導(dǎo)語：大數(shù)據(jù)在物流管理的應(yīng)用研究一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，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(jìn)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(jié)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(shù)角度來看，近年來不同研究機(jī)構(gòu)及學(xué)者關(guān)于大數(shù)據(jù)及大數(shù)據(jù)技術(shù)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(jié)構(gòu)化性質(zhì)的數(shù)據(jù)，不能在固定時(shí)間使用普通數(shù)據(jù)處理軟件對數(shù)據(jù)進(jìn)行清洗和篩選。大數(shù)據(jù)技術(shù)指從數(shù)量龐大，結(jié)構(gòu)復(fù)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(shù)發(fā)展到今天，已經(jīng)成為基于神經(jīng)網(wǎng)絡(luò)學(xué)，深度學(xué)習(xí)和云技術(shù)上的。研究方向涵蓋計(jì)算信息科學(xué)、工程、商業(yè)、經(jīng)濟(jì)管理、社會(huì)公共服務(wù)等多個(gè)領(lǐng)域的綜合性學(xué)科。1．2大數(shù)據(jù)的特點(diǎn)。大數(shù)據(jù)相比于傳統(tǒng)的數(shù)據(jù)應(yīng)用來講，其有著數(shù)據(jù)量巨大，可查詢分析等特點(diǎn)。而IBM提出了5V特點(diǎn):Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值)、Veracity(真實(shí)性)［10］。這五個(gè)特點(diǎn)作為五個(gè)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(yīng)用者能夠從海量的數(shù)據(jù)信息當(dāng)中快速的獲取有價(jià)值的數(shù)據(jù)信息，這正是和常規(guī)的數(shù)據(jù)挖掘技術(shù)有著顯著區(qū)別的特點(diǎn);第三，數(shù)據(jù)的種類繁多，不僅包括報(bào)紙期刊書籍文獻(xiàn)，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(jìn)行合理的運(yùn)用分析，那么這些數(shù)據(jù)就能創(chuàng)造巨大的價(jià)值;第五，各個(gè)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(zhǔn)確的抓住這些數(shù)據(jù)背后的真實(shí)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(shù)

2．1大數(shù)據(jù)的應(yīng)用模型。①統(tǒng)計(jì)理論模型。統(tǒng)計(jì)模型(stochasticmodel)是指以概率論和大數(shù)法則為基礎(chǔ)，以統(tǒng)計(jì)學(xué)為輔助，使用純數(shù)學(xué)方法創(chuàng)造的一種模型。總的來說，統(tǒng)計(jì)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(jì)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(biāo)準(zhǔn)差兩個(gè)參數(shù)確定的分布集合，這就屬于參數(shù)統(tǒng)計(jì)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(jì)學(xué)和非參數(shù)統(tǒng)計(jì)模型的研究內(nèi)容。②時(shí)間序列模型。時(shí)間序列分析(Time－SeriesAnalysis)顧名思義，輸入列都是與時(shí)間相關(guān)的數(shù)據(jù)，同時(shí)需要考慮季節(jié)、歷史、周期、趨勢等因素，通過一些手段來預(yù)測未來某個(gè)時(shí)間點(diǎn)會(huì)怎么樣。使用的分析方法有:移動(dòng)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(shí)序圖檢驗(yàn)，由于一個(gè)平穩(wěn)的時(shí)間序列的均值和方差都是常數(shù)，那么平穩(wěn)序列的時(shí)序圖一定會(huì)在一個(gè)常數(shù)附件波動(dòng)。而且波動(dòng)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(yīng)用技術(shù)。大數(shù)據(jù)分析是發(fā)掘出數(shù)據(jù)價(jià)值的重要手段，大數(shù)據(jù)的分析技術(shù)能夠?qū)?shù)據(jù)進(jìn)行高效、快速、準(zhǔn)確的挖掘，同時(shí)還能夠探究出大數(shù)據(jù)之間的隱藏相關(guān)關(guān)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(jié)果進(jìn)行輸出與展示的一種技術(shù)。它主要通過使用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)來對已經(jīng)分析好的數(shù)據(jù)進(jìn)行數(shù)據(jù)到圖形的轉(zhuǎn)換，或者直接顯示出來，并進(jìn)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(guān)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(guān)鍵的一環(huán)，而涉及到的數(shù)據(jù)分析技術(shù)自然也是其中關(guān)鍵。一般來說，無論是哪個(gè)領(lǐng)域或者行業(yè)，常用的分析方法都是相對適用的，如統(tǒng)計(jì)分析、數(shù)據(jù)挖掘。統(tǒng)計(jì)分析在概率理論當(dāng)中是對數(shù)據(jù)的隨機(jī)性以及不確定性來建立模型，然后對模型進(jìn)行分析敘述，最后總結(jié)得出其內(nèi)在聯(lián)系。統(tǒng)計(jì)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(jì)算方法已經(jīng)在智能識(shí)別、信息追蹤、人工智能等方面得到了廣泛應(yīng)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(jì)算。云計(jì)算是整個(gè)大數(shù)據(jù)分析的基石，正是因?yàn)樵朴?jì)算技術(shù)在數(shù)據(jù)儲(chǔ)存，數(shù)據(jù)庫以及數(shù)據(jù)管理與分析方面作為基礎(chǔ)支撐著，所以大數(shù)據(jù)在今天才能夠進(jìn)行廣泛的應(yīng)用，因此，大數(shù)據(jù)時(shí)代之中，大數(shù)據(jù)和云計(jì)算兩者相輔相成，不可或缺。云計(jì)算其實(shí)是一種商業(yè)計(jì)算模型，通過將任務(wù)分布到異地大量的計(jì)算機(jī)構(gòu)成的資源池上，使各種應(yīng)用系統(tǒng)能夠根據(jù)需要獲取計(jì)算能力、儲(chǔ)存空間和信息服務(wù)。目前來說云計(jì)算可以看做是一種作為商品購買的計(jì)算能力，可以讓應(yīng)用者便捷的按需求訪問網(wǎng)絡(luò)獲取資源，所需要的數(shù)據(jù)短時(shí)間之內(nèi)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(yīng)用

