物流行业的大数据发展与应用
发布时间：2023-12-19 点击：151
随着大数据时代的到来，大数据技术可以通过构建数据中心，挖掘出隐藏在数据背后的信息价值，从而为企业提供有益的帮助，为企业带来利润。面对海量数据，物流企业在不断增加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略资源，充分发挥大数据给物流企业带来的发展优势，在战略规划、商业模式和人力资本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。通过大数据分析可以提高运输与配送效率、减少物流成本、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，从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务，而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后，提出具有中观指导意义的解决方案。许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
1.1 政策分析
自2012年，国家已陆续出台相关的产业规划和政策，从不同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，国家出台的与大数据相关的物流行业规划和政策，主要包括《第三方物流信息服务平台建设案例指引》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划（2014-2020年）》、《关于推进物流信息化工作的指导意见》等一系列政策，将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。
2011年11月推出的《物联网十二五发展规划》将信息处理技术列为四项关键技术创新工程之一，包括海量数据存储、数据挖掘、图像视频智能分析。另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也是大数据产业的重要组成部分，与大数据产业发展密切相关。
2013年6月发布的《交通运输业推进物流业健康发展的指导意见》指出，加快推进交通运输物流公共信息平台建设，完善平台基础交换网络，加快推进跨区域、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。加快完善铁路、公路、水路、民航、邮政等行业信息系统，推进互联互通，增强一体化服务能力。鼓励企业加快推进信息化建设。
2014年2月发布的《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指导思想、基本原则、建设类型、建设标准、保障措施与考核要求等进行了具体说明，并收录了目前国内经营模式较为先进、取得较好经济社会效益的第三方物流信息平台建设案例。
此外，交通运输部正在编制的物流发展十三五规划，其中统筹谋划现代物流发展，指出要发展智慧物流，适时研究制定互联网货物与物流行动计划，深入推进移动互联网、大数据、云计算等新一代信息技术的应用；强化公共物流信息平台建设，完善平台服务功能。
物流大数据行业的生命周期（数据产生－数据采集－数据传输－数据存储－数据处理－数据分析－数据发布、展示和应用－产生新数据）比较长，一般要在5-8年，前期的数据积累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年有望快速发展，率先实现大数据增值。
1.2 产业发展现状
物流是贯穿经济发展和社会生活全局的重要活动。2013年被称为大数据元年，2014年则为移动互联元年。在这个背景下，有必要分析研究大数据技术在物流领域的应用。
物流大数据研究和应用刚刚起步，尚属新兴的研究领域，发展比较缓慢。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，但从实际应用情况来看，目前，电商物流凭借互联网平台具有一定的先发优势，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希望，指明了新方向。
大数据在物流企业中的应用贯穿了整个物流企业的各个环节。主要表现在物流决策、物流企业行政管理、物流客户管理及物流智能预警等过程中。
（1）大数据在物流决策中的应用
在物流决策中，大数据技术应用涉及到竞争环境的分析与决策、物流供给与需求匹配、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，需要与合适的物流或电商等企业合作，对竞争对手进行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。
物流的供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。供需情况也需要采用大数据技术，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，主要涉及到运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，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管理中的应用
在企业行政管理中也同样可以应用大数据相关技术。例如，在人力资源方面，在招聘人才时，需要选择合适的人才，对人才进行个性分析、行为分析、岗位匹配度分析；对在职人员同样也需要进行忠诚度、工作满意度等分析。
（3）大数据在物流客户管理中的应用
大数据在物流客户管理中的应用主要表现在客户对物流服务的满意度分析、老客户的忠诚度分析、客户的需求分析、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应用
物流业务具有突发性、随机性、不均衡性等特点，通过大数据分析，可以有效了解消费者偏好，预判消费者的消费可能，提前做好货品调配，合理规划物流路线方案等，从而提高物流高峰期间物流的运送效率。
1.3 发展现状
物流是现代经济的核心之一，国务院印发的《物流业发展中长期规划（2014~2020年）》明确提出要以提高物流效率、降低物流成本为重点。因此，在大数据时代背景下，物流行业也必须高度重视统计数据。
