大数据对物流企业管理模式的影响探析

王柳淋

[摘 要]随着互联网技术的不断发展，大数据技术在推进社会各行各业发展上的作用越来越突出。当前在物流企业中也广泛运用了大数据技术对数据进行分析和处理，有效地提高了工作效率和企业经济效益。物流企业数据来源丰富，且数据规模庞大，类型多样复杂，将大数据技术应用在物流企业的信息获取与分析当中，具有重大现实意义。文章首先对大数据概念与物流企业特征进行了梳理，其次论述大数据发展对物流企业带来的机遇和挑战，然后简述大数据对优化物流企业管理模式的重要意义，最后指出大数据的发展必然会推进物流企业决策管理模式科学化。

[关键词]大数据;物流企业;管理模式

[DOI]10.13939/j.cnki.zgsc.2021.26.132

1 大数据概述

1.1 大数据的概念

在互联网时代背景下，为进一步优化企业管理模式、提高企业工作效率，企业唯有运用新的处理模式对数量庞大、类型复杂、增长速度快的数据进行采集和处理，经过加工的数据为企业所利用，以充分发挥数据对企业的利用价值，增加企业经济效益[1]。

1.2 物流行业大数据的特征

1.2.1 数据规模巨大

物流企业数据来源丰富，主要包括电子商务、移动商务、互联网、微博等交易渠道，以及智能终端、移动终端、实时监控、GIS、GPS、无人机、第三方服务平台、云计算应用、行业活动记录、行业研究报告等等都是获取数据的来源，广泛的数据来源渠道，以及庞大的数据规模，对物流企业数据处理能力提出了更高的要求。加之以前以GB 或 TB 为单位进行存储，现在GB 和 TB已经严重落后于现实工作需求，PB和 EB的运用才能满足当下物流企业的数据存储处理需求[2]。

1.2.2 数据类型繁多

物流企业获取的大数据类型多种多样，主要表现在类型、维度、格式等方面的多样化上。其中，类型多样化包括人们的交互数据、活动数据等传输过来的数据;维度多样化指的是非结构化、半结构化、结构化这三种，非结构化数据包括音频图像等，结构化则是存储于DB数据库中的数据，半结构化包括文档、日志文件等;格式多样化主要包括信函、表格、档案等纸质文档的文件信息，以及存储于音频图像中的电子数据等。

1.2.3 处理速度快

物流企业数据来源渠道多样化，使得物流企业数据增长速度加快，要求物流企业以更加快速的处理效率来对这些数据信息进行分析和处理。

1.2.4 价值密度低

物流行业数据类型多且量大，但并非收集到的数据都有可利用的价值，价值密度高的比重相对较少，这就需要对数据信息进行进一步的加工处理。

2 物流企业商业模式现状

物流企业在发展过程中逐渐形成了七种商业模式，具体如下。

第一，传统外包模式。为降低管理成本，提高企业核心竞争实力，大部分企业都选择采用合同形式委托给专业物流公司，这也是当前物流企业主要实行的商业模式。

第二，战略联盟模式。企业与企业、组织或个人之间建立起来的业务合作形式，联盟规模越大，信息共享、交流形成的效益就越高。

第三，综合物流模式。综合物流模式是集仓储、运输、配送、数据分析、包装、流通等物流服务为一体的综合性管理模式，它能为客户提供丰富多元的服务内容。综合物流模式一般是通过三种形式来实现。一是新增或改建原有设备设施;二是兼并规模较小的同行企业;三是多家物流企业合并[3]。

第四，协同运作模式。该模式可以为其他同行企业提供信息、管理、供应链策略制定、战略方案设计等方面的支持，但不参与到具体的物流运营当中。

第五，方案集成模式。该模式是物流企业与客户联合投资建立合伙公司，并充分发挥成员的工作能力、技术、资金等资源优势，为客户提供完善的供应链管理服务。

第六，行业创新模式。该模式是利用行业资源、技术等优势为其他多个行业客户提供供应链方案上的服务，该服务的供应有利于促进供应链创新，提高行业服务水平。

第七，动态联盟模式。在市场出现某种机遇的时候，不同企业联合起来通过利益共享和风险共担来实现合作，将各自的资源优势充分发挥出来，以实现利益最大化。

3 大数据背景下物流企业管理的挑战

3.1 物流数据使用能力较差

目前，物流企业普遍都上线了仓库管理系统、运输管理系统以及上下游经销商管理系统，可谓全面进入了数字化时代，但目前这些系统的数据处理与使用能力并不足，数据中心的处理上限往往只能到TB最多是PB级别，而在大数据时代下，物流企业每天需要处理与储存的数据能够达到EB级别甚至是ZB级别，现有的物流数据系统明显存在性能瓶颈[4]。

3.2 物流基础设施设备信息化程度较低

物流企业要利用好大数据技术，就需要在基建、硬件上满足大数据技术使用的需求，在仓储、运输配送等环节都应该具备数据收集处理的设备，然而当前我国物流企业在这方面的投入显然远不如發达国家，这一问题也成为了物流企业甚至是物流产业发展的桎梏。以美国为参照对象，我国的人均物流仓储面积是美国的1/14，加上目前已经建成的物流基建以及设备配置年代相对久远，很难支撑大数据技术在物流业务以及管理中的运用。

3.3 物流企业缺乏专业人力支持

随着近年来大数据技术在物流各领域应用越来越普遍，这也意味着物流企业应该配备更大规模的专业人力才能支持相关的数据处理工作。然而，就当前情况来看，我国物流企业普遍都没有为大数据相关工作配置足够的专业人力，加上近年来我国高校的物流相关专业也并未专门为大数据方向培育专业人才，所以物流企业的大数据专业人力支持严重不足。

3.4 未能充分保护客户隐私

大数据技术是由客户与物流企业之间各项活动的信息记录后形成的庞大数据库实现的，而这种记录之详尽，已经触及客户业务的许多方面，甚至可以在很大程度上还原客户的部分业务情况，这也让信息安全成为了互联网时代最关键的问题。所以，在后续的大数据管理过程中，物流企业不但应该全面、细致地收集客户信息，同时也应该对设计客户隐私的信息做好加密保护。