过分析、构建并推进大数据与供应链管理的应用。Barreto 等［9］认为依托智能技术，新的物流模式将供应链、物流平台、服务场景、消费者需求等多维度深度融合，构建无处不在且根植于生产、流通、消费的价值网络。吴迪等［10］对大数据应用的优势和机遇进行了研究，结果表明基于大数据的西部民族地区物流云模式解决了西部地区物资资源分配的问题。陈永平等［11］结合大数据时代背景对物流末端配送进行了研究，并对如何提升消费者体验与价值进行了分析。

综上所述，现有研究从意义优势层面、信息了解层面、应用领域层面进行归纳，研究了大数据技术在物流供应链中的应用现状，对大数据的重要性、信息的联系以及技术的应用已有初步认识，但是从发展趋势角度进行总结和提炼的较少。由于国内相关研究起步较晚，对于大数据技术的应用研究尚不全面，结合国内实际的分析也相对不足。物流供应链大数据分析未来的发展方向如何？农产品如何推进物流供应链大数据创新应用？大数据技术在我国物流供应链领域如何进行推广？对此，本研究将大数据技术在物流供应链的发展趋势总结为智能化、共生化、短链化、智慧化4 个方面，以农产品为例，对应其作用和意义以及在实践中遇到的难点和问题进行分析，并提出相应的对策建议，为物流供应链领域进一步推广和应用大数据分析技术提供参考。

2 物流供应链应用大数据分析技术的创新发展趋势

2.1 智能化

传统的物流供应链流程设计通常仅包括人与机器之间的主从关系，即人通过操作界面及程序对机器进行控制。而通用人工智能（artificial general intelligence，AGI）的应用，则通过将物流系统设备进行自主路线设计、人眼识别、捕捉等仿真，实现系统集成的独立决策，使以经验为基础的传统决策模式发生了彻底转变［12］。应用智能化与无人化的物流操作规划、决策和反馈，将供应链运营过程中人的参与因素逐渐减少直至消除，物流产业实现智能化后，将完全避免操作中的错误，使整个供应链智能化，物流运作方式有序、高效，实现交通规划路线、终端配送、仓库管理等的智能网络布局，改变了商品流通和物流协调的方式，大大提高了供应链的整合效率。

智能化创造了全新的供应链，机器化、连接性和物联网是推动这种变革的主要力量。大数据分析技术为消费者提供了大量信息，使消费者可以通过远程控制来了解订单的信息，比如，许多产品都将是智能的，利用3D 打印机，个性化产品可以在消费者家中制造并按时交付，减少了时间和物流成本。智能化的可追溯性能够增加客户对生产商物流状况的了解，有利于商品的营销。如图1 所示，在工业4.0下，机器之间相互协调，提高了运营效率［13］。

图1 工业4.0 下的智能化物流供应链

通过包括销售点和仓库的数据计算预测，供应链的计划流程更加准确和及时。以美国为例，其开发的物流供应链及电子商务自动化的自主移动机器人（autonomous mobile robots,AMRs）能够在极短时间内对不同输出模式之间的同步行为实现多模式感测并作出决策，发展十分迅速［14］。

2.2 共生化

“工业共生”（industrial symbiosis，IS）是一个基于生态系统的概念，强调通过提供优化原料和能源消耗以及副产品作为其他产业的原材料减少资源浪费和损失，实现不同层面的效益共赢。传统的供应链主要关注的是产品、供应商和最终客户的关系，而新一代物流秉持的可持续和共享发展理念更加关注企业的生命周期和社会责任，使产业更具可持续性，实现共同利益。Zahra 等［15］的研究表明，共生系统能够通过减少产业库存、高效管理库存来降低成本、提高效率、提高知名度以及了解消费者信息等，进而提高竞争力。工业共生基于废物、副产品和经济协同的供应链管理形式，以实现可持续发展为目标。从经济、环境和社会角度，企业通过获得更低价的资源而受益，减少了自然资源的消耗和对环境的排放污染，并促进了企业、区域、政府机构的合作，因此，共生化即企业与社会的价值体系。追求可持续性工业共生，可以通过信息通信技术来传输并整合供应链网络信息，供应链上各节点形成相互依赖关系。

