在這個信息爆炸的時代，物流企業每天都會涌現出海量的數據，特別是全程物流，包括運輸、倉儲、搬運、配送、包裝和再加工等環節，每個環節中的信息流量都十分巨大，使物流企業很難對這些數據進行及時、準確的處理。隨著大數據時代的到來，大數據技術能夠通過構建數據中心，挖掘出隱藏在數據背后的信息價值，從而為企業提供有益的幫助，為企業帶來利潤。
物流企業應用大數據的優勢
面對海量數據，物流企業在不斷加大大數據方面投入的同時，不該僅僅把大數據看作是一種數據挖掘、數據分析的信息技術，而應該把大數據看作是一項戰略資源，充分發揮大數據給物流企業帶來的發展優勢，在戰略規劃、商業模式和人力資本等方面作出全方位的部署。
(1)信息對接，掌握企業運作信息
在信息化時代，網購呈現出一種不斷增長的趨勢，規模已經達到了空前巨大的地步，這給網購之后的物流帶來了沉重的負擔，對每一個節點的信息需求也越來越多。每一個環節產生的數據都是海量的，過去傳統數據收集、分析處理方式已經不能滿足物流企業對每一個節點的信息需求，這就需要通過大數據把信息對接起來，將每個節點的數據收集并且整合，通過數據中心分析、處理轉化為有價值的信息，從而掌握物流企業的整體運作情況。
(2)提供依據，幫助物流企業做出正確的決策
傳統的根據市場調研和個人經驗來進行決策已經不能適應這個數據化的時代，只有真實的、海量的數據才能真正反映市場的需求變化。通過對市場數據的收集、分析處理，物流企業可以了解到具體的業務運作情況，能夠清楚地判斷出哪些業務帶來的利潤率高、增長速度較快等，把主要精力放在真正能夠給企業帶來高額利潤的業務上，避免無端的浪費。同時，通過對數據的實時掌控，物流企業還可以隨時對業務進行調整，確保每個業務都可以帶來贏利，從而實現高效的運營。
(3)培養客戶粘性，避免客戶流失
網購人群的急劇膨脹，使得客戶越來越重視物流服務的體驗，希望物流企業能夠提供最好的服務，甚至掌控物流業務運作過程中商品配送的所有信息。這就需要物流企業以數據中心為支撐，通過對數據挖掘和分析，合理地運用這些分析成果，進一步鞏固和客戶之間的關系，增加客戶的信賴，培養客戶的粘性，避免客戶流失。
(4)數據“加工”從而實現數據“增值”
在物流企業運營的每個環節中，只有一小部分結構化數據是可以直接分析利用的，絕大部分非結構化數據必須要轉化為結構化數據才能儲存分析。這就造成了并不是所有的數據都是準確的、有效的，很大一部分數據都是延遲、無效、甚至是錯誤的。物流企業的數據中心必須要對這些數據進行“加工”，從而篩選出有價值的信息，實現數據的“增值”。
大數據在物流企業中的具體應用
物流企業正一步一步地進入數據化發展的階段，物流企業間的競爭逐漸演變成數據間的競爭。大數據能夠讓物流企業能夠有的放矢，甚至可以做到為每一個客戶量身定制符合他們自身需求的服務，從而顛覆整個物流業的運作模式。目前，大數椐在物流企業中的應用主要包括以下幾個方面。
(1)市場預測
商品進入市場后，并不會一直保持最高的銷量，是隨著時間的推移，消費者行為和需求的變化而不斷變化的。在過去，我們總是習慣于通過采用調查問卷和以往經驗來尋找客戶的來源。而當調查結果總結出來時，結果往往已經是過時的了，延遲、錯誤的調查結果只會讓管理者對市場需求做出錯誤的信計。而大數據能夠幫助企業完全勾勒出其客戶的行為和需求信息，通過真實而有效的數據反映市場的需求變化，從而對產品進入市場后的各個階段作出預測，進而合理的控制物流企業庫存和安排運輸方案。
(2)物流中心的選址
物流中心選址問題要求物流企業在充分考慮到自身的經營特點、商品特點和交通狀況等因素的基礎上，使配送成本和匿定成本等之和達到最小。針對這一問題，可以利用大數據中分類樹方法來解決。
(3)優化配送線路
配送線路的優化是一個典型的非線性規劃問題，它一直影響著物流企業的配送效率和配送成本。物流企業運用大數據來分析商品的特性和規格、客戶的不同需求（時間和金錢）等問題，從而用最快的速度對這些影響配送計劃的因素做出反映（比如選擇哪種運輸方案、哪種運輸線路等），制定最合理的配送線路。而且企業還可以通過配送過程中實時產生的數據，快速地分析出配送路線的交通狀況，對事故多發路段的做出提前預警。精確分析配送整個過程的信息，使物流的配送管理智能化，提高了物流企業的信息化水平和可預見性。
