物流系统中大数据应用模式研究①
张 宁，王春雨
摘 要: 随着生产的发展和社会的进步，物流作为重要的桥梁和纽带，其组织形式和组织方法越来越复杂。大数据能够真实反映物流活动过程中的各种规律，能够指导物流活动的管理和决策。本文通过对大数据的定义和描述，分析了物流大数据的功能，深入剖析了物流大数据的应用机理，给出了物流大数据的应用模式。
关键词: 物流大数据；应用机理；应用模式
物流作为跨越空间和时间的辅助性、服务性作业互动，作业活动组织复杂，环节繁多，需要经过运输、仓储、装卸、搬运等多项活动的有机衔接才能完成整个流程。所以物流活动需要大量的数据支撑物流活动开展的系统化和完整化，同时物流活动过程中也会产生大量的数据，以便能够将物流各活动的开展状态及时准确描述，方便物流过程控制和管理。这样，在物流活动过程中注入和产生的数据经过积累，就形成了物流大数据。
红色教育是高校思想政治教育中不可或缺的环节，虚拟现实技术因其新鲜灵活的形式、不受现实条件的制约和开放的开发平台，符合当代大学生的学习特点，提升了高校思想政治教育的承载力，丰富了校园红色教育资源，成为高校开展红色教育的有效途径。
物流大数据的应用，可协调整个物流活动，有利于物流决策，能使物流活动的开展更科学有效。
这些问题的设计，一环紧扣一环，可以层层启发学生的思维，培养学生的推理能力和思维能力，激发学生探究问题，让学生理解并掌握长方体体积和所拼图形的长、宽、高的关系。
一、物流大数据描述
作为服务性、辅助性作业活动，物流活动衔接着企业、商家、终端用户等多个市场主体，作业活动过程中会涉及大量的数据，蕴含着巨大的价值。物流系统的大数据，即采购、运输、储存、流通加工、装卸、搬运、包装、销售、物流信息处理等物流环节中涉及的直接或间接与物流相关的各种数据。
(2)外部环境数据是企业开展物流活动的外部环境，主要包括客户数据、物流对象数据以及外部物流基础环境数据等，这些数据描述了企业开展物流活动的环境友好度，是企业物流活动的大背景。
此外，枯草芽孢杆菌对蛋白的降解能力较强。从养殖池塘底泥中分离的枯草芽孢杆菌也作为降解饲料蛋白菌剂，并采用紫外诱变提升蛋白酶活性[9]，通过高温发酵提高发酵液中蛋白质的降解率[10]。另外，新疆阿克苏盐碱地土壤中可培养的优势菌群为芽孢杆菌属(36. 27%)、链霉菌(10.8%)、微球菌属(6.9%)等[7]，采用变性梯度凝胶电泳分析芽孢杆菌目也为优势菌群[11]，由此推测芽孢杆菌属菌群对土壤中Cry1Ac蛋白降解可能具有较大贡献。芽孢杆菌属菌群与Cry1Ac蛋白降解特性还需深入研究。
(一)物流大数据的分类
一般物流大数据可以分类两类:物流直接相关大数据和物流间接相关大数据。
慢阻肺早期诊断是近年大家关注的热点问题，在轻度气流受限的慢阻肺患者中，其运动耐量、扩散能力和气体交换可能已经受到损害［10-13］，研究表明，通过戒烟或药物等方式早期干预慢阻肺甚至可逆转肺功能下降［14-15］，然而临床发现，很多慢阻肺患者诊断时已为重度肺功能障碍［4］。我院慢阻肺首次确诊重度及以上占比约50%，提示慢阻肺早期诊断仍然是其管理的难点。
1.物流直接大数据是物流过程中直接使用的数据。一般可以根据使用目的分为两类:物流活动控制大数据和物流活动状态描述大数据。
(1)物流活动控制大数据是在物流业务运作过程中，用于控制物流活动进程的指令数据。控制大数据是物流活动开展的依据，是决定物流活动实施的决策指令集。
(2)物流活动状态描述大数据是物流活动开展过程中，对活动过程开展的状态进行记录的数据，这些数据能够反映物流开展的进程、进展的效果等物流状态。所以物流状态描述数据是物流活动实施的状态描述数据集。
物流企业的控制职能是按照预定的计划或目标进行检查、监测，分析实际完成情况与预定计划之间的差异，及时分析原因，制定对策，采取措施，保证企业目标的实现。
(1)内部环境数据是指物流企业内部的物流活动背景数据，如物流设备、设施的数量、状态，如物流网络的布局和覆盖度等情况。这些物流内部环境数据决定了物流活动开展的基础。
(2)学科带头人缺乏。学科带头人是指有一定的学术影响力、掌握某一学科研究方向的前沿动态，能够在本学科起带头作用、组建并带动一个学术团队从事研究活动、并完成建设规划内容的人员。从这个角度来说，现有师资队伍教授职称的缺失造成现有师资队伍中尚无严格意义上的学科带头人。
中国传统社会较为重视群体生活，家庭观念较重，相对来说，轻视宝宝的自主性和独立性的培养。西方社会注重个人权利，有强烈的主体意识，注重从小培养宝宝的独立生活能力。
