大数据环境下物流统计的变革

黄璆

（东北财经大学 统计学院，辽宁 大连 116025）

大数据环境下物流统计的变革

黄璆

（东北财经大学 统计学院，辽宁 大连 116025）

信息技术的快速发展使得全球数据量呈现爆炸式增长，人类社会已经进入到了大数据时代。物流业作为一个集物流、商流、资金流和信息流为一体的新兴产业，在国民经济中占据着重要地位。文章就物流统计发展现状进行了分析，对大数据时代物流统计环境的变化进行探讨，基于大数据环境下，物流统计的改进提出了设想。

大数据；物流统计；变革

大数据时代的到来使得物流业所处的数据环境发生了历史性的变革，对传统物流统计工作的理念、方法、流程和结果将产生重大的冲击，对当前物流统计体系、统计方式、数据价值等带来了严峻的挑战。如何把握大数据环境给物流统计带来的变革，进一步完善和改进统计方式，使物流统计成为国民经济统计中的重要组成部分，更好地服务于现代物流的发展，是当前亟待解决的问题。

1 物流统计发展现状

物流业被誉为“企业第三利润源泉”，在我国国民经济发展中占据举足轻重的地位。为了反映物流业的规模、结构和发展水平，引导和促进物流业的健康发展，我国于2006年首次将物流统计纳入政府统计范畴。2012年国家发展和改革委员会发布的《社会物流统计核算与报表制度》是我国现行的物流统计制度，为制定合理的物流产业政策提供了有效而可行的数据支撑。经过近几年的发展，我国物流统计工作已初步完善，但仍然存在一些问题。

1.1 调查工作以政府为主导，未能充分发挥行业协会的作用

目前，我国物流统计调查工作以政府为主导，国家发展和改革委员会、国家统计局以及中国物流与采购联合会是我国物流统计调查的具体实践者。2006年12月首次发布全国物流统计数据——《2006年全国重点企业物流统计调查报告》，这意味着物流统计已正式列入政府统计范畴。中国物流与采购联合会于2005年7月开始每月1日对外发布中国制造业采购经理指数（PMI），并于2008年1月开始每月3日对外发布非制造业采购经理指数（PMI），作为经济发展的先行指标，为政府调控和企业决策提供了重要依据。同时，中国物流与采购联合会每年负责编辑出版《中国物流年鉴》、《全国重点企业物流统计调查报告》和《中国物流发展报告》，为我国物流统计积累了宝贵财富。

虽然，以政府为主导的物流数据的统计和发布使得物流统计工作更具权威性。但是，物流业虽隶属于第三产业，其与第一产业和第二产业都存在着紧密的联系，物流相关数据也散落在我国经济主体的各个方面。因此，单纯依靠政府的力量无法全面、详细的对我国物流业进行统计调查，显示了统计主体单一的问题。

1.2 调查对象以运输、仓储业为主，未能涵盖所有的物流行业

在中国国家标准局编制和颁布的《国民经济行业分类与代码》（GB/T4754—2011）对产业的划分中，并未将物流业设为独立的产业，只是划分成了交通运输业、仓储业和邮政业。这就导致物流统计调查对象也是以交通运输、仓储和邮政业等所涉及的相关企业为主。然而，现代物流业的发展早已超越了这种传统认识，已经从传统物流企业发展成了第三方物流、第四方物流，甚至第五方物流。

我国现代物流业发展成了一个综合产业，已经不同于《国民经济行业分类与代码》（GB/T4754—2011）的分类标准。从纵向上看现代物流业涉及运输、仓储、装卸搬运、包装、流通加工、配送、信息处理以及为各环节提供咨询和服务的领域；从横向上看现代物流业几乎涉及国民经济的各个方面。因此，其统计范畴具有特殊性。通常，物流统计调查对象并不全面，未能涵盖大部分的物流企业。现行统计标准分类中的废弃资源利用业（C42）、批发和零售业（F）中涉及到的物流配送活动以及工业制造中的供应物流、销售物流、回收物流等行为也隶属于现代物流的内容。除此之外，还应包括提供物流咨询、协调、规划等行为的第四方物流企业等。

1.3 调查方式以普查为主，以抽样调查和重点调查为辅，未能获取物流业的准确数据

我国物流统计主要采用周期性普查，再辅之以经常性的抽样调查和重点调查的方式，具体实施采用基层调查、企业上报以及政府核算。周期性普查能够较全面、详细的获取到物流统计相关数据，是我国统计调查的基础方式。

