淺析大數據對物流企業管理模式的影響

徐龍閃，張秀芳

(四川華新現代職業學院，四川 成都 610107)

云計算技術、物聯網技術和移動商務技術的飛速發展，給企業帶來了規模巨大、類型繁多、價值密度低、需要快速處理的數據，也引起了世界各國的廣泛關注。2008年，在國際上享有較高權威性的期刊《自然》專門推出一期將大數據作為該期的封面，期刊內容重點介紹其給各個領域所帶來的影響。2012年，聯合國在《大數據下的機遇與挑戰》文件中，指出大數據時代現在已到來，各個行業領域都會面臨潛在的問題和發展機會。2014年，我國政府在官方文件里第一次寫到大數據這個概念，將它視為企業必要的關鍵的資源之一，并指出大數據可以有效輔助企業進行調查、決策等。2015年，我國商務部門在《關于智慧物流配送體系建設的實施意見》中，指出以后的兩年里，建設多個在物流配送方面具有現代化的智能的城市和基地，這一任務的完成，必須依靠以大數據為支撐的物流信息服務平臺。2017年，我國政府文件指出要將大數據應用到實體經濟當中，促進實體經濟的發展。

一、大數據概述

（一）大數據的概念

國際上大數據研究公司Gartner認為，為提高企業的決策力、洞察力和優化工作流程的能力，企業只有使用新的處理模式來處理大量的、劇增的、多種多樣的數據，這就是大數據。

另外，國際權威組織麥肯錫公司認為，企業以往的數據處理系統已經無法收集、存儲、處理和分析的，具有規模巨大、流轉速度快、類型多種多樣、價值密度不高的數據，即大數據。

大數據技術的應用目的不是為了獲取大量的數據，而是分析處理這些龐大的、多樣的、流轉速度快的、價值密度低的數據。通過分析和處理，提取潛在的有用的信息為企業所用。

（二）物流行業大數據的特征

1.數據規模巨大(Volume)

物流行業中數據來源廣泛，大約有以下幾大來源:電子商務交易、移動商務交易、互聯網、博客、微博、論壇、社交網絡等；實時監控、鏈接、傳感器商業智能終端等設備；商業智能終端；U盤、手機、筆記本、平板電腦、計算機等其他移動存儲設備；地理信息系統GIS、全球定位系統GPS、無線射頻識別技術RFID、無人車、無人機、物聯網等物流信息技術的應用；企業輔助決策系統、第三方服務平臺、第三方數據處理技術、云存儲、云計算的應用；行業資訊、行業研究報告、行業活動記錄；其他大交易、大交互數據來源。廣泛的物流數據來源，必定會帶來規模巨大的物流數據。

以前的數據都是以GB或TB為單位進行存儲，現在GB和TB已經無法滿足大數據的存儲需要，必須以PB和EB才能存儲當前的數據。規模巨大是它最明顯的特點。

2.數據類型繁多（Variety）

物流行業大數據類型的多樣化具體表現為以下幾點：人的行為習慣信息、喜好信息、交互數據等；電子商務交易數據、客戶在網絡上的活動數據、流量分析數據、Web文本數據等；監控視頻數據、儀表設備數據、傳感器數據、車輛數據、運營數據、實體數據等各類設施設備采集的數據等；產品、市場預測和分析、財務、人事HR、供應鏈管理SCM、呼叫記錄、客戶關系管理CRM、輔助決策等方面產生的數據；手機、電腦、計算機及其他設施的使用數據等；時間數據、地理位置數據、車載數據、無線射頻識別設備讀取的數據、動態監測數據等；分析器、查詢工具、流量監測工具等的應用數據；調研、科研、報告、公共信息平臺所產生數據等。

物流行業大數據維度的多樣化具體體現在以下三個方面：非結構化、半結構化、結構化。非結構化數據具體指圖像、聲音、視頻、文本文檔等；結構化數據具體指能夠在DB數據庫中儲存的數據；半結構化數據具體指E-mail、文檔、日志文件等。其中，前兩種數據所占比重達70%以上。

物流行業大數據格式多樣化的特點表現為以下兩點：信函、表格、報表、記錄、檔案等傳統的紙質文件；存儲在圖像、聲音、視頻、文本、文檔、短信、檔案中的電子數據等。數據訪問的隨機性、數據格式相互不兼容，都導致獲取、存儲、處理、應用數據難度加大。

