導語：大數(shù)據(jù)在物流管理的應用研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1大數(shù)據(jù)概述

1．1大數(shù)據(jù)的概念。常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合。是一種必須采用新的處理方法才能夠獲得完整可靠的結果，并且有著更良好的決策能力、洞察能力和流程優(yōu)化可能性的這么一種海量的、增長率明顯的和多樣化的信息資產(chǎn)。從技術角度來看，近年來不同研究機構及學者關于大數(shù)據(jù)及大數(shù)據(jù)技術的定義逐漸趨于相同。一般來講，大數(shù)據(jù)是指體量巨大，產(chǎn)生速度極快，具有非結構化性質的數(shù)據(jù)，不能在固定時間使用普通數(shù)據(jù)處理軟件對數(shù)據(jù)進行清洗和篩選。大數(shù)據(jù)技術指從數(shù)量龐大，結構復雜的數(shù)據(jù)集合中獲得信息的能力。而與大數(shù)據(jù)最初的定義不同的是，大數(shù)據(jù)的技術發(fā)展到今天，已經(jīng)成為基于神經(jīng)網(wǎng)絡學，深度學習和云技術上的。研究方向涵蓋計算信息科學、工程、商業(yè)、經(jīng)濟管理、社會公共服務等多個領域的綜合性學科。1．2大數(shù)據(jù)的特點。大數(shù)據(jù)相比于傳統(tǒng)的數(shù)據(jù)應用來講，其有著數(shù)據(jù)量巨大，可查詢分析等特點。而IBM提出了5V特點:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)、Veracity(真實性)［10］。這五個特點作為五個方面:第一，數(shù)據(jù)量巨大，如今的數(shù)據(jù)量已經(jīng)大到了可以被稱為海量數(shù)據(jù)，且無處不在;第二，處理速度快，應用者能夠從海量的數(shù)據(jù)信息當中快速的獲取有價值的數(shù)據(jù)信息，這正是和常規(guī)的數(shù)據(jù)挖掘技術有著顯著區(qū)別的特點;第三，數(shù)據(jù)的種類繁多，不僅包括報紙期刊書籍文獻，還包括社交記錄、視頻、圖片、地理位置等;第四，只要將得到的數(shù)據(jù)進行合理的運用分析，那么這些數(shù)據(jù)就能創(chuàng)造巨大的價值;第五，各個渠道收集到的數(shù)據(jù)繁雜而多變，并非是單一的樣本數(shù)據(jù)，而是多方面的信息，研究者能夠更加準確的抓住這些數(shù)據(jù)背后的真實情況，通過正確的數(shù)據(jù)做出合理的判斷。

