大數據分析技術及其在物流業中的應用

李 玲， 潘賢真， 張 通

(1.中國外運華南有限公司, 廣東 廣州 510700; 2.華南理工大學 計算機科學與工程學院, 廣東 廣州 510006)

隨著時代的發展，信息化進程加快，社會已經進入了大數據時代.作為時代發展的產物，物流業發展成為國家重要支柱產業和衡量國家綜合國力的重要標志[1].如何在大數據背景下實現物流業的快速發展，創新升級是國民經濟發展任務的重中之重.將大數據技術融合到物流業中，實現物流業的規范化、信息化和智能化，實現智慧物流[2]，有助于提高行業運營能力和服務質量的提高，也能夠促進資源的循環利用，實現可持續發展.

目前，隨著信息化程度的提高，越來越多的人加入了“網購”行列，產生了大量運輸需求，這對物流業來說既是機遇也是挑戰[3].自2015年以來，社會物流總額呈現逐年上升的趨勢(圖1).

圖1 2015-2020年7月社會物流總額Fig.1 Total social logistics from 2015 to July 2020

2019年我國社會物流總額達到298.0萬億元，同比增長5.9%.到2020年7月，達到約150萬億元，同比增長0.5%[4].據最新統計，到2020年10月，全國快遞業務量已超600億件.然而傳統的物流業模式由于通訊和技術方面的限制，在短時間內無法實現如此龐大的運輸量，從而造成“暴力”物流，這在一定程度上產生一些資源浪費和售后糾紛[5].

在大數據和信息化的時代，如何實現物流業轉型升級和創新發展至關重要.國務院于2016年指出要深化改革物流供給側結構，推動互聯網和物流業的融合，實現智慧物流.姜兆華[6]也認為“互聯網+智慧物流”是改善我國傳統物流結構的核心方式.隨著信息化程度和全民參與度的不斷提升，數據量快速增加.目前，各種大數據技術已經趨于成熟，將大數據技術應用到物流業實現智慧物流勢在必行.

前不久發布的《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》指出，要暢通國內大循環和促進國內國際雙循環，物流在我國新發展格局中被賦予了更高使命，與此同時，數字經濟已上升到國際戰略層面，對物流業的數字化轉型加快進行.物流業要完成時代賦予的新使命，離不開大數據技術的應用.

2 大數據概述

2.1 大數據定義

近年來，“大數據”成為熱頻詞，被廣泛地應用在各個場合，但其定義一直沒明確，學者和研究大數據的專家對此都有自己的見解.袁冰[7]認為，大數據是指在一定時間內通過全新高效的數據處理模式，并具有更有效優化能力的規模大和多樣化的數據信息資產；Victor等[8]認為大數據的核心是預測；徐宗本等[9]認為大數據是“不能夠集中存儲,并且難以在可接受時間內分析處理，其中個體或部分數據呈現低價值性而數據整體呈現高價值的海量復雜數據集；維基百科將大數據[10]界定為:常用軟件工具捕獲、管理和處理數據所耗時間超過可容忍時間限制的數據集；麥肯錫全球研究所①對大數據的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合；高德納咨詢公司(Gartner)(1)分別來自麥肯錫與Gartner研究報告.則將大數據定義為無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產.

2.2 大數據特征

雖然業界對大數據的定義不盡相同，但普遍認為大數據具有“5V”的特征：①Volume(規模大)：數據量大，已達到ZB級，2020 年預估為40ZB[11]；②Variety(種類多): 大數據不僅來源多樣(互聯網、物聯網等)，種類也多樣，包括結構化、半結構化和非結構化等類型；③Veracity(難辨識)：大量為非結構化數據，需要專門的技術工具進行識別；④Velocity(高速性)：分析和處理速度快；⑤Value(價值性)：價值密度低、商業價值高[12].

伴隨著移動技術、物聯網和人工智能等技術的發展，數據呈現爆炸式增長.當前，大數據已成為國家戰略資源，引起了學術界、產業界、政府及行業用戶的高度關注，對大數據的研究與應用成為熱點.

在政府層面，美國、日本以及歐盟等都相繼制定了促進大數據產業發展的政策，積極構建大數據生態，實施大數據國家戰略.2014年3月，大數據首次寫入中國中央政府工作報告；2015年10月，黨的十八屆五中全會正式提出“實施國家大數據戰略，推進數據資源開放共享”；2017年1月工信部發布了《大數據產業發展規劃(2016-2020)》；2020年5月，發布了《關于工業大數據發展的指導意見》.這些推動了我國大數據的健康發展.

