大數據在農產品物流管理系統中的應用

譚碧波

摘 要 隨著社會的不斷發展與進步，目前我國已經全面進入了大數據時代。在此背景下，各大技術的開發力度逐漸增強，并在人們的生活工作中有了廣泛應用。物流管理系統可以給傳統農產品運輸發展帶來契機，在原有基礎上融入大數據技術，則可以在更大程度上提高農產品物流管理系統性能，給農產品運輸提供重要保障?；诖?，針對大數據在農產品物流管理系統中的應用進行分析。

關鍵詞 物流管理系統;農產品;大數據應用

中圖分類號：F326.6 文獻標志碼：B DOI：10.19415/j.cnki.1673-890x.2021.03.103

如今激烈的市場競爭中，農產品企業要想實現可持續發展，就必須對各類數據加以處理、儲存，給消費者帶來優質的服務。但傳統的農產品物流管理系統還需得到完善，在農產品物流管理系統中融入大數據技術，可以在一定程度上實現這一目的。

1 大數據相關理論概述

1.1 定義

大數據也稱巨量資料或者海量資料，通常是由圖像、文字、音頻、視頻、非結構化、社交關系等海量數據和復雜類型的數據構成，包括交易數據和交互數據集在內的所有數據集。針對農產品物流來說，所有與農產品物流有關的圖像、文字、音頻、視頻、交易數據、宣傳資料和交互數據集等以數據儲存的資料，都稱為農產品物流的大數據。

1.2 發展

大數據最初出現在20世紀80年代，我國從2009年開始就逐漸涌現出了一些以大數據為核心的行業[1]。近些年來，互聯網、物聯網的出現也帶動了社會進步，基本上互聯網的數據都在以每年50%的速度增長，且90%的數據都是近年提升起來的。大數據不只是指的互聯網中所匯集在一起的信息數據，而是包含了全國各地各行各業的數據，如汽車行業、工業行業等。2009—2012年是大數據發展較為困難的幾年，但在2012年之后，大數據的發展逐漸明朗，受到了越來越多人的認可和青睞。從技術上而言，大數據和云計算有著密切的聯系，大數據的應用不是獨立的，其還需要借助計算機、云計算，在對大數據功能進行開發的過程中，還需挖掘出分布式云計算內容，促進大數據更好地發展。

1.3 4V特征

大數據有著4V特征，即體量（Volume）、多樣性（Variety）、價值密度（Value）、速度（Velocity）。其中，體量是指數據量非常大，非結構化的數據也有著較大的規模，增長速度較快，從TB級別直接上升到PB級別;多樣化是指大數據中的數據類型較多，不同的數據可以反映出不同的信息，且不同的圖像、文字、地理位置等所反映出來的數據類型也不同;價值密度是指大數據價值密度較低，但商業價值較高[2]，如在視頻中，通過持續性的監控，可以得出非常多有價值的數據，且這些數據的間隔時間只有一兩秒;速度則是指的大數據數據處理速度非?？?，通常都是遵循的一秒定律，只需1 s甚至不足1 s即可對數據加以處理，在批量式數據中也有著非常快的處理速度。

2 大數據在農產品物流管理系統中的應用價值

2.1 完善物流統計系統

在傳統的農產品物流管理中，無法全方位地開展物流信息統計分析，導致無法全面提取到一些消費者、零售商等信息。在農產品管理系統中應用大數據技術之后，大數據在很大程度上完善了物流統計系統，可以對消費者、零售商、訪問熱點等信息進行提取和分析，對消費者的購買心理加以詳細分析，從而掌握農產品物流發展趨勢，提高農產品的物流管理質量。

2.2 帶動農產品物流市場發展

大數據的出現帶動了各行各業的發展，在農產品物流管理中應用大數據同樣也可以帶動物流市場發展。將大數據和農產品物流相結合，是農產品物流市場的未來發展趨勢之一，可以給農產品物流市場發展提供足夠的動力[3]。大數據能夠讓農產品物流實現產品和技術上的創新，并拓展全新的知識領域，在市場中會出現越來越多的新事物，從而促進農產品物流市場的可持續發展。通過大數據技術對農產品物流過程中所產生的數據加以收集、處理、分析，不但可以給農產品企業帶來效益，還可以降低農業風險。從農產品企業的角度來看，在農產品物流管理系統中運用大數據，可以分析消費者的購買心理，并及時做出調整。同時，大數據的應用還能夠給農產品零售商提供銷售路線，對現有銷售策略加以優化，把農產品零售商的銷售策略和消費者密切聯系起來，從而提供更具個性化和特色化的服務。

2.3 降低資金成本和時間成本

在大數據背景下，農產品物流管理發生了非常大的變化，且傳統的農產品市場也會逐漸減少，更多的是將大數據技術運用在農產品物流管理系統中。在以往的農產品物流中，消費者必須親自到市場才可以購買農產品。在大數據背景下，傳統的農產品物流模式將會面臨巨大的挑戰：批發和零售市場將會衰落，功能強大的農產品物流管理平臺中心將矗立起來，變成整個農產品物流模式中的智能管理中心，傳統的營銷終端將會被手機上的農產品App和計算機中的客戶端所替代，消費者的消費數據、資金流動數據、產品信息、產品檢測信息、廣告、促銷、訂單的執行和配送管理等，都將通過這個巨大的信息數據中心處理和運營，直接縮短了農產品的物流時間。同時，大數據的使用也有效降低了農產品物流成本，在減少了傳統農產品市場之后，農產品物流并不會全部進入市場中，反而會按照消費者的需求，直接從生產者手中轉交到消費者手中，在節省物流成本的同時，也大大縮短了物流時間[4]。

