大数据背景下的智慧物流发展策略研究
斯 燕
(无锡科技职业学院，江苏 无锡 214028)
[摘 要] 随着大数据时代的到来，数据成为企业的战略资源，构成了企业竞争力的核心要素。物流产业作为我国支柱型产业，政府大力推动物流业的发展，伴随着IoT技术、云计算、智慧物流技术应用日趋成熟，大大提升了物流企业的工作效率，降低了物流成本，让许多物流企业争相转型升级。文章描述了国内外智慧物流的现状，在基于大数据背景下，分别从智慧物流技术、智慧物流数据采集、智慧物流数据挖掘和清洗、智慧物流数据分析及智慧物流数据人才等方面详细阐述了当前的问题，并针对以上问题提出了一系列的解决策略，为物流企业降本增效，提升企业竞争力提供解决方案。
[关键词] 智慧物流；数据采集；数据挖掘；数据分析
1 引
在互联网飞速发展的时代，我国经济发展已经进入了快车道。党中央、国务院高度重视大数据在经济社会发展中的作用，数据是国家基础性战略资源，是21世纪的“钻石矿”。党的十八届五中全会提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，全面推进大数据发展，加快建设数据强国。[1]数据正在迅速膨胀越积越多，人们逐渐意识到数据对企业的重要性。随着大数据时代的到来，大数据的应用跨区域、跨领域，如电子商务、物流、金融、大健康等，各种利用大数据进行发展的领域正在协助企业不断地发展新业务，创新运营模式。供应链上的节点企业每天面对大量的数据，如销售数据、库存数据、客户数据等，推动着企业及其上下游相关企业具有收集、整理、挖掘、分析数据的能力，谁能掌握数据就能占据先机，能够玩转数据就能做到游刃有余。
物流业是国家经济支柱型产业，政府、物流企业与其客户均致力于提高物流效率，降低物流成本。2009—2016年， 全国物流费用在GDP中的占比由18.1%下降至15.5%。[2]随着信息产业加速经济全球化发展，“互联网+”“IoT”“大数据”“新零售”等最新最热的领域推动传统物流业向现代物流迅速转型，智慧物流成为推动转型升级的关键因素。2016年，国务院办公厅出台的《“互联网+”高效物流实施意见》，明确了智慧物流对我国国民经济发展的重要意义；2017年7月20日，国务院发布《新一代人工智能发展规划》中，再次强调以人工智能为代表的智慧物流将成为新一轮产业变革和经济发展的新动力。[3]智慧物流是在智慧供应链的基础上延伸出的概念，是指通过智能硬件、物联网、大数据等智慧化技术与手段，提高物流系统分析决策和智能执行的能力，提升整个物流系统的智能化、自动化水平。智慧物流包含在运输、仓库和存储流程的高效技术应用的优化。[4]
2 智慧物流发展的现状
2.1 国外智慧物流发展现状
欧美、日本等发达国家现代化物流朝着智慧物流不断发展，并取得了很好的效果。其主要体现在具有良好的基础设施，交通网络四通八达，构筑便捷的交通运输系统。[5]物流园区作为物流集散方式，发挥自身优势，实现多式联运，为智慧物流发展提供了机遇。同时基于先进的信息化技术和运作管理水平，发达国家物流发展中利用多样的物流理论研究方法和大数据思想，[6]紧密结合市场的实际需求和发展趋势，大力推进智慧物流。目前的智慧物流先进物流技术及应用较为突出的代表性企业有沃尔玛、亚马逊、FedEx 、UPS和DHL等。
式中：mn为应力响应谱的n阶矩；Sσ(ω)为应力响应谱；H为传递函数；S(ω)为波能谱；σ为短期海况瑞利分布均方差；f0为平均跨零频率。
2.2 我国智慧物流发展现状
目前，智慧物流主要分布在“物流大数据、物流云、物流模式和物流技术”四大领域。结合IoT、大数据、云计算等技术与物流业的进一步深度融合，这些都将对物流业的转型升级带来积极促进作用。近年来我国智慧物流保持较快的发展速度，2016年，中国智能物流市场规模2880亿元，同比增长22.55%。近几年我国智慧物流行业市场规模逐年大幅上升，预计到2025年智慧物流市场的规模将超过万亿元。[7]我国在智慧物流运用较为突出的企业有：阿里旗下的菜鸟网络科技、京东、苏宁云商。在阿里巴巴集团内部，定位于数据化分析、追踪的物流宝的代号是“天网”，而涉足实体仓储投资的菜鸟网络是“地网”。菜鸟是让仓储、快递、运输、落地配送等各环节的合作伙伴获得更清晰的业务场景，用数据让它们获得更好的生产能力。
