導語：大數據物流行業降本增效探析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

2017年，國務院印發了《關于進一步推進物流降本增效促進實體經濟發展建議》，強調了物流業發展對于第一、第二、第三產業協同發展的重要性，要從設施建設、信息化等方面來促進物流的降本增效，同時大力鼓勵智能化物流發展。2018年國務院常務會又對物流降本增效作出了部署，提出了三項舉措。國家層面的重視，反映了我國物流行業“高成本低效率”問題依然嚴峻，也是國家產業結構調整的重要部分。在這樣的背景下，數據驅動作為促進物流行業的有效手段之一進入到研究視野。

一、物流行業大數據的主要特點

web2.0技術、移動互聯網技術和云計算的快速發展衍生了大數據。大數據不斷掀起了各行各業的全新技術風潮，甚至顛覆了科技信息領域的發展，大數據挖掘和研究的價值也逐漸凸顯，給各個行業和領域帶來巨大沖擊的同時也帶來了發展機遇。大數據時代已至，各國紛紛將大數據的戰略發展上升到國家層面。黨的報告提出，“要推動互聯網、大數據、人工智能和實體經濟的深度融合”。這充分說明我國前瞻性地將大數據發展納入國家戰略謀劃之中。隨著物流市場中自動化、網絡化、集成化及數字化程度的逐漸增強，數據的隨機性和動態性日益凸顯，日漸復雜的海量數據中的價值亟待挖掘。這個巨大物流信息平臺中的數據，已然具備了大數據的主要特點。1.Volume（海量）根據國家統計局數據顯示，在過去的十年里，物流市場規模高位運行連續五年位居世界第一，快遞業務總量飆速上升，從2009年的18.6億件上升到2018年的507.1億件。與此深度關聯的市場貨量數據、交通網點數據、定價成本數據及相關車輛網絡數據等爆發性增長，甚至超過了PB、EB級別。這不斷要求物流行業從中挖掘高價值信息，分析和預測如此大規模數據。2.Variety（多樣）物流新業態下的數據類型復雜，可分為3類:①結構化數據，如物流企業數據庫等；②半結構化數據，如網絡數據等；③非結構化數據，如各類物流清單報表等。3.Velocity（高速）根據《2018年中國快發展指數報告》顯示，中國快遞發展指數為814.5，同比提高23.6%。在物流行業中，數據也在高速和實時流動。利用Hadoop等開源技術持續實時地處理數據流，挖掘數據價值，實現數據反哺時不我待。4.Value（價值）大數據分析應用為物流領域開啟無限可能。貨主是物流企業核心服務對象，通過對數據的分析與深層次預測，把握市場變化，更好地滿足用戶的需求，實現利潤最大化。運輸倉儲、路由規劃、物流定價、車輛管理等傳統物流業相關方面將插上數字化翅膀，實現資源優化與配置。

