大数据物流行业降本增效探析

2017年，国务院印发了《关于进一步推进物流降本增效促进实体经济发展建议》，强调了物流业发展对于第一、第二、第三产业协同发展的重要性，要从设施建设、信息化等方面来促进物流的降本增效，同时大力鼓励智能化物流发展。2018年国务院常务会又对物流降本增效作出了部署，提出了三项举措。国家层面的重视，反映了我国物流行业“高成本低效率”问题依然严峻，也是国家产业结构调整的重要部分。在这样的背景下，数据驱动作为促进物流行业的有效手段之一进入到研究视野。

一、物流行业大数据的主要特点

web2.0技术、移动互联网技术和云计算的快速发展衍生了大数据。大数据不断掀起了各行各业的全新技术风潮，甚至颠覆了科技信息领域的发展，大数据挖掘和研究的价值也逐渐凸显，给各个行业和领域带来巨大冲击的同时也带来了发展机遇。大数据时代已至，各国纷纷将大数据的战略发展上升到国家层面。党的报告提出，“要推动互联网、大数据、人工智能和实体经济的深度融合”。这充分说明我国前瞻性地将大数据发展纳入国家战略谋划之中。随着物流市场中自动化、网络化、集成化及数字化程度的逐渐增强，数据的随机性和动态性日益凸显，日渐复杂的海量数据中的价值亟待挖掘。这个巨大物流信息平台中的数据，已然具备了大数据的主要特点。1.Volume（海量）根据国家统计局数据显示，在过去的十年里，物流市场规模高位运行连续五年位居世界第一，快递业务总量飙速上升，从2009年的18.6亿件上升到2018年的507.1亿件。与此深度关联的市场货量数据、交通网点数据、定价成本数据及相关车辆网络数据等爆发性增长，甚至超过了PB、EB级别。这不断要求物流行业从中挖掘高价值信息，分析和预测如此大规模数据。2.Variety（多样）物流新业态下的数据类型复杂，可分为3类:①结构化数据，如物流企业数据库等；②半结构化数据，如网络数据等；③非结构化数据，如各类物流清单报表等。3.Velocity（高速）根据《2018年中国快发展指数报告》显示，中国快递发展指数为814.5，同比提高23.6%。在物流行业中，数据也在高速和实时流动。利用Hadoop等开源技术持续实时地处理数据流，挖掘数据价值，实现数据反哺时不我待。4.Value（价值）大数据分析应用为物流领域开启无限可能。货主是物流企业核心服务对象，通过对数据的分析与深层次预测，把握市场变化，更好地满足用户的需求，实现利润最大化。运输仓储、路由规划、物流定价、车辆管理等传统物流业相关方面将插上数字化翅膀，实现资源优化与配置。