在互聯(lián)網(wǎng)技術(shù)的推動(dòng)下，大數(shù)據(jù)、人工智能等新技術(shù)有了進(jìn)一步的發(fā)展，已經(jīng)成為全球數(shù)字化轉(zhuǎn)型與創(chuàng)新的典型動(dòng)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(shù)的研發(fā)和應(yīng)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(yīng)用領(lǐng)域。企業(yè)的物流活動(dòng)主要包括:運(yùn)輸、倉儲(chǔ)、配送等，相關(guān)的決策有:計(jì)算庫存、調(diào)配原材料、調(diào)度配送路線以及貨物運(yùn)輸。大數(shù)據(jù)的應(yīng)用方面多在于優(yōu)化倉儲(chǔ)管理、補(bǔ)充庫存數(shù)量、配送中心最優(yōu)化選址以及運(yùn)輸成本最小化等。①在貨運(yùn)組織中的應(yīng)用。大數(shù)據(jù)分析在貨運(yùn)領(lǐng)域的應(yīng)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(dòng)中。數(shù)據(jù)分析可以對企業(yè)的客戶進(jìn)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(guān)要素進(jìn)行劃分和歸類，便可以此作為相應(yīng)的基礎(chǔ)和依據(jù)。②在交通路線中的應(yīng)用。交通和路線選擇是物流管理中大數(shù)據(jù)分析應(yīng)用最多的領(lǐng)域，很多企業(yè)通過使用加載GPS導(dǎo)航的遠(yuǎn)程大數(shù)據(jù)信息處理技術(shù)，來對貨運(yùn)交通的路線進(jìn)行優(yōu)化。此外，交通分析能夠提高車輛燃料使用效率，進(jìn)行預(yù)防性檢修和報(bào)警，從而優(yōu)化司機(jī)行為和行車路線，提高運(yùn)輸?shù)男屎托б妫瑢τ谔鞖饧捌渌母蓴_性因素的實(shí)時(shí)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(yùn)輸過程中相關(guān)的數(shù)據(jù)為其運(yùn)輸決策服務(wù)。③在庫存管理中的應(yīng)用。射頻識(shí)別技術(shù)在庫存管理中的應(yīng)用效果顯著，其具有所含信息量大，可重復(fù)及遠(yuǎn)程讀取等優(yōu)點(diǎn)，廣泛應(yīng)用在動(dòng)態(tài)追蹤庫存、確定位置及貨物量以及規(guī)避安全風(fēng)險(xiǎn)等方面。目前，隨著物流信息技術(shù)的進(jìn)一步發(fā)展，射頻識(shí)別數(shù)據(jù)技術(shù)還能夠檢測路線周圍溫度、保證食品安全、規(guī)劃運(yùn)送保質(zhì)期和及時(shí)地將問題通知決策者。3．2大數(shù)據(jù)在物流管理中的應(yīng)用實(shí)例。①沃爾瑪對大數(shù)據(jù)的應(yīng)用。沃爾瑪擁有每小時(shí)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(chǔ)存在數(shù)據(jù)庫中，所有數(shù)據(jù)都將進(jìn)入綜合技術(shù)平臺(tái)進(jìn)行處理。倉儲(chǔ)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(zhì)量檢驗(yàn)將產(chǎn)品分配到當(dāng)?shù)厣鐓^(qū)。此外，沃爾瑪分布在8－90個(gè)國家近兩萬家的供應(yīng)商可以共享其在系統(tǒng)中的數(shù)據(jù)和分析結(jié)果，通過自家公司的零售鏈平臺(tái)與沃爾瑪系統(tǒng)對接，供應(yīng)商們可以追蹤自家公司的產(chǎn)品，這樣供應(yīng)商們就可以了解每家商場內(nèi)不同類型產(chǎn)品的需求狀況，及時(shí)獲取各個(gè)商場需要再次進(jìn)貨的時(shí)間和數(shù)量。