二、大數據在物流行業中的應用

數據在物流行業中的運用過程，首先，可從運輸環節、倉儲環節、包裝加工環節等物流環節中有效地收集、處理海量數據和巨量信息，建立數學模型挖掘高質信息并進行數學分析；其次，將數據應用到實踐中，以此實現資源的優化配置，提高運輸配送效率和時效，降低物流成本，快速應對市場需求，實現數據反哺，幫助物流企業規避市場風險、做出合理滿意的決策來實現利潤最大化。圖1顯示了物流行業數據挖掘的一般流程。1.智慧商物預測（對貨物進行分析——路由規劃）。物流市場存在高度的動態性和隨機性。在大數據環境下，可以從中挖掘出市場的實時供需關系、不同產品品類的流量及流向等信息，以實現合理調整資源配置、優化物流路由路徑和運輸，快速響應供需市場。截止目前，很多物流企業只關注快速高效地將貨品從起點運送到終點，而非關注貨物本身。實際上，物流企業可以通過自身數據的挖掘，出售市場信息給關聯服務對象企業，拓展業務板塊，以此擴大收入來源。比如，一家物流企業通過大數據分析了解到，在武漢市武昌區30%的用戶每個月都會購買線上生鮮產品，其中某街道每個月都購置生鮮產品的用戶占到了60%。分析這一消費現象，往往暴露出商機。物流運營商在不泄露信息來源和保護消費者隱私的基礎上，仔細收集和挖掘這些有價值的信息，報告給有這些信息需求的企業。除此之外，物流企業還可以利用大數據分析技術有效地規劃配送路線，預測交通狀況和事故，平衡物流鏈負載。2.物流定價。貨物的運輸方式有公路運輸、鐵路運輸、航空運輸及海洋運輸。僅以公路運輸的貨運市場為例，論述采納大數據分析技術支撐物流定價的應用。由于貨運市場具有信息化程度低、零散化、非標準化等特點，物流價格波動大的同時，物流企業之間的價格戰也愈演愈烈，嚴重影響物流市場穩定。物流價格基于成本計算，要考慮各種各樣的因素，如貨物類型、運力成本、地域因素、交通網絡路況，等等。目前，物流市場上的貨運定價，僅僅依據簡單線性分析貨運物品的派送里程、質量、體積、過路費、車輛保修及油價來確定，缺少基于大數據分析的解決方案。基于大數據的物流定價方法如下：第一步，收集影響物流定價的成本信息數據，建立物流貨運數據庫，成本信息數據包括貨物類型、運力成本、地域因素、交通網絡路況等等；通過數據預處理對海量數據進行特征工程處理，包括數據清理、數據集成、數據重構、數據轉化、數據關聯和融合。第二步，建立數據模型，借助運算模塊和大數據計算引擎進行多準則決策運算，得出最優物流價格。第三步，物流企業的高層管理者對大數據支持下的不同地區的指導價格進行參考，做出合理滿意的決策。3.智慧末端配送（樞紐網點布局+智能快遞柜）。“最后一公里”作為物流行業的末端配送難題而一直廣受關注。艾瑞咨詢的研究顯示，城市用戶和快遞配送員之間的“痛點”，源于各自時間的錯配。末端樞紐網點和智能快遞柜的出現，為消費者提供了更高效的服務。然而，網點和智能快遞柜的選址難以決策。大數據一方面可以收集大量與決策相關的地塊租金、交通網絡、輻射區域、市場需求量及競爭對手布點等信息數據，借助大數據分析，幫助企業做出最優決策。另一方面，市面上大多數智能快遞柜的隔間布局都是統一的，但實際上配送到不同地域的包裹大小不一,具有不同的特性。例如，中央CBD寫字樓及高校的包裹以信件和文件偏多，工業區的包裹以零件機器偏多，居民生活區的包裹以生活產品偏多。物流企業可以依托大數據技術支持，在不同需求的區域設置不同的快遞柜隔間布局，以此節約成本、提高客戶體驗、升級效率。4.用戶滿意度分析。在物流客戶管理中，大數據可以對海量客戶數據及商品數據的內在聯系和規律進行分析，為企業發展提供正確決策依據。物流客戶管理中的大數據應用主要體現在物流服務的客戶滿意度分析、老客戶忠誠度分析、客戶需求分析、潛在客戶分析、客戶評價和反饋分析等方面。通過對用戶信息和用戶行為進行分析，運用多學科知識和實踐經驗，將數據轉化為實際問題，在立足于企業實際的基礎上，提高用戶滿意度，設法挽留老客戶的同時，盡可能地挖掘潛在客戶，調動客戶積極性，提高用戶體驗，擴展市場份額，贏得口碑。大數據分析在實踐中的應用多種多樣，在給予重視的同時，要不斷實踐，通過數據挖掘，驅動效率，助企業降本增效一臂之力，為物流企業提供強有力的支持。

三、完善物流行業大數據應用的建議

1.保護用戶隱私。在大數據時代，用戶個人信息穿插在物流的各個環節，個人隱私被侵犯的問題層出不窮。如果用戶個人信息在物流中轉過程中被泄露，物流企業的形象也會大打折扣。因此，對于目前物流平臺的海量用戶隱私泄露問題，國家應該制定相應的政策和法規，明確企業的權責。同時，企業管理者也要采用有效的安全技術手段和數據加密手段，在企業進行信息資源采集、信息整合作業時，保障物流中轉過程中的用戶個人隱私和數據安全性，提高物流數據平臺的安全防御能力。2.人才培養。大數據人才熟知多種商業技能，具備多種交叉學科的思維能力，能將數據和信息轉化為企業的價值，為企業開拓新的市場業務帶來凈利潤增長。因此，物流企業要提高對大數據人才在企業大數據應用及發展中主體地位的認識，在招聘人才時，積極引入大數據領域專業的開發研發技術人員。同時，建立大數據開發及應用的專業部門。該部門的工作人員需要具備一定的網絡開發能力，能夠熟練地使用數據分析軟件、數據管理計劃軟件，具備一定的統計學和計量經濟學基礎。在大數據迅猛發展的進程中，制定相應的物流企業人才戰略規劃，制定符合發展需求和員工工作滿意度的職業發展規劃，并通過有針對性的培訓，提高企業的服務能力和水平是非常必要的。3.建全綠色智慧骨干網絡平臺。艾瑞咨詢《2017年中國物流科技行業研究報告》中提出，物流運輸中將廣泛應用新能源電動車。新能源電動車的運營維護成本比傳統燃油車要低很多，此外，其還具有清潔能源、減少碳排放的特點。物流企業在利用大數據分析進行轉型升級的同時，還需要兼顧綠色轉型，將“綠色”與大數據相結合，建設移動智能綠色骨干網絡。大數據分析能為物流企業及快遞員提供動態規劃數據、智能分單功能，再將新能源汽車投入運營使用中，“由點成線再成面”打造一張綠色生態的智慧物流網絡，實現綠色與智能的共贏，實現車企和物流企業的共贏。

作者:趙喜洋 劉卿瑜 單位:1.湖北省交通規劃設計院股份有限公司 2.中南財經政法大學工商管理學院