大数据背景下，数据的采集是数据分析流程的最初环节。每天公司都会产生海量数据，如仓库的出入库及在库数据、运输工具的运输轨迹、燃油费等相关的运输费用、配送中心的货物流转情况数据，尤其电商物流销售及客户数据为甚。2017中国网络购物市场交易规模达7.18万亿元，中国网上支付用户规模达5.31亿人。如此庞大的用户群里，每个用户都有独立的消费轨迹，形成客户数据，原来的用户数据已经是TB级，在不断发展中，其数据规模达到ZB级，给数据采集带来了困难。另外，数据还具有复杂性。 物流业务融入到供应链的各个环节，包括运输、仓储、配送及相关的辅助业务都会产生不同类型的数据。如何将这些物流数据通过智慧物流技术收集起来却很困难，物流企业没有专业的数据采集工具来收集数据，另外没有数据仓库来存放大量的数据，容易造成数据的丢失或遗漏。有些数据还具有时效性，由于产品或客户的业务周期比较短，采集的数据滞后企业发展的需要。
3 智慧物流发展中存在的问题
3.1 当前智慧物流技术应用的局限性
余科长啪地合上手机盖，骂了句：神经病！一屁股坐到砖子身边。皇甫一兰没跟他过来，在他接话时，坐到了几个女人之中，与她们搭过话，才看到坐在对面的砖子，熟人，市文联一些活动遇过，互留过电话号码，彼此敬过酒，于是冲砖子点点头，微笑几缕。
3.2 智慧物流数据分析流程效率低下
4.2.1 建立智慧物流信息平台收集数据
首先对自动相位搜索条件下的方位向间歇采样散射波干扰效果进行仿真分析，图7为两种干扰参数下的补偿相位曲线图，其中实线为搜索算法所估计的补偿相位，虚线为准确的补偿相位Δφj(n).由图中可以看出估计相位不再以准确相位为基准进行波动，而是无序地分布在[-π,π]内，且与Δφj(n)的差值较大.这是由于干扰信号在在慢时间上的间歇性致使两通道不能在相邻脉冲时刻都接收到干扰信号，从而无法搜索到能使得两通道补偿相减后能量大幅缩小的合适的估计相位.
智慧物流技术分为硬件和软件。硬件技术是构成计算机系统的各种通用的为了物流作业而研发的存储所需的外部设备；软件智慧物流技术包括智慧物流系统及应用程序。智慧物流管理系统是智慧物流系统的核心软件，是在操作系统的支持下工作，解决如何科学地组织和存储数据，如何高效获取和维护数据的系统软件。[8]目前我国仍处于智慧物流发展的初级阶段，智慧物流技术在物流领域的应用存在一定的局限性。近年阿里巴巴、京东、苏宁等大型电商企业投入资金打造自己的物流系统，运用智慧物流技术大大提升了物流效率。但大多数物流企业为了节省成本，对智慧物流技术的普及程度不高，仅仅在局部物流活动中使用，并没有形成一定规模。
3.2.3 智慧物流数据分析相对薄弱
数据采集完成后，接下来的环节是数据挖掘和清洗。当下物流企业意识到数据的重要性，也积极的在采集数据，但采集的数据很多时候是杂乱的，也可能会有重复出现的，还可能会有缺失数据。杂乱无序或缺失的数据会影响后续企业对智慧物流业务未来发展趋势研判及预测的准确程度。想从大量的数据中挖掘出企业需要的数据也是不容易的。每天企业都产生很多数据，如何区分数据的重要程度，而且有时重要的数据会隐藏在诸多信息中，想要发现获取非常困难。
3.2.2 智慧物流数据不易挖掘及清洗
目前我国智慧物流数据分析仍处于弱势，只有实力强、规模大的电商公司或者物流公司会组建专员进行数据分析，但大多数企业有物流数据，面临不会使用分析软件处理数据，也不知道该用什么分析方法来分析数据的尴尬境地。一般会做出以下两种抉择：一种是公司自己做数据分析，导致最终分析出来的结果不能准确的趋势预测，不能作为公司决策的依据。另一种是即使将数据外包给数据分析公司来做，增加企业的成本，数据分析完后，是否能够为企业提供具有可操作的优化方案，有时也会存在数据的保密性问题，还有对外包数据分析公司监管困难的困境。
3.3 智慧物流数据分析专业人才的匮乏
