大數據背景下的智慧物流發展策略研究

[摘 要]隨著大數據時代的到來，數據成為企業的戰略資源，構成了企業競爭力的核心要素。物流產業作為我國支柱型產業，政府大力推動物流業的發展，伴隨著IoT技術、云計算、智慧物流技術應用日趨成熟，大大提升了物流企業的工作效率，降低了物流成本，讓許多物流企業爭相轉型升級。文章描述了國內外智慧物流的現狀，在基于大數據背景下，分別從智慧物流技術、智慧物流數據采集、智慧物流數據挖掘和清洗、智慧物流數據分析及智慧物流數據人才等方面詳細闡述了當前的問題，并針對以上問題提出了一系列的解決策略，為物流企業降本增效，提升企業競爭力提供解決方案。

[關鍵詞]智慧物流;數據采集;數據挖掘;數據分析

[DOI]10.13939/j.cnki.zgsc.2019.33.161

1 引

在互聯網飛速發展的時代，我國經濟發展已經進入了快車道。黨中央、國務院高度重視大數據在經濟社會發展中的作用，數據是國家基礎性戰略資源，是21世紀的“鉆石礦”。黨的十八屆五中全會提出“實施國家大數據戰略”，國務院印發《促進大數據發展行動綱要》，全面推進大數據發展，加快建設數據強國。[1]數據正在迅速膨脹越積越多，人們逐漸意識到數據對企業的重要性。隨著大數據時代的到來，大數據的應用跨區域、跨領域，如電子商務、物流、金融、大健康等，各種利用大數據進行發展的領域正在協助企業不斷地發展新業務，創新運營模式。供應鏈上的節點企業每天面對大量的數據，如銷售數據、庫存數據、客戶數據等，推動著企業及其上下游相關企業具有收集、整理、挖掘、分析數據的能力，誰能掌握數據就能占據先機，能夠玩轉數據就能做到游刃有余。

物流業是國家經濟支柱型產業，政府、物流企業與其客戶均致力于提高物流效率，降低物流成本。2009—2016年， 全國物流費用在GDP中的占比由18.1%下降至15.5%。[2]隨著信息產業加速經濟全球化發展，“互聯網+”“IoT”“大數據”“新零售”等最新最熱的領域推動傳統物流業向現代物流迅速轉型，智慧物流成為推動轉型升級的關鍵因素。2016年，國務院辦公廳出臺的《“互聯網+”高效物流實施意見》，明確了智慧物流對我國國民經濟發展的重要意義;2017年7月20日，國務院發布《新一代人工智能發展規劃》中，再次強調以人工智能為代表的智慧物流將成為新一輪產業變革和經濟發展的新動力。[3]智慧物流是在智慧供應鏈的基礎上延伸出的概念，是指通過智能硬件、物聯網、大數據等智慧化技術與手段，提高物流系統分析決策和智能執行的能力，提升整個物流系統的智能化、自動化水平。智慧物流包含在運輸、倉庫和存儲流程的高效技術應用的優化。[4]

2 智慧物流發展的現狀

2.1 國外智慧物流發展現狀

歐美、日本等發達國家現代化物流朝著智慧物流不斷發展，并取得了很好的效果。其主要體現在具有良好的基礎設施，交通網絡四通八達，構筑便捷的交通運輸系統。[5]物流園區作為物流集散方式，發揮自身優勢，實現多式聯運，為智慧物流發展提供了機遇。同時基于先進的信息化技術和運作管理水平，發達國家物流發展中利用多樣的物流理論研究方法和大數據思想，[6]緊密結合市場的實際需求和發展趨勢，大力推進智慧物流。目前的智慧物流先進物流技術及應用較為突出的代表性企業有沃爾瑪、亞馬遜、FedEx 、UPS和DHL等。

