大数据背景下物流企业管理模式优化研究

2023-01-09李沐芸柴斌

中小企业管理与科技 2022年11期

李沐芸，柴斌

（1.湖南工业大学商学院，湖南株洲 412007；2.娄底职业技术学院机电工程学院，湖南娄底 417099）

1 引言

在大数据背景下，物流企业需要借助大数据技术对现有管理模式进行完善和创新，并充分运用大数据技术深入挖掘出对企业有运用价值的数据信息，为企业日常运营作支撑。企业需要先把收集到的全部数据储存进信息系统中，再对相关数据进行分析和处理，通过计算出发展规律，以此创新和完善现有的企业管理模式，提升物流企业在行业中的影响力和竞争力。如今越来越多的物流企业都在不断尝试将新技术融合进各环节的管理过程中，但部分物流企业均出现了许多急需解决的共性问题，一定程度上影响了其在大数据背景下的可持续发展。

2 文献综述

叶舜和李媛媛[1]在研究天道物流等物流企业时，发现多数物流企业都在使用TMS 管理系统。该系统可以建立私有的大数据云端库，是以数据中心为核心运算工作，各工作环节均实现了智能化和数字化，能对运输车辆、运输人员和运输路线进行详细的统计，并将积累到的数据信息储存进私有的大数据云端库，提高了数据信息的透明程度。陈松奕和崔艺瑄[2]认为大部分物流企业已经初步实现了线上线下的流通融合，这使得企业必须选择大数据驱动的发展策略来适应现在的发展环境。

黄音[3]采用多种案例分析方法，认为越来越多的物流企业会选用数据驱动模式，它们会借助大数据的力量，提高对数据进行收集、储存、分析等能力，这是企业获取市场竞争优势的重要途经，还提出了当前物流企业需要突破的关键性难题是构建适合自己的数据驱动模式，激发企业的创造力和鲜活力，从而在作出决策时可以更贴近市场的发展需求。魏锦雯[4]表明数据驱动是我国物流业未来发展过程中最需解决的难题，且数据驱动的企业管理模式已经成为企业经济中的不可或缺的渠道。

3 大数据在物流企业管理模式中的应用特征

3.1 大数据规模

物流企业的大数据信息不仅来源于互联网、移动商务等交易平台，而且还来源于GIS、第三方服务机构、行业活动记录等研究报告。广泛的数据来源渠道组成了庞大规模的数据信息库，这对企业数据储存系统和分析能力提出了更高的要求。

3.2 多数据类型

物流企业的数据类型多，可以按照数据的类型、维度、格式等进行区别分类。数据类型多样化包括企业之间的交互数据、日常运营数据等，数据维度多样化可以分为结构化数据、半结构化数据和非结构化数据，数据格式多样化主要是指储存在图像和音频中的数据信息和各类纸质文件的数据信息。

3.3 低数据密度

物流企业收集并储存完数据后，需要对所有数据进行筛选，寻找对自身有用的数据信息。这是由于数据规模与其价值密度呈反比关系，数据规模越大则价值密度越低。但是大数据最大的利用价值在于从海量的低密度数据中寻找和分析对现在或未来有价值的数据信息。

4 大数据在物流企业管理模式中的应用价值

4.1 优化运输管理模式

物流企业可根据收集的运输数据信息，利用大数据技术进行数据处理和分析，优化原有的运输管理模式，实现优化运输路径和降低运输成本等目的。例如，根据分析运输车辆信息、包裹状态信息、客户喜好信息等实时信息，通过积累的已储存路径的数据信息，找出从出发点到目的点之间的最佳路径。经过相关数据分析，不仅能增加现有资源的利用程度，还能有效提升物流企业的经济效益。目前许多物流企业都尝试运用了UPS 研发的Orion（On-Road Integrated Optimization and Navigation，道路优化与导航集成系统），均表示这种动态优化的运输管理系统能实现降低运输成本、减少运输时间、降低运输过程中的减排量等目标。