(4)倉庫儲位優化
合理的安排商品儲存位置對于倉庫利用率和搬運分揀的效率有著極為重要的意義。對于商品數量多、出貨頻率快的物流中心，儲位優化就意味著工作效率和效益。哪些貨物放在一起可以提高分揀率，哪些貨物儲存的時間較短，都可以通過大數據的關聯模式法分析出商品數據間的相互關系來合理的安排倉庫位置。
物流企業應用大數據時存在的問題及對策
物流企業信息系統中擁有數萬億字節的用戶信息、商家信息以及業務運營信息，數據已經成為業務活動的副產品。盡管大數據的應用意味著大機遇，擁有著巨大的商業價值，但在應用的過程中也面臨著數據質量、管理政策、資金投入等諸多方面的挑戰。只有解決這些基礎性的挑戰問題，才能充分利用這個大機遇，讓大數據為物流企業創造價值。
(1)大數據的質量和實效性難以把握
大數據來源有很多，數據結構隨著數據源的不同而不盡相同，物流企業要想從多個數據源及時的獲取高質量的數據并進行有效地數據整合，是一個巨大的挑戰。在數據收集的階段，由于數據的變化較快，有效期很短，而且單一的數據結構難以滿足物流企業對數據的需要，如果物流企業沒有實時的收集所需的數據，那么收集到的數據很可能是無效的，過期的數據，在一定程度上影響著數據的質量。因此，物流企業應該重視大數據收集的質量問題，建立專門的數據庫和專門的數據倉儲設備來儲存數據，保證數據的質量和有效性。同時，數據庫管理員應該根據數據的結構設計數據存儲和使用標準，以方便數據的快速讀取和利用。
(2)物流企業高層管理者對大數據技術缺乏高度的重視和支持
只有得到了物流企業高層管理者的重視，一系列跟大數據有關的應用及發展規劃才能有望得到推動，大數據的價值才能在物流的運營過程中真正的挖掘出來。然而，大數據在中國還處于不成熟的階段，再加上大數據本身的多樣性和復雜性，使得大數據的質量就無法得到有效、全面的保證，許多的物流企業高層管理人員還沒有意識到大數據挖掘技術、大數據分析技術給自身企業帶來的商業價值到底有多大，對大數據的認識還沒有真正提升到企業發展的戰略高度。因此，物流企業高層管理者應當加強對大數據的認識，清楚大數據在信息時代的真正價值所在，建設完善的數據中心和完善的數據質量保證制度，帶領企業迎接這場沒有硝煙的大數據戰爭。
(3)數據中心亟需專業的數據管理人員(cdo)
專業數據管理人員的配備才是保證大數據質量的關鍵，由于大數據本身的多樣性、復雜性增加了大數據在處理和管理上的難度，現在物流企業亟需專業的既懂得數據挖掘、數據分析技術，又熟悉物流企業運營的復合型技術人才即首席數據官(chiefdataofficer，cdo)。因此，在大數據環境下，物流企業想要充分利用這一機遇就必須加大對cdo這樣的新型管理人才的招聘。
(4)將非結構化的數據轉化為結構化的數據是一項巨大的挑戰
數據有著結構化數據和非結構化數據之分，結構化數據是指儲存在數據庫里，只能用二維表結構來表達的數據；而非結構化數據是指包括所有格式的文本、圖片、辦公文檔、各類報表html、xml、圖像和音頻/視頻信息等等。在物流企業的運營過程中，非結構化數據的存儲必須要先轉化為結構化的數據才能夠存儲，因此，引進先進的數據轉化技術是物流企業數據質量的保證。
(5)數據開放與隱私的平衡，亦是一大難題
在信息時代，用戶的各種行為需求都是可以被記錄的，甚至各種習慣、愛好，電話號碼，個人信息都會被記錄在數據庫里，這些數據的泄漏必然會給客戶帶來一些不必要的騷擾。因此，面對激烈的物流企業間的競爭，推動數據全面開放、應用和共享的同時，物流企業內部必須完善保護客戶隱私的規章制度，同時國家也應逐步加強隱私立法。
總結與展望
總之，大數據已經滲透到物流企業的各個環節，引起物流企業普遍關注的同時已經給它們帶來了高額效益。但是，面對大數據這一機遇，物流企業的高層管理者仍需給予高度的重視和支持，正視企業應用大數據時存在的問題。
最新論文