[摘要]文章首先讲述了大数据的概念以及其在物流行业的特征，然后深入分析它给该行业下企业管理带来的挑战，及给物流企业在营销、运输、人力资源、决策、客户关系等领域管理模式带来的机遇，最后指出大数据必将会引起物流企业管理模式的重大变革。
[关键词]大数据；物流企业；管理模式
云计算技术、物联网技术和移动商务技术的飞速发展，给企业带来了规模巨大、类型繁多、价值密度低、需要快速处理的数据，也引起了世界各国的广泛关注。2008年，在国际上享有较高权威性的期刊《自然》专门推出一期将大数据作为该期的封面，期刊内容重点介绍其给各个领域所带来的影响。2012年，联合国在《大数据下的机遇与挑战》文件中，指出大数据时代现在已到来，各个行业领域都会面临潜在的问题和发展机会。2014年，我国政府在官方文件里第一次写到大数据这个概念，将它视为企业必要的关键的资源之一，并指出大数据可以有效辅助企业进行调查、决策等。2015年，我国商务部门在《关于智慧物流配送体系建设的实施意见》中，指出以后的两年里，建设多个在物流配送方面具有现代化的智能的城市和基地，这一任务的完成，必须依靠以大数据为支撑的物流信息服务平台。2017年，我国政府文件指出要将大数据应用到实体经济当中，促进实体经济的发展。
一、大数据概述
（一）大数据的概念
国际上大数据研究公司Gartner认为，为提高企业的决策力、洞察力和优化工作流程的能力，企业只有使用新的处理模式来处理大量的、剧增的、多种多样的数据，这就是大数据。另外，国际权威组织麦肯锡公司认为，企业以往的数据处理系统已经无法收集、存储、处理和分析的，具有规模巨大、流转速度快、类型多种多样、价值密度不高的数据，即大数据。大数据技术的应用目的不是为了获取大量的数据，而是分析处理这些庞大的、多样的、流转速度快的、价值密度低的数据。通过分析和处理，提取潜在的有用的信息为企业所用。
（二）物流行业大数据的特征
1.数据规模巨大(Volume)
物流行业中数据来源广泛，大约有以下几大来源:电子商务交易、移动商务交易、互联网、博客、微博、论坛、社交网络等；实时监控、链接、传感器商业智能终端等设备；商业智能终端；U盘、手机、笔记本、平板电脑、计算机等其他移动存储设备；地理信息系统GIS、全球定位系统GPS、无线射频识别技术RFID、无人车、无人机、物联网等物流信息技术的应用；企业辅助决策系统、第三方服务平台、第三方数据处理技术、云存储、云计算的应用；行业资讯、行业研究报告、行业活动记录；其他大交易、大交互数据来源。广泛的物流数据来源，必定会带来规模巨大的物流数据。以前的数据都是以GB或TB为单位进行存储，现在GB和TB已经无法满足大数据的存储需要，必须以PB和EB才能存储当前的数据。规模巨大是它最明显的特点。
2.数据类型繁多（Variety）
物流行业大数据类型的多样化具体表现为以下几点：人的行为习惯信息、喜好信息、交互数据等；电子商务交易数据、客户在网络上的活动数据、流量分析数据、Web文本数据等；监控视频数据、仪表设备数据、传感器数据、车辆数据、运营数据、实体数据等各类设施设备采集的数据等；产品、市场预测和分析、财务、人事HR、供应链管理SCM、呼叫记录、客户关系管理CRM、辅助决策等方面产生的数据；手机、电脑、计算机及其他设施的使用数据等；时间数据、地理位置数据、车载数据、无线射频识别设备读取的数据、动态监测数据等；分析器、查询工具、流量监测工具等的应用数据；调研、科研、报告、公共信息平台所产生数据等。物流行业大数据维度的多样化具体体现在以下三个方面：非结构化、半结构化、结构化。非结构化数据具体指图像、声音、视频、文本文档等；结构化数据具体指能够在DB数据库中储存的数据；半结构化数据具体指E-mail、文档、日志文件等。其中，前两种数据所占比重达70%以上。物流行业大数据格式多样化的特点表现为以下两点：信函、表格、报表、记录、档案等传统的纸质文件；存储在图像、声音、视频、文本、文档、短信、档案中的电子数据等。数据访问的随机性、数据格式相互不兼容，都导致获取、存储、处理、应用数据难度加大。
3.处理速度快（Velocity）
物流行业数据来源广泛，也必然导致物流行业数据增长速度快，需要更快的处理速度来分析和加工处理这些数据。这也是与物流行业传统数据最显著的不同。
4.价值密度低（Value）
物流行业数据规模巨大，并非所有数据都有价值。其中，有价值的数据所占比重比较小，所以物流行业大数据价值密度低。这是大数据的核心特征。
二、大数据给物流企业管理带来的挑战