4.2 更新人事管理模式

在人事管理方面，物流企业需要运用大数据技术更新传统的人才招聘、人才考核、人才晋升等方案。首先，人力资源管理部门可以收集求职者的多项数据进行分析，如专业知识水平数据、处理业务能力数据、个人性格特征数据、自身心理状态数据等，以此评判该求职者是否是企业所需的人才，能否满足岗位要求，是否和企业文化相匹配[5]。其次，在员工考核过程中，可以根据考核期间内员工的工作满意程度数据、工作积极程度数据、工作完成程度数据等进行分析，以分析的结果为基础，判断出该名员工在现阶段的工作水平和状态，看是否满足企业内部颁布的晋升制度中的要求。根据需求分析随时都会波动的数据，可以有效辅助人力资源管理部门处理人事管理中的不同问题。

4.3 升级营销管理模式

大数据技术可以帮助物流企业升级现有的营销管理模式，实现商务与物流相结合的目标[6]。例如，阿里巴巴成功自建的“菜鸟平台”，该智能物流系统以数据为核心基础，能整合资源数据、分析线路数据、管理仓储数据等，并将相关数据信息进行统一的高效处理和综合分析。物流企业在建立自己的物流营销系统时，应该把目标定位在实现数据联通和数据赋能等功能上，需要考虑产品的价格和属性，利用积累的物流配送网络为基础，及时在系统内完善运输路线数据、储备仓库数据、分拣中心数据等，升级成营销与物流的一体化模式。

4.4 创新决策管理模式

物流企业可以利用大数据技术合理统筹和配置内外部资源，以此帮助高管作出高效且有价值的决策。首先，企业需要着手组织员工收集同行业其他企业的数据信息，做到基本掌握好外部市场的发展现状和未来趋势，便于企业提前更改现有的大局决策。其次，根据调查到的其他企业的数据信息，可以适当分析它们在定价或提供服务上与自己的不同点，通过多次的关联分析，及时掌握对手企业的日常运营情况。再根据分析结果，企业内部可以探讨出自身的不足，并加以改进相关管理决策内容。

5 大数据在物流企业管理模式中的现存问题

5.1 内部基础设施有待改善

在部分物流企业中，由于信息化意识落后、资金短缺、投入不足等，导致它们内部基础设施不能满足大数据技术的使用要求。这类基础设备包括相关运输设备、仓储设备、配送设备和收集分析数据设备等，在一定程度上影响了大数据技术在企业发挥的作用。即便企业学习到了一部分大数据的技术，但是内部没有可以使用该技术的基础设备，就会出现老设备无法与新技术兼容、数据储存空间不足、需要使用的技术功能无法使用等现象。所谓巧妇难为无米之炊，在大数据背景下，企业若是没有信息化和电子化的机器设备，那么相关人员就不能在实际生活中进行实操，且相较于其他拥有先进设备的企业，自身因为设备的落后，将会阻碍内部信息管理和分析水平的提升，无法完全跟上时代的步伐。

5.2 数据处理效率有待提升

通常一个完整的物流企业管理系统中都会包括运输系统、分拣系统和仓储系统等，不同的分块系统中有不同的需要处理的分栏目。对不同系统中的数据需要分门别列地储存，再加上现在发达的科学技术，数据信息不仅包括纯数字的数据，还包括音频、图片、视频等大容量的数据信息。但现在大多系统中的储存单元为Tb 和Gb，不能完全满足大数据储存空间的条件。如果存储空间受到了限制，那么分析和处理相关数据的效率必然受到影响。在硬件设施方面也出现了影响工作人员处理数据效率的问题，如企业资金不足、配备的设施设备数量不足、无法保障内部人员使用数量和质量等。物流企业若想有效提高数据处理能力和效率，就需要从软件和硬件上着手，提高所需的适应性配置，帮助数据系统逃脱瓶颈。

5.3 客户信息防护有待加强

各物流企业的数据系统中均会储存所有客户的个人信息，其中包括客户的联系方式、通讯地址、产品喜好等，这类数据的构成已经涵盖到客户日常生活的方方面面，使得信息安全成为大数据时代最值得关注的问题之一，也是客户最担心的问题之一。然而在现实生活中，部分物流企业的数据系统曾出现过恶意扫描、僵尸木马病毒攻击等，更出现过有意出售、泄露给其他组织的情况，导致客户信息泄露，在企业无法完全保障客户利益的同时，也会让老客户对企业丧失信任，影响了企业的可持续发展。

