大数据技术用于智慧物流中的策略

梁英杰

（广西电力职业技术学院，广西壮族自治区 南宁 530007）

随着信息技术的不断进步，互联网已进入千家万户成为人们工作和生活中必不可少的重要工具。在这样的背景下，社会经济也在寻找更多新的方式促进传统产业的优化升级，让传统产业与互联网技术能够实现有效结合，推动传统产业的转型。在这样的背景下，智慧物流应运而生，推动着物流产业链的不断进步与发展，让物流行业能够走向自动化、智能化、可视化、网络化的发展道路，使物流行业内部的资源配置更加高效，也使物流行业的服务质量和服务效率得到有效提升。

1 智慧物流与大数据技术概述

智慧物流是由中国物流协会信息中心在2009年提出的新概念，其核心在于利用互联网资源对物流进行科学的动态管理，物流工作朝着智能化和自动化的方向发展，从而使物流资源的利用效率做到全面提升，让物流行业的生产力水平得到进一步发展，使物流行业的社会价值不断拓展。在社会经济不断发展的今天，智慧物流应该立足于社会的发展实际，结合我国的发展目标和战略计划，不断更新自身的内涵与核心，促进自身的稳健发展。

大数据是指使用常规软件无法在特定时间范围内实现管理和处理的数据集合，需要采用新的管理方式才能够让海量、多样化、高增长的数据资源具备更高的决策力和洞察力。大数据技术则是对大数据的应用技术，涵盖了多种数据平台和指数体系。在信息技术的推动下，大数据技术日趋成熟，为智慧物流的发展提供了更多先进的技术支持，让智慧物流的工作环节得到进一步优化，有效提高了智慧物流的工作效率，对智慧物流的工作成本进行更有效控制。

2 大数据技术对智慧物流的积极影响

2.1 优化了传统物流工作

在大数据技术的帮助下，智慧物流进入了新的发展时期，能够进一步整合不同区域的有效资源，从而完成了对物流资源的高效统一调度，拓展了物流行业的服务空间。在这样的环境下，不同的物流企业可以进一步加强合作，优化市场环境中的资源配置，使物流行业中的资源调度更加科学规范。从目前的发展趋势来看，传统的仓储管理也朝着智能化的方向发展，由不同部门负责相应的业务模块，并对业务模块进行高效的实时监督与管理，能够在出现问题时及时采取有效的解决措施。例如，在物流配送的环节中，通过大数据技术的帮助，物流的配送时间明显缩短，一方面是让上下级企业能够实现配送信息的实时共享，另一方面是可以快速分析运输路线的路况，从而找到最佳的配送路线，将货物及时送到客户手中，提高配送的质量和效率。

2.2 促进了实体经济的发展

随着社会经济的不断发展，社会的需求结构也出现了新的变化。如今，国家经济的增长在很大程度上依赖于各种形式的消费活动，而物流是将消费群体和生产过程联系起来的重要环节，是资源配置中不可或缺的重要组成部分。在大数据技术的帮助下，智能化优势进一步凸显，让原来复杂的分配交换环节通过大数据的技术处理得到有效简化，从而缩短了产品的消费周期。对于现代企业而言，劳动生产率的提升和生产成本的不断降低是提高企业利润的有效方式，但同样物流的成本和效率也会对企业利润造成影响。

3 大数据技术在智慧物流应用中存在的问题

3.1 大数据管理体系不完善

在智慧物流发展的过程中，多个行政部门都发挥着重要的作用，例如商务部、工信部、改革委员会、交通部、信息技术部等。但是，由于目前大数据技术的发展仍在探索阶段，涉及智慧物流的管理内容相对较多，各条块的分割方式较为复杂，由此带来了较为严重的信息孤岛现象，这就导致大数据技术在利用的过程中存在较为严重的资源浪费情况，导致大数据技术带来的优势被吞没，严重影响了智慧物流的进一步发展。在这样的背景下，要提高智慧物流的发展效率，就必须充分利用大数据高效的信息交流能力，让各个行业之间建立起有效的沟通与合作关系，帮助不同行业找到共同的前进方向，为大数据技术在物流中的发展提供良好的市场环境和管理环境，建立起完善的智慧物流大数据管理体系，保障智慧物流的健康发展。