物流大数据可以划分为三类：第一是微观层面，包括了运输、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，就是供应链、采购物流、生产物流数据分类；第三是宏观层面，基于商品管理，把商品分成不同的类型做数据分析。其中微观层面及中观层面的数据一般掌握在物流企业内部，但此类尚未进行处理分析，成为物流大数据交易中最重要的、最基本的供应方；整合、处理、分析源数据得到的具有新价值的数据，即宏观层面，指导物流企业经营管理的各个方面，因此，未来物流大数据交易的主要需求为宏观层面。
目前，物流大数据交易模式采用利益交换的模式——用服务去换取管理，即各个利益主体通过交换的方式，一方将信息的管理权交给另一方，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托，为商家、快递企业提供预警预测分析，帮助快递企业提前获取这些信息，从而提前把物流资源进行一定的配置和整合。
大数据技术对物流行业最显著的影响是横向流程延拓，纵向流程压缩简化。从供需平衡角度出发，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。主要体现在以下几个方面：第一，提高运营管理效率，根据市场数据分析，合理规划分配资源，调整业务结构，确保每个业务均可赢利；第二，预测技术，根据消费者的消费偏好及习惯，预测消费者需求，将商品物流环节和客户的需求同步进行，并预计运输路线和配送路线，缓解运输高峰期的物流压力，提高客户的满意度，提高客户粘度。
2、市场规模及需求分析
2.1 市场规模分析
大数据或将成为物流企业的强力助手。作为一种新兴的技术，它给物流企业带来了机遇，合理地运用大数据技术，将对物流企业的管理与决策、客户关系维护、资源配置等方面起到积极的作用。2014年，中国物流大数据应用市场应用规模为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，其中初具规模的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，带动着快递物流行业发展迅速。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表示，每一桩运输交易都会生成超过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理和分析，将会产生巨大的市场价格。据了解，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保持在40%左右。
2.2 需求分析
大数据在物流行业的应用，打破低层次、低效率、高成本的运输局面，逐渐演成数字化要求极高的行业。大数据已经渗透到物流的各个环节，因此，未来物流行业对大数据的需求前景广阔。
大数据的介入有助于解决物流行业现存的问题，主要体现在运营管理、全程监控、预测预警及客户满意度四个方面。
3.竞争格局
事实上，2014年大数据开始应用于快递物流行业。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，不过许多企业对物流大数据行业充满热情，正在积极筹划与建设中。
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，两家公司成立时间虽然仅相差几个月，但菜鸟网络公司凭借阿里巴巴多年的数据积累的优势，在业内的话语权要比蜂网更大
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。通过大数据分析可以提高运输与配送效率、减少物流成本、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，从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务，而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后，提出具有中观指导意义的解决方案。许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
1.1 政策分析
自2012年，国家已陆续出台相关的产业规划和政策，从不同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，国家出台的与大数据相关的物流行业规划和政策，主要包括《第三方物流信息服务平台建设案例指引》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划（2014-2020年）》、《关于推进物流信息化工作的指导意见》等一系列政策，将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。
2011年11月推出的《物联网十二五发展规划》将信息处理技术列为四项关键技术创新工程之一，包括海量数据存储、数据挖掘、图像视频智能分析。另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也是大数据产业的重要组成部分，与大数据产业发展密切相关。
2013年6月发布的《交通运输业推进物流业健康发展的指导意见》指出，加快推进交通运输物流公共信息平台建设，完善平台基础交换网络，加快推进跨区域、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。加快完善铁路、公路、水路、民航、邮政等行业信息系统，推进互联互通，增强一体化服务能力。鼓励企业加快推进信息化建设。
2014年2月发布的《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指导思想、基本原则、建设类型、建设标准、保障措施与考核要求等进行了具体说明，并收录了目前国内经营模式较为先进、取得较好经济社会效益的第三方物流信息平台建设案例。
此外，交通运输部正在编制的物流发展十三五规划，其中统筹谋划现代物流发展，指出要发展智慧物流，适时研究制定互联网货物与物流行动计划，深入推进移动互联网、大数据、云计算等新一代信息技术的应用；强化公共物流信息平台建设，完善平台服务功能。
物流大数据行业的生命周期（数据产生－数据采集－数据传输－数据存储－数据处理－数据分析－数据发布、展示和应用－产生新数据）比较长，一般要在5-8年，前期的数据积累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年有望快速发展，率先实现大数据增值。
