随着大数据时代的到来，大数据技术可以通过构建数据中心，挖掘出隐藏在数据背后的信息价值，从而为企业提供有益的帮助，为企业带来利润。面对海量数据，物流企业在不断增加大数据方面投入的同时，不该仅仅把大数据看作是一种数据挖掘、数据分析的信息技术，而应该把大数据看作是一项战略资源，充分发挥大数据给物流企业带来的发展优势，在战略规划、商业模式和人力资本等方面做出全方位的部署。 所谓物流的大数据，即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等。通过大数据分析可以提高运输与配送效率、减少物流成本、更有效地满足客户服务要求。将所有货物流通的数据、物流快递公司、供求双方有效结合，形成一个巨大的即时信息平台，从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务，而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后，提出具有中观指导意义的解决方案。许多专业从事物流数据信息平台的企业形成了物流大数据行业。 自2012年，国家已陆续出台相关的产业规划和政策，从不同侧面推动大数据产业的发展。然而，专门针对大数据发展尤其是物流大数据的政策规划还没有。 扬州发改委蒋珊照片 目前，国家出台的与大数据相关的物流行业规划和政策，主要包括《第三方物流信息服务平台建设案例》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划（2014-2020年）》、《关于推进物流信息化工作的指导意见》等一系列政策，将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。 2011年11月推出的《物联网”十二五”发展规划》将“信息处理技术”列为四项关键技术创新工程之一，包括海量数据存储、数据挖掘、图像视频智能分析。另外三项关键技术创新工程，包括信息技术、信息传输技术、信息安全技术，也是大数据产业的重要组成部分，与大数据产业发展密切相关。 2013年6月发布的《交通运输业推进物流业健康发展的指导意见》指出，加快推进交通运输物流公共信息平台建设，完善平台基础交换网络，加快推进跨区域、跨行业平台之间的有效对接，实现铁、公、水、民航信息的互联互通。加快完善铁、公、水、民航、邮政等行业信息系统，推进互联互通，增强一体化服务能力。鼓励企业加快推进信息化建设。 2014年2月发布的《第三方物流信息服务平台建设案例》指出，对第三方物流信息服务平台建设的指导思想、基本原则、建设类型、建设标准、保障措施与考核要求等进行了具体说明，并收录了目前国内经营模式较为先进、取得较好经济社会效益的第三方物流信息平台建设案例。 物流大数据行业的生命周期（数据产生－数据采集－数据传输－数据存储－数据处理－数据分析－数据发布、展示和应用－产生新数据）比较长，一般要在5-8年，前期的数据积累和沉淀耗时耗力耗财。目前，中国物流大数据产业正处于起步阶段，未来2年有望快速发展，率先实现大数据增值。 物流是贯穿经济发展和社会生活全局的重要活动。2013年被称为大数据元年，2014年则为移动互联元年。在这个背景下，有必要分析研究大数据技术在物流领域的应用。 物流大数据研究和应用刚刚起步，尚属新兴的研究领域，发展比较缓慢。从细分市场来看，医药物流、冷链物流、电商物流等都在尝试赶乘大数据这辆高速列车。 物流是现代经济的核心之一，国务院印发的《物流业发展中长期规划（2014~2020年）》明确提出要以提高物流效率、降低物流成本为重点。因此，在大数据时代背景下，物流行业也必须高度重视统计数据。 物流大数据可以划分为三类：第一是微观层面，包括了运输、仓储、配送、包装、流通加工登记处数据的分类；第二是中观层面，就是供应链、采购物流、生产物流数据分类；第三是宏观层面，基于商品管理，把商品分成不同的类型做数据分析。其中微观层面及中观层面的数据一般掌握在物流企业内部，但此类尚未进行处理分析，成为物流大数据交易中最重要的、最基本的供应方；整合、处理、分析“源数据”得到的具有新价值的数据，即宏观层面，指导物流企业经营管理的各个方面，因此，未来物流大数据交易的主要需求为宏观层面。 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，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、资源配置等方面起到积极的作用。2014年，中国物流大数据应用市场应用规模为2.92亿元，预计到2020年将达到188.23亿元。 大数据在物流行业的应用，打破低层次、低效率、高成本的运输局面，逐渐演成数字化要求极高的行业。大数据已经渗透到物流的各个环节，因此，未来物流行业对大数据的需求前景广阔。 大数据的介入有助于解决物流行业现存的问题，主要体现在运营管理、全程、预测预警及客户满意度四个方面。 总之，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的同时已经给它们带来了高额效益。但是，面对大数据这一机遇，物流企业的高层管理者仍需给予高度的重视和支持，正视企业应用大数据时存在的问题。返回搜狐，查看更多
|