在大数据背景下，物流企业可以趋利避害获得更好的机遇，就需要摈弃企业领导“拍脑袋”的管理模式，更新现有的技术，改进工作流程，接受大数据新的理念，从而成为一个以大数据为驱动的新型现代物流企业。2013年，“四通一达”和阿里巴巴已经意识到并接受新时代大数据理念，因此这四家快递企业与阿里巴巴合作，通过在全国搭建“菜鸟网”来实现智慧型物流网络的目标。这一目标的实现，必须依靠大数据的支持。物流企业在应用大数据的过程中并非一帆风顺，可能会遇到以下几个方面的挑战：
（一）物流数据处理能力不足
现有的WMS、TMS、DMS等物流系统数据存储、分析和处理的能力不足，一般都是以GB或TB为存储和分析处理单位，而大数据环境下的物流数据高达PB、EB基至ZB,因此物流企业在面对如此庞大的数据时就显得数据处理能力明显不足。这不仅仅是IT行业急需面对和解决的问题，物流行业也必须解决物流数据存储和处理分析软硬件的配置问题。
（二）物流基础设施设备信息化程度不足
物流企业的基础设施设备主要包括仓储、运输、配送、数据收集和处理设备等，企业在这些方面投入不足，明显阻碍了物流企业乃至整个行业的发展。中国和美国对比，中国平均每人占有的仓储面积仅为美国的1/14。此外，中国现有的物流基础设施设备现代化程度落后，高达70%的设施设备是在20世纪90年代建立的，无法满足大数据时代的需求。
（三）物流企业大数据专业人才不足
在当今大数据环境下，物流企业需要更多的大数据方面的专业人员，才能够有效地进行物流企业大数据的采集、分析与处理。但是，目前大数据专业人才还没有引起物流企业的足够重视。此外，目前我国高等院校还没有开设大数据类方面的专业去专门培养大数据方面的专业人才。
（四）对个人隐私的保密性不足
在收集物流企业庞大数据的过程中，也许会带来个人隐私泄露的后果，在银行、电信行业已经屡见不鲜，类似这样的问题会一直伴随互联网行业的发展。在推广应用大数据的同时，物流企业应正确收集、分析、处理数据，并做好保密措施，尽力避免泄露与个人隐私相关的数据和信息。
三、大数据给物流企业管理带来的机遇
大数据时代，物流企业可融合大量的、不同类型的数据，进行加工、处理和分析，进而挖掘出潜在的有价值的信息，这将会给物流企业在各个领域的管理模式带来巨大的机遇。
（一）大数据推动物流企业营销管理模式升级
大数据包含巨大的潜在的商业价值，它与物流企业客户和物流集成设施设备同等重要，都是物流企业重要的资源与生产要素。借助大数据技术，物流企业可实时掌握目标市场变化情况、挖掘潜在机会、开拓市场、抢占时机，进而做出智慧决策。人类的直观判断不可能完全正确，而大数据分析将会解决这一问题，使物流企业提供更高水平的营销服务，进而推动营销模式的升级改进。
1.基于大数据的物流超市营销管理模式
当前，物流企业数据存在投入产出比低、效率低、整合程度低的特点，大数据技术可以将这些统一起来，建成基于GIS系统的协调监测管理的物流超市。运输线路、运输能力、仓储、包装、分拣、配送、货运、融资、信息咨询、客户定制等物流数据，即为物流超市中的商品。借助大数据技术所创建的物流信息系统———物流超市，对超市中的货源、运能、线路、仓储等数据进行统一整合，可以高效地处理所有物流数据和信息，并对其进行深度分析。
2.基于大数据的“商流合一”营销管理模式
电子商务的发展离不开物流，物流资源的缺乏将会妨碍电子商务的发展，而“商流合一”的营销管理模式即销售和物流云端一体化，将会有助于解决该问题。销售和物流云端一体化营销管理模式，可以将网络平台上的商品交易信息即商流与线下的仓储、运输、配送等物流信息汇聚在云端平台上，对这些数据和信息进行统一的整合，从而有利于减弱物流瓶颈对电子商务的制约，进而可以减少或避免电子商务中的物流盲区，保证线上的电子商务贸易销售活动与线下的仓储、运输、配送、安装等服务一站式完成。基于大数据的“商流合一”营销管理模式分为以下三种：一是电子商务企业自己建立“商流合一”的云端，像阿里巴巴集团于2013年自建的智能物流骨干网（CSN）———菜鸟网络平台；二是电商和物流企业合作，共建“商流合一”的云端，像阿里巴巴与日日顺合作，共建大件商品配送体系；三是物流企业自己构建“商流合一”的云端，像顺丰在小区附近开设的便利店“嘿客”。
（二）大数据推进物流企业运输管理模式优化