数据挖掘和清洗可以采用PDCA循环来优化数据，PDCA是质量管理的思想基础和方法依据。首先P(Plan)计划，制定5W1H方案即：为什么要进行该数据分析(Why)、要明确智慧物流数据分析的目的(What)、在何处执行(Where)、由谁负责完成(Who)、什么时间完成(When)、采用何种挖掘和清洗的方法(How)。数据挖掘方法可采用云聚类、云调度、关联规则挖掘、决策树、神经网络、可视化技术等模型或算法的研究。然后根据设计方案和布局，进行具体操作，努力实现预期目标的过程，即D(Do)。其次，C(Check)检查数据是否清洁，是否有缺漏值，发现隐含的并有利用价值的信息。最后，A(Action)处理掉不清洁数据，弥补缺漏值，可以循环操作PDCA流程，直至智慧物流数据清洗干净，挖掘出有价值的数据。
4 大数据环境下发展智慧物流的策略
4.1 大力推广智慧物流技术的应用
随着科技不断进步，人工智能、IoT技术日趋成熟，智慧物流技术的软硬件设备的成本会逐渐下降，会吸引越来越多的物流企业愿意使用。此外，政府可以采取一系列的政策优惠，如对使用智慧物流技术的企业给予一定资金支持，配合减税政策的激励，就更能激发物流企业使用智慧物流技术，加速物流产业的转型升级，提升物流运作效率，降低全国物流总成本。2018全球智慧物流峰会马云表示将投入上千亿人民币支持菜鸟打造国家智能物流骨干网络。最近菜鸟网络CTO(首席技术官)谷雪梅认为IoT将在2019年成为最重要技术趋势，IoT将给传统物流装上数字化升级的翅膀，带领全球物流行业进入新的时代。[9]这些优秀企业作为标杆，代表着智慧物流技术的潮流，将会吸引着越来越多物流企业竞相效仿。
4.2 优化智慧物流数据分析流程
3.2.1 智慧物流数据采集比较困难
物流信息平台是支持和提供物流服务信息的交互网站。随着智慧物流的快速发展，智慧物流信息平台是沟通物流活动各环节的桥梁，其借助先进的信息技术将各层面的物流信息进行整合，可优化供应链结构和物流布局，实现物流各业务运行及服务质量的管理控制，从而协调人、财、物等物流资源的配置，促进物流资源的整合和合理利用。[6]智慧物流信息平台的建立，除了具有数据仓库的存储功能，可以邀请物流企业或有物流业务的企业入驻平台，可以实现数据的存储，还具有信息的分类和沟通功能，在一定程度上可以实现企业数据的共享。尽管目前阿里云、京东云、百度智能云等建立云数据库能进行数据存储，并为电商企业提供专业的数据解决方案，但还需继续不断升级、完善业务功能，服务更多的企业，成为智慧物流信息平台。企业再配合数据抓取软件，可以在物流信息平台上够轻松实现数据抓取。
4.2.2 运用PDCA循环优化智慧物流数据
当前，智慧物流数据大规模存在且持续增长，表现为大规模、分布式、异构性，使得数据分析人才需求强烈。从电子商务物流来看，2017年全国电子商务职业教育教学指导委员会开展了一次《商务数据分析与应用人才需求研究》的调研，从调研结论来看是经营企业的电子商务部门对该专业都存在着需求，市场需求巨大。然而，在全国范围内只有极少数学校开设商务数据分析专业，很难满足物流企业对数据分析与应用人才的需求，数据分析与应用人才特别短缺。
羟考酮与芬太尼用于腹腔镜子宫切除术后的镇痛、镇静效果和安全性比较 ……………………………… 黄 科等（8）：1102
4.2.3 加强智慧物流数据分析及趋势预测
数据分析是核心，应该逐步建立物流智能决策体系，加大智慧物流数据挖掘力度，拓展智慧物流数据分析深度。通过多维度数据分析，对物流作业进行预处理，做到智能运作、科学调度；通过深层次数据挖掘，对物流运行管理进行诊断剖析，实现智慧管理。[10]无论是否采用数据分析外包分析，物流企业选择更为适合自己公司的方式，加强数据分析的能力，提高对业务未来预测的准确性，较好地把握行业发展的趋势，保持不断进取的决心，从模仿到超越，以便能够更好地适应市场发展，在巨大竞争压力下立于不败之地。
4.3 加强智慧物流数据分析人才的培养