随着云计算等技术的发展，大数据的处理方法越来越成熟。通过一定的技术方法对物流大数据进行处理，利用大数据客观、真实、稳定性的特点，挖掘大数据背后物流系统的运转规律，对指导物流系统的科学运作具有重要的意义。
(二)物流大数据的意义
经过积累后的物流大数据，可以对企业的物流活动具有重要的指导意义。物流直接大数据可以反映企业物流活动质量的发展变化情况，能够有效对物流过程中的关键点进行识别、能有效分析物流活动过程中的问题节点。物流间接大数据能够揭示企业的物流能力发展情况，能够描述宏观物流环境的发展变化趋势，有利于更好的指导物流活动的开展方向。
数据是描述物流系统状态的唯一和根本来源，在大数据体系下，物流系统的环节复杂性、波动性导致的准确描述性困难、作业活动空间跨度大的数据协调性困难，这些都可以很好的解决。所以，大数据在物流系统的运行中将有很重要的意义。
二、物流系统大数据功能
提高物流企业管理水平，促进物流企业的科学决策，提高物流企业的经营效益是物流大数据最根本的功能。
(一)大数据为物流企业决策提供依据
市场情况需要真实反映物流企业运行过程中的数据分析，从而利用这些信息帮助物流企业做出科学有效的决策。大数据能够进行物流环境分析，大数据能够合理组织物流资源的配置，从而能够更好地指导物流决策。
(二)大数据在物流企业行政管理中的应用
数据仓库模式通常需要具备决策工具和高水平的分析人才才能为企业提供新型报告和决策支持。这种数据应用模式适合决策性企业，在物流企业中，能帮助企业实现智能化改进业务流程，辅助企业进行监视成本，帮助企业提高物流运作质量。
(三)大数据在物流客户管理中的应用
满意度分析、客户的忠诚度分析、客户的需求分析等在客户关系管理中的重要内容，都是物流大数据涵盖的内容。通过大数据对这类信息的挖掘和分析，在物流客户管理中可以对这些分析的成果进行合理有效的利用，从而可以巩固客户关系，提高客户对企业的信赖度，从根本上预防客户流失。
(四)大数据在预测市场中的应用
大数据应用在物流系统的各个方面，能有效描述物流系统结构中各要素的内在工作方式及诸要素在一定环境下的相互联系，相互作用模式。在物流企业的管理运作过程中，灵活的使用大数据，可以帮助企业在各个管理阶段、各项管理活动中有效地提高管理水平，更好地开展物流经营运作活动。
三、物流大数据应用机理
物流活动的服务性，使得物流企业的客户具有较强的流动性。物流企业寻找客户的过程耗费大量的人力、财力、物力等资源，而且周期较长，同时可能会做出错误的判断。大数据能够帮助企业发现客户的需求和变化，有效的利用数据，预测市场的变化，从而帮助企业灵活调整运输方案。
(一)大数据在物流企业计划职能中的应用
随着社会经济活动节奏越来越快，计划的制订和执行也需要更加的快捷和灵活。物流企业属于服务型企业，面临的市场情况更加复杂，物流活动计划更需要科学有效的依据。对各种数据进行分析，及时根据所得的海量数据，推导未来的发展趋势，合理的对物流活动的各个环节进行预测，预先制定相应的计划，能够很好地稳定企业的运行秩序，使企业在多变的环境中有条不紊地开展活动。
(二)大数据在物流企业组织、领导职能中的应用
健全合理的运作流程和结构对增加企业价值起着重要作用，组织结构设计不合理会导致决策链过长，经营效率低下，同时也会导致成本较高，资源消耗大等问题。
大数据的应用能够优化组织结构，便于企业实现自我优化、自我管理目标。大数据技术对组织领导职能的影响，可以让物流企业深入挖掘调研信息，设计合理有效的管理控制系统，优化企业结构的发展模式。加快物流信息系统的构建，建立合理的物流信息管理评估体系，上下联动快速反应，尤其是对采购、库存、运输等业务流程的控制上。在大数据时代，物流管理人员通过对企业的现有资源进行整合，对业务流程进行管理，建立适合企业发展的管理机制。
(三)大数据在物流企业控制职能中的应用
2.物流间接相关大数据是物流过程中，与特定物流活动开展无直接关系，但是却与物流活动密切相连的数据。这些数据主要包括物流活动对象数据、物流网络数据、物流活动频率数据等内容。一般可以划分为内部环境数据和外部环境数据。
物流企业可以根据自身的情况需要，灵活选择数据平台，实现自己的特定数据需求。
四、物流大数据应用模式
(一)企业数据自营模式
物流企业拥有海量的数据，物流企业如具备大数据处理技术，具备一定剖析能力，就能够根据数据分析改进现有产品或预测未来。采用自用模式，企业可以有效地利用技术手段对生产经营数据和日常管理数据进行全覆盖，可以全面地对企业的生产经营情况进行大数据深层挖掘、分析、提炼，最后通过数据的剖析评价，最终服务于管理者的决策。
(二)数据租售模式
