大数据在物流企业中的应用研究，本文主要内容关键词为：物流企业论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
doi：10.3969/j.issn.1005-152X.2014.08.008 1 引言 全球著名的咨询公司麦肯锡在2011年发表了一篇名为《大数据：下一个创新、竞争和生产力的前沿》的报告，这个曾经在1978出现的主题，在沉寂了30多年以后，重新引起了人们的关注。 当大数据与当今的物联网、互联网、“理念的互联网”、“数据的互联网”产生联系时，人们发现大数据展现了重要的作用，不但有利于私人商业活动，也有利于国民经济总体发展[1]。数据可以为世界经济创造重要价值，提高企业和公共部门的生产率和竞争力，并为消费者创造大量的经济剩余，麦肯锡公司的报告中指出：预计美国医疗行业每年通过数据获得的潜在价值可超过3 000亿美元，能够使得美国医疗卫生支出降低超过8%；充分利用大数据的零售商有可能将其经营利润提高60%以上；通过利用大数据实现政府行政管理方面的运作效率提高，欧洲发达经济体可以节省开支超过1000亿欧元。在物流市场增速放缓、企业经营面临困难的背景下，有分析认为，大数据不仅能够帮助企业渡过难关，还将成为物流市场的新蓝海[2]。 2 大数据在物流企业中的应用前景 2.1 大数据的背景与内涵 在学术界，大数据是一个在当前比较流行和备受关注的关键词，在ABI数据库中，第一篇关于Big Data的文献是Esther Surdden于1978年创作的“Parallel Processors Seen Big Data Bases' Solution”。通过对SCI和SSCI数据库词频的统计，在2011年前，有关big data的文献量较少，而到了2012年、2013年，大数据则稳居词频榜的首位，可见学术界对它的关注。 在商界及政府部门，大数据也成为众多企业管理者、政府领导所讨论的话题，某些领域已开始尝试应用大数据技术进行企业的变革。例如，2013年7月，上海市科委发布了《上海推进大数据研究与发展三年行动计划(2013-2015年)》。该行动计划提出，将重点选取医疗卫生、食品安全、终身教育、智慧交通、公共安全、科技服务等具有大数据基础的领域，探索交互共享、一体化的服务模式，建设大数据公共服务平台，促进大数据技术成果惠及民众[3]。 大数据的定义在学术界还没有形成共识，但大家普遍赞同大数据是指用现有技术难以在可接受的时间内管理、处理和分析的数据集。 广义上，大数据包含三层内涵：一是数据量巨大、来源多样和类型多样的数据集；二是新型的数据管理和分析技术；三是运用数据分析形成新价值。 2.2 大数据背景下物流企业变革途径 大数据时代的到来，给物流企业带来了机遇。物流企业靠什么来进行物流决策、物流管理、客户管理？传统的方式中靠人的因素多一点，在信息量巨大、信息瞬息万变的今天，靠企业所积累的有限的原始数据，是不足以对整个物流活动进行掌控的，很容易产生“拍脑袋”决策。解决这一问题最直接有效的方式就是依靠数据。只有用数据来驱动企业决策，企业才能在当前激烈的竞争中立于不败之地。 在对大数据不了解、无意识的状态下，一个企业要想成为一个“数据驱动型”的企业是不容易的，要经过较长的时间，其过程如图1所示。
图1 物流企业接受大数据过程 我国大型物流企业与电商企业早已意识到了这一点。2013年1月，阿里巴巴、银泰、复星、富春、申通、圆通、中通、顺丰等公司，以及相关资本市场的领军机构及金融机构等齐聚杭州阿里巴巴集团总部进行闭门会议，通过了“1 000亿元投资建设物流网”的决议。这标志着相对于京东等电商的自办物流而言，阿里巴巴电子商务时代的“社会化”物流正式启动。而这个计划的周期可能需要8年至10年。 2.3 大数据在物流企业应用的技术路线 大数据技术在物流企业中的应用需要依靠相关技术的进步和提升，包括大规模并行处理数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网技术和可扩展的存储系统等。同时还要有掌握相关技术的人才及相关的软件及硬件基础设施。 作为大数据技术的先驱，IBM公司自2005年以来，斥资160亿美元进行了30次与大数据相关的收购，保证了其业绩的稳定高速增长；EMC、惠普、微软在内的全球IT巨头纷纷通过收购“大数据”相关厂商，实现技术整合和新产业布局。