3.處理速度快（Velocity）

物流行業數據來源廣泛，也必然導致物流行業數據增長速度快，需要更快的處理速度來分析和加工處理這些數據。這也是與物流行業傳統數據最顯著的不同。

4.價值密度低（Value）

物流行業數據規模巨大，并非所有數據都有價值。其中，有價值的數據所占比重比較小，所以物流行業大數據價值密度低。這是大數據的核心特征。

二、大數據給物流企業管理帶來的挑戰

在大數據背景下，物流企業可以趨利避害獲得更好的機遇，就需要擯棄企業領導“拍腦袋”的管理模式，更新現有的技術，改進工作流程，接受大數據新的理念，從而成為一個以大數據為驅動的新型現代物流企業。2013年，“四通一達”和阿里巴巴已經意識到并接受新時代大數據理念，因此這四家快遞企業與阿里巴巴合作，通過在全國搭建“菜鳥網”來實現智慧型物流網絡的目標。這一目標的實現，必須依靠大數據的支持。物流企業在應用大數據的過程中并非一帆風順，可能會遇到以下幾個方面的挑戰：

（一）物流數據處理能力不足

現有的WMS、TMS、DMS等物流系統數據存儲、分析和處理的能力不足，一般都是以GB或TB為存儲和分析處理單位，而大數據環境下的物流數據高達PB、EB基至ZB,因此物流企業在面對如此龐大的數據時就顯得數據處理能力明顯不足。這不僅僅是IT行業急需面對和解決的問題，物流行業也必須解決物流數據存儲和處理分析軟硬件的配置問題。

（二）物流基礎設施設備信息化程度不足

物流企業的基礎設施設備主要包括倉儲、運輸、配送、數據收集和處理設備等，企業在這些方面投入不足，明顯阻礙了物流企業乃至整個行業的發展。中國和美國對比，中國平均每人占有的倉儲面積僅為美國的1/14。此外，中國現有的物流基礎設施設備現代化程度落后，高達70%的設施設備是在20世紀90年代建立的，無法滿足大數據時代的需求。

（三）物流企業大數據專業人才不足

在當今大數據環境下，物流企業需要更多的大數據方面的專業人員，才能夠有效地進行物流企業大數據的采集、分析與處理。但是，目前大數據專業人才還沒有引起物流企業的足夠重視。此外，目前我國高等院校還沒有開設大數據類方面的專業去專門培養大數據方面的專業人才。

（四）對個人隱私的保密性不足

在收集物流企業龐大數據的過程中，也許會帶來個人隱私泄露的后果，在銀行、電信行業已經屢見不鮮，類似這樣的問題會一直伴隨互聯網行業的發展。在推廣應用大數據的同時，物流企業應正確收集、分析、處理數據，并做好保密措施，盡力避免泄露與個人隱私相關的數據和信息。

三、大數據給物流企業管理帶來的機遇

大數據時代，物流企業可融合大量的、不同類型的數據，進行加工、處理和分析，進而挖掘出潛在的有價值的信息，這將會給物流企業在各個領域的管理模式帶來巨大的機遇。

（一）大數據推動物流企業營銷管理模式升級

大數據包含巨大的潛在的商業價值，它與物流企業客戶和物流集成設施設備同等重要，都是物流企業重要的資源與生產要素。借助大數據技術，物流企業可實時掌握目標市場變化情況、挖掘潛在機會、開拓市場、搶占時機，進而做出智慧決策。人類的直觀判斷不可能完全正確，而大數據分析將會解決這一問題，使物流企業提供更高水平的營銷服務，進而推動營銷模式的升級改進。

1.基于大數據的物流超市營銷管理模式

當前，物流企業數據存在投入產出比低、效率低、整合程度低的特點，大數據技術可以將這些統一起來，建成基于GIS系統的協調監測管理的物流超市。運輸線路、運輸能力、倉儲、包裝、分揀、配送、貨運代理、融資、信息咨詢、客戶定制等物流數據，即為物流超市中的商品。借助大數據技術所創建的物流信息系統——物流超市，對超市中的貨源、運能、線路、倉儲等數據進行統一整合，可以高效地處理所有物流數據和信息，并對其進行深度分析。

2.基于大數據的“商流合一”營銷管理模式

電子商務的發展離不開物流，物流資源的缺乏將會妨礙電子商務的發展，而“商流合一”的營銷管理模式即銷售和物流云端一體化，將會有助于解決該問題。銷售和物流云端一體化營銷管理模式，可以將網絡平臺上的商品交易信息即商流與線下的倉儲、運輸、配送等物流信息匯聚在云端平臺上，對這些數據和信息進行統一的整合，從而有利于減弱物流瓶頸對電子商務的制約，進而可以減少或避免電子商務中的物流盲區，保證線上的電子商務貿易銷售活動與線下的倉儲、運輸、配送、安裝等服務一站式完成。基于大數據的“商流合一”營銷管理模式分為以下三種：一是電子商務企業自己建立“商流合一”的云端，像阿里巴巴集團于2013年自建的智能物流骨干網（CSN）——菜鳥網絡平臺；二是電商和物流企業合作，共建“商流合一”的云端，像阿里巴巴與日日順合作，共建大件商品配送體系；三是物流企業自己構建“商流合一”的云端，像順豐在小區附近開設的便利店“嘿客”。