2.2 我國智慧物流發展現狀

目前，智慧物流主要分布在“物流大數據、物流云、物流模式和物流技術”四大領域。結合IoT、大數據、云計算等技術與物流業的進一步深度融合，這些都將對物流業的轉型升級帶來積極促進作用。近年來我國智慧物流保持較快的發展速度，2016年，中國智能物流市場規模2880億元，同比增長22.55%。近幾年我國智慧物流行業市場規模逐年大幅上升，預計到2025年智慧物流市場的規模將超過萬億元。[7]我國在智慧物流運用較為突出的企業有：阿里旗下的菜鳥網絡科技、京東、蘇寧云商。在阿里巴巴集團內部，定位于數據化分析、追蹤的物流寶的代號是“天網”，而涉足實體倉儲投資的菜鳥網絡是“地網”。菜鳥是讓倉儲、快遞、運輸、落地配送等各環節的合作伙伴獲得更清晰的業務場景，用數據讓它們獲得更好的生產能力。

3 智慧物流發展中存在的問題

3.1 當前智慧物流技術應用的局限性

智慧物流技術分為硬件和軟件。硬件技術是構成計算機系統的各種通用的為了物流作業而研發的存儲所需的外部設備;軟件智慧物流技術包括智慧物流系統及應用程序。智慧物流管理系統是智慧物流系統的核心軟件，是在操作系統的支持下工作，解決如何科學地組織和存儲數據，如何高效獲取和維護數據的系統軟件。[8]目前我國仍處于智慧物流發展的初級階段，智慧物流技術在物流領域的應用存在一定的局限性。近年阿里巴巴、京東、蘇寧等大型電商企業投入資金打造自己的物流系統，運用智慧物流技術大大提升了物流效率。但大多數物流企業為了節省成本，對智慧物流技術的普及程度不高，僅僅在局部物流活動中使用，并沒有形成一定規模。

3.2 智慧物流數據分析流程效率低下

3.2.1 智慧物流數據采集比較困難

大數據背景下，數據的采集是數據分析流程的最初環節。每天公司都會產生海量數據，如倉庫的出入庫及在庫數據、運輸工具的運輸軌跡、燃油費等相關的運輸費用、配送中心的貨物流轉情況數據，尤其電商物流銷售及客戶數據為甚。2017中國網絡購物市場交易規模達7.18萬億元，中國網上支付用戶規模達5.31億人。如此龐大的用戶群里，每個用戶都有獨立的消費軌跡，形成客戶數據，原來的用戶數據已經是TB級，在不斷發展中，其數據規模達到ZB級，給數據采集帶來了困難。另外，數據還具有復雜性。 物流業務融入到供應鏈的各個環節，包括運輸、倉儲、配送及相關的輔助業務都會產生不同類型的數據。如何將這些物流數據通過智慧物流技術收集起來卻很困難，物流企業沒有專業的數據采集工具來收集數據，另外沒有數據倉庫來存放大量的數據，容易造成數據的丟失或遺漏。有些數據還具有時效性，由于產品或客戶的業務周期比較短，采集的數據滯后企業發展的需要。

3.2.2 智慧物流數據不易挖掘及清洗

數據采集完成后，接下來的環節是數據挖掘和清洗。當下物流企業意識到數據的重要性，也積極的在采集數據，但采集的數據很多時候是雜亂的，也可能會有重復出現的，還可能會有缺失數據。雜亂無序或缺失的數據會影響后續企業對智慧物流業務未來發展趨勢研判及預測的準確程度。想從大量的數據中挖掘出企業需要的數據也是不容易的。每天企業都產生很多數據，如何區分數據的重要程度，而且有時重要的數據會隱藏在諸多信息中，想要發現獲取非常困難。

3.2.3 智慧物流數據分析相對薄弱

目前我國智慧物流數據分析仍處于弱勢，只有實力強、規模大的電商公司或者物流公司會組建專員進行數據分析，但大多數企業有物流數據，面臨不會使用分析軟件處理數據，也不知道該用什么分析方法來分析數據的尷尬境地。一般會做出以下兩種抉擇：一種是公司自己做數據分析，導致最終分析出來的結果不能準確的趨勢預測，不能作為公司決策的依據。另一種是即使將數據外包給數據分析公司來做，增加企業的成本，數據分析完后，是否能夠為企業提供具有可操作的優化方案，有時也會存在數據的保密性問題，還有對外包數據分析公司監管困難的困境。