3 大數據分析技術及最新進展

3.1 大數據分析技術

大數據本身沒有意義，大數據的有效利用，需要使用大數據技術進行信息的收集和分析，在海量的數據中，提取有價值的信息.大數據分析是一個清理、轉換和建模數據的過程，從而提取有價值的信息，同時更好地理解現實、 預測未來， 實現基于數據的決策，是大數據處理體系的核心.

因其優點，大數據分析技術廣泛地應用在互聯網、電信、金融、軍事和醫療等各行各業[13-22].大數據分析技術發揮的作用是其他信息技術無法替代的，它開拓了新的市場，創造了新的運營模式，為企業風險管理提供了保障，降低了企業在金融投資中的風險[23].大數據分析技術的應用推動了企業經濟效益的提升，提高了企業的市場競爭力.

大數據分析使用的方法有統計分析法、數據庫方法、神經網絡方法等[24-28]，各方法的簡介和特點如表1所示.

表1 大數據分析方法Table 1 Big data analysis method

張雅瓊等[29]在研究過程中，對大數據分析工具進行了總結，詳見表2.

表2 大數據分析工具Table 2 Big data analysis tools

3.2 大數據分析技術最新進展

近年來隨著人工智能的發展，BP 神經網絡、貝葉斯算法、支持向量機和 K-means 算法等人工智能成為大數據分析的關鍵技術.利用人工智能可以構建大數據模型，同時動態地實現算法的更新和處理，保證算法能夠準確地實現數據加工，發掘多維數據中錯綜復雜的關系，提高大數據分析的精準度.

概括地講，人工智能大數據分析可以分為基于機器學習的大數據分析、基于深度學習的大數據分析和基于計算智能的大數據分析三類[30].在機器學習方面，通常采用MapReduce或改進現有的聚類算法(K-means)進行大數據聚類，應用Apriori、FP-Growth進行大數據關聯分析；在深度學習方面，主要是將深度學習算法和大數據平臺結合，通過分布式來降低深度學習的訓練時間成本，如基于 MapReduce、Spark的面向大數據分析的深度學習算法的改進；在計算智能方面，主要有基于粒子群優化、動態正負反饋蟻群優化算法等.

在應用層面，馬麗娜等[31]提出遺傳算法和基于聚類的關聯規則挖掘相結合的優化模型，分析預測顧客的購買行為，用來解決零售業的先行發貨問題；王建勝等[32]基于機器學習、數據挖掘技術探尋數據潛在的規律用于指導鉆井液處理劑的生產；Fan等[33]應用聚類和關聯等方法進行大數據分析，提取出客戶的隱含信息用以營銷；Yang等[34]提出了一種基于深度神經網絡的圖像檢索方法，用于解決多媒體大數據的分析與挖掘.

怎樣提升算法的性能并取得較優的應用效果是當前基于人工智能的大數據分析所面臨的主要挑戰.

4 大數據分析技術在物流業中的應用

近兩年，多數物流企業提出向數字化轉型，數據成為公司的核心資產.大范圍的數據分析實踐正在進行，以改善客戶關系、提高利潤率、尋找潛在市場，并從服務、管理等方面進行各種預測.

4.1 大數據下物流的智能客戶服務

在京東物流、順豐、中國外運等物流企業，用大數據進行客戶畫像以更好地識別客戶需求.客戶畫像，也可以稱之為客戶大數據分析，是指從大數據中提取客戶行為的隱含信息，并通過大數據分析技術來剖析該隱含信息[35]，從而為商業決策提供幫助[36].客戶畫像可以及時掌握客戶消費偏好和需求，從而實施個性化銷售方案，對產品、市場、銷售都有價值.

蘇寧、京東等2C企業應用大數據分析技術對客戶真實購買行為組成的消費行為數據和用戶與企業交互過程產生的非消費行為數據進行分析，以了解客戶的購買力、購買習慣、商品或服務的偏好，形成客戶洞察力，引導消費轉化，并結合特定的數據挖掘模型，基于歷史消費行為，能夠預測未來消費的可能性.

中國外運、中遠海運等2B物流企業，通過客戶畫像從客戶細分、客戶關系、渠道通路等方面分析客戶需求，以精準捕獲客戶需求，同時還分析客戶的授信、信用等用于內部財務管理.

此外，基于大數據分析、機器學習等技術的智能客服(客服機器人)，近兩年也在物流行業中得到廣泛應用.客服機器人可以24 h在線實時回復用戶提問，不僅幫助企業降低了人力成本，還大幅提升了工作效率.

