基于大數據的智慧物流應用模式分析

□ 楊志華

(廈門海洋職業技術學院，福建 廈門 361000)

1 引言

由于數據包含大量的潛在信息，對于許多企業包括物流企業來說，是一種寶貴的新型資產，可以創造出許多的商業機遇，但是這些數據增長速度快、規模大，對于很多企業來說都是一種無法處理并讓它變成企業核心競爭力的資源。大數據技術運用數據和統計的方法分析這些海量數據，并進行綜合利用，對智慧物流起到巨大的推動作用。通過大數據技術對智慧物流進行有效的管理，可以實時捕捉并分析物流各個環節的數據，提高物流效率，節約物流成本，提高客戶服務水平，培養客戶的黏性，并為物流企業的正確決策提供決策支持。

2 智慧物流概述

智慧物流是以互聯網+為核心，以物聯網、云計算、大數據及“三網融合”(傳感網、物聯網和互聯網)等為技術支撐，以物流產業自動化基礎設施、智能化業務運營、信息系統輔助決策和關鍵配套資源為基礎，通過物流各環節、各企業的信息系統無縫集成，實現物流全過程可自動感知識別、可跟蹤追溯、可實時應對、可智能優化決策的物流業務形態。智慧物流體現出現代經濟運作的特點，能夠把物流與信息流進行高效、及時、快速的整合，借助一切可以利用的社會物流資源來達到提高物流效率的同時，也能達到降低社會物流成本的目的。

3 大數據技術及其特點

作為一個較為抽象的概念，不同學者專家對大數據的定義各不相同，麥肯錫是大數據研究的先行者，他認為大數據(big data)指的是大小超出常規的數據庫工具獲取、儲存、管理和分析能力的數據集。但是大數據并沒有特定要求數據集需要超過特定的TB值。大數據不僅包含海量的數據，還包含復雜的數據類型，而且大數據的數據呈爆炸式快速增長，由于新數據不斷涌現，為了使大量數據得到有效的利用，需要借助物聯網、云計算等現代信息技術降低處理成本，提高數據處理的效率。大數據具有典型的4v特征(volume、velocity、variety、value)。

3.1 數據體量巨大

由于我們生活在數據時代，如今的數據量可以稱為海量數據，各種傳感器獲取數據能力大幅提高，以及由于網絡的發展，各種社交網絡(微博、Facebook、即時聊天工具)、電子商務、車載設備、移動設備等數據來源的急劇增加，數據量與日俱增必將帶來龐大的數據量，與處理TB級數據量的傳統關系型數據庫相比，大數據技術處理的數據大都在PB級以上，不可同日而語。

3.2 數據處理速度快

傳統的數據倉庫、商業決策、智能分析等應用對數據處理的速度要求不是太高，但在數據急劇增加的大數據時代，為了大量的數據能得到有效的利用，對數據處理的實時性要求非常高，而且大數據技術的數據分析模式需要支持交互式和準時性，數據提交以后需要短時間內產生結果，如果沒有快速的數據處理速度，不斷激增的數據不但不能為決策問題帶來解決方案，反而會成為數據處理的累贅。

3.3 數據類型繁多

大數據的形式多種多樣，而且這種多樣式在不斷增加，有可能是結構化的數據，以我們熟知的形式呈現出來，比如數據表、訂單，也可能是以傳感器數據、全球衛星定位信號、銷售點以及視頻識別數據的形式呈現出來，還有可能是以非結構化或半結構化的數據形式呈現出來，包括手機短信、文本、日志、博客、微博、音頻、視頻等各種復雜結構的交流信息。

3.4 數據價值密度低

大數據技術不對數據進行抽象、歸納等處理而直接采集原始數據，其目的是為了獲取客觀事物的原貌，這種做法可以挖掘出更多事物的細節信息，但同時也帶來很多沒有實際意義的信息，而且這些數據大多屬于非結構化數據，所以大數據技術的另一個重要屬性是價值密度低，即關注的數據價值度偏低，能夠挖掘出有價值的信息所占比例很少。但是這也正是大數據的魅力所在，能夠從大量無關的數據中挖掘出對未來決策或趨勢判斷有價值的信息。

4 大數據背景下智慧物流的應用框架

借助大數據技術，智慧物流能夠分析過去的歷史數據，檢測現在的業務狀況，預測未來趨勢，為不同職責的人員提供更貼切的數據視圖，為管理層的業務決策提供依據。智慧物流系統以為客戶提供優質服務為最終目的，從宏觀、中觀、微觀三個層次進行分析，形成完整的智慧物流應用框架，見圖1。

圖1 大數據背景下智慧物流的應用框架圖

4.1 宏觀層面：智慧物流商物管理

智慧物流的商物管理以達到供需平衡為目的，根據相關規定，對商品及物品進行分類，統計不同品類商品的流量和流向。針對需求構建指標體系，建立合適的模式，通過對大量數據的處理分析發掘潛在的規律，為優化物流節點和通道布局提供參考依據。

4.2 中觀層面：智慧物流供應鏈管理

智慧物流的供應鏈管理是從企業物流出發，對整個供應鏈信息進行計劃、協調、控制、操作以及優化活動和過程，供應鏈管理是所有物流發展的必然趨勢，也是所有企業經濟發展的必然趨勢。供應鏈企業在進行采購、供應、生產、銷售、回收等流程中，通過對協同合作、流程處理與使用者行為等進行分析，以業務整合與以用戶為核心的觀點看待整個物流流程，并立即針對分析結果進行反應，以達到提高業務銷售、行銷成效、供應鏈效率與消費者滿意等效果。