3.2 规范标准不统一

在大数据技术背景下，智慧物流也实现了一定的突破。但是，针对大数据技术应用的相关规章制度并没有统一的标准，许多规范散乱复杂，也并不符合现代物流的实际要求。因此，在贯彻这些物流规则的过程中，标准的大数据应用体系并没有建立起来，使得企业在进行物流管理时存在许多问题。除此之外，由于规范标准的不统一，企业在进行信息采集时也存在相应的误差或遗漏，这就导致不同环节之间的信息衔接存在差异，严重影响了信息的传递质量和传递效率，无法实现实时、准确的共享，严重影响了大数据的实际应用效果，极有可能导致智慧物流工作中出现资源浪费的情况，不利于控制企业的物流成本。

3.3 大数据技术的应用水平低

在我国经济不断发展的背景下，互联网技术有了突破性发展，但是在实际应用中大数据技术仍然存在一定的局限性，不能很好地支撑企业的创新与产业的升级。因此，在物联网的发展过程中，我国仍然要不断研发更加核心的高端技术产品，进一步推动大数据技术的应用研究工作，促进智慧物流的普及。除此之外，智慧物流中所应用的条形码、全球定位系统等电子数据转换系统，在许多物流企业中的普及率不高，缺少智能化的自动识别系统和自动追踪系统，导致信息的收集和处理不及时、不完善，云平台和大数据技术无法充分发挥应有的价值，严重制约了智慧物流的进步。

4 大数据技术用于智慧物流中的优化策略

4.1 制定大数据技术的建设目标

在科技不断进步和发展的背景下，各类IOT技术和人工智能技术已经日趋成熟，因此应用大数据技术所需要的各类硬件设施和软件设施成本也在不断降低，会吸引更多的企业在智慧物流中利用大数据技术实现发展进步。因此需要树立起正确的大数据技术建设目标，例如“1259”工程建设体系，在城市内建立起统一的物流公共信息平台，建设智慧物流配送体系和现代化物流仓储体系，加强水、空、铁、公路的多式联运体系建设，提升城市内数千家物流企业的信息化水平，充分利用大数据技术的先进性不断推动智慧物流的进步与发展，推动区域物流系统朝着智能化现代交通物流产业体系发展，打造全市物流信息体系，推动区域物流公共信息平台与行业性物流信息电子网络的发展，实现综合性物流园区和专业性物流中心的数据共享，使物流园区和物流中心的大数据应用水平不断提升，推动智慧仓储的发展，实现数字化供应链的完善，从而打造完善的现代物流配送体系。

4.2 建设大数据信息平台的逻辑架构

在大数据信息平台的逻辑架构主要包括以下几个方面：

在感知层要进一步完善数据的采集工作，利用物联网技术和先进的采集装置，对初始数据进行完整的收集工作，例如通过视频识别、条码识别、GIS系统、传感器识别、RFID等技术采集物流的原始数据，并实时跟踪物流动态，及时反馈物流信息，使感知层的智能化水平得到提升，为更高层次的数据运用奠定良好的基础。

在数据层则要充分利用大数据分析的优势，对采集到的有效信息进行处理，实现信息的过滤和存储。感知层会将非结构化和结构化的数据向数据层进行传输，并通过有效开放的接口获取智慧物流全域、企业实体、金融机构和政府中的有效信息，并传输至数据层资格资源库，从而提供更加多样化的样本为数据分析提供参考，确保数据分析的准确性和有效性。

在支持应用层次，数据处理是最为关键的环节，一般会采用自配置处理或决策支持处理的方式进行。感知层在完成数据收集后，通过pig流或者storm处理系统进行有效处理，确保数据能够顺利进入落地层，并在数据处理中心完成元数据的过滤和交换，让数据自配置处理的结果能够更加具有指向性，使数据分析结果可视化，从而更好地为物流管理提供服务，有效分析智慧物流中的运输、交易、仓储、金融等环节，从而优化自动分拣、运输路线和库存。

