大數據在物流管理的應用研究

導語：大數據在物流管理的應用研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1大數據概述

1．1大數據的概念。常規軟件工具進行捕捉、管理和處理的數據集合。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。從技術角度來看，近年來不同研究機構及學者關于大數據及大數據技術的定義逐漸趨于相同。一般來講，大數據是指體量巨大，產生速度極快，具有非結構化性質的數據，不能在固定時間使用普通數據處理軟件對數據進行清洗和篩選。大數據技術指從數量龐大，結構復雜的數據集合中獲得信息的能力。而與大數據最初的定義不同的是，大數據的技術發展到今天，已經成為基于神經網絡學，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、經濟管理、社會公共服務等多個領域的綜合性學科。1．2大數據的特點。大數據相比于傳統的數據應用來講，其有著數據量巨大，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，數據量巨大，如今的數據量已經大到了可以被稱為海量數據，且無處不在;第二，處理速度快，應用者能夠從海量的數據信息當中快速的獲取有價值的數據信息，這正是和常規的數據挖掘技術有著顯著區別的特點;第三，數據的種類繁多，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，只要將得到的數據進行合理的運用分析，那么這些數據就能創造巨大的價值;第五，各個渠道收集到的數據繁雜而多變，并非是單一的樣本數據，而是多方面的信息，研究者能夠更加準確的抓住這些數據背后的真實情況，通過正確的數據做出合理的判斷。

2大數據技術

2．1大數據的應用模型。①統計理論模型。統計模型(stochasticmodel)是指以概率論和大數法則為基礎，以統計學為輔助，使用純數學方法創造的一種模型。總的來說，統計模型就是某種分布的集合或者說是密度函數的集合或者回歸函數的集合。統計模型分為參數模型和非參數模型兩種類型。比如說正態分布是由均值和標準差兩個參數確定的分布集合，這就屬于參數統計模型。有些模型的樣本中的分布函數F是不確定的，如何確定由樣本確定F就是統計學和非參數統計模型的研究內容。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據，同時需要考慮季節、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，由于一個平穩的時間序列的均值和方差都是常數，那么平穩序列的時序圖一定會在一個常數附件波動。而且波動的范圍是有界的;如果有明顯趨勢或者呈現一定的周期，那么它通常不是平穩數列。那么如果判斷出是平穩序列，則使用ARMA模型。如果是非平穩序列，就要使用ARIMA模型。2．2大數據應用技術。大數據分析是發掘出數據價值的重要手段，大數據的分析技術能夠對數據進行高效、快速、準確的挖掘，同時還能夠探究出大數據之間的隱藏相關關系。目前的數據分析手段主要包括以下幾種:①數據可視化。數據可視化是對最后大數據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分析好的數據進行數據到圖形的轉換，或者直接顯示出來，并進行交互處理，使得圖形化的數據能夠更好的顯示出數據與數據之間的關聯，讓用戶們能夠更加直接的發現出數據之中隱含的規律［2］。②數據分析。大數據的分析過程是關鍵的一環，而涉及到的數據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，常用的分析方法都是相對適用的，如統計分析、數據挖掘。統計分析在概率理論當中是對數據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系。統計分析主要包括回歸分析、因子分析、判別和聚類分析。數據挖掘是將大數據集中數據模式的算法，許多數據挖掘的計算方法已經在智能識別、信息追蹤、人工智能等方面得到了廣泛應用。數據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。云計算是整個大數據分析的基石，正是因為云計算技術在數據儲存，數據庫以及數據管理與分析方面作為基礎支撐著，所以大數據在今天才能夠進行廣泛的應用，因此，大數據時代之中，大數據和云計算兩者相輔相成，不可或缺。云計算其實是一種商業計算模型，通過將任務分布到異地大量的計算機構成的資源池上，使各種應用系統能夠根據需要獲取計算能力、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絡獲取資源，所需要的數據短時間之內就能夠提供，便于使用和管理。