此外，供應(yīng)商還能夠?qū)?shù)據(jù)庫信息進(jìn)行查詢，搜索銷售、裝運(yùn)、訂單、發(fā)票、索賠及預(yù)告等相關(guān)信息，可以進(jìn)入沃爾瑪分類計(jì)劃系統(tǒng)，在銷售數(shù)據(jù)和商店特性的基礎(chǔ)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(yīng)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(yīng)用。順豐是我國最早成功地在物流管理中應(yīng)用大數(shù)據(jù)技術(shù)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(tái)”，其中的“大數(shù)據(jù)解決方案”和“物聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用”等技術(shù)，在今年的人工智能計(jì)算大會(huì)上進(jìn)行了展示。在物流領(lǐng)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(chǔ)物流系統(tǒng)，組成了順豐的“信息網(wǎng)”。順豐大數(shù)據(jù)平臺(tái)對接順豐物流的每個(gè)環(huán)節(jié)，能夠管理物流領(lǐng)域中的海量數(shù)據(jù)，實(shí)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(gè)環(huán)節(jié)”、“每一票快件”都可以即時(shí)追蹤。在完成數(shù)據(jù)管理的應(yīng)用上，順豐大數(shù)據(jù)平臺(tái)融合云計(jì)算、人工智能等新技術(shù)，在順豐物流數(shù)據(jù)分析與決策上加以應(yīng)用，通過快遞件量預(yù)測、庫存分倉管理、配送路線規(guī)劃等智慧物流決策，實(shí)現(xiàn)降低物流成本，提升物流效率的目標(biāo)。現(xiàn)下，順豐的快遞件量預(yù)測已精準(zhǔn)到各個(gè)區(qū)域的每一個(gè)派送網(wǎng)點(diǎn)和每一個(gè)快遞員，整體資源的配置實(shí)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(wù)進(jìn)行科學(xué)的調(diào)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(dòng)中，順豐物流都有著突出而優(yōu)秀的表現(xiàn)，這一切都?xì)w功于順豐大數(shù)據(jù)平臺(tái)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(yīng)用。近幾年，德邦快遞在數(shù)字化IT技術(shù)上加大了投入，兩年前正式建立了數(shù)字化指揮中心，構(gòu)建運(yùn)營總覽、拉燈預(yù)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(gè)網(wǎng)點(diǎn)的全景視頻。隨著數(shù)字孿生黑科技的引進(jìn)和應(yīng)用，德邦快遞通過對快遞各環(huán)節(jié)信息的采集，把快遞轉(zhuǎn)運(yùn)場景映射到虛擬的數(shù)字化模型上，使用大數(shù)據(jù)驗(yàn)算技術(shù)，能夠?qū)ν鈭龅呢浟窟M(jìn)行預(yù)測，并提前獲得中轉(zhuǎn)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(xué)合理地調(diào)度快遞在中轉(zhuǎn)場地的進(jìn)、出港環(huán)節(jié)流動(dòng)，實(shí)現(xiàn)企業(yè)效率和成本價(jià)值最大化。同時(shí)，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(lǐng)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(wù)進(jìn)行優(yōu)化。