3.3 智慧物流數據分析專業人才的匱乏

當前，智慧物流數據大規模存在且持續增長，表現為大規模、分布式、異構性，使得數據分析人才需求強烈。從電子商務物流來看，2017年全國電子商務職業教育教學指導委員會開展了一次《商務數據分析與應用人才需求研究》的調研，從調研結論來看是經營企業的電子商務部門對該專業都存在著需求，市場需求巨大。然而，在全國范圍內只有極少數學校開設商務數據分析專業，很難滿足物流企業對數據分析與應用人才的需求，數據分析與應用人才特別短缺。

4 大數據環境下發展智慧物流的策略

4.1 大力推廣智慧物流技術的應用

隨著科技不斷進步，人工智能、IoT技術日趨成熟，智慧物流技術的軟硬件設備的成本會逐漸下降，會吸引越來越多的物流企業愿意使用。此外，政府可以采取一系列的政策優惠，如對使用智慧物流技術的企業給予一定資金支持，配合減稅政策的激勵，就更能激發物流企業使用智慧物流技術，加速物流產業的轉型升級，提升物流運作效率，降低全國物流總成本。2018全球智慧物流峰會馬云表示將投入上千億人民幣支持菜鳥打造國家智能物流骨干網絡。最近菜鳥網絡CTO（首席技術官）谷雪梅認為IoT將在2019年成為最重要技術趨勢，IoT將給傳統物流裝上數字化升級的翅膀，帶領全球物流行業進入新的時代。[9]這些優秀企業作為標桿，代表著智慧物流技術的潮流，將會吸引著越來越多物流企業競相效仿。

4.2 優化智慧物流數據分析流程

4.2.1 建立智慧物流信息平臺收集數據

物流信息平臺是支持和提供物流服務信息的交互網站。隨著智慧物流的快速發展，智慧物流信息平臺是溝通物流活動各環節的橋梁，其借助先進的信息技術將各層面的物流信息進行整合，可優化供應鏈結構和物流布局，實現物流各業務運行及服務質量的管理控制，從而協調人、財、物等物流資源的配置，促進物流資源的整合和合理利用。[6]智慧物流信息平臺的建立，除了具有數據倉庫的存儲功能，可以邀請物流企業或有物流業務的企業入駐平臺，可以實現數據的存儲，還具有信息的分類和溝通功能，在一定程度上可以實現企業數據的共享。盡管目前阿里云、京東云、百度智能云等建立云數據庫能進行數據存儲，并為電商企業提供專業的數據解決方案，但還需繼續不斷升級、完善業務功能，服務更多的企業，成為智慧物流信息平臺。企業再配合數據抓取軟件，可以在物流信息平臺上夠輕松實現數據抓取。

4.2.2 運用PDCA循環優化智慧物流數據

數據挖掘和清洗可以采用PDCA循環來優化數據，PDCA是質量管理的思想基礎和方法依據。首先P（Plan）計劃，制定5W1H方案即：為什么要進行該數據分析（Why）、要明確智慧物流數據分析的目的（What）、在何處執行（Where）、由誰負責完成（Who）、什么時間完成（When）、采用何種挖掘和清洗的方法（How）。數據挖掘方法可采用云聚類、云調度、關聯規則挖掘、決策樹、神經網絡、可視化技術等模型或算法的研究。然后根據設計方案和布局，進行具體操作，努力實現預期目標的過程，即D（Do）。其次，C（Check）檢查數據是否清潔，是否有缺漏值，發現隱含的并有利用價值的信息。最后，A（Action）處理掉不清潔數據，彌補缺漏值，可以循環操作PDCA流程，直至智慧物流數據清洗干凈，挖掘出有價值的數據。