在大数据发展的时代背景下，人才培养离不开政府、学校、企业及行业三方面共同推动，构成了稳固的合作关系，三者相互发展、相互影响，发展得好多方受益，而且收益会呈几何级数增长。政府层面需要出台相关的激励机制，鼓励学校与企业紧密合作，协同发展。学校分析企业岗位需求，制定相应的人才培养方案和课程体系，更好地为企业输送人才。企业应该积极地参与到学校的课程体系研发中，真正做到政、产、学、研一体化。在智慧物流数据分析人才培养的过程中尤其需要注意跨学科研究的特点，培养的人才既需要具备数理统计知识、电商及物流专业知识，还需要掌握一定计算机基础，因此在未来跨界研究会越来越普遍，复合型人才的培养也越来越重要。
诺基亚是一家老牌手机制造厂商，其品质过硬、经久耐用，深受消费者欢迎。意想不到的事，面对新一轮的手机行业革命，诺基亚开始衰落并最终被微软收购。近几年，互联网信息技术的跨越式发展，使得电子商务得到了以往从未有过的发展机会并深刻的改变了人们的生活方式。很多电子商务企业通过传新发展模式，不再需要进行原材料的采购和产品的生产，转而采取代工的模式，节省了很多中间环节以及生产成本，小米就是在这种模式下快速发展起来的，并迅速成为一家成功的互联网公司。
5 结论
随着物流的智能化程度越来越高，大数据就显得日趋重要。在物流企业的仓储、运输、配送、流通加工、电商物流等环节每天都会涌现出大量的数据，面对海量数据，物流企业不断增加大数据分析的投入，不仅仅将大数据看作是一种方法、数据分析技术，越来越多企业把大数据看做是战略资源。大数据时代已然到来，运用数据采集、数据分析的模型和算法挖掘出隐藏在信息背后的有价值的数据，充分发挥大数据时代给物流企业带来的发展机遇，在高层决策、商业模式、方案规划和人力成本等方面进行全方位部署，为企业物流业务运营提供有力支持，从而帮助企业优化流程，提升企业竞争力。
ATLAS系统结构主要分为四个层次：UI层、应用层、领域层和内核层。其中UI层主要面向与用户的交互操作；应用层主要用来将用户的操作分配给领域层对应的对象，是UI层与领域层中间的一个任务转发器；领域层主要完成各种功能的逻辑实现，它不与UI层发生直接关系；而内核层对领域层提供必要的基础数据结构和算法的支持。
参考文献：
[1]工业和信息化部.工业和信息化部关于印发大数据产业发展规划(2016—2020年)的通知[EB/OL].http://www.miit.gov.cn/n1146295/n1652858/n1652930/n3757016/c5464999/content.html.
[2]中国产业信息网. 2018年中国智慧物流行业发展现状及发展趋势分析[EB/OL].http://www.chyxx.com/industry/201803/616105.html.
[3]中国产业信息. 物流智慧化时代开启，科技助力智慧物流升级发展[EB/OL].https://www.chyxx.com/industry/201809/678949.html.
[4]BLECKER T, KERSTEN W M,RINGLE C M. Pioneering supply chain design - a comprehensive insight into emerging trends[J].Technologies and applications,2012(8).
[5]陈伟. 中外智慧物流发展的差异比较及经验借鉴[J].对外经贸实务, 2016(6).
[6]王喜富.大数据与智慧物流[M].3版.北京：清华大学出版社，2017.
[7]何黎明. 中国智慧物流发展趋势[J].中国流通经济，2017(6).
[8]杨龙, 刘宝学, 刘翠娟,等. 大数据时代智慧物流发展研究[J].河北企业, 2017(10):80-81.
[9]王继祥. 2019年中国物流发展与变革的十大趋势[J].物流技术与应用，2019(2).
[10]严劼.智慧物流，数据共享是关键[J].东方烟草报,2018(8).
[DOI] 10.13939/j.cnki.zgsc.2019.33.161
[作者简介] 斯燕(1979 —)，女，汉族，湖北省武汉人，硕士，工作单位：无锡科技职业学院，职务：教师，研究方向：物流、电商、数据分析。
标签：智慧物流论文; 数据采集论文; 数据挖掘论文; 数据分析论文; 无锡科技职业学院论文;