5.4 人才技术质量有待提高

大数据技术对于传统的物流企业来说，是一项全新的商业与应用价值结合的数据集合技术，不仅要求企业配备先进的硬软件设备，还需要企业内部拥有处理数据等能力的专业人才。但部分物流企业并没有高度重视人才的引入和培养，且大多数物流专业的学生在校学习的是物流管理和物流规划等传统专业课程，少有学习物流数据分析和处理等课程，导致物流企业内部人才供给不足，大量的专业数据难以使用专业化的程序去分析和处理，影响到了物流企业各环节业务的稳健运行。

6 大数据在物流企业管理模式中的优化策略

6.1 改善内部基础设施

若想改善物流企业内部基础设施，跟上时代的脚步，不仅需要更新现有设备，还需要积极引进先进技术和购买先进设备。首先，需要解决的是众多物流企业面临的数据信息交互和数据自动识别等技术问题。因为这些技术问题被解决后可以帮助企业把文字、声音和图像等抽象内容变成可观的数据信息，便于后续进行相关分析和处理。其次，开展对企业内部管理的信息化研究，建立整套技术研究方案[7]。吸收国内外优秀的信息化管理技术和理论，将理论知识与自身情况相融合。通过不断完善和改进现有的大数据技术，达到符合企业现代化和满足大数据技术的发展要求，将大数据技术有效运用到管理模式当中，规避部分将面临的管理和决策风险，减少内部运营过程中不必要的成本支出，进一步提高物流企业的管理模式效率。

6.2 提升数据处理效率

依托大数据技术的推广，大多数物流企业已经接受了运用电子设备替代人工处理数据信息的方式，在一定程度上提升了物流企业挖掘数据信息的效率。为了提升数据处理能力，企业应该先加大对数据信息管理的重视，搭建以信息技术为核心的信息化网络平台，正确认识到数据信息的应用价值，利用大数据、互联网和物联网等技术对产品的储存与分拣程序进行优化。物流企业还应运用大数据技术对收集到的数据信息进行分类储存，做到在分析和处理相关数据时，及时找到所需数据，提升了员工处理数据信息的效率，为物流企业管理者作出快速决策提供关键依据。该信息化网络平台能与大数据技术进行联动，创新了企业各环节的管理方式，优化了可省去的烦琐流程，形成了完整闭环的供应链。

6.3 加强客户信息防护

由于各物流企业使用的数据信息系统均不相同，所以需要选择适合自己系统的数据信息保护程序。首先，企业内部应该加快培养员工对数据安全的意识，提前演练对待突发网络安全问题的应对策略，确保相关员工可以妥善处理保护程序中的一系列问题。其次，选择成熟且合适的数据信息保护程序，该程序需要获得权威机构或部门的认证，企业也需要在购买之前确定程序是否具有功能稳定、性能匹配、兼容较好等特点，部分企业也可以委托专业组织定制所需的数据信息保护程序。除此之外，还需要对积累的客户信息进行加强管理，根据不同类型的分类标准，利用大数据技术，给客户信息储存空间进行加密，提升客户的服务体验，提高服务满意度。

6.4 提高人才技术质量

物流企业要想完全掌握大数据技术，就需要招聘引入相关技术人才，对现有的技术人才进行专业培训，提高数据技术服务的质量。首先，企业需要与时俱进，加强对数据信息系统管理人员的专业培训，提高管理人员的工作能力和工作水平。培训过程中应该有详细的考核制度，没有规矩不成方圆，要求培训人员按照考核制度对每次的培训过程进行严格打分，并采取合理的奖惩制度激励员工参加培训。其次，各高校也应把物流专业的学生培养目标定位在市场所需、物流企业数据化转型和现代物流业发展上，对原有的专业核心课程进行拓展延伸，新加入“仓储数字化运作”“运输数字化业务”“分拣数字化程序”等课程。有条件的高校还可以最大程度还原企业真实的工作场景，在课上解析企业实际操作过程，提升高校的教学质量，为物流企业培养好专业的数据型人才。