随着大数据时期的到来


，大数据技术能够通过构建数据中心


，挖掘出暗藏在数据背后的信息价值


，从而为企业提供有益的援手


，为企业带来利润
。面对海量数据


，物流企业在不休增长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术资源


，充分阐扬大数据给物流企业带来的发展优势


，在战术规划、贸易模式和人力本钱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
。通过大数据分析能够提高运输与配送效能、削减物流成本、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


，从而实现急剧、高效、经济的物流
。

信息平台不是单一地为企业客户的物流活动提供治理服务


，而是通过对企业客户所处供给链的整个系统或行业物流的整个系统进行具体分析后


，提出拥有中观领导意思的解决规划
。很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
。

1、大数据产业政策及发展

(一)政策分析

自2012年


，国度已陆续出台有关的产业规划和政策


，从分歧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
。

目前


，国度出台的与大数据有关的物盛行业规划和政策


，重要蕴含《第三方物流信息服务平台建设案例指引》、《商贸物流尺度化专项行动打算》、《物流业发展中持久规划(2014-2020年)》、《关于推动物流信息化工作的领导定见》等一系列政策


，将大数据、信息化处置步骤作为物盛行业转型升级的沉要领导思想
。

2011年11月推出的《物联网”十二五”发展规划》将“信息处置技术”列为四项关键技术创新工程之一


，蕴含海量数据存储、数据挖掘、图像视频智能分析
。另表三项关键技术创新工程


，蕴含信息感知技术、信息传输技术、信息安全技术


，也是大数据产业的沉要组成部门


，与大数据产业发展亲昵有关
。

2013年6月颁布的《交通运输业推动物流业健康发展的领导定见》指出


，加快推动交通运输物流公共信息平台建设


，美满平台基础互换网络


，加快推动跨区域、跨行业平台之间的有效对接


，实现铁路、公路、水路、民航信息的互联互通
。加快美满铁路、公路、水路、民航、邮政等行业信息系统


，推动互联互通


，加强一体化服务能力
。激励企业加快推动信息化建设
。

2014年2月颁布的《第三方物流信息服务平台建设案例指引》指出


，对第三方物流信息服务平台建设的领导思想、根基准则、建设类型、建设尺度、保险措施与查核要求等进行了具体注明


，并收录了目前国内经营模式较为先进、获得较好经济社会效益的第三方物流信息平台建设案例
。

此表


，交通运输部在假造的物流发展“十三五”规划


，其中统指挥若定划现代物流发展


，指出要发展智慧物流


，当令钻研造订“互联网”货物与物盛行动打算


，深刻推动移动互联网、大数据、云推算等新一代信息技术的利用;强化公共物流信息平台建设


，美满平台服务职能
。

物流大数据行业的性命周期(数据产生-数据采集-数据传输-数据存储-数据处置-数据分析-数据颁布、展示和利用-产生新数据)比力长


，通常要在5-8年


，前期的数据堆集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年有望急剧发展


，率先实现大数据增值
。

(二)产业发展示状

物流是贯通经济发展和社会生涯全局的沉要活动
。2013年被称为大数据元年


，2014年则为移动互联元年
。在这个布景下


，有必要分析钻研大数据技术在物流领域的利用
。

物流大数据钻研和利用刚刚起步


，尚属新兴的钻研领域


，发展比力缓慢
。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


，但从现实利用情况来看


，目前


，电商物流凭借互联网平台拥有肯定的先发优势


，菜鸟网络的横空出世更是给电商物流大数据行业带来了新但愿


，指了然新方向
。

大数据在物流企业中的利用贯通了整个物流企业的各个环节
。重要表此刻物流决策、物流企业行政治理、物流客户治理及物流智能预警等过程中
。

1.大数据在物流决策中的利用

在物流决策中


，大数据技术利用涉及到竞争环境的分析与决策、物流供给与需要匹配、物流资源优化与配置等
。

在竞争环境分析中


，为了达到利益的最大化


，必要与相宜的物流或电商等企业合作


，对竞争敌手进行全面的分析


，预测其行为和动向


，从而相识在某个区域或是在某个特殊时期


，应该选择的合作同伴
。

物流的供给与需要匹配方面


，必要分析特按时期、特定区域的物流供给与需要情况


，从而进行合理的配送治理
。供需情况也必要选取大数据技术


，从大量的半结构化网络数据


，或企业已有的结构化数据


，即二维表类型的数据中获得
。

物流资源的配置与优化方面


，重要涉及到运输资源、存储资源等
。物流市场有很强的动态性和随机性


，必要实时辰析市场变动情况


，从海量的数据中提取当前的物流需要信息


，同时对已配置和将要配置的资源进行优化


，从而实现对物流资源的合理利用
。

2.大数据在物流企业行政治理中的利用

在企业行政治理中也同样能够利用大数据有关技术
。例如


，在人力资源方面


，在招聘人才时


，必要选择相宜的人才


，对人才进行个性分析、行为分析、岗位匹配度分析;对在职人员同样也必要进行忠诚度、工作中意度等分析
。

3.大数据在物流客户治理中的利用

大数据在物流客户治理中的利用重要表此刻客户对物流服务的中意度分析、老客户的忠诚度分析、客户的需要分析、潜在客户分析、客户的评价与反馈分析等方面
。

4.大数据在物流智能预警中的利用

物流业务拥有突发性、随机性、不平衡性等特点


，通过大数据分析


，能够有效相识消费者偏好