但是，普查需要耗费大量的人力、物力和财力，同时物流业的发展瞬息万变，物流业的数据基础也无时无刻在发生变化，普查的实效性并不强，或者可以说普查信息的发布滞后于行业的发展。因此，物流统计辅以采用抽样调查和重点调查方式。例如，2012年我国发布的《社会物流统计核算与报表制度》就是采用重点调查。

总的来说，目前所采用的物流统计调查方式还不够灵活，不能准确、全面的获取物流业的活动数据。首先，重点调查及抽样调查的统计范围过窄，不能较全面的反映各地区及各行业物流的发展水平，如2012年发布的《社会物流统计核算与报表制度》采用重点企业调查方式，就忽略了物流行业的大众群体——中小物流企业；其次，周期性普查虽然调查范围较为全面，但时效性较差，同时物流统计工作在具体落实时，并不能获取到真实可靠的物流数据，如企业物流数据基础普遍较差，物流成本难以核算，生产物流较难统计，这就使得物流统计数值准确性大打折扣。

1.4 工作流程与一般的官方统计工作流程类似，未能保证数据的可靠性

物流统计作为国民经济统计的重要组成部分，其工作流程与一般的官方统计工作流程类似，都是遵循报表设计——报表布置——报表受理——数据采集——数据加工——录入汇总——审核——上报——公布的工作流程。目前报表设计工作一般由政府主导，汇集专家学者的意见形成。报表布置，即报表的填报群体选择，一般选择的都是样本群体，而不是总体。报送受理主要为联网直报，并采用邮寄、电子邮件、传真相结合的方式。数据采集即从上报的报表中分类筛选出所需的数据，然后对数据进行一定的加工，如对误差、效度、信度进行检验后再录入汇总，用以反映样本总体的特性。从数据汇总到数据发布还需经过权威部门的审核及报批，最终形成官方物流统计数据并予以发布。

目前物流统计所遵循的工作流程看似科学，实则还存在许多不合理的地方。首先是报表的设计。统计数据的准确性和可靠性主要取决于原始数据采集的准确度和可靠度，而目前报表设计工作一般由政府主导，由于政府和企业的视角不同，所设计出的报表并不一定符合物流企业的特性，使得企业填报时遇到难题，最终导致数据的不准确。其次是报表布置。一般选择的都是样本群体，这些样本群体能在多大程度上反映样本总体的特性，其实还有待考证。再次是报表受理。报表受理时间长，信息容易遗漏、丢失。这就使得目前的物流统计工作流程需进一步完善。

1.5 统计指标体系以传统物流活动为主，未能体现现代物流的综合性

目前，我国物流统计指标体系已初步形成。从2009年12月1日起，我国开始实施《社会物流统计指标体系》（GB/T24361-2009），主要分为社会物流宏观统计指标体系和企业统计指标体系两个方面。社会宏观统计指标体系主要包括以下五个部分：社会物流总费用、社会物流总收入、社会物流总额、物流业增加值和物流业固定资产投资。企业统计指标体系主要包括以下八个部分：物流业务运营、物流业务收入、物流业务成本、物流服务价格、物流经营效益、物流资产、物流基础设施与装备和物流从业人员。

不难看出，现行的物流统计指标体系虽然日趋完善，但仍然以传统物流活动为主，不能够全面反映现代物流活动的全部过程，未能体现现代物流的综合性。现行的《国民经济行业分类与代码》（GB/T4754—2011）未将流通加工、配送、信息处理以及新的物流形态如第四方物流、逆向物流、绿色物流从大行业中细分出来，使得物流统计对象更侧重交通运输业和仓储业等。同时，由于物流统计资料难以收集，工业企业中的生产物流等数据也没有纳入物流统计范畴。物流统计对象的不全面直接影响了统计指标体系的设置，使得物流统计滞后于现代物流业的发展。

综上可知，我国物流统计基础薄弱，统计主体单一，调查对象不全，调查方式、统计工作流程、统计指标体系待完善等问题使得物流统计数据不能真实地反映物流业的发展。因此，在当前形势下加强物流统计工作，探索物流统计方法十分必要。大数据使得数据环境发生了变革，物流统计也要顺应时代的发展，转变思维，使得物流统计数据能够更合理地反映我国物流运行情况，为我国宏观政策的制定和企业经济决策提供数据支撑。