1.2 产业发展现状
物流是贯穿经济发展和社会生活全局的重要活动。2013年被称为大数据元年，2014年则为移动互联元年。在这个背景下，有必要分析研究大数据技术在物流领域的应用。
物流大数据研究和应用刚刚起步，尚属新兴的研究领域，发展比较缓慢。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，但从实际应用情况来看，目前，电商物流凭借互联网平台具有一定的先发优势，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希望，指明了新方向。
大数据在物流企业中的应用贯穿了整个物流企业的各个环节。主要表现在物流决策、物流企业行政管理、物流客户管理及物流智能预警等过程中。
（1）大数据在物流决策中的应用
在物流决策中，大数据技术应用涉及到竞争环境的分析与决策、物流供给与需求匹配、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，需要与合适的物流或电商等企业合作，对竞争对手进行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。
物流的供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。供需情况也需要采用大数据技术，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，主要涉及到运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，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管理中的应用
在企业行政管理中也同样可以应用大数据相关技术。例如，在人力资源方面，在招聘人才时，需要选择合适的人才，对人才进行个性分析、行为分析、岗位匹配度分析；对在职人员同样也需要进行忠诚度、工作满意度等分析。
（3）大数据在物流客户管理中的应用
大数据在物流客户管理中的应用主要表现在客户对物流服务的满意度分析、老客户的忠诚度分析、客户的需求分析、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应用
物流业务具有突发性、随机性、不均衡性等特点，通过大数据分析，可以有效了解消费者偏好，预判消费者的消费可能，提前做好货品调配，合理规划物流路线方案等，从而提高物流高峰期间物流的运送效率。
1.3 发展现状
物流是现代经济的核心之一，国务院印发的《物流业发展中长期规划（2014~2020年）》明确提出要以提高物流效率、降低物流成本为重点。因此，在大数据时代背景下，物流行业也必须高度重视统计数据。
物流大数据可以划分为三类：第一是微观层面，包括了运输、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，就是供应链、采购物流、生产物流数据分类；第三是宏观层面，基于商品管理，把商品分成不同的类型做数据分析。其中微观层面及中观层面的数据一般掌握在物流企业内部，但此类尚未进行处理分析，成为物流大数据交易中最重要的、最基本的供应方；整合、处理、分析源数据得到的具有新价值的数据，即宏观层面，指导物流企业经营管理的各个方面，因此，未来物流大数据交易的主要需求为宏观层面。
目前，物流大数据交易模式采用利益交换的模式——用服务去换取管理，即各个利益主体通过交换的方式，一方将信息的管理权交给另一方，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托，为商家、快递企业提供预警预测分析，帮助快递企业提前获取这些信息，从而提前把物流资源进行一定的配置和整合。
大数据技术对物流行业最显著的影响是横向流程延拓，纵向流程压缩简化。从供需平衡角度出发，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。主要体现在以下几个方面：第一，提高运营管理效率，根据市场数据分析，合理规划分配资源，调整业务结构，确保每个业务均可赢利；第二，预测技术，根据消费者的消费偏好及习惯，预测消费者需求，将商品物流环节和客户的需求同步进行，并预计运输路线和配送路线，缓解运输高峰期的物流压力，提高客户的满意度，提高客户粘度。
2、市场规模及需求分析
2.1 市场规模分析
大数据或将成为物流企业的强力助手。作为一种新兴的技术，它给物流企业带来了机遇，合理地运用大数据技术，将对物流企业的管理与决策、客户关系维护、资源配置等方面起到积极的作用。2014年，中国物流大数据应用市场应用规模为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，其中初具规模的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，带动着快递物流行业发展迅速。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表示，每一桩运输交易都会生成超过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理和分析，将会产生巨大的市场价格。据了解，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保持在40%左右。
2.2 需求分析
大数据在物流行业的应用，打破低层次、低效率、高成本的运输局面，逐渐演成数字化要求极高的行业。大数据已经渗透到物流的各个环节，因此，未来物流行业对大数据的需求前景广阔。
大数据的介入有助于解决物流行业现存的问题，主要体现在运营管理、全程监控、预测预警及客户满意度四个方面。
3.竞争格局
事实上，2014年大数据开始应用于快递物流行业。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，不过许多企业对物流大数据行业充满热情，正在积极筹划与建设中。
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，两家公司成立时间虽然仅相差几个月，但菜鸟网络公司凭借阿里巴巴多年的数据积累的优势，在业内的话语权要比蜂网更大