IBM的Apache Hadoop依靠其良好的扩展性和伸缩性，在行业中取得了领先地位，总的来说其采取了“先分后合”的方式进行数据的处理，其技术思路也为大家所借鉴。在物流企业中，应用大数据的技术路线如图2所示。 从图2中可以看出，大数据最终应用于物流企业中，还需要前期数据的收集、分发处理、汇总及与物流系统的融合。整个过程可能会对物流企业产生重大影响。成功采纳大数据的三个关键维度是新理念、新技术、新流程。 3 大数据在物流企业中应用的具体环节 大数据在物流企业中的应用贯穿了整个物流企业的各个环节。主要表现在物流决策、物流企业行政管理、物流客户管理及物流智能预警等过程中。 3.1 大数据在物流决策中的应用 在物流决策中，大数据技术应用涉及到竞争环境的分析与决策、物流供给与需求匹配、物流资源优化与配置等。 (1)在竞争环境分析中，为了达到利益的最大化，需要与合适的物流或电商等企业合作，对竞争对手进行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。这种决策不能来源于对竞争对手表面的了解，在对潜在合作对象不了解的情况下，做出决策可能会给本企业造成重大损失。而对互联网网页、邮件、文本甚至微博记录等半结构化数据的收集与整理，将使得数据量更充足，决策更科学。而这些数据将是海量的，需要用到大数据技术。 (2)物流的供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。供需情况也需要采用大数据技术，从大量的半结构化网络数据，或企业已有的结构化数据，即二维表类型的数据中获得。 (3)物流资源的配置与优化方面，主要涉及到运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，同时对已配置和将要配置的资源进行优化，从而实现对物流资源的合理利用。 3.2 大数据在物流企业行政管理中的应用 在企业行政管理中也同样可以应用大数据相关技术。当今的网络不仅仅是单一的互联网，同样也一个是物联网和事务网。这些事物、事件都在产生或接收数据，这些数据对企业的人事管理、对外事务和日常工作的安排都产生影响。例如，在人力资源方面，在招聘人才时，需要选择合适的人才，对人才进行个性分析、行为分析、岗位匹配度分析；对在职人员同样也需要进行忠诚度、工作满意度等分析。而这些信息不能靠单一的对象获取，单一的数据获取方式会造成数据不全面，并产生判断误差。通过所建立的互联网、物联网、事务网，对得到的相关非结构化或半结构化数据进行分析理整，从而使企业行政管理更加合理化。
图2 大数据应用技术路线图 3.3 大数据在物流客户管理中的应用 大数据在物流客户管理中的应用主要表现在客户对物流服务的满意度分析、老客户的忠诚度分析、客户的需求分析、潜在客户分析、客户的评价与反馈分析等方面。 在传统的客户管理中，数据来源于企业的积累或是自身的客户管理系统，导致数据量较少，信息接收方式单一，无法实时跟踪客户需求。随着互联网的发展，客户的需求、客户的评价与反馈等信息无时无刻向外进行传播。例如，客户对物流服务的满意度，可能出现在QQ签名、网络日记、微博中，也可能出现在聊天记录中，或是直接反馈在企业网站中，甚至在视频及音频文件中。如何从大量的信息源中提取这些信息，进而对这些数据进行处理、整合，形成有利于物流企业进行客户管理的数据，必须借助大数据技术。 客户是企业生存发展之本，客户的需求千变万化，群体庞大，如果不能有效、及时地了解客户状态，分析客户需求，将会失去已有客户，错过潜在客户，物流企业的发展将受到严重的阻碍。而大数据技术给物流企业的客户管理提供了有效的途径，对客户的管理本质上就是对数据的管理。 3.4 大数据在物流智能预警中的应用 物流业务过程有其特殊性，每一次的物流活动能否正常实施和许多外部因素有关，例如与时间、地点、人力和物力资源配置、自然条件甚至天气都有关系。 总的来说，物流业务具有突发性，即在任何时间、地点、任何情况下都有可能导致物流活动的失败，并产生意想不到的情况；其次，物流业务具有随机性，即面对庞大的物流客户群体，物流需求在任何时间、地点、任何情况下都有可能产生；最后，物流业务量具有不均衡性，在不同的地区或在不同的时间段业务量都是不同的。例如发达地区与不发达地区不同，平时与节假日也有不同，总体而言，业务量是动态变化的，有很强的不均衡性。 