4大數(shù)據(jù)的應(yīng)用趨勢

4．1云計(jì)算是大數(shù)據(jù)的重要平臺(tái)。從大數(shù)據(jù)的使用價(jià)值和技術(shù)上來看。大數(shù)據(jù)需要云計(jì)算平臺(tái)的算力、安全性、可靠性和可管理性。云平臺(tái)同樣也是產(chǎn)生大數(shù)據(jù)的重要場所，云計(jì)算技術(shù)產(chǎn)生的數(shù)據(jù)結(jié)構(gòu)更統(tǒng)一，更利于企業(yè)進(jìn)行大規(guī)模服務(wù)，供應(yīng)鏈管理和業(yè)務(wù)協(xié)同。預(yù)計(jì)未來兩者關(guān)系將更為密切，一個(gè)由大數(shù)據(jù)驅(qū)動(dòng)的云計(jì)算時(shí)代將會(huì)到來。4．2數(shù)據(jù)管理成為核心競爭力。數(shù)據(jù)管理會(huì)成為企業(yè)管理和企業(yè)文化當(dāng)中的一種核心競爭力，與財(cái)報(bào)直接關(guān)聯(lián)。當(dāng)人們逐漸意識(shí)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(wù)業(yè)，就必須將數(shù)據(jù)管理納入到企業(yè)管理的章程當(dāng)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(yīng)用率將會(huì)成為和主營業(yè)務(wù)收入同樣重要的發(fā)展指標(biāo)。一個(gè)企業(yè)能否持續(xù)發(fā)展，與一個(gè)企業(yè)能不能充分挖掘企業(yè)用戶行為數(shù)據(jù)強(qiáng)烈相關(guān)。4．3數(shù)據(jù)質(zhì)量是BI(商業(yè)智能)成功的關(guān)鍵。人工智能和機(jī)器學(xué)習(xí)本質(zhì)是統(tǒng)計(jì)學(xué)，統(tǒng)計(jì)學(xué)的預(yù)測能否解決實(shí)際需求，其中一個(gè)重要的因素就是數(shù)據(jù)的質(zhì)量，數(shù)據(jù)源過多會(huì)帶來大量的冗雜數(shù)據(jù)。想要運(yùn)用算法實(shí)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(zhì)量。4．4數(shù)據(jù)生態(tài)系統(tǒng)復(fù)合化程度加強(qiáng)。大數(shù)據(jù)世界不是一個(gè)單一的、平面的網(wǎng)格。而是一個(gè)由大量參與者和多層次變量所構(gòu)成的一個(gè)立體系統(tǒng)，從終端設(shè)備的提供商開始、基礎(chǔ)設(shè)施建造者、網(wǎng)絡(luò)適配器供應(yīng)商、網(wǎng)絡(luò)接入服務(wù)提供商。再到數(shù)據(jù)服務(wù)提供商、數(shù)據(jù)服務(wù)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(yīng)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(dāng)中，必然有著系統(tǒng)角色再細(xì)分的趨勢，同時(shí)也意味著市場的再一次細(xì)分，各個(gè)角色功能的調(diào)整。隨著物流4.0時(shí)代的來臨，大數(shù)據(jù)的應(yīng)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(jìn)行收集、存儲(chǔ)、處理和分析，既可精準(zhǔn)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(gè)客戶定制個(gè)性化需求的產(chǎn)品和服務(wù)，從而提高整個(gè)社會(huì)物流運(yùn)作的效率。

［參考文獻(xiàn)］

［1］韓朝勝．電子商務(wù)物流大數(shù)據(jù)應(yīng)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(shù)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(jià)值提升研究［J］．情報(bào)科學(xué)，2018(09)．

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

作者:謝美娥 單位:武漢商學(xué)院