4.2.3 加強智慧物流數據分析及趨勢預測

數據分析是核心，應該逐步建立物流智能決策體系，加大智慧物流數據挖掘力度，拓展智慧物流數據分析深度。通過多維度數據分析，對物流作業進行預處理，做到智能運作、科學調度;通過深層次數據挖掘，對物流運行管理進行診斷剖析，實現智慧管理。[10]無論是否采用數據分析外包分析，物流企業選擇更為適合自己公司的方式，加強數據分析的能力，提高對業務未來預測的準確性，較好地把握行業發展的趨勢，保持不斷進取的決心，從模仿到超越，以便能夠更好地適應市場發展，在巨大競爭壓力下立于不敗之地。

4.3 加強智慧物流數據分析人才的培養

在大數據發展的時代背景下，人才培養離不開政府、學校、企業及行業三方面共同推動，構成了穩固的合作關系，三者相互發展、相互影響，發展得好多方受益，而且收益會呈幾何級數增長。政府層面需要出臺相關的激勵機制，鼓勵學校與企業緊密合作，協同發展。學校分析企業崗位需求，制定相應的人才培養方案和課程體系，更好地為企業輸送人才。企業應該積極地參與到學校的課程體系研發中，真正做到政、產、學、研一體化。在智慧物流數據分析人才培養的過程中尤其需要注意跨學科研究的特點，培養的人才既需要具備數理統計知識、電商及物流專業知識，還需要掌握一定計算機基礎，因此在未來跨界研究會越來越普遍，復合型人才的培養也越來越重要。

5 結論

隨著物流的智能化程度越來越高，大數據就顯得日趨重要。在物流企業的倉儲、運輸、配送、流通加工、電商物流等環節每天都會涌現出大量的數據，面對海量數據，物流企業不斷增加大數據分析的投入，不僅僅將大數據看作是一種方法、數據分析技術，越來越多企業把大數據看做是戰略資源。大數據時代已然到來，運用數據采集、數據分析的模型和算法挖掘出隱藏在信息背后的有價值的數據，充分發揮大數據時代給物流企業帶來的發展機遇，在高層決策、商業模式、方案規劃和人力成本等方面進行全方位部署，為企業物流業務運營提供有力支持，從而幫助企業優化流程，提升企業競爭力。

參考文獻：

[1]工業和信息化部.工業和信息化部關于印發大數據產業發展規劃（2016—2020年）的通知[EB/OL].http：//www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/content.html.

[2]中國產業信息網. 2018年中國智慧物流行業發展現狀及發展趨勢分析[EB/OL].http：//www.chyxx.com/industry/201803/616105.html.

[3]中國產業信息. 物流智慧化時代開啟，科技助力智慧物流升級發展[EB/OL].https：//www.chyxx.com/industry/201809/678949.html.

[4]BLECKER T， KERSTEN W M，RINGLE C M. Pioneering supply chain design - a comprehensive insight into emerging trends[J].Technologies and applications，2012（8）.

[5]陳偉. 中外智慧物流發展的差異比較及經驗借鑒[J].對外經貿實務， 2016（6）.

[6]王喜富.大數據與智慧物流[M].3版.北京：清華大學出版社，2017.

[7]何黎明. 中國智慧物流發展趨勢[J].中國流通經濟，2017（6）.

[8]楊龍， 劉寶學， 劉翠娟，等. 大數據時代智慧物流發展研究[J].河北企業， 2017（10）：80-81.

[9]王繼祥. 2019年中國物流發展與變革的十大趨勢[J].物流技術與應用，2019（2）.

[10]嚴劼.智慧物流，數據共享是關鍵[J].東方煙草報，2018（8）.

[作者簡介]斯燕（1979 —），女，漢族，湖北省武漢人，碩士，工作單位：無錫科技職業學院，職務：教師，研究方向：物流、電商、數據分析。