4.3 微觀層面：智慧物流業務管理

智慧物流的業務管理是從物流企業的角度出發，物流業務包括運輸、倉儲、配送、流通加工、包裝等多個環節，對于現代物流，特別是大數據背景下的智慧物流，它更加關注物流服務一體化，這一點與傳統的物流服務僅限提供一項或數項獨立的物流服務功能存在著巨大的區別。智慧物流業務管理就是通過對物流業務的再造和優化形成核心化、高效化、精簡化的流程。

5 大數據背景下智慧物流的應用模式分析

5.1 在智慧物流商物管理的應用模式分析

智慧物流的商物數據主要包括零售商品數據及大宗商品數據，物流企業利用大數據技術來捕捉供應商、采購商、生產商、批發商、零售商以及商品市場、商品流向、購買行為、消費習慣等數據，通過具體的大數據分析技術進行技術分析，找出影響商品的流量流向的關鍵指標，排除干擾分析結果的指標，最后分析結果可以調整商品流量流向結果，預測商品未來的需求動態，開拓新市場，擴大企業的業務范圍。

5.2 在智慧物流供應鏈管理的應用模式分析

①采購環節

對于采購環節，大數據的影響也是非常重大的，企業可以利用大數據優化采購渠道，辨認各個供應商的供貨特點，分析客戶的偏好和采購行為，為供應鏈中各環節的采購談判提供支持信息，而且在建立最優采購量的決策模型和風險評價指標的基礎上，可以確定最佳訂購方案，對采購過程的風險指標進行科學評價，提供可視化管理，為管理層了解和控制風險點提供便利工具。

②生產環節

生產企業可以利用大數據分析結果，改進生產的各個方面，包括生產的庫存管理，優化庫存水平，優化維修保養以及判斷更新設備的位置等，甚至有些企業把大數據分析應用于員工生產力評價以及企業能力限制等方面的研究。

③銷售環節

在銷售環節，企業利用大數據技術收集并追蹤個體消費者的消費行為，將其與傳統市場營銷工具相結合，隨著收集的數據越來越個性化，越來越具有時效性，企業能夠根據客戶行為的變化而調整自身策略，為終端的消費者提供更加深入的定制服務，開展關聯性的促銷活動，并讓客戶享受個性化的購物體驗。

5.3 在智慧物流業務管理的應用模式分析

物流大數據是指對運輸、倉儲、裝卸搬運、包裝及流通加工等物流環節所產生的海量信息進行有價值的挖掘，以達到提高物流效率、降低生產經營成本以及更好地滿足客戶需求的目的。在物流智慧化轉型的過程中，物流大數據在選址規劃、車貨匹配、設備修理預測、運輸路線優化、庫存管理等方面都有著廣泛應用。

①選址規劃

大數據選址相比傳統的選址方式更為精準，因為可以利用的信息更多了。以商鋪選址為例，傳統的選址方式主要對城市商圈、人口流動量、周圍小區等進行考察，再結合自身經濟情況進行經驗性的選取。大數據選址則會進一步進行用戶畫像分析，了解用戶的行為偏好，并結合GIS信息構建基于所有用戶的權重模型，較為精準地預測備選站點預期的成交數量等信息，從而降低經營風險。

②車貨匹配

傳統物流運輸行業經常發生車貨難匹配問題，即車主沒有貨源，貨主找不到合適的車主為其運送。隨著車貨匹配平臺的出現，這一難題迎刃而解，通過對運力池進行大數據分析，在專業運力的個性化需求與公共運力的標準化這兩個方面產生了良好的匹配。同時，為了實現智能化定價、根據任務要求指派司機以及為司機智能推薦任務等智能化服務，大數據技術也可以通過對貨主、司機和任務進行精準分析來圓滿完成。

③設備修理預測

如果車輛在運輸途中出現拋錨等問題，不僅會造成較大經濟成本，同時會危害駕駛員生命安全。而定期更換零件則不太經濟，因為有的零件并沒有發生問題就被更換了。通過檢測車輛關鍵部位，并將數據傳回分析，能很好地預防車輛事故的發生，同時降低零件更換成本。

④運輸路線優化

運用大數據進行運輸路線優化，可以大幅度提高物流運輸效率。通過構建路徑優化模型，以地理位置信息、時間信息、交通信息、車輛載重信息、成本費用等作為輸入，以成本最低、時間最短等作為目標，自動輸出最優的運輸路線。

⑤庫存管理

庫存管理是企業的一大難題，庫存過多不僅占用資金，增加管理成本，還有造成呆滯的風險；庫存不足則會使得本應獲得的銷售機會白白溜走，在大數據時代下，精準的需求預測可以很好地解決這一難題。以京東為例，京東通過構建全方位的用戶畫像、小區畫像，能夠做到提前預知用戶購買需求，從而提前配送產品至就近站點，從而實現用戶下單一小時送達，既有效降低站點的庫存量，又能提高用戶的物流體驗。

6 結束語

隨著物聯網、云計算、大數據等新一代信息技術的高速發展，智慧物流逐漸走向更深層次的發展與變革，智慧物流也將把整個物流產業提高到一個更高層次，而大數據技術在物流行業中的發展和應用，將極大提升物流行業的服務水平，實現物流的智能化、一體化、協同化的發展。