2大數(shù)據(jù)技術

2．1大數(shù)據(jù)的應用模型。①統(tǒng)計理論模型。統(tǒng)計模型(stochasticmodel)是指以概率論和大數(shù)法則為基礎，以統(tǒng)計學為輔助，使用純數(shù)學方法創(chuàng)造的一種模型。總的來說，統(tǒng)計模型就是某種分布的集合或者說是密度函數(shù)的集合或者回歸函數(shù)的集合。統(tǒng)計模型分為參數(shù)模型和非參數(shù)模型兩種類型。比如說正態(tài)分布是由均值和標準差兩個參數(shù)確定的分布集合，這就屬于參數(shù)統(tǒng)計模型。有些模型的樣本中的分布函數(shù)F是不確定的，如何確定由樣本確定F就是統(tǒng)計學和非參數(shù)統(tǒng)計模型的研究內容。②時間序列模型。時間序列分析(Time－SeriesAnalysis)顧名思義，輸入列都是與時間相關的數(shù)據(jù)，同時需要考慮季節(jié)、歷史、周期、趨勢等因素，通過一些手段來預測未來某個時間點會怎么樣。使用的分析方法有:移動平均法、指數(shù)平滑法、模型擬和法等。通常的判斷方法叫做時序圖檢驗，由于一個平穩(wěn)的時間序列的均值和方差都是常數(shù)，那么平穩(wěn)序列的時序圖一定會在一個常數(shù)附件波動。而且波動的范圍是有界的;如果有明顯趨勢或者呈現(xiàn)一定的周期，那么它通常不是平穩(wěn)數(shù)列。那么如果判斷出是平穩(wěn)序列，則使用ARMA模型。如果是非平穩(wěn)序列，就要使用ARIMA模型。2．2大數(shù)據(jù)應用技術。大數(shù)據(jù)分析是發(fā)掘出數(shù)據(jù)價值的重要手段，大數(shù)據(jù)的分析技術能夠對數(shù)據(jù)進行高效、快速、準確的挖掘，同時還能夠探究出大數(shù)據(jù)之間的隱藏相關關系。目前的數(shù)據(jù)分析手段主要包括以下幾種:①數(shù)據(jù)可視化。數(shù)據(jù)可視化是對最后大數(shù)據(jù)分析的結果進行輸出與展示的一種技術。它主要通過使用計算機圖形學和圖像處理技術來對已經(jīng)分析好的數(shù)據(jù)進行數(shù)據(jù)到圖形的轉換，或者直接顯示出來，并進行交互處理，使得圖形化的數(shù)據(jù)能夠更好的顯示出數(shù)據(jù)與數(shù)據(jù)之間的關聯(lián)，讓用戶們能夠更加直接的發(fā)現(xiàn)出數(shù)據(jù)之中隱含的規(guī)律［2］。②數(shù)據(jù)分析。大數(shù)據(jù)的分析過程是關鍵的一環(huán)，而涉及到的數(shù)據(jù)分析技術自然也是其中關鍵。一般來說，無論是哪個領域或者行業(yè)，常用的分析方法都是相對適用的，如統(tǒng)計分析、數(shù)據(jù)挖掘。統(tǒng)計分析在概率理論當中是對數(shù)據(jù)的隨機性以及不確定性來建立模型，然后對模型進行分析敘述，最后總結得出其內在聯(lián)系。統(tǒng)計分析主要包括回歸分析、因子分析、判別和聚類分析。數(shù)據(jù)挖掘是將大數(shù)據(jù)集中數(shù)據(jù)模式的算法，許多數(shù)據(jù)挖掘的計算方法已經(jīng)在智能識別、信息追蹤、人工智能等方面得到了廣泛應用。數(shù)據(jù)挖掘算法主要包括決策樹、最大期望算法、k最鄰近算法等［3］。③云計算。云計算是整個大數(shù)據(jù)分析的基石，正是因為云計算技術在數(shù)據(jù)儲存，數(shù)據(jù)庫以及數(shù)據(jù)管理與分析方面作為基礎支撐著，所以大數(shù)據(jù)在今天才能夠進行廣泛的應用，因此，大數(shù)據(jù)時代之中，大數(shù)據(jù)和云計算兩者相輔相成，不可或缺。云計算其實是一種商業(yè)計算模型，通過將任務分布到異地大量的計算機構成的資源池上，使各種應用系統(tǒng)能夠根據(jù)需要獲取計算能力、儲存空間和信息服務。目前來說云計算可以看做是一種作為商品購買的計算能力，可以讓應用者便捷的按需求訪問網(wǎng)絡獲取資源，所需要的數(shù)據(jù)短時間之內就能夠提供，便于使用和管理。