2 大数据时代物流统计环境的变化

大数据，是指大小超出了传统数据尺度，无法在合理的时间内采用常规软件、工具对数据内容进行撷取、存储、管理和分析的数据集合[1]。一般来说，我们可以用4V[2]即超大容量（Volume）、多样性（Variety）、高速(Velocity)和价值（Value）来形容大数据的特征。Viktor Mayer在《大数据时代》一书中提出了大数据的三个最显著的变化：一是样本等于总体；二是不再追求精确性；三是相关分析比因果分析更重要[3]。这有悖于传统的统计思维。近几年，我国物流业呈现了快速发展的态势，但相较于发达国家，我国物流统计相对落后，已远远滞后于现代物流业的发展。物流统计该如何寻求突破？大数据时代的到来为物流统计环境带来了新一轮的变革[4]。因此，要想提高我国物流统计水平，促进物流业的健康发展，必须把握当前形势的变化，让大数据成为提升我国物流统计水平的金钥匙。

大数据时代对物流统计环境带来的变化首先是数据格式及数据来源的多样化，这将在一定程度上改变现有的调查方式和统计主体。大数据时代极大地扩展了数据来源。物流企业可以通过互联网、物联网等多种非传统渠道，及时捕捉以前无法获得或无法使用的物流活动数据，充分发挥企业、行业等在物流统计中的作用，改变物流统计主体单一的问题。大数据时代中的数据与传统的结构化数据不同，大多以半结构化和非结构化的形式呈现。数据格式的多样化将使得传统统计调查方式显得无能为力。同时，也使得许多依靠传统调查方式无法完成的工作成为可能。现行的物流统计是通过统一的报表和统计方式将调查对象的物流活动转化为可用的数据，由于数据来源的多样化，传统企业上报的调查方式可以改为采用实际生成的原始数据记录。如通过对企业管理信息系统、ETC电子收费系统、GPS定位系统等进行数据挖掘，从而收集生产物流、运输量、运输里程等物流数据。这种针对原始数据的收集方式不再需要调查对象长期认真的配合，让数据自然发声，避免了外界干扰，数据质量将更有保证，使物流统计结果更具指导意义。

大数据时代对物流统计环境带来的变化其次是数据获取的公开化，这在一定程度上改变了数据统计对象和统计指标设置的问题。传统的物流统计对象具有一定的局限性，未能涵盖所有的物流企业，已不能满足新时期现代物流发展的需求。在大数据时代，社会信息处于大爆炸的状态，权威统计部门能够获取到的信息，广大民众也能获得，使得信息获取更加公开。传统物流统计的对象和指标体系将会发生许多变化。物流统计面对的不仅是以往熟悉的企业调查对象，而且还要面对不熟悉的或更加复杂的互联网、物联网经济，统计调查对象更加全面，将覆盖所有与物流活动有关的企业。大数据环境下企业和企业、企业和个人、企业和政府之间能够实现信息的共享，因此在物流统计指标体系的设置上，不仅可以对运输及其相关增值过程进行全面统计，而且可以考虑与企业生产加工密切相关的生产物流，也可以对逆向物流、第四方物流等新型的物流发展形式进行分类统计，尽量避免统计不全和重复统计问题，进一步完善物流统计指标体系。

大数据时代对物流统计环境带来的变化再次是数据发布快捷化，这在一定程度上能够解决物流统计工作流程不合理的问题。公众对物流统计数据的时效性要求越来越高，希望能够及时获取物流运行的实际情况。大数据为物流统计提供了大量高价值的原始资料，将缩短数据采集时间，减少报表填报任务，减轻调查对象负担，提高统计数据质量，提升统计工作效率，最终使得物流统计数据的发布更加快捷。中国政府统计实施的企业一套表联网直报统计工程，已经极大的提升了统计效率，但是由于物流统计的特殊性，还不能满足公众对时效性的需求。随着大数据时代的到来，物联网技术、遥感（RS）、地理信息系统（GIS）、全球定位系统（GPS）等技术的广泛运用，极大的提高了数据采集能力，这也为改进工作流程、提高统计效率奠定了基础。由此可见，大数据时代对物流统计环境带来的变化是巨大的，不仅改变了统计工作方式和流程，而且挑战了当前的物流统计能力及管理体制。

