基于大数据的智慧物流应用模式分析

□ 杨志华

(厦门海洋职业技术学院，福建 厦门 361000)

1 引言

由于数据包含大量的潜在信息，对于许多企业包括物流企业来说，是一种宝贵的新型资产，可以创造出许多的商业机遇，但是这些数据增长速度快、规模大，对于很多企业来说都是一种无法处理并让它变成企业核心竞争力的资源。大数据技术运用数据和统计的方法分析这些海量数据，并进行综合利用，对智慧物流起到巨大的推动作用。通过大数据技术对智慧物流进行有效的管理，可以实时捕捉并分析物流各个环节的数据，提高物流效率，节约物流成本，提高客户服务水平，培养客户的黏性，并为物流企业的正确决策提供决策支持。

2 智慧物流概述

智慧物流是以互联网+为核心，以物联网、云计算、大数据及“三网融合”(传感网、物联网和互联网)等为技术支撑，以物流产业自动化基础设施、智能化业务运营、信息系统辅助决策和关键配套资源为基础，通过物流各环节、各企业的信息系统无缝集成，实现物流全过程可自动感知识别、可跟踪追溯、可实时应对、可智能优化决策的物流业务形态。智慧物流体现出现代经济运作的特点，能够把物流与信息流进行高效、及时、快速的整合，借助一切可以利用的社会物流资源来达到提高物流效率的同时，也能达到降低社会物流成本的目的。

3 大数据技术及其特点

作为一个较为抽象的概念，不同学者专家对大数据的定义各不相同，麦肯锡是大数据研究的先行者，他认为大数据(big data)指的是大小超出常规的数据库工具获取、储存、管理和分析能力的数据集。但是大数据并没有特定要求数据集需要超过特定的TB值。大数据不仅包含海量的数据，还包含复杂的数据类型，而且大数据的数据呈爆炸式快速增长，由于新数据不断涌现，为了使大量数据得到有效的利用，需要借助物联网、云计算等现代信息技术降低处理成本，提高数据处理的效率。大数据具有典型的4v特征(volume、velocity、variety、value)。

3.1 数据体量巨大

由于我们生活在数据时代，如今的数据量可以称为海量数据，各种传感器获取数据能力大幅提高，以及由于网络的发展，各种社交网络(微博、Facebook、即时聊天工具)、电子商务、车载设备、移动设备等数据来源的急剧增加，数据量与日俱增必将带来庞大的数据量，与处理TB级数据量的传统关系型数据库相比，大数据技术处理的数据大都在PB级以上，不可同日而语。

3.2 数据处理速度快

传统的数据仓库、商业决策、智能分析等应用对数据处理的速度要求不是太高，但在数据急剧增加的大数据时代，为了大量的数据能得到有效的利用，对数据处理的实时性要求非常高，而且大数据技术的数据分析模式需要支持交互式和准时性，数据提交以后需要短时间内产生结果，如果没有快速的数据处理速度，不断激增的数据不但不能为决策问题带来解决方案，反而会成为数据处理的累赘。

3.3 数据类型繁多

大数据的形式多种多样，而且这种多样式在不断增加，有可能是结构化的数据，以我们熟知的形式呈现出来，比如数据表、订单，也可能是以传感器数据、全球卫星定位信号、销售点以及视频识别数据的形式呈现出来，还有可能是以非结构化或半结构化的数据形式呈现出来，包括手机短信、文本、日志、博客、微博、音频、视频等各种复杂结构的交流信息。

3.4 数据价值密度低

大数据技术不对数据进行抽象、归纳等处理而直接采集原始数据，其目的是为了获取客观事物的原貌，这种做法可以挖掘出更多事物的细节信息，但同时也带来很多没有实际意义的信息，而且这些数据大多属于非结构化数据，所以大数据技术的另一个重要属性是价值密度低，即关注的数据价值度偏低，能够挖掘出有价值的信息所占比例很少。但是这也正是大数据的魅力所在，能够从大量无关的数据中挖掘出对未来决策或趋势判断有价值的信息。

4 大数据背景下智慧物流的应用框架

借助大数据技术，智慧物流能够分析过去的历史数据，检测现在的业务状况，预测未来趋势，为不同职责的人员提供更贴切的数据视图，为管理层的业务决策提供依据。智慧物流系统以为客户提供优质服务为最终目的，从宏观、中观、微观三个层次进行分析，形成完整的智慧物流应用框架，见图1。

图1 大数据背景下智慧物流的应用框架图

4.1 宏观层面：智慧物流商物管理

智慧物流的商物管理以达到供需平衡为目的，根据相关规定，对商品及物品进行分类，统计不同品类商品的流量和流向。针对需求构建指标体系，建立合适的模式，通过对大量数据的处理分析发掘潜在的规律，为优化物流节点和通道布局提供参考依据。

4.2 中观层面：智慧物流供应链管理

智慧物流的供应链管理是从企业物流出发，对整个供应链信息进行计划、协调、控制、操作以及优化活动和过程，供应链管理是所有物流发展的必然趋势，也是所有企业经济发展的必然趋势。供应链企业在进行采购、供应、生产、销售、回收等流程中，通过对协同合作、流程处理与使用者行为等进行分析，以业务整合与以用户为核心的观点看待整个物流流程，并立即针对分析结果进行反应，以达到提高业务销售、行销成效、供应链效率与消费者满意等效果。