3大數(shù)據(jù)在物流管理中的應用

在互聯(lián)網(wǎng)技術的推動下，大數(shù)據(jù)、人工智能等新技術有了進一步的發(fā)展，已經(jīng)成為全球數(shù)字化轉型與創(chuàng)新的典型動力。近幾年，一些創(chuàng)新型企業(yè)加大了對人工智能及大數(shù)據(jù)等新技術的研發(fā)和應用，其產(chǎn)生的效益也初見成效。3．1大數(shù)據(jù)在物流管理中的應用領域。企業(yè)的物流活動主要包括:運輸、倉儲、配送等，相關的決策有:計算庫存、調配原材料、調度配送路線以及貨物運輸。大數(shù)據(jù)的應用方面多在于優(yōu)化倉儲管理、補充庫存數(shù)量、配送中心最優(yōu)化選址以及運輸成本最小化等。①在貨運組織中的應用。大數(shù)據(jù)分析在貨運領域的應用是最為常見的，主要體現(xiàn)在選址優(yōu)化、庫存規(guī)模與供貨路線等活動中。數(shù)據(jù)分析可以對企業(yè)的客戶進行分組，因此，對于交通路線、交通模式以及不同產(chǎn)品的品類等相關要素進行劃分和歸類，便可以此作為相應的基礎和依據(jù)。②在交通路線中的應用。交通和路線選擇是物流管理中大數(shù)據(jù)分析應用最多的領域，很多企業(yè)通過使用加載GPS導航的遠程大數(shù)據(jù)信息處理技術，來對貨運交通的路線進行優(yōu)化。此外，交通分析能夠提高車輛燃料使用效率，進行預防性檢修和報警，從而優(yōu)化司機行為和行車路線，提高運輸?shù)男屎托б?，對于天氣及其他的干擾性因素的實時記錄和分析也有助于路線優(yōu)化。早在20多年前，UPS公司就開始收集其運輸過程中相關的數(shù)據(jù)為其運輸決策服務。③在庫存管理中的應用。射頻識別技術在庫存管理中的應用效果顯著，其具有所含信息量大，可重復及遠程讀取等優(yōu)點，廣泛應用在動態(tài)追蹤庫存、確定位置及貨物量以及規(guī)避安全風險等方面。目前，隨著物流信息技術的進一步發(fā)展，射頻識別數(shù)據(jù)技術還能夠檢測路線周圍溫度、保證食品安全、規(guī)劃運送保質期和及時地將問題通知決策者。3．2大數(shù)據(jù)在物流管理中的應用實例。①沃爾瑪對大數(shù)據(jù)的應用。沃爾瑪擁有每小時超過100萬顧客的交易量，他們大量收集顧客的數(shù)據(jù)，將其儲存在數(shù)據(jù)庫中，所有數(shù)據(jù)都將進入綜合技術平臺進行處理。倉儲經(jīng)理利用該系統(tǒng)分析具體銷售數(shù)據(jù)，優(yōu)化產(chǎn)品分類，并通過質量檢驗將產(chǎn)品分配到當?shù)厣鐓^(qū)。此外，沃爾瑪分布在8－90個國家近兩萬家的供應商可以共享其在系統(tǒng)中的數(shù)據(jù)和分析結果，通過自家公司的零售鏈平臺與沃爾瑪系統(tǒng)對接，供應商們可以追蹤自家公司的產(chǎn)品，這樣供應商們就可以了解每家商場內不同類型產(chǎn)品的需求狀況，及時獲取各個商場需要再次進貨的時間和數(shù)量。此外，供應商還能夠對數(shù)據(jù)庫信息進行查詢，搜索銷售、裝運、訂單、發(fā)票、索賠及預告等相關信息，可以進入沃爾瑪分類計劃系統(tǒng)，在銷售數(shù)據(jù)和商店特性的基礎上創(chuàng)造專為店面量身打造的模塊化布局。由此可見，沃爾瑪在其物流管理中的大數(shù)據(jù)管理和應用優(yōu)勢，是其能夠一直保持世界上最大零售商位置的成功因素之一。②順豐對大數(shù)據(jù)的應用。順豐是我國最早成功地在物流管理中應用大數(shù)據(jù)技術的企業(yè)之一，順豐公司早在幾年前就建立了“順豐大數(shù)據(jù)平臺”，其中的“大數(shù)據(jù)解決方案”和“物聯(lián)網(wǎng)大數(shù)據(jù)應用”等技術，在今年的人工智能計算大會上進行了展示。在物流領域大數(shù)據(jù)解決方案層面，目前，順豐科技經(jīng)過多年來的自主研發(fā)，已基于“天網(wǎng)”+“地網(wǎng)”兩大基礎物流系統(tǒng)，組成了順豐的“信息網(wǎng)”。順豐大數(shù)據(jù)平臺對接順豐物流的每個環(huán)節(jié)，能夠管理物流領域中的海量數(shù)據(jù)，實現(xiàn)了順豐物流的全面數(shù)字化管理，讓物流快遞的“每一個環(huán)節(jié)”、“每一票快件”都可以即時追蹤。在完成數(shù)據(jù)管理的應用上，順豐大數(shù)據(jù)平臺融合云計算、人工智能等新技術，在順豐物流數(shù)據(jù)分析與決策上加以應用，通過快遞件量預測、庫存分倉管理、配送路線規(guī)劃等智慧物流決策，實現(xiàn)降低物流成本，提升物流效率的目標?，F(xiàn)下，順豐的快遞件量預測已精準到各個區(qū)域的每一個派送網(wǎng)點和每一個快遞員，整體資源的配置實現(xiàn)了合理而高效。通過高效智能的排班模型，對物流工作任務進行科學的調配，可以提高快遞員的工作效率。眾所周知，在每年的雙十一活動中，順豐物流都有著突出而優(yōu)秀的表現(xiàn)，這一切都歸功于順豐大數(shù)據(jù)平臺高效的大數(shù)據(jù)處理及分析能力。③德邦對大數(shù)據(jù)的應用。近幾年，德邦快遞在數(shù)字化IT技術上加大了投入，兩年前正式建立了數(shù)字化指揮中心，構建運營總覽、拉燈預警和大屏診斷三大模塊。該指揮中心目前可顯示全國120多家外場、1萬多個網(wǎng)點的全景視頻。隨著數(shù)字孿生黑科技的引進和應用，德邦快遞通過對快遞各環(huán)節(jié)信息的采集，把快遞轉運場景映射到虛擬的數(shù)字化模型上，使用大數(shù)據(jù)驗算技術，能夠對外場的貨量進行預測，并提前獲得中轉場貨量飽和度等健康指數(shù)提供給樞紐中心管理者，不僅可以避免爆倉，還可以科學合理地調度快遞在中轉場地的進、出港環(huán)節(jié)流動，實現(xiàn)企業(yè)效率和成本價值最大化。同時，從2018年開始至今，德邦快遞就與網(wǎng)易大數(shù)據(jù)簽訂了協(xié)議，雙方在大數(shù)據(jù)領域開展了深入合作，目前已成功地在門店選址、用戶畫像、路徑優(yōu)化等方面對德邦快遞的業(yè)務進行優(yōu)化。