物流企业将大数据技术应用在运输管理领域，可以通过数据分析选择运输路径、降低运输成本、优化运输方案。主要体现在以下两个方面：一是通过对大数据的分析，可以提高资源的有效利用率，规范和监督运输人员的行为，规划车辆的运输路线，制定机器的维修保养周期，进而使物流企业效益增大；二是通过大数据分析追踪交通运输事故的原因，进而针对原因调整运输路径和优化运输方案，并将此路径和方案实施。继续追踪，并持续改进。UPS是将大数据分析应用到运输管理方面的典范，它利用ORION（On-RoodIntegratedOptimizationandNavigation）数据分析工具，引导运输人员找到最有效的运输线路。此外，还可以将大数据分析技术用于特殊商品运输方案的优化。例如，在冷链商品的运输过程中，需要实时关注冷链商品在途运输的温度，根据运输的路况、交通拥挤状况调整和优化原有的运输方案；在运输时效性强、易腐易烂商品的过程中，大数据分析技术可以预测商品质量是否有发生变故的可能。
（三）大数据推进物流企业人力资源管理模式合理化
物流企业在进行人才招聘时，需要通过对应聘人员的能力数据、性格数据、心理数据等多方面进行分析，来决定他是否适合所应聘的岗位。物流企业在对员工进行考核时，需要通过对在职人员的工作满意度数据、忠诚度数据等进行分析，来决定他的聘期考核结果。物流企业不能通过单一的对象来获取所需的数据，因为这些数据不全面，就会导致数据分析结果不正确。当今的网络不只是单一的互联网，也是一个物联网和事务网，它们都会产生大量的、各种各样的、含有潜在价值的数据。借助对这些数据的分析整理，物流企业可以使人力资源管理模式更加合理化。
（四）大数据推进物流企业决策管理模式科学化
大数据技术可以应用到物流企业以下三个方面的决策管理中，即物流资源配置、竞争环境的预测分析与决策、物流供给与需求匹配。
1.物流资源的配置决策
物流市场上的存储资源和运输资源的动态性和随机性都很强，物流企业就需要实时关注市场的变化情况。通过对庞大的数据进行分析，挖掘出市场当前的需求信息，进而对现有的资源进行配置，并对获取的数据和信息持续进行分析，同时对原有的配置方案进行改进，进而实现对物流要素的合理利用。
2.竞争环境的预测分析与决策
为实现公司利益最大化的目标，不仅要分析本公司的数据，而且要对竞争对手的数据进行分析。从微博、论坛、互联网等方面获取竞争对手庞大的、海量的、各种各样的数据，然后利用大数据技术对它们进行分析处理，预测竞争对手的行为和动向。根据预测结果，制定出本公司的决策方案。只有这样，才能使本企业决策方案更科学。
3.物流的供给与需求匹配决策
物流的供给与需求存在季节性和不平衡性的特点，物流企业就需要获取特定时期、特定区域的物流供给与需求数据，对这些数据进行分析，才能做出仓储与配送决策。而这些数据是海量的、庞大的、多种多样的，就需要大数据技术对它们进行分析处理，然后才能作出科学的仓储与配送决策方案。
四、大数据推进物流企业客户管理模式的有效性
大数据在物流企业客户管理中的应用表现为客户的需求预测、潜在客户的挖掘、客户的评价与反馈处理、客户对物流服务的满意度处理、老客户的忠诚度处理等。在传统的物流企业客户管理模式中，数据仅仅包括CRM系统中存储的和公司积累的少量数据。当前，物流企业使用互联网，可以从多个方面获取客户的数据。例如，客户的微博、QQ签名、聊天记录、论坛、企业网站上，都可能有客户对物流企业评价。如何从这些大量的信息来源中获取并处理客户对物流企业的评价数据，就需要使用大数据技术。客户是物流企业的上帝，他们的数量庞大，需求也多种多样。物流企业若不能及时、有效地了解客户的需求，就会造成老客户的流失，也无法挖掘潜在的客户，那么这将会严重阻碍物流企业的发展。而将大数据应用在客户关系管理领域，将会提高管理模式的有效性。虽然物流企业数据来源广泛、规模巨大、类型多样、价值密度低、要求较快的处理速度，但是这些数据里含有潜在的有价值的信息。尽管物流企业在应用大数据时，肯定会遇到很多问题，如物流数据处理能力不足，物流基础设施设备信息化程度不足，物流企业大数据专业人才不足，对个人隐私的保密性不足。但是，物流企业肯定也会找到更多的发展契机，如大数据可以促进物流企业在营销、运输、人力资源、决策、客户关系等领域管理模式的创新。在这样的背景下，物流企业不仅需要掌握更多优质的数据信息，还要有先进的管理模式，物流企业管理者应及时转变管理思维，创新企业管理模式。
参考文献：
[1]廖海生.基于面向对象的大数据存储模型研究[J].河南科学,2014(12):2505-2510.
[2]赵伟.云计算环境分布式日志检索设计与研究[J].科技资讯,2015(34):24-25.
[3]梁红波.大数据技术引领物流业智慧营销[J].中国流通经济,2015（2）:85-89.
[4]孙二冬.基于半监督学习的客户流失预测及其在物流企业中的应用研究[D].合肥工业大学，2017.
[5]杜丽英,赵秀菊.数据挖掘在银行客户关系管理中的应用分析[J].计算机光盘软件与应用,2014(21):28-29.
作者:徐龙闪 张秀芳 单位:四川华新现代职业学院