可以说，大数据的应用已经渗透到人们的日常生活和工作中，对物流统计而言，它从数据来源、数据获取和数据发布三个方面改变了传统的物流统计环境。《大数据时代》作者Viktor Mayer也说过，大数据往往是凌乱的，数据质量也是参差不齐的[5]。要想利用好大数据，从数据变革中收益，并不是一件容易的事情。因此，如何正确认识大数据、把握大数据时代对物流统计环境所带来的变革，是我国物流统计工作需要关注的重点问题。

3 大数据环境下改进物流统计工作的设想

3.1 借助物联网技术，完善物流统计指标体系

物联网技术加快了大数据时代的进程，也带动了整个物流产业的飞速发展。物联网以信息感知为特征，被称为继计算机、互联网之后世界信息产业的第三次革命，涵盖了射频识别（RFID）、无线传输、综合传感等多种技术，实现了物与物之间智能化的对接与沟通，完成了信息的互联与共享。物联网与大数据紧密结合，同时物联网与物流业的关系也十分密切。

大数据的关键是整合，即数据实现成片的共享。借助于物联网技术，物流信息将能实现内外部的共享和整合，改变了物流统计主体和统计方式。物流数据在个人、企业、行业之间实现共享，政府不再成为物流统计信息采集与发布的主体，物联网将逐步替代现有的调查体系和填报系统[6]。这些物流活动数据通过无线传感网络进入物联网，实现了企业内部信息整合。通过对物联网和税务、工商、银行等部门的行政记录实施条件共享，实现行业间的数据整合。随着物联网技术的发展，大数据对传统物流统计实现了有效的补充和快速融合，为我国物流统计指标体系的完善提供信息基础。

物联网条件下各种各样的传感器都成为数据来源或者承载的方式，数据记录无处不在，信息也更为全面。物联网技术使得运输与配送环节实现了可视化管理，并对生产仓库与配送中心以及货物物流信息实现了全程监控与追踪。因此，在广泛运用物联网技术的大数据时代，通过自动采集物流活动信息，使得整个物流过程变得更加透明，从原材料出厂到货物在途运输，以及货物检验及入库等，整个物流信息一目了然。同时，传感通讯技术的引入使得工业生产、仓储运输、流通配送等各种交易数据在生成的同时就被记录。这样，对货物运输量、货物周转量、车辆实载率、物品流转等信息的采集将变得十分简单，大大简化了后期记录、传递和整理等程序，极大的提升了物流统计的及时性。除此之外，物联网还能准确地提供物流活动空间变化情况、运输环境状况等额外的信息，这就使得生产物流、逆向物流、绿色物流等并未纳入物流统计指标体系的数据采集成为可能，物流统计指标体系将趋于完善。

3.2 依托云计算技术，挖掘物流统计数据价值

物联网、云计算和大数据的紧密结合是当今社会发展的核心驱动力量。物联网技术和云计算技术是大数据时代的两大焦点，它们既有区别也有联系。物联网使得大数据的信息量和数据规模达到惊人的程度，云计算技术实现了对物联网产生的海量信息的传输、处理和应用，从而对物流活动实现实时动态管理变得可能。大数据时代物流统计基础数据收集已经不再是难题，而如何整合数据资源并挖掘数据价值，才是当前物流统计最需要关注的问题。

在大数据时代，云计算与物联网的融合为数据价值显现提供了平台。大数据背景下物流统计工作的改进在于挖掘物流统计数据价值，从而指导政府宏观政策的制定，促进物流业的发展。射频识别（RFID）、全球定位系统（GPS）以及地理信息系统（GIS）在物流业中的广泛运用，将产生大量非结构化的物流数据，利用云计算技术，对采集的数据、图形、图像、视频等信息进行处理和分析，能够为物流统计提供大量的数据资源，实现精准的运输量、运输里程、交通负荷等数据的采集。随着大数据资源的急剧增加和数据挖掘技术的日益成熟，物流统计工作将取得较大的进展。物流活动所涉及到的各种实时流转信息具有较高的开发和利用价值，而这种信息的数量之大和频率之高是传统数据无法企及的。依托云计算技术，科学使用大数据不仅能够缩短物流统计数据生产的周期，弥补物流统计调查在及时性方面的不足，而且为企业物流管理和政府宏观物流决策提供了充分的数据依据。