3大數據在物流管理中的應用

在互聯網技術的推動下，大數據、人工智能等新技術有了進一步的發展，已經成為全球數字化轉型與創新的典型動力。近幾年，一些創新型企業加大了對人工智能及大數據等新技術的研發和應用，其產生的效益也初見成效。3．1大數據在物流管理中的應用領域。企業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。大數據的應用方面多在于優化倉儲管理、補充庫存數量、配送中心最優化選址以及運輸成本最小化等。①在貨運組織中的應用。大數據分析在貨運領域的應用是最為常見的，主要體現在選址優化、庫存規模與供貨路線等活動中。數據分析可以對企業的客戶進行分組，因此，對于交通路線、交通模式以及不同產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。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據分析應用最多的領域，很多企業通過使用加載GPS導航的遠程大數據信息處理技術，來對貨運交通的路線進行優化。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，從而優化司機行為和行車路線，提高運輸的效率和效益，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據為其運輸決策服務。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點，廣泛應用在動態追蹤庫存、確定位置及貨物量以及規避安全風險等方面。目前，隨著物流信息技術的進一步發展，射頻識別數據技術還能夠檢測路線周圍溫度、保證食品安全、規劃運送保質期和及時地將問題通知決策者。3．2大數據在物流管理中的應用實例。①沃爾瑪對大數據的應用。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據，將其儲存在數據庫中，所有數據都將進入綜合技術平臺進行處理。倉儲經理利用該系統分析具體銷售數據，優化產品分類，并通過質量檢驗將產品分配到當地社區。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中的數據和分析結果，通過自家公司的零售鏈平臺與沃爾瑪系統對接，供應商們可以追蹤自家公司的產品，這樣供應商們就可以了解每家商場內不同類型產品的需求狀況，及時獲取各個商場需要再次進貨的時間和數量。此外，供應商還能夠對數據庫信息進行查詢，搜索銷售、裝運、訂單、發票、索賠及預告等相關信息，可以進入沃爾瑪分類計劃系統，在銷售數據和商店特性的基礎上創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據管理和應用優勢，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順豐對大數據的應用。順豐是我國最早成功地在物流管理中應用大數據技術的企業之一，順豐公司早在幾年前就建立了“順豐大數據平臺”，其中的“大數據解決方案”和“物聯網大數據應用”等技術，在今年的人工智能計算大會上進行了展示。在物流領域大數據解決方案層面，目前，順豐科技經過多年來的自主研發，已基于“天網”+“地網”兩大基礎物流系統，組成了順豐的“信息網”。順豐大數據平臺對接順豐物流的每個環節，能夠管理物流領域中的海量數據，實現了順豐物流的全面數字化管理，讓物流快遞的“每一個環節”、“每一票快件”都可以即時追蹤。在完成數據管理的應用上，順豐大數據平臺融合云計算、人工智能等新技術，在順豐物流數據分析與決策上加以應用，通過快遞件量預測、庫存分倉管理、配送路線規劃等智慧物流決策，實現降低物流成本，提升物流效率的目標。現下，順豐的快遞件量預測已精準到各個區域的每一個派送網點和每一個快遞員，整體資源的配置實現了合理而高效。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秀的表現，這一切都歸功于順豐大數據平臺高效的大數據處理及分析能力。③德邦對大數據的應用。近幾年，德邦快遞在數字化IT技術上加大了投入，兩年前正式建立了數字化指揮中心，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、1萬多個網點的全景視頻。隨著數字孿生黑科技的引進和應用，德邦快遞通過對快遞各環節信息的采集，把快遞轉運場景映射到虛擬的數字化模型上，使用大數據驗算技術，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、出港環節流動，實現企業效率和成本價值最大化。同時，從2018年開始至今，德邦快遞就與網易大數據簽訂了協議，雙方在大數據領域開展了深入合作，目前已成功地在門店選址、用戶畫像、路徑優化等方面對德邦快遞的業務進行優化。

4大數據的應用趨勢

4．1云計算是大數據的重要平臺。從大數據的使用價值和技術上來看。大數據需要云計算平臺的算力、安全性、可靠性和可管理性。云平臺同樣也是產生大數據的重要場所，云計算技術產生的數據結構更統一，更利于企業進行大規模服務，供應鏈管理和業務協同。預計未來兩者關系將更為密切，一個由大數據驅動的云計算時代將會到來。4．2數據管理成為核心競爭力。數據管理會成為企業管理和企業文化當中的一種核心競爭力，與財報直接關聯。當人們逐漸意識到數據資產是重要的硬通貨之后，企業尤其是互聯網企業和服務業，就必須將數據管理納入到企業管理的章程當中去，將數據管理作為企業核心競爭力。企業掌握的用戶數據的總量，增長速度和應用率將會成為和主營業務收入同樣重要的發展指標。一個企業能否持續發展，與一個企業能不能充分挖掘企業用戶行為數據強烈相關。4．3數據質量是BI(商業智能)成功的關鍵。人工智能和機器學習本質是統計學，統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據的質量，數據源過多會帶來大量的冗雜數據。想要運用算法實現商業智能的成功，企業需要格外注意數據的質量。4．4數據生態系統復合化程度加強。大數據世界不是一個單一的、平面的網格。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，從終端設備的提供商開始、基礎設施建造者、網絡適配器供應商、網絡接入服務提供商。再到數據服務提供商、數據服務使用者等等一系列的參與者共同拼接起來的系統［4］。隨著大數據應用的迅猛發展，這樣的一套數據生態系統已經有所雛形。在未來的發展當中，必然有著系統角色再細分的趨勢，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，大數據的應用在物流管理中已逐漸深入，企業通過對物流環節中產生的海量數據進行收集、存儲、處理和分析，既可精準而快速地了解物流行業的發展趨勢和自身的經營現狀，還可為每一個客戶定制個性化需求的產品和服務，從而提高整個社會物流運作的效率。

［參考文獻］

［1］韓朝勝．電子商務物流大數據應用問題研究［J］．現代營銷(下旬刊)，2017(10)．

［2］楊安，蘭欣，馮煬．大數據環境下創業決策的困難與對策研究［J］．技術與市場，2015(8)．

［3］白君貴，王丹．大數據視角下企業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．大數據供應鏈［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