，预判消费者的消费可能


，提前做好货物调配


，合理规划物流路线规划等


，从而提高物流顶峰期间物流的运送效能
。

(三)发展示状

物流是现代经济的主题之一


，国务院印发的《物流业发展中持久规划(2014~2020年)》明确提出要以提高物流效能、降低物流成本为沉点
。因而


，在大数据时期布景下


，物盛行业也必须高度器沉统计数据
。

物流大数据能够划分为三类：第一是微观层面


，蕴含了运输、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


，就是供给链、采购物流、出产品流数据分类;第三是宏观层面


，基于商品治理


，把商品分成分歧的类型做数据分析
。其中微观层面及中观层面的数据通常把握在物流企业内部


，但此类尚未进行处置分析


，成为物流大数据买卖中最沉要的、最根基的供给方;整合、处置、分析“源数据”得到的拥有新价值的数据


，即宏观层面


，领导物流企业经营治理的各个方面


，因而


，未来物流大数据买卖的重要需要为宏观层面
。

目前


，物流大数据买卖模式选取利益互换的模式——用服务去换取治理


，即各个利益主体通过互换的方式


，一方将信息的治理权交给另一方


，另一方将信息整合起来后形成服务给一方
。以菜鸟网络为例


，以消费者、商家、物流企业的数据为依附


，为商家、快递企业提供预警预测分析


，援手快递企业提前获取这些信息


，从而提前把物流资源进行肯定的配置和整合
。

大数据技术对物盛行业最显著的影响是横向流程延拓


，纵向流程压缩简化
。从供需平衡角度启程


，为供方(物流企业)提供最大化的利润


，为需方提供最佳的服务
。重要体此刻以下几个方面：

第一


，提高运营治理效能


，凭据市场数据分析


，合理规划分配资源


，调整业务结构


，确保每个业务均可获利;

第二


，预测技术


，凭据消费者的消费偏好及习惯


，预测消费者需要


，将商品物流环节和客户的需要同步进行


，并预计运输路线和配送路线


，缓解运输顶峰期的物流压力


，提高客户的中意度


，提高客户粘度
。

2、市场规模及需要分析

(一)市场规模分析

大数据或将成为物流企业的强力副手
。作为一种新兴的技术


，它给物流企业带来了机缘


，合理地使用大数据技术


，将对物流企业的治理与决策、客户关系守护、资源配置等方面起到积极的作用
。2014年


，中国物流大数据利用市场利用规模为2.92亿元


，预计到2020年将达到188.23亿元
。

目前


，中国物流大数据行业刚刚起步


，其中初具规模确当属电商物流大数据
。近年来


，中国网络购物规模日益扩大


，与此同时


，带头着快递物盛行业发展迅速
。2008-2014年


，中国快递量从15.13亿件激增到135.59亿件


，年复合增长率达36.79%
。

Avent公司全球运输副总裁Marianne McDonald暗示


，“每一桩运输买卖城市天生超过50列的数据


，以及超过2.5亿的数据值”
。物流各个环节产生的海量数据


，经过大数据技术的处置和分析


，将会产生巨大的市场价值
。据相识


，2014年中国物流信息化市场整体规模已突破20亿元


，预计2015年国内市场规模将超过50亿元
。预计未来五年


，中国物流大数据市场规模年增速将维持在40%左右
。

(二)需要分析

大数据在物盛行业的利用


，突破低档次、低效能、高成本的运输局面


，逐步演成数字化要求极高的行业
。大数据已经渗入到物流的各个环节


，因而


，未来物盛行业对大数据的需要远景辽阔
。

大数据的染指有助于解决物盛行业现存的问题


，重要体此刻运营治理、全程监控、预测预警及客户中意度四个方面
。

3、竞争格局

事实上


，2014年大数据起头利用于快递物盛行业
。目前


，专业从事物流大数据的企业并不多


，仅有菜鸟网络科技有限公司与蜂网投资有限公司两家公司


，不外很多企业对物流大数据行业充斥周到


，在积极谋划与建设中
。

菜鸟网络科技有限公司与蜂网投资有限公司均是2013年成立


，两家公司成立功夫固然仅相差几个月


，但菜鸟网络公司凭借阿里巴巴多年的数据堆集的优势


，在业内的话语官僚比蜂网更大
。

从目前发展的情况来看


，菜鸟网络越发注沉于物流大数据、仓储用地等;而蜂风则侧沉于采购各类设备和资料
。从实际成就来看


，菜鸟网络公司经历了2013-2014年两次“双十一”天猫购物狂欢节的检验


，其预警雷达预测正确率高达95%以上


，为缓解“双十一”物流压力做出的贡献有木懿见;相比而言


，蜂网似乎低调很多


，其推动的智慧快递、物联网和云推算固然与菜鸟的智慧物流千篇一律


，但成就并不显著


，公共的认知度也比力低
。

从发展成熟度来讲


，菜鸟网络凭借数亿淘宝买家及合作物流企业


，能够整合消费者、商家和物流公司数据


，且在打算参与交通综合系统


，发展的成熟度较高


，可为物流企业提供预警、规划运输线路、领导企业优化、选择和整合供给链资源等服务;而蜂网刚刚起步


，处于雏形阶段


，很多方面尚不成熟
。若是说蜂网成功的走出了一步


，那么菜鸟网络则是迈出了一大步


，两者之间的差距的确有点大
。

此表


，很多企业对物流大数据行业阐发出了浓密的兴致


，在规划建设中
。2014年8月


，海潮集团与交通运输公路科学院签署《现代物流大数据利用尝试室共建和谈》


，尝试室将交通部提供的数据与海潮集团相对成熟的大数据技术和设备结合在一路


，不休拓展合作的广度和深度


，充分挖掘交通物流大数据


，提高交通运输行业智能化水平
。

4、总结与瞻望

总之


，大数据已经渗入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


，面对大数据这一机缘


，物流企业的高层治理者仍需赐与高度的器沉和支持


，正视企业利用大数据时存在的问题
。