4大數(shù)據(jù)的應用趨勢

4．1云計算是大數(shù)據(jù)的重要平臺。從大數(shù)據(jù)的使用價值和技術上來看。大數(shù)據(jù)需要云計算平臺的算力、安全性、可靠性和可管理性。云平臺同樣也是產(chǎn)生大數(shù)據(jù)的重要場所，云計算技術產(chǎn)生的數(shù)據(jù)結構更統(tǒng)一，更利于企業(yè)進行大規(guī)模服務，供應鏈管理和業(yè)務協(xié)同。預計未來兩者關系將更為密切，一個由大數(shù)據(jù)驅動的云計算時代將會到來。4．2數(shù)據(jù)管理成為核心競爭力。數(shù)據(jù)管理會成為企業(yè)管理和企業(yè)文化當中的一種核心競爭力，與財報直接關聯(lián)。當人們逐漸意識到數(shù)據(jù)資產(chǎn)是重要的硬通貨之后，企業(yè)尤其是互聯(lián)網(wǎng)企業(yè)和服務業(yè)，就必須將數(shù)據(jù)管理納入到企業(yè)管理的章程當中去，將數(shù)據(jù)管理作為企業(yè)核心競爭力。企業(yè)掌握的用戶數(shù)據(jù)的總量，增長速度和應用率將會成為和主營業(yè)務收入同樣重要的發(fā)展指標。一個企業(yè)能否持續(xù)發(fā)展，與一個企業(yè)能不能充分挖掘企業(yè)用戶行為數(shù)據(jù)強烈相關。4．3數(shù)據(jù)質量是BI(商業(yè)智能)成功的關鍵。人工智能和機器學習本質是統(tǒng)計學，統(tǒng)計學的預測能否解決實際需求，其中一個重要的因素就是數(shù)據(jù)的質量，數(shù)據(jù)源過多會帶來大量的冗雜數(shù)據(jù)。想要運用算法實現(xiàn)商業(yè)智能的成功，企業(yè)需要格外注意數(shù)據(jù)的質量。4．4數(shù)據(jù)生態(tài)系統(tǒng)復合化程度加強。大數(shù)據(jù)世界不是一個單一的、平面的網(wǎng)格。而是一個由大量參與者和多層次變量所構成的一個立體系統(tǒng)，從終端設備的提供商開始、基礎設施建造者、網(wǎng)絡適配器供應商、網(wǎng)絡接入服務提供商。再到數(shù)據(jù)服務提供商、數(shù)據(jù)服務使用者等等一系列的參與者共同拼接起來的系統(tǒng)［4］。隨著大數(shù)據(jù)應用的迅猛發(fā)展，這樣的一套數(shù)據(jù)生態(tài)系統(tǒng)已經(jīng)有所雛形。在未來的發(fā)展當中，必然有著系統(tǒng)角色再細分的趨勢，同時也意味著市場的再一次細分，各個角色功能的調整。隨著物流4.0時代的來臨，大數(shù)據(jù)的應用在物流管理中已逐漸深入，企業(yè)通過對物流環(huán)節(jié)中產(chǎn)生的海量數(shù)據(jù)進行收集、存儲、處理和分析，既可精準而快速地了解物流行業(yè)的發(fā)展趨勢和自身的經(jīng)營現(xiàn)狀，還可為每一個客戶定制個性化需求的產(chǎn)品和服務，從而提高整個社會物流運作的效率。

［參考文獻］

［1］韓朝勝．電子商務物流大數(shù)據(jù)應用問題研究［J］．現(xiàn)代營銷(下旬刊)，2017(10)．

［2］楊安，蘭欣，馮煬．大數(shù)據(jù)環(huán)境下創(chuàng)業(yè)決策的困難與對策研究［J］．技術與市場，2015(8)．

［3］白君貴，王丹．大數(shù)據(jù)視角下企業(yè)信息資源整合與價值提升研究［J］．情報科學，2018(09)．

［4］娜達．R桑德斯．大數(shù)據(jù)供應鏈［M］．北京:中國人民大學出版社，2015(7)．

作者:謝美娥 單位:武漢商學院