4.3 优化智慧物流中大数据分析的流程

首先，物流企业需要建立起完善的大数据信息平台，促进物流信息的有效收集和实时分享，连接物流活动的各个环节，从而实现物流信息的高效整合，让供应链结构得到进一步优化，使物流布局更加符合企业和社会的发展需求，高质量控制物流业务的正常运行，不断提高物流管理的服务质量，让物流行业内部的各类资源得到有效配置，让大数据技术的应用优势发挥出来。通过大数据信息平台的完善，不仅能够充分发挥数据仓库的存储功能，还可以将行业内的不同物流企业和物流业务区分开来，不仅能够实现高效的沟通与管理，还能够完成物流数据的有效分类。现阶段，如阿里云、京东云等云数据库正在不断发展中，能够为电子商务提供专业化数据服务，为大数据信息平台的完善奠定了良好的基础，帮助企业更加准确的分析物流数据，从而提高物流管理工作的质量和效率。

其次，可以借助PDCA循环来对数据进行进一步的清洗和优化，从而有效提高质量管理的效率。首先，制定计划（Plan），明确分析数据的原因和目的，确定分析数据的人员和地点，并规划分析数据的时间和方法，从而确保数据的有效性。在挖掘数据时可以借助云调度、决策树、神经网络、关联规则挖掘等众多模型进行综合分析。随后，根据制定的计划进行操作（do），以达到计划预期的目标。然后再对数据进行检查（check），查看数据是否存在遗漏或污染，找到数据中隐藏的信息价值。最后，对无用的、被污染的数据进行处理（Action），弥补遗漏的数据。在这一过程中，可以借助PDCA循环反复对物流数据进行清理，找到物流数据中潜在的价值，从而保障数据的有效性。

数据分析是大数据技术下智慧物流的核心内容，因此应该尽快推动物流智能决策体系的建立，使物流大数据的挖掘能力不断提高，让智慧物流的数据分析能够得到进一步发展。基于智慧物流的发展，应该从更多的角度对物流数据进行有效分析，从而预处理相应的物流作业，保证物流工作的智能化和科学化；还需要对物流大数据进行深层挖掘，并以此为据诊断物流运行管理中存在的问题，提高智能物流的有效性。在这一过程中，物流企业应该从公司发展的实际情况出发，选择适宜的分析手段，不断提升大数据分析的质量，帮助企业对未来发展作出正确的决策和预估，把握行业发展的方向，在不断进取的状态中突破发展瓶颈，适应现代社会对智慧物流的需求。

例如以物流集散中心为出发点，配送多个客户包裹时，可以通过大数据信息和智能计算模型来选择最佳的运输路线，缩短配送时间，实现路径优化计算。例如设置dij为车辆在i点到j点的运输距离，设置gi为客户i所需的货物量，q为运输车的承载量，将集散中心标记为0，客户标记为1、2……n，运输车辆从集散中心出发，设置xijk表示车辆k是否需要从客户i的地点前往客户j的地点，而yik则表示车辆k是否为客户i服务。

随后根据数学模型可以表现为以下公式。

其中，公式3是计算出车辆最优路径的函数，公式4则是对每辆车运送货物最大承载量的限制，公式5则代表每位客户仅接受一辆车服务，而公式6则是控制运输车辆的数量。

4.4 优化电子商务的智慧物流流程

电子商务和物流之间存在相互依存的紧密关系，随着电子商务平台的不断增加和规模不断扩大，物流也发挥着越来越重要的作用。在这样的背景下，如何提高企业的物流效率来满足电子商务的发展速度，成为各企业积极探索的问题。智慧物流的出现与发展为电子商务平台的正常运转奠定了良好的基础，借助大数据系统和人工智能算法，能够建立起完善的电子商务互联网络，每日可以处理超过千万件的包裹，为电子商务的发展提供了坚实的保障。通过大数据计算，能够有效地规划电子商务平台的仓储信息和干线运输，优化运输工具的调度和运输包裹的分拣工作，让配送业务的效率得到进一步提升。在智慧物流的帮助下，各城市的即时配送业务效率不断提升，有些城市甚至已经达到分钟级配送的效果。在不断完善物流网络和大数据计算的帮助下，电子商务平台可以选择更加合理的物流节点、更加优化的运输路线和更加科学的仓储位置，促进了电子商务行业的进步。

5 结语

综上所述，在智慧物流发展速度日益提升的今日，大数据技术能够快速高效的处理海量数据，从中获取有价值的战略资源，为企业的决策提供有效的数据参考，同时不断提高物流企业的工作效率和工作质量，合理优化物流企业的资源配置，推动物流企业的长远发展。