共生供应链管理包括工业共生网络的协作和跨组织协调。供应链管理与工业共生网络密切相关，共生系统提供平台使企业可以互相联系，企业和政府可以互动、共享信息。共生网络以合作方式进行管理，通过网络参与者的嵌入性、位置因素和社会资本共生等方式建立合作伙伴之间的相互依赖关系，有利于产业环境的制度化发展［16］。供应链管理层利用工业共生优势、工业共生网络市场机制与社区关系、相互信任和共同的可持续发展愿景，通过供应链合作、整合与协调等实践提高运营绩效，进一步提高了信息系统网络的资源利用效率和管理运营效率，提升了信息系统网络环境下企业协作的组织与运作能力。从运营和供应链管理的角度引入新的供应商，形成新的供应链协作共生网络［9］。

2.3 短链化

与传统的长供应链相比，短供应链的核心就是减少运输次数并且缩短运输距离。短链能够提供灵活、准确和高效的物流服务，通过使本地供应商与消费者产生更直接联系来降低管理成本，并使生产商、销售商和最终消费者受益。物流处理和快速交付设计的核心目标是减少货物平均装卸数量，因此通过整合仓储和配送服务，不断缩短中间链条，可实现从生产商的仓库到分销中心后直接发送给客户的短供应链目标［17-18］。通过不断优化仓储布局网络，缩短商品与消费者的距离，物流交货速度越快则成本会越低。大数据分析技术的优势在于，能以其自动化操作和处理大量数据的能力，包括缩短供应商的采购前置期，缩短生产、调试、安装周期，优化流程系统，缩短信息周转周期，使产品信息迅速在物流系统内传递，避免长链条带来的信息滞后和损失，推动供应链柔性化，适应不断变化的需求所带来的不确定性和风险。短供应链的主要表现形式为短食品供应链（short food supply chain），如全球最大零售商沃尔玛百货有限公司在我国利用区块链技术追踪猪肉产销全过程，大大缩短了追踪时间，使其整个产品供应链获得了消费者信任［16］。

2.4 智慧化

与一般的虚拟物流动态信息化互联网管理体系不同，智慧化物流具有可评估、可衡量、特定性等特点，通过大数据、智能硬件、物联网等智慧化的技术与手段，能够提高物流系统的智能执行和决策能力，并对物流系统的智能化、无人化和自动化水平进行提升。智慧物流将物联网、传感网和互联网的整合放在首位，实现物流的可视化、智能化和网络化。在网络协作方面，人工智能、大数据分析和物联网将改变物流协调的方式，实现存储、运输和交付的全链条智能化和社会化，使资源配置和流通效率取得根本性的飞跃，从而提高资源利用率和生产力水平，创造更丰富的社会价值［19］。

智慧物流是“工业4.0”的基本支柱之一，在新技术融入到供应链管理的流程中，区块链作为一种集成技术，对验证数据进行分散、永存式存储，利用集成智能化技术使物流系统对人的智能进行效仿，在解决物流领域某些问题中拥有学习、思维、感知和推理判断的能力。智慧物流在智慧城市的发展中也是不可或缺的，通过数字化和信息技术的使用来优化物流流程，提高城市的创新水平，可使城市减少人流以及车流带来的负面影响，提高城市生活质量水平，支持智慧城市的发展［20］。

3 应用大数据技术的物流供应链创新——以农产品为例

农产品供应链在农产品从农田到餐桌的整个生产消费过程中，整合了供应链上各个环节相关的物流、资金流和信息流，并把生产商、分销商、经销商、批发商和零售商等各主体链接成为一个整体网络。运用大数据技术重组供应链，极大地提高了农产品物流的效益和效率。

3.1 实现农产品供应链的过程精细化

为了应对日益增长的粮食需求和气候变化的压力，政策制定者和行业领导者致力于借助物联网、大数据及云计算等技术力量。物联网主要通过传感器从车辆、田地、土壤等地面上收集实时数据，在收集的大量数据（历史气象数据、卫星和无人机图像以及土壤类型）的基础上进行数据分析和整合，对土地质量和操作效率等方面存在的问题进行分析。消费者追求卫生和健康的食物，通过对农产品的全物流过程进行密切监控，促进农民遵守相关法规规定，避免在食品生产中过度使用农药、杀虫剂等。大数据技术为精准农业提供信息分析和决策帮助。