4.2 大數據下物流的智能倉儲

在大數據時代下，物流的智能存儲涉及到倉庫的智能選址、自動分揀和智能存儲.在產品存儲倉庫建設前，通過大數據智能技術優化配送中心的選址問題.使用智能技術綜合考慮各種限制條件，如消費人群、產品生產地、供應商和客戶位置、運輸成本、建設成本等，優化產生最佳方案，從而降低運營成本，提高運營利潤，實現企業利益最大化[37].在產品配送前，同樣可以利用大數據技術實現最佳配送中心的選擇問題，提前優化路線，計算運輸成本和時間消耗，在保證低運輸成本的情況下，實現產品以最快的速度運送到消費者手中.

此外，傳統的快遞分揀和存儲是人工進行的，速度和效率都不高.目前正在向自動化、智能化方向發展，以減少人工操作和干預，將有效提高速度和生產效率，如自動引導車(Automated Guided Vehicle，AGV)、倉庫機器人等自動化物流裝備[38]，這就要涉及到包括RFID技術、傳感、感應識別、掃描等設備和基于智能方法的決策策略[39].法國公司Exotec構建的機器人Skypod，實現了倉庫商務化.采用垂直系統優化存儲空間，大大提高了空間利用率和運營效率.利用海量數據獲取用戶需求信息，為用戶提供按需倉儲也是未來的發展趨勢.

4.3 大數據下物流的智能運輸

大數據背景下，物流運送過程的可視化和高效性也是智慧物流追求的目標.可視化貫穿供應鏈端到端的全過程，包括物流運營和操作環節的可見性和業務運營可跟蹤性.高效性則涉及到物流運輸路線的智能優化.

在信息化時代，人們更加追求可信度和信息透明化，這能夠給消費者帶來更高的安全感.通過區塊鏈技術建立一個物流信息平臺，支持端到端的運輸流程，該平臺能夠給物流利益相關人員提供每一個步驟的位置跟蹤信息，提高了運輸過程的透明性，從而有效避免貨物丟失[40].此外，在國際貿易中，還可以通過智能合約的方式實現B2B付款，有效防止欺詐.

運輸過程是整個物流中耗時最長的，如何縮短這個時間關系到整個運輸的效率.通過大數據與人工智能的結合，從海量的數據中檢索出最具價值的線索，主要對路徑、運輸和配送路線等進行預測，發現效率最高的方案[41-42].例如，京東在智能物流發展中通過對海量數據的分析處理，利用這些真實有效的數據構建出了人工智能算法平臺，幫助企業對物流運輸路線進行優化、對庫存管理進行科學布局以及對訂單進行實時跟蹤等，從而降低了運營成本，提升了物流運輸配送管理效率[36，43].現在也有不少最新的研究，探索如何使用智能的方法實現運輸路線最優化[44].

4.4 大數據下物流的智能配送

目前，從配送中心到消費者這一步驟的效率較低，因此，最后一公里的交付直接關系到了消費者的滿意程度并成為一個亟待解決的問題.這個環節還涉及到交通、個體差異等問題.

京東正在投入使用的自動駕駛無人車配送是一個很好的解決方式(圖2).無人車不僅配備了常規的GPS定位等，還有全景視覺監控、感應系統，并設計了車身防撞系統[45].無人車系統能夠根據周圍情況做出決策，避免發生事故.這種配送方式不受天氣等因素的影響，工作時間長，能夠提高貨物配送的效率.

圖2 京東無人駕駛配送車Fig.2 JD driverless delivery vehicle

另外，無人機也是一種不錯的配送方式.相較于無人車，無人機受交通情況的影響較小，可能更高效.但是由于供電量和飛行能力的原因，適用于短途和重量比較小的貨物的配送任務[46].這種設備需要大數據中無人物流設備調度控制相關技術的支持.

目前，很多城市都在投入使用的智能快遞柜，有效地解決了客戶無法及時接收快遞，造成物件丟失的問題.在客戶不方便接收快遞時，配送員可以將快遞先存放到附近的快遞柜，在客戶方便時，只需要使用取件碼就可以完成取件.這樣不僅節約了配送員的時間，也能夠讓客戶的時間安排更隨意，提高了物流配送速度和客戶滿意度.除此之外，快遞柜還提供寄件服務，無需等待，快速高效.

農村由于基礎設施落后，物流配送受影響極大.加強農村基礎設施建設，完善信息化設備覆蓋，加大政府支持力度，能夠有效促進物流在農村中的智能化[47].

4.5 大數據下物流的資源回收

與日俱增的網購行為產生了大量的貨物包裝.如何實現包裝的有效回收和再利用，有助于實現資源節約和可持續發展[3].居民小區和高校作為人員密集區域，對實施快遞包裝回收十分有利.