3 大數據在農產品物流管理系統中的具體應用

3.1 在農產品物流管理系統具體流程中的應用

在農產品物流管理系統中應用大數據后，工作流程也會發生一定的變化。農產品物流過程中，首先要使用無線射頻、條碼掃描或GPS的方式，將農產品物流信息輸入到系統中來，在正式處理之前，把信息保存在數據庫中，為之后的運輸提供有效依據。在這過程中，一些數據在得到處理之后還具備很高的應用價值，保存下來可供之后分析使用。同時，需將數據進行加工，生成可以可參考的物流信息，之后再形成有價值的數據鏈[5]。管理人員再通過微信和網站等方式將農產品物流信息發布出來，讓消費者可以清楚地看到農產品的位置、到達時間等信息。

3.2 在農產品物流管理系統結構設計中的應用

物流管理系統對于農產品信息來說非常重要，消費者主要是通過物流管理系統來獲取物流信息的，在使用大數據對農產品物流管理系統結構進行設計的過程中，可以通過大數據收集和處理與農產品有關的物流信息，實現集中控制。同時，還可以通過大數據實現農產品信息數據的開發、分析，給企業未來發展規劃調整提供有力支持。在使用大數據進行結構設計時，主要可以分為基礎管理系統、銷售管理系統、倉儲管理系統、結算管理系統4個子系統[6]。其中，基礎管理系統主要是圍繞農產品物流運輸貨主開發的，可以實現對貨主身份的驗證、注冊、注銷等操作，貨主可以通過基礎管理系統發布物農產品物流信息;銷售管理系統的主要作用是檢查農產品訂單信息的精確度和完整度，并對農產品訂單的運行過程加以管理，按照消費者和銷售商的詢價情況，及時給出反饋;儲倉系統則主要是對倉庫內的農產品物資進行出庫和入庫等操作，按照銷售管理系統所給出的數據落實對應的工作;結算管理系統則是指的對農產品合同上簽訂的履行義務、解除、訂立等情況做出管理，按照數據分析給出的結果，根據消費者的購買需求和市場導向等設計出一個合理的費用，再根據標準計算出對應的物流管理費用。

3.3 在農產品物流管理系統銷售統計分析中的應用

在統計分析子系統中，可以通過提取消費者信息，或分析競爭力來得出相關的網頁內容，并對客戶加以細分。將核心放在消費者購物興趣、偏好、價格承受范圍等內容上，這對于農產品銷售企業而言有著積極意義。在分析基礎上，可以給農產品銷售企業提供實用性較強的銷售戰略，進一步實現發展[7]。

3.4 在農產品物流管理系統數據庫設計的應用

在使用大數據設計農產品物流管理系統數據庫時，需要使用Hadoop平臺為代表的數據庫技術和SQL分布式數據庫技術，將Hadoop和數據庫進行結合，實現非結構化和結構化數據的處理工作。再把結構化數據、不需關聯分析的數據、查詢較少的數據保存到NOSQL數據庫或平臺中來，之后，把非結構化數據、需要關聯分析的數據、經常查詢到的數據保存到關系數據庫中，提高農產品物流管理系統的整體性能[8]。而通過大數據手段，也實現了海量數據的高效處理，與此同時，還不會產生太高的成本。

4 結語

當前，在農產品物流管理系統中應用大數據有著很多優勢，其不但可以完善農產品物流統計系統，帶動農產品物流市場發展，還有著降低成本和時間的好處。進入新時期，大數據已經成為了農產品物流管理系統的未來發展趨勢之一。在實際的應用過程中，大數據在農產品物流管理系統的具體流程、結構設計（基礎管理系統、銷售管理系統、倉儲管理系統、結算管理系統）、銷售統計分析、數據庫設計等環節有著廣泛應用。正是因為大數據的推廣與應用，給農產品可持續發展提供了有利條件，也給我國農業的健康穩定發展奠定了扎實基礎。

參考文獻：

[1] 李東澤.基于配送節點選址和路徑優化的農產品物流管理信息系統研發[D].泰安：山東農業大學，2020.

[2] 周婷婷.供應鏈系統下外貿農產品物流管理研究[J].財富時代，2020（2）：114.

[3] 繆佃偉.淺談供應鏈系統下的外貿農產品物流管理[J].經濟管理文摘，2019（12）：129-130.

[4] 王玲玲.基于JSP的農產品物流管理系統的設計與實現[J].祖國，2019（04）：144，158.

[5] 賀君鵬.農產品物流運輸訂單管理系統設計[J].農業工程，2018，8（11）：40-43.

[6] 李廣武.大數據在農產品物流管理系統中的應用[J].物流技術，2013（20）：97-100.

[7] 周海霞.中國海產品物流管理體系構建研究[D].青島：中國海洋大學，2013.

[8] 楊蕾.京津冀都市圈農產品物流系統優化研究[D].保定：河北農業大學，2011.

（責任編輯：劉 昀）