3.2 实现农产品供应链的绿色信息互通

对于农产品供应链来说，农业生产中由于不科学施肥和土壤质量下降等问题导致的农产品品质差、市场竞争力弱等结果是整个农业产业链价值提升所面临的主要问题与挑战。大数据技术驱动的农产品供应链创新与可持续发展，通过绿色可持续优质农产品质量评价，着眼消费端质量数据需求，以大数据技术为创新驱动力打造全程质量控制信息化数据评定体系，助力农产品实现优质优售、优质优价。除了助力农产品生产过程中的精确管理和优化生产，大数据技术应用还可通过建立软件和分析平台共享农产品生产的绿色与可持续发展相关信息，为农民管理和查看相关数据提供帮助。例如，拜耳集团使用机器学习和人工智能来识别杂草和昆虫侵害的问题处理程序，农民应用该程序上传杂草或昆虫的照片，与拜耳的综合数据库进行匹配识别，通过大数据分析所得到的精确结果有助于提高农产品生产质量和效率，同时提高产品生产的可持续性［21］。

3.3 实现农产品供应链的短链价值创新

传统农产品供应链中的各个环节经常会出现物流和储运高损耗等问题，使得经营成本不断增加。从产地到餐桌，需要经历从农民到批发厂家和市场、零售商、批发销售地、超市/商场/菜市场，再到消费者/顾客之间等多各个环节，要缩短从生产者到消费者的交付周期，通过大数据技术有效精准匹配农产品生产与市场需求上下游的大量信息，可以有效地解决生产者和消费者之间信息隔断等问题，实现快速分销。应用大数据技术，通过监控土地条件实施精确管理，在无形中减去了繁琐的步骤，有利于提高农产品的生产率和盈利能力，以及农产品的生产规模和增值效应［22］。应用大数据技术还可以通过追踪和优化农产品运输车辆路线，缩短物流运输里程和时间，减少能源消耗和碳排放。

3.4 实现农产品供应链的各方意愿改进

传统农业生产在很大程度上依赖于自然条件，生产环节分散，难以在实现规模化的同时达到标准化。而利用大数据分析技术，能够在机器和软件与数据、设备和人员的交互中帮助农民有效地作出正确的决定，提高消费者获取农产品信息的效率，连同食品检测、物流车联网等相关信息数据形成农产品的全程可追溯管理体系，确保生产标准化、品质稳定的农产品，并可精准、快速、高效地为需求方提供其所需要的农产品信息。运用大数据分析技术既可以指导农民如何根据市场需求调整生产，提高产量和获利能力，又可以帮助消费者了解产品质量和相关物流信，从而提高生产者的生产意愿以及消费者的购买意愿［23］。

4 物流供应链应用大数据分析技术的发展对策

目前大数据分析技术在物流供应链的应用中仍存在许多障碍。首先，单个企业在资金和技术方面难以承受技术平台、算法和算力能力建设之重；其次，由于数据来源问题导致数据不准确和关键数据缺少，即使数据数量足够大，大数据分析系统也无法准确及时处理，无法提供精细化、智能化的物流运作；第三，如何确保有效收集信息并处理和分析成倍增长的不同数据，服务于物流的现场运作和决策指导，也是目前物流供应链企业面临的具有挑战性的问题。为此，建议从4 个方面促进物流供应链应用大数据技术的发展。

4.1 进一步细化支持政策

政策的支持能够为物流产业应用大数据技术带来促进作用。充分发挥政府的督促职能，使物流产业发展政策向促进应用大数据技术方向倾斜。国家发改委、工信部均已制定促进物联网、大数据等智能化技术与物流深度融合的政策，支持运用大数据等技术完善物流体系建设，但在此基础上应制定更加细致而具体的分类政策，对大数据技术的开发和供应链的应用过程提供更精准的支持。细化搭建物流大数据平台，包括信息共享平台、技术分析平台、过程运营平台等；从资金支持、减少产业限制等角度细化，推动信息开放；从数据开发、采集、挖掘、处理、分析、交换和管理等方面入手，为物流业制定细化的产业标准。