二、大数据在物流行业中的应用

数据在物流行业中的运用过程，首先，可从运输环节、仓储环节、包装加工环节等物流环节中有效地收集、处理海量数据和巨量信息，建立数学模型挖掘高质信息并进行数学分析；其次，将数据应用到实践中，以此实现资源的优化配置，提高运输配送效率和时效，降低物流成本，快速应对市场需求，实现数据反哺，帮助物流企业规避市场风险、做出合理满意的决策来实现利润最大化。图1显示了物流行业数据挖掘的一般流程。1.智慧商物预测（对货物进行分析——路由规划）。物流市场存在高度的动态性和随机性。在大数据环境下，可以从中挖掘出市场的实时供需关系、不同产品品类的流量及流向等信息，以实现合理调整资源配置、优化物流路由路径和运输，快速响应供需市场。截止目前，很多物流企业只关注快速高效地将货品从起点运送到终点，而非关注货物本身。实际上，物流企业可以通过自身数据的挖掘，出售市场信息给关联服务对象企业，拓展业务板块，以此扩大收入来源。比如，一家物流企业通过大数据分析了解到，在武汉市武昌区30%的用户每个月都会购买线上生鲜产品，其中某街道每个月都购置生鲜产品的用户占到了60%。分析这一消费现象，往往暴露出商机。物流运营商在不泄露信息来源和保护消费者隐私的基础上，仔细收集和挖掘这些有价值的信息，报告给有这些信息需求的企业。除此之外，物流企业还可以利用大数据分析技术有效地规划配送路线，预测交通状况和事故，平衡物流链负载。2.物流定价。货物的运输方式有公路运输、铁路运输、航空运输及海洋运输。仅以公路运输的货运市场为例，论述采纳大数据分析技术支撑物流定价的应用。由于货运市场具有信息化程度低、零散化、非标准化等特点，物流价格波动大的同时，物流企业之间的价格战也愈演愈烈，严重影响物流市场稳定。物流价格基于成本计算，要考虑各种各样的因素，如货物类型、运力成本、地域因素、交通网络路况，等等。目前，物流市场上的货运定价，仅仅依据简单线性分析货运物品的派送里程、质量、体积、过路费、车辆保修及油价来确定，缺少基于大数据分析的解决方案。基于大数据的物流定价方法如下：第一步，收集影响物流定价的成本信息数据，建立物流货运数据库，成本信息数据包括货物类型、运力成本、地域因素、交通网络路况等等；通过数据预处理对海量数据进行特征工程处理，包括数据清理、数据集成、数据重构、数据转化、数据关联和融合。第二步，建立数据模型，借助运算模块和大数据计算引擎进行多准则决策运算，得出最优物流价格。第三步，物流企业的高层管理者对大数据支持下的不同地区的指导价格进行参考，做出合理满意的决策。3.智慧末端配送（枢纽网点布局+智能快递柜）。“最后一公里”作为物流行业的末端配送难题而一直广受关注。艾瑞咨询的研究显示，城市用户和快递配送员之间的“痛点”，源于各自时间的错配。末端枢纽网点和智能快递柜的出现，为消费者提供了更高效的服务。然而，网点和智能快递柜的选址难以决策。大数据一方面可以收集大量与决策相关的地块租金、交通网络、辐射区域、市场需求量及竞争对手布点等信息数据，借助大数据分析，帮助企业做出最优决策。另一方面，市面上大多数智能快递柜的隔间布局都是统一的，但实际上配送到不同地域的包裹大小不一,具有不同的特性。例如，中央CBD写字楼及高校的包裹以信件和文件偏多，工业区的包裹以零件机器偏多，居民生活区的包裹以生活产品偏多。物流企业可以依托大数据技术支持，在不同需求的区域设置不同的快递柜隔间布局，以此节约成本、提高客户体验、升级效率。4.用户满意度分析。在物流客户管理中，大数据可以对海量客户数据及商品数据的内在联系和规律进行分析，为企业发展提供正确决策依据。物流客户管理中的大数据应用主要体现在物流服务的客户满意度分析、老客户忠诚度分析、客户需求分析、潜在客户分析、客户评价和反馈分析等方面。通过对用户信息和用户行为进行分析，运用多学科知识和实践经验，将数据转化为实际问题，在立足于企业实际的基础上，提高用户满意度，设法挽留老客户的同时，尽可能地挖掘潜在客户，调动客户积极性，提高用户体验，扩展市场份额，赢得口碑。大数据分析在实践中的应用多种多样，在给予重视的同时，要不断实践，通过数据挖掘，驱动效率，助企业降本增效一臂之力，为物流企业提供强有力的支持。

三、完善物流行业大数据应用的建议

1.保护用户隐私。在大数据时代，用户个人信息穿插在物流的各个环节，个人隐私被侵犯的问题层出不穷。如果用户个人信息在物流中转过程中被泄露，物流企业的形象也会大打折扣。因此，对于目前物流平台的海量用户隐私泄露问题，国家应该制定相应的政策和法规，明确企业的权责。同时，企业管理者也要采用有效的安全技术手段和数据加密手段，在企业进行信息资源采集、信息整合作业时，保障物流中转过程中的用户个人隐私和数据安全性，提高物流数据平台的安全防御能力。2.人才培养。大数据人才熟知多种商业技能，具备多种交叉学科的思维能力，能将数据和信息转化为企业的价值，为企业开拓新的市场业务带来净利润增长。因此，物流企业要提高对大数据人才在企业大数据应用及发展中主体地位的认识，在招聘人才时，积极引入大数据领域专业的开发研发技术人员。同时，建立大数据开发及应用的专业部门。该部门的工作人员需要具备一定的网络开发能力，能够熟练地使用数据分析软件、数据管理计划软件，具备一定的统计学和计量经济学基础。在大数据迅猛发展的进程中，制定相应的物流企业人才战略规划，制定符合发展需求和员工工作满意度的职业发展规划，并通过有针对性的培训，提高企业的服务能力和水平是非常必要的。3.建全绿色智慧骨干网络平台。艾瑞咨询《2017年中国物流科技行业研究报告》中提出，物流运输中将广泛应用新能源电动车。新能源电动车的运营维护成本比传统燃油车要低很多，此外，其还具有清洁能源、减少碳排放的特点。物流企业在利用大数据分析进行转型升级的同时，还需要兼顾绿色转型，将“绿色”与大数据相结合，建设移动智能绿色骨干网络。大数据分析能为物流企业及快递员提供动态规划数据、智能分单功能，再将新能源汽车投入运营使用中，“由点成线再成面”打造一张绿色生态的智慧物流网络，实现绿色与智能的共赢，实现车企和物流企业的共赢。

作者:赵喜洋 刘卿瑜 单位:1.湖北省交通规划设计院股份有限公司 2.中南财经政法大学工商管理学院