正是因为物流业务的这些特殊性，物流企业有必要建立智能预警系统，应对这些突发事务。当今的智能预警系统有很多，但真正起作用的却很少。 传统的智能预警系统大多数是依据以往经验或企业已有的原始资料进行分析，其在面对一个千变万化的市场和庞大的客户群时，往往显得力不从心，智能预警不能发挥它应有的作用。究其原因，主要是系统不能有效地获取充分的数据，无法全面地分析物流活动中涉及的各个因素。当今数据量不断增大，收集数据、整理数据、分析数据的过程是传统的数据处理手段所不能应付的。而大数据技术的出现为建立真正有用的物流智能预警系统提供了契机。 4 物流企业在大数据时代面临的挑战 物流企业要想在大数据时代下取得较好的发展，必须采用新技术、新流程和新理念，发展成为一个数据驱动型企业，而不是管理者“拍脑袋”的企业。阿里巴巴认识到了这一点，“四通一达”作为物流企业的代表也认识到了这一点，其共同在2013年成立了“菜鸟网”，并将在今后几年中，努力构建中国典型的智慧型物流网络。目标的实现过程无处不渗透着对大数据的依赖。即便对于这样一些巨型企业而言，都必须花费如此长的时间和金钱、人力和物力，对一般的物流企业更是如此。可想而知，大数据在物流企业中的应用并不是想象的那么简单，企业规模的限制是一方面，而另一方面则是大数据技术本身的发展限制。总的来说，在未来的几年中，物流企业在应用大数据、成为数据驱动型企业过程中要应对以下挑战： (1)对海量数据处理性能的要求超过了常规处理器处理能力。常规存储或处理设备的运算或存储量一般以GB或TB计算，而面对汹涌的海量数据，要满足其PB、EB基至ZB的数据存储和处理量，必须要加强处理器软件和硬件设施的配置，这个挑战不仅是物流企业所要面对的，也是IT界所要面对的。 (2)基础设施的不足。基础设施主要表现在物流仓库、运输设备、收集、处理数据的设备等硬件设施方面；物流基础设施和设备投入严重滞后将越来越掣肘快递行业的发展。以物流中心的面积为例，中国人均物流仓储面积仅为美国的1/14；现有物流仓储设施中，超过70%建于20世纪90年代之前，不能满足现代化需求；中国目前5.5亿
的物流仓储设施的供应量中，达到国际化标准的，不满1000万
[4]。 (3)技术人才足。在当前信息化时代，物流企业应该具备更多的信息化人才，能应用大数据技术，进行数据的收集与处理，但当前物流企业对信息技术人才还不够重视，或缺乏这方面的专业人才。 (4)政策的不确定性。由于大数据技术是一种新兴的技术，每一种技术在推广应用时，从国家层面来讲，需要时间进行论证，包括其作用、技术标准的规范等。例如，“云计算”从出现到现在应用逐步成熟以后，国家就逐渐出台了相关的管理、规范意见，在2013年8月，工业和信息化部科技司在工业和信息化部网站上公开征集对《基于云计算的电子政务公共平台总体服务建设实施规范》等18项通信行业国家标准计划项目的意见。大数据的出现，同样会有这样一个过程，而具体的政策和技术应用标准还存在不确定性。 (5)对隐私、法律的挑战。如果数据的收集对个人的隐私造成了影响，则会涉及到法律问题；但大数据的收集与利用，都有可能会触及个人隐私，这样的问题一直伴随互联网的发展，在很多的行业，例如电信、银行、网络公司等已屡见不鲜。如何在利用大数据的同时，尽可能地避免对个人隐私的侵害，合理地对数据进行收集、处理、保密，也是大数据在应用过程中所要面对的挑战。 (6)产业链企业间的合作与竞争的平衡。单一的物流企业要迅速地发展，除了增强自己的整体实力外，还可以选择合适的合作伙伴，例如“四通一达”与阿里巴巴的合作就是个很好的例子，能为他们带来共赢的效果。但企业本身以利益为目标，在市场有限的情况下，必然存在与其他企业竞争的问题。但大数据技术除了要利用互联网数据、自身的数据外，还需要与其他企业的数据相结合，才能更好地实现资源优化配置和业务决策，否则会导致数据的不一致性以及决策的失误。因此，产业链企业的合作与竞争达到平衡，以实现最大的利润并让大数据技术充分地运用，也是物流企业所面对的挑战。 5 总结 大数据或将成为物流企业的强力助手。作为一种新兴的技术，它给物流企业带来了机遇也带来了挑战，合理地运用大数据技术，将对物流企业的管理与决策、客户关系维护、资源配置等方面起到积极的作用。物流企业最终成为数据驱动型企业，是企业在大数据时代进一步发展的必要条件。
标签：大数据论文; 客户分析论文; 云计算论文;