4.2 建立物流大数据可持续互联体系

数据互联意味着信息量的增加和数据的联系，大数据驱动供应链变革的关键在于能够有效地整合并处理分散又多元的企业信息。信任是企业参与共生网络的基础，不安全数据交换的潜在风险会使企业未必愿意分享自己的产品数据，而物流企业间合作和数据共享意识不足将极大地影响企业的经营效益。尽管在数据共享流程环节会涉及到部分隐私以及机密信息，但企业之间的信任与法律的协调合作约束能够减少其中带来的不确定因素。需要通过内部和外部数据集的组合，从根本上改善供应链管理的运作和决策，使之有效获取外部数据，这是供应链管理中的一项战略任务。改善供应链相关数据的可用性，可以提高供应链透明度，促进供应链可持续发展。建立物流产业大数据互联体系和共享模式，建立上下游产业的数据协作共享与联系机制，将不同物流企业的碎片化数据加以整合，得出能够反映某个物流方向或整个物流产业的全面化数据，降低企业单独利用数据的成本，增强绿色物流发展动力，增强产业可持续性和企业竞争力［24］。

4.3 加快技术创新

从对世界主要国家大数据技术创新能力进行比较可以看出，美国、英国、韩国等国家处于领先地位，我国大数据产业的创新能力还存在较大不足，需加强自主创新［25］。因此，为加快大数据技术创新发展，应在共享供应链信息的前提下探索大数据技术创新发展的潜力，从大数据的新技术研发、关键技术研发等相关创新要素出发搭建大数据技术创新平台；通过重新平衡低成本劳动力与库存持有量和运输成本之间关系优化供应链的运营管理；通过推动机器人和自动化技术的采用提高物流效率，将新技术与仓储调度进行结合解决供需之间的差异化问题；通过自动驾驶技术改变物流业运营模式，为市场创造新的运力来源。

4.4 提升企业数据化管理意愿

目前，我国很多物流企业依然沿用传统的物流模式，共生思维、信息交换和流程共享的总体程度还不高，企业应用大数据的能力还较弱，因此带来信息不匹配、信息滞后等问题，导致不能有效地降低运营成本。由于应用大数据技术需要的资金压力，以及对新知识掌握的能力和对新技术吸收的压力，使得物流业对大数据技术的接受并不是十分积极。应对物流企业应用大数据技术的宣传力度进行强化，普及相关知识，将国家相关政策进行及时解读；另外，在物流企业中选取基础条件较好的企业开展数据共享、实施智慧物流试点，聘请大数据领域方面的专家学者为物流企业进行知识普及与技术培训，使物流企业对大数据技术的应用价值与前景有更为直观的了解，从而提升物流企业积极进行数据化的意愿。

5 结论与展望

大数据技术的特征是容量巨大、品种复杂、处理速度快、价值密度低，随着数据挖掘技术和数据处理技术的发展，大数据技术的价值在物流供应链中体现得越来越明显，基于大数据技术的物流供应链呈现智能化、共生化、短链化、智慧化的发展趋势。大数据技术改变了物流供应链的传统运营方式，建立了一个能够通过数字捕捉的人员、订单和库存的物流交易系统，解决物流供给与需求匹配、物流资源优化与配置的问题，降低物流成本、提高物流效率，巩固与客户之间关系。世界上物流产业发达的国家如美国、韩国等正在对物流供应链的大数据技术推广和应用进行深入研究。

本研究所提出的农产品物流供应链的大数据技术应用，为物流供应链管理新思路提供了参考。在大数据时代，“互联网+”已成为各行各业发展的必然趋势，通过实现农产品供应链与大数据的全方位、鲜活化、大视野的融合，能够打破传统农产品供应链中存在的各种制约障碍，推进供应链中各环节、各主体的各类信息、资源共享，构建简单、快速、安全、生态、可持续发展的新型现代农产品生产营销模式，进而为其他行业供应链应用大数据技术发展提供借鉴。目前，大数据技术的应用在国内还处于初期阶段，仍在不断叠加式普及和完善的过程中，在物流供应链各个核心阶段如何灵活处理所收集的数据，实现大数据的真正价值，仍面临许多瓶颈和制约问题，对此，本研究基于上述分析，提出从细化物流产业应用大数据技术的支持政策、建立物流大数据互联体系、加快大数据技术创新和提升企业数据化意愿等方面促进大数据技术在物流供应链领域的应用。