（二）大數據推進物流企業運輸管理模式優化

物流企業將大數據技術應用在運輸管理領域，可以通過數據分析選擇運輸路徑、降低運輸成本、優化運輸方案。主要體現在以下兩個方面：一是通過對大數據的分析，可以提高資源的有效利用率，規范和監督運輸人員的行為，規劃車輛的運輸路線，制定機器的維修保養周期，進而使物流企業效益增大；二是通過大數據分析追蹤交通運輸事故的原因，進而針對原因調整運輸路徑和優化運輸方案，并將此路徑和方案實施。繼續追蹤，并持續改進。UPS是將大數據分析應用到運輸管理方面的典范，它利用ORION（On-Rood Integrated Optimization and Navigation）數據分析工具，引導運輸人員找到最有效的運輸線路。

此外，還可以將大數據分析技術用于特殊商品運輸方案的優化。例如，在冷鏈商品的運輸過程中，需要實時關注冷鏈商品在途運輸的溫度，根據運輸的路況、交通擁擠狀況調整和優化原有的運輸方案；在運輸時效性強、易腐易爛商品的過程中，大數據分析技術可以預測商品質量是否有發生變故的可能。

（三）大數據推進物流企業人力資源管理模式合理化

物流企業在進行人才招聘時，需要通過對應聘人員的能力數據、性格數據、心理數據等多方面進行分析，來決定他是否適合所應聘的崗位。物流企業在對員工進行考核時，需要通過對在職人員的工作滿意度數據、忠誠度數據等進行分析，來決定他的聘期考核結果。

物流企業不能通過單一的對象來獲取所需的數據，因為這些數據不全面，就會導致數據分析結果不正確。當今的網絡不只是單一的互聯網，也是一個物聯網和事務網，它們都會產生大量的、各種各樣的、含有潛在價值的數據。借助對這些數據的分析整理，物流企業可以使人力資源管理模式更加合理化。

（四）大數據推進物流企業決策管理模式科學化

大數據技術可以應用到物流企業以下三個方面的決策管理中，即物流資源配置、競爭環境的預測分析與決策、物流供給與需求匹配。

1.物流資源的配置決策

物流市場上的存儲資源和運輸資源的動態性和隨機性都很強，物流企業就需要實時關注市場的變化情況。通過對龐大的數據進行分析，挖掘出市場當前的需求信息，進而對現有的資源進行配置，并對獲取的數據和信息持續進行分析，同時對原有的配置方案進行改進，進而實現對物流要素的合理利用。

2.競爭環境的預測分析與決策

為實現公司利益最大化的目標，不僅要分析本公司的數據，而且要對競爭對手的數據進行分析。從微博、論壇、互聯網等方面獲取競爭對手龐大的、海量的、各種各樣的數據，然后利用大數據技術對它們進行分析處理，預測競爭對手的行為和動向。根據預測結果，制定出本公司的決策方案。只有這樣，才能使本企業決策方案更科學。

3.物流的供給與需求匹配決策

物流的供給與需求存在季節性和不平衡性的特點，物流企業就需要獲取特定時期、特定區域的物流供給與需求數據，對這些數據進行分析，才能做出倉儲與配送決策。而這些數據是海量的、龐大的、多種多樣的，就需要大數據技術對它們進行分析處理，然后才能作出科學的倉儲與配送決策方案。

四、大數據推進物流企業客戶管理模式的有效性

大數據在物流企業客戶管理中的應用表現為客戶的需求預測、潛在客戶的挖掘、客戶的評價與反饋處理、客戶對物流服務的滿意度處理、老客戶的忠誠度處理等。

在傳統的物流企業客戶管理模式中，數據僅僅包括CRM系統中存儲的和公司積累的少量數據。當前，物流企業使用互聯網，可以從多個方面獲取客戶的數據。例如，客戶的微博、QQ簽名、聊天記錄、論壇、企業網站上，都可能有客戶對物流企業評價。如何從這些大量的信息來源中獲取并處理客戶對物流企業的評價數據，就需要使用大數據技術。

客戶是物流企業的上帝，他們的數量龐大，需求也多種多樣。物流企業若不能及時、有效地了解客戶的需求，就會造成老客戶的流失，也無法挖掘潛在的客戶，那么這將會嚴重阻礙物流企業的發展。而將大數據應用在客戶關系管理領域，將會提高管理模式的有效性。

雖然物流企業數據來源廣泛、規模巨大、類型多樣、價值密度低、要求較快的處理速度，但是這些數據里含有潛在的有價值的信息。盡管物流企業在應用大數據時，肯定會遇到很多問題，如物流數據處理能力不足，物流基礎設施設備信息化程度不足，物流企業大數據專業人才不足，對個人隱私的保密性不足。但是，物流企業肯定也會找到更多的發展契機，如大數據可以促進物流企業在營銷、運輸、人力資源、決策、客戶關系等領域管理模式的創新。在這樣的背景下，物流企業不僅需要掌握更多優質的數據信息，還要有先進的管理模式，物流企業管理者應及時轉變管理思維，創新企業管理模式。