4.3 微观层面：智慧物流业务管理

智慧物流的业务管理是从物流企业的角度出发，物流业务包括运输、仓储、配送、流通加工、包装等多个环节，对于现代物流，特别是大数据背景下的智慧物流，它更加关注物流服务一体化，这一点与传统的物流服务仅限提供一项或数项独立的物流服务功能存在着巨大的区别。智慧物流业务管理就是通过对物流业务的再造和优化形成核心化、高效化、精简化的流程。

5 大数据背景下智慧物流的应用模式分析

5.1 在智慧物流商物管理的应用模式分析

智慧物流的商物数据主要包括零售商品数据及大宗商品数据，物流企业利用大数据技术来捕捉供应商、采购商、生产商、批发商、零售商以及商品市场、商品流向、购买行为、消费习惯等数据，通过具体的大数据分析技术进行技术分析，找出影响商品的流量流向的关键指标，排除干扰分析结果的指标，最后分析结果可以调整商品流量流向结果，预测商品未来的需求动态，开拓新市场，扩大企业的业务范围。

5.2 在智慧物流供应链管理的应用模式分析

①采购环节

对于采购环节，大数据的影响也是非常重大的，企业可以利用大数据优化采购渠道，辨认各个供应商的供货特点，分析客户的偏好和采购行为，为供应链中各环节的采购谈判提供支持信息，而且在建立最优采购量的决策模型和风险评价指标的基础上，可以确定最佳订购方案，对采购过程的风险指标进行科学评价，提供可视化管理，为管理层了解和控制风险点提供便利工具。

②生产环节

生产企业可以利用大数据分析结果，改进生产的各个方面，包括生产的库存管理，优化库存水平，优化维修保养以及判断更新设备的位置等，甚至有些企业把大数据分析应用于员工生产力评价以及企业能力限制等方面的研究。

③销售环节

在销售环节，企业利用大数据技术收集并追踪个体消费者的消费行为，将其与传统市场营销工具相结合，随着收集的数据越来越个性化，越来越具有时效性，企业能够根据客户行为的变化而调整自身策略，为终端的消费者提供更加深入的定制服务，开展关联性的促销活动，并让客户享受个性化的购物体验。

5.3 在智慧物流业务管理的应用模式分析

物流大数据是指对运输、仓储、装卸搬运、包装及流通加工等物流环节所产生的海量信息进行有价值的挖掘，以达到提高物流效率、降低生产经营成本以及更好地满足客户需求的目的。在物流智慧化转型的过程中，物流大数据在选址规划、车货匹配、设备修理预测、运输路线优化、库存管理等方面都有着广泛应用。

①选址规划

大数据选址相比传统的选址方式更为精准，因为可以利用的信息更多了。以商铺选址为例，传统的选址方式主要对城市商圈、人口流动量、周围小区等进行考察，再结合自身经济情况进行经验性的选取。大数据选址则会进一步进行用户画像分析，了解用户的行为偏好，并结合GIS信息构建基于所有用户的权重模型，较为精准地预测备选站点预期的成交数量等信息，从而降低经营风险。

②车货匹配

传统物流运输行业经常发生车货难匹配问题，即车主没有货源，货主找不到合适的车主为其运送。随着车货匹配平台的出现，这一难题迎刃而解，通过对运力池进行大数据分析，在专业运力的个性化需求与公共运力的标准化这两个方面产生了良好的匹配。同时，为了实现智能化定价、根据任务要求指派司机以及为司机智能推荐任务等智能化服务，大数据技术也可以通过对货主、司机和任务进行精准分析来圆满完成。

③设备修理预测

如果车辆在运输途中出现抛锚等问题，不仅会造成较大经济成本，同时会危害驾驶员生命安全。而定期更换零件则不太经济，因为有的零件并没有发生问题就被更换了。通过检测车辆关键部位，并将数据传回分析，能很好地预防车辆事故的发生，同时降低零件更换成本。

④运输路线优化

运用大数据进行运输路线优化，可以大幅度提高物流运输效率。通过构建路径优化模型，以地理位置信息、时间信息、交通信息、车辆载重信息、成本费用等作为输入，以成本最低、时间最短等作为目标，自动输出最优的运输路线。

⑤库存管理

库存管理是企业的一大难题，库存过多不仅占用资金，增加管理成本，还有造成呆滞的风险；库存不足则会使得本应获得的销售机会白白溜走，在大数据时代下，精准的需求预测可以很好地解决这一难题。以京东为例，京东通过构建全方位的用户画像、小区画像，能够做到提前预知用户购买需求，从而提前配送产品至就近站点，从而实现用户下单一小时送达，既有效降低站点的库存量，又能提高用户的物流体验。

6 结束语

随着物联网、云计算、大数据等新一代信息技术的高速发展，智慧物流逐渐走向更深层次的发展与变革，智慧物流也将把整个物流产业提高到一个更高层次，而大数据技术在物流行业中的发展和应用，将极大提升物流行业的服务水平，实现物流的智能化、一体化、协同化的发展。