3.3 建立企业数据仓库，夯实企业物流统计基础

作为大数据主要来源的企业内部数据，其基础是否完善直接影响了物流统计的精确性。在大数据时代，庞大及多样化的数据信息为完善企业物流统计提供了新的思路。当今的物流统计主要从物流企业和企业物流两个方面入手，从而核算出社会物流的运行情况。物流统计滞后于现代物流业发展归根结底是因为我国企业的基础物流统计工作不完善。相对于企业物流，物流企业的相关数据比较容易获取，能较真实的反映当前物流企业的发展现状。但是由于企业物流统计难度较大及会计核算制度等缺陷，现有的企业物流统计数据不能真实反映企业内部物流运行状况，并未体现出物流活动对企业发展的重要性。

企业物流的统计对象是工业、批发和零售业等涉及到物品生产、流通的各类企业。企业物流信息一般包括存放于企业业务数据库中的各种结构化数据和办公自动化系统中的各类非结构化数据，如订单量、生产量、库存量、车辆调度表及车辆GPS数据等。企业物流信息来源除了内部数据之外还有一部分来自于外部数据，如供应物流和销售物流情况与供应商和销售商的数据库是紧密联系的。可见，企业物流数据层次较多，大量的物流数据游离于企业数据库之外，形成一个一个的数据孤岛，无法对数据进行挖掘和深入分析，造成大量信息资源浪费。

那么，如何完善企业物流统计，夯实企业物流统计基础？答案是建立数据仓库。过去几年，全球物流市场增长迅速，企业发展步伐加快，越来越多的企业采用先进的技术和设备来提升物流水平，如射频识别技术（RFID）及各种终端传感设备等先进技术的运用，有利于企业采集各类数据和信息，健全企业物流统计台账，丰富数据仓库，夯实数据基础，为在大数据环境下完善企业物流统计工作提供了有利的条件。数据仓库作为大数据环境中数据存储和处理的依托，是对大数据进行分析、整合的核心物理构架，可以对不同的大数据按统一、规范的格式进行提取、转换及加载（ETL），确保企业内外部相关数据储存在合适的位置，保证数据来源和使用。这样，企业所产生的庞大而复杂的物流数据就可以进行完好的储存，企业各个职能部门也能够实现数据共享。企业物流所涉及到的供应物流、生产物流、销售物流等信息能够得到充分运用，企业物流统计的精确度和准确度也就大大提升了。

4 结束语

大数据时代的到来乃是大势所趋，不容置疑。由于物流业与大数据技术联系紧密，因此，大数据在物流领域的应用是未来的技术潮流和趋势。物流企业应该充分认识大数据时代在数据来源、数据获取方式、数据发布形式等方面给物流统计环境带来的变革，并从物联网技术、云计算技术和企业数据仓库等方面着手，完善物流统计指标体系，挖掘物流统计数据价值，夯实企业物流统计基础。物流业必须抓住大数据时代和物联网技术带来的机遇，重新审视物流统计工作，提高数据采集和整合能力，从而提升物流统计的价值和效率。当然，大数据时代给物流统计环境带来有利变革的同时，也向物流统计提出了众多挑战，面对企业内部各种数据的快速增长，如何有效发挥数据资产的价值、如何维护数据资产的安全，已成为考验物流统计的难题。物流统计要做的是未雨绸缪，为今后大数据在物流统计的全面应用做好充分的准备及应对。

[1]季晓晶.大数据时代统计调查工作的挑战与思考[J].统计与咨询，2013，（5）.

[2]郭晓科.大数据[M].北京:清华大学出版社，2013.

[3]Mayer-Schnberger，Cukier.大数据时代[M].杭州:浙江人民出版社，2013.

[4]邱东.大数据时代对统计学的挑战[J].统计研究，2014，（1）.

[5]李金昌.大数据与统计新思维[J].统计研究，2014，（1）.

[6]宋旭光.物联网技术对国民经济核算发展的影响[J].统计研究，2014，（10）.

（责任编辑/易永生）

C82

A

1002-6487（2016）21-0065-04

黄 璆（1986—），女，江西赣州人，博士研究生，讲师，研究方向：国民经济核算、物流统计。