針對快遞包裝回收問題，建立一個快遞包裝回收平臺體系，優化物流過程中包裝處理的問題.在高校或者小區建立智能回收站點需要通過海量數據分析站點的合理位置，針對不同的包裝，需要進行智能決策給出相應的回收費用.回收之后，還需要進行相關數據分析，進行處理方案優化，從而告知管理人員及時進行站點清理等.

4.6 大數據下物流的高素質人才培養

在大數據下的智能物流對于工作人員的要求在質而不在量，因此，要注重培養高素質人才.

智能化物流業對科技要求更高，需要培養高科技人才對設備和體系進行管理.因此,要樹立人才培養理念，深化改革人才發展和人才培養機制，以提高工作人員的素質從而保障行業智能化發展[48].一方面要建立專業培養計劃，加強對不同特色人員的培養，充實人員隊伍.特別是農村物流企業，政府可以給出相關支持政策，著重培養工作人員的耐心和解決問題的能力,以及區域性文化等.另一方面要加強與科研機構、技術企業的合作，優化人才結構.要統籌人才培養，建設倉儲、調度、分揀和配送等專業性隊伍[49].要提升工作人員素質，進行定期集中培訓，加強職業技能，完善考核評定機制，讓物流行業合理化、智能化.

4.7 大數據下物流業的風險管理

風險管理一般分為事前風險管理、事中風險管理和事后風險管理三方面[50-51].大數據分析可以應用到風險管理的每一個環節，有助于提高物流風險管理和抗災能力.大數據分析能夠增強事前風險預測能力，由于數據來源不僅包含企業自身經營發展過程中產生的數據，還包含企業互聯網之外的其他數據信息，通過對這類數據進行全面分析，分析結果更具有可靠性；大數據分析能夠加強風險事件中管控能力， 通過數據分析， 便于第一時間發現經營過程中存在的風險，及時管控調整風險環節，減少風險的發生；大數據分析為事后風險處置提供更好的支持， 大數據分析能夠協助找出風險發生的根本原因，引導管理者做好風險管理決策.

在集裝箱港口、碼頭，通過建立數據分析模型，根據碼頭生產管理邏輯，確定數據分析模型，可以智能預測未來碼頭吞吐量、物流管理和流程管理等，動態監管碼頭生產流程，從而提升港口日常運營效率；通過對異常數據分析，如短期內港口擁擠、泊位占比過高、安全事故等，智能分析原因，挖掘相關數據，并建立相關數據關聯關系，實現安全管理、應急預警等功能，提升碼頭服務質量.

4.8 大數據下智慧物流生態圈

在“互聯網+”的大環境下，智慧物流成為業界的一致追求.智慧物流指的是利用集成智能化技術，包括云計算、大數據、物聯網、AI等，使得現有物流系統能夠模仿人腦進行智能運作，具備學習、感知和推理等能力，實現物流的信息化、自動化和智能化[52].

智慧物流的本質是科技和數字驅動下的社會化協同和社會化共享，實現社會分散資源的最優配置，并沉淀出新的物流生產關系和商業文化.智慧物流將最終進化為一種生態，產業鏈供應鏈深度融合、相互賦能、相互依存、逐步形成以“整合、開放、協同、共享”為特征的物流生態組織系統[53]，從而提高社會物流效率，降低物流的綜合成本.

生態圈的構建離不開商流、物流、資金流和信息流的四流合一，需要以數據為驅動，進行信息分享和互動協同.中國外運的戰略愿景是打造世界一流的智慧物流平臺企業，正在以數據驅動、算法領先、智慧取勝為目標進行數字化全面轉型，積極構建供應鏈生態圈.在數據驅動方面，通過共享中心建設和打造數據中臺，以數據為中心進行分析和決策.

除此之外，大數據分析技術還可以應用于產品方案規劃，即根據資源情況，設計服務產品，按需存儲等.

5 未來展望

互聯網+物流助推傳統物流線上化，“物流在線化”產生大量業務數據，隨著數據的指數級擴張，使得物流大數據從理念變為現實，通過數據資產化，數據驅動的業務創新推動企業數字化變革，將大幅推動生產效率的提高[54].“業務數據化”正成為智慧物流的重要基礎.

未來5G的商用，將極大提高數據的量：從4G到5G，流量密度、移動性、連接數密度，還有峰值速率都有很大的改變，數據量也將有極大的提升.5G時代下的智慧物流，大數據分析技術的應用將更為廣泛[55].但2B物流企業，亟需建立企業的數據標準，引進或培養大數據分析技能人才，以更好地使用大數據分析技術，進一步挖掘數據價值，通過數據驅動，為企業創造更大的價值.