物流环境数据具有来源广、渠道多的特点，所以通过物流企业自身的资源，很难将物流环境数据进行全面的收集和整理。通过数据租赁的模式，利用一些专业机构和部门的专长，快捷方便的获取一些物流环境大数据，有利于企业全面了解物流发展的环境，有利于企业物流战略的合理设定。
(三)数据平台模式
该模式主要通过建立平台，实现数据的分析、分享和交易等功能。数据平台模式主要包括数据分析平台模式、数据分享平台模式、数据交易平台模式。数据分析平台一般能够提供大数据处理的功能。数据分享平台一般不提供数据处理功能，仅提供大数据本身。而数据交易平台一般能够根据客户的需要提供一些个性化的大数据服务。
在阅读教学中教师可以巧用“课堂小练笔”，以写拓展学生的思维，升华情感，深化对课文内容的理解，有效地提高阅读教学实效。课堂小练笔形式多样，有课后练习布置的小练笔，有对课文重点句段进行仿写，有对故事情节进行扩写、缩写、改写、续写等等。教师要紧密联系学生的阅读情况和生活实际，善于捕捉教材中的写点，利用在学生意犹未尽的时机，创设良好的师生氛围让学生动笔写，创造表达的平台。
控制活动中，最重要的是计划与执行的背离原因分析。而大数据能够稳定的描述状态，能够深入的分析各种问题，这就为物流控制职能的开展提供依据，使得组织复杂的物流企业的控制职能能够凭借规律开展控制活动，控制决策更加科学和合理。
(四)数据仓库模式
物流企业同样存在行政管理职能，各种行政管理工作必然需要和物流业务的运营有机的联系在一起，所以，物流大数据可以间接的在各种行政管理职能中发挥应用。一般大数据能够挖掘事物背后规律性的内容，这样就可以指导企业在行政管理中，利用规律去有预设的开展各项工作，有助于工作开展的稳定性和合理性。
在CPIKN中，将协同成员节点pi的点权权重作为其重要程度的衡量指标。然后，定义协同成员节点pi重要程度排序序号为xi，协同成员节点pi的重要程度信息获取状态为εi，若协同成员节点pi的重要程度信息已知，则εi=1，反之εi=0。
(五)数据众包模式
该模式适合创新性企业应用，以大数据为出发点，通过搜集消费者的海量数据，进行数据测试和评价，进行数据挖掘，可以分析物流问题，改进物流产品，也可以对物流新产品进行开发创意，能够为企业的发展开拓发展思路。
(六)数据外包模式
物流企业将数据收集、数据处理等业务分离开来，外包给专门的数据处理机构，优化企业内部资源，使得物流企业更加专注于核心业务的开拓。同时外包给专门的数据处理机构，利用先进的大数据处理技术，更加专业化，更便于企业直接利用数据进行决策。
根据血浆中凝血因子的浓度可将血友病分为三类：重型：FⅧ/Ⅸ浓度<1%，约占70%[7]；中型：FⅧ/Ⅸ浓度1%～5%；轻型：FⅧ/Ⅸ浓度：5%～40%。轻型血友病极少有自发出血，常由明显外伤引起；中型血友病常在诱因后出血；而重型患儿可在无明显外伤时自发出血。血友病患者第一次出血通常发生在1～3岁，疾病的进展速度取决于血肿的数量[8]。
五、结论
物流活动中的各类大数据，都对物流企业的运作管理具有重要的意义。物流直接大数据能够服务于物流企业的物流活动决策，物流间接大数据能够为物流企业的战略提供指导。
以上分析可知，铁溶出的较好试验条件为：溶出温度60 ℃，溶出时间60 min，液固比2.51，搅拌强度400 r·min-1。按优化工艺条件进行验证试验，铁的溶出率达到99%以上。
大数据已经渗透到物流企业的各个环节，引起物流企业普遍关注，也给物流企业带来了良好的经济效益。物流大数据为物流企业分析物流规律、寻找利润源和增长点、帮助提高运营和管理的水平、促进企业实现可持续发展。
参考文献:
[1]叶斌，黄文富，余真翰.大数据在物流企业中的应用研究[J].物流技术，2014(8).
[2]汪永兰，胡桂东，张倩.大数据时代盐业仓储包装成本的管理控制探讨[J].商业会计，2018(9).
[3]符靖.大数据时代下企业组织结构设计与管理变革[J].品牌研究，2018(6).
[4]王惠烩，王明宇，何梦娜.物联网和大数据时代对物流行业的影响及前景分析[J].电子商务，2014(7).
中图分类号: F252
文献标识码: A
文章编号: 1008-4428(2019)08-0011-02
①基金项目: 2018年度江苏高校哲学社会科学研究基金项目，项目编号:2018SJA1685。
作者简介:
张宁，男，江苏宿迁人，淮海工学院商学院学生，研究方向:物流与供应链；
王春雨(通讯作者)，男，山东诸城人，淮海工学院商学院讲师，研究方向:物流与金融。
标签：物流大数据论文; 应用机理论文; 应用模式论文; 淮海工学院商学院论文;