隨著大數據時代的到來，大數據技術可以通過構建數據中心，挖掘出隱藏在數據背后的信息價值，從而為企業提供有益的幫助，為企業帶來利潤。面對海量數據，物流企業在不斷增加大數據方面投入的同時，不該僅僅把大數據看作是一種數據挖掘、數據分析的信息技術，而應該把大數據看作是一項戰略資源，充分發揮大數據給物流企業帶來的發展優勢，在戰略規劃、商業模式和人力資本等方面做出全方位的部署。 所謂物流的大數據，即運輸、倉儲、搬運裝卸、包裝及流通加工等物流環節中涉及的數據、信息等。通過大數據分析可以提高運輸與配送效率、減少物流成本、更有效地滿足客戶服務要求。將所有貨物流通的數據、物流快遞公司、供求雙方有效結合，形成一個巨大的即時信息平臺，從而實現快速、高效、經濟的物流。信息平臺不是簡單地為企業客戶的物流活動提供管理服務，而是通過對企業客戶所處供應鏈的整個系統或行業物流的整個系統進行詳細分析后，提出具有中觀指導意義的解決方案。許多專業從事物流數據信息平臺的企業形成了物流大數據行業。 自2012年，國家已陸續出臺相關的產業規劃和政策，從不同側面推動大數據產業的發展。然而，專門針對大數據發展尤其是物流大數據的政策規劃還沒有。 揚州發改委蔣珊照片 目前，國家出臺的與大數據相關的物流行業規劃和政策，主要包括《第三方物流信息服務平臺建設案例》、《商貿物流標準化專項行動計劃》、《物流業發展中長期規劃（2014-2020年）》、《關于推進物流信息化工作的指導意見》等一系列政策，將大數據、信息化處理方法作為物流行業轉型升級的重要指導思想。 2011年11月推出的《物聯網”十二五”發展規劃》將“信息處理技術”列為四項關鍵技術創新工程之一，包括海量數據存儲、數據挖掘、圖像視頻智能分析。另外三項關鍵技術創新工程，包括信息技術、信息傳輸技術、信息安全技術，也是大數據產業的重要組成部分，與大數據產業發展密切相關。 2013年6月發布的《交通運輸業推進物流業健康發展的指導意見》指出，加快推進交通運輸物流公共信息平臺建設，完善平臺基礎交換網絡，加快推進跨區域、跨行業平臺之間的有效對接，實現鐵、公、水、民航信息的互聯互通。加快完善鐵、公、水、民航、郵政等行業信息系統，推進互聯互通，增強一體化服務能力。鼓勵企業加快推進信息化建設。 2014年2月發布的《第三方物流信息服務平臺建設案例》指出，對第三方物流信息服務平臺建設的指導思想、基本原則、建設類型、建設標準、保障措施與考核要求等進行了具體說明，并收錄了目前國內經營模式較為先進、取得較好經濟社會效益的第三方物流信息平臺建設案例。 物流大數據行業的生命周期（數據產生－數據采集－數據傳輸－數據存儲－數據處理－數據分析－數據發布、展示和應用－產生新數據）比較長，一般要在5-8年，前期的數據積累和沉淀耗時耗力耗財。目前，中國物流大數據產業正處于起步階段，未來2年有望快速發展，率先實現大數據增值。 物流是貫穿經濟發展和社會生活全局的重要活動。2013年被稱為大數據元年，2014年則為移動互聯元年。在這個背景下，有必要分析研究大數據技術在物流領域的應用。 物流大數據研究和應用剛剛起步，尚屬新興的研究領域，發展比較緩慢。從細分市場來看，醫藥物流、冷鏈物流、電商物流等都在嘗試趕乘大數據這輛高速列車。 物流是現代經濟的核心之一，國務院印發的《物流業發展中長期規劃（2014~2020年）》明確提出要以提高物流效率、降低物流成本為重點。因此，在大數據時代背景下，物流行業也必須高度重視統計數據。 物流大數據可以劃分為三類：第一是微觀層面，包括了運輸、倉儲、配送、包裝、流通加工登記處數據的分類；第二是中觀層面，就是供應鏈、采購物流、生產物流數據分類；第三是宏觀層面，基于商品管理，把商品分成不同的類型做數據分析。其中微觀層面及中觀層面的數據一般掌握在物流企業內部，但此類尚未進行處理分析，成為物流大數據交易中最重要的、最基本的供應方；整合、處理、分析“源數據”得到的具有新價值的數據，即宏觀層面，指導物流企業經營管理的各個方面，因此，未來物流大數據交易的主要需求為宏觀層面。 大數據或將成為物流企業的強力助手。作為一種新興的技術，它給物流企業帶來了機遇，合理地運用大數據技術，將對物流企業的管理與決策、客戶關系、資源配置等方面起到積極的作用。2014年，中國物流大數據應用市場應用規模為2.92億元，預計到2020年將達到188.23億元。 大數據在物流行業的應用，打破低層次、低效率、高成本的運輸局面，逐漸演成數字化要求極高的行業。大數據已經滲透到物流的各個環節，因此，未來物流行業對大數據的需求前景廣闊。 大數據的介入有助于解決物流行業現存的問題，主要體現在運營管理、全程、預測預警及客戶滿意度四個方面。 總之，大數據已經滲透到物流企業的各個環節，引起物流企業普遍關注的同時已經給它們帶來了高額效益。但是，面對大數據這一機遇，物流企業的高層管理者仍需給予高度的重視和支持，正視企業應用大數據時存在的問題。返回搜狐，查看更多
|