大數據對物流企業管理模式的影響探析

王柳淋

[摘 要]隨著互聯網技術的不斷發展，大數據技術在推進社會各行各業發展上的作用越來越突出。當前在物流企業中也廣泛運用了大數據技術對數據進行分析和處理，有效地提高了工作效率和企業經濟效益。物流企業數據來源豐富，且數據規模龐大，類型多樣復雜，將大數據技術應用在物流企業的信息獲取與分析當中，具有重大現實意義。文章首先對大數據概念與物流企業特征進行了梳理，其次論述大數據發展對物流企業帶來的機遇和挑戰，然后簡述大數據對優化物流企業管理模式的重要意義，最后指出大數據的發展必然會推進物流企業決策管理模式科學化。

[關鍵詞]大數據;物流企業;管理模式

[DOI]10.13939/j.cnki.zgsc.2021.26.132

1 大數據概述

1.1 大數據的概念

在互聯網時代背景下，為進一步優化企業管理模式、提高企業工作效率，企業唯有運用新的處理模式對數量龐大、類型復雜、增長速度快的數據進行采集和處理，經過加工的數據為企業所利用，以充分發揮數據對企業的利用價值，增加企業經濟效益[1]。

1.2 物流行業大數據的特征

1.2.1 數據規模巨大

物流企業數據來源豐富，主要包括電子商務、移動商務、互聯網、微博等交易渠道，以及智能終端、移動終端、實時監控、GIS、GPS、無人機、第三方服務平臺、云計算應用、行業活動記錄、行業研究報告等等都是獲取數據的來源，廣泛的數據來源渠道，以及龐大的數據規模，對物流企業數據處理能力提出了更高的要求。加之以前以GB 或 TB 為單位進行存儲，現在GB 和 TB已經嚴重落后于現實工作需求，PB和 EB的運用才能滿足當下物流企業的數據存儲處理需求[2]。

1.2.2 數據類型繁多

物流企業獲取的大數據類型多種多樣，主要表現在類型、維度、格式等方面的多樣化上。其中，類型多樣化包括人們的交互數據、活動數據等傳輸過來的數據;維度多樣化指的是非結構化、半結構化、結構化這三種，非結構化數據包括音頻圖像等，結構化則是存儲于DB數據庫中的數據，半結構化包括文檔、日志文件等;格式多樣化主要包括信函、表格、檔案等紙質文檔的文件信息，以及存儲于音頻圖像中的電子數據等。

1.2.3 處理速度快

物流企業數據來源渠道多樣化，使得物流企業數據增長速度加快，要求物流企業以更加快速的處理效率來對這些數據信息進行分析和處理。

1.2.4 價值密度低

物流行業數據類型多且量大，但并非收集到的數據都有可利用的價值，價值密度高的比重相對較少，這就需要對數據信息進行進一步的加工處理。

2 物流企業商業模式現狀

物流企業在發展過程中逐漸形成了七種商業模式，具體如下。

第一，傳統外包模式。為降低管理成本，提高企業核心競爭實力，大部分企業都選擇采用合同形式委托給專業物流公司，這也是當前物流企業主要實行的商業模式。

第二，戰略聯盟模式。企業與企業、組織或個人之間建立起來的業務合作形式，聯盟規模越大，信息共享、交流形成的效益就越高。

第三，綜合物流模式。綜合物流模式是集倉儲、運輸、配送、數據分析、包裝、流通等物流服務為一體的綜合性管理模式，它能為客戶提供豐富多元的服務內容。綜合物流模式一般是通過三種形式來實現。一是新增或改建原有設備設施;二是兼并規模較小的同行企業;三是多家物流企業合并[3]。

第四，協同運作模式。該模式可以為其他同行企業提供信息、管理、供應鏈策略制定、戰略方案設計等方面的支持，但不參與到具體的物流運營當中。

第五，方案集成模式。該模式是物流企業與客戶聯合投資建立合伙公司，并充分發揮成員的工作能力、技術、資金等資源優勢，為客戶提供完善的供應鏈管理服務。

第六，行業創新模式。該模式是利用行業資源、技術等優勢為其他多個行業客戶提供供應鏈方案上的服務，該服務的供應有利于促進供應鏈創新，提高行業服務水平。

第七，動態聯盟模式。在市場出現某種機遇的時候，不同企業聯合起來通過利益共享和風險共擔來實現合作，將各自的資源優勢充分發揮出來，以實現利益最大化。

3 大數據背景下物流企業管理的挑戰

3.1 物流數據使用能力較差

目前，物流企業普遍都上線了倉庫管理系統、運輸管理系統以及上下游經銷商管理系統，可謂全面進入了數字化時代，但目前這些系統的數據處理與使用能力并不足，數據中心的處理上限往往只能到TB最多是PB級別，而在大數據時代下，物流企業每天需要處理與儲存的數據能夠達到EB級別甚至是ZB級別，現有的物流數據系統明顯存在性能瓶頸[4]。

3.2 物流基礎設施設備信息化程度較低

物流企業要利用好大數據技術，就需要在基建、硬件上滿足大數據技術使用的需求，在倉儲、運輸配送等環節都應該具備數據收集處理的設備，然而當前我國物流企業在這方面的投入顯然遠不如發達國家，這一問題也成為了物流企業甚至是物流產業發展的桎梏。以美國為參照對象，我國的人均物流倉儲面積是美國的1/14，加上目前已經建成的物流基建以及設備配置年代相對久遠，很難支撐大數據技術在物流業務以及管理中的運用。

3.3 物流企業缺乏專業人力支持

隨著近年來大數據技術在物流各領域應用越來越普遍，這也意味著物流企業應該配備更大規模的專業人力才能支持相關的數據處理工作。然而，就當前情況來看，我國物流企業普遍都沒有為大數據相關工作配置足夠的專業人力，加上近年來我國高校的物流相關專業也并未專門為大數據方向培育專業人才，所以物流企業的大數據專業人力支持嚴重不足。

3.4 未能充分保護客戶隱私

大數據技術是由客戶與物流企業之間各項活動的信息記錄后形成的龐大數據庫實現的，而這種記錄之詳盡，已經觸及客戶業務的許多方面，甚至可以在很大程度上還原客戶的部分業務情況，這也讓信息安全成為了互聯網時代最關鍵的問題。所以，在后續的大數據管理過程中，物流企業不但應該全面、細致地收集客戶信息，同時也應該對設計客戶隱私的信息做好加密保護。