文 / 史官清 欧阳天治 杜鑫可
物流产业是支撑国民经济发展的基础性、战略性、先导性产业,为推动物流高质量发展,国家不断出台利好政策。例如,2019年国家发改委等24个部门和单位联合印发的《关于推动物流高质量发展促进形成强大国内市场的意见》中就明确提出:实施物流智能化改造,大力发展数字物流,大力发展高效物流新模式、新业态,鼓励各类企业建设物流信息平台。
面对我国物流业存在的管理体制条块分割、责任不清、信息孤岛,物流企业智慧化程度低、信息标准体系不健全、人才质量不高等制约因素,理论与实践都倾向于以智慧物流平台建设确保智慧物流建设的顺畅运营。
数据是物流平台的核心要素,大数据在智慧物流平台构建中处于核心位置。城市智慧物流大数据平台能够引导物流企业智慧化、平台化转型,并利用大数据资源解决物流资源分散及系统能力差等问题,同时能够提升对物流企业各业务环节的决策支持,培育物流企业核心竞争力、完善数据管理、建立企业人才培养机制。
笔者在前人研究的基础上,提出城市智慧物流大数据平台架构,包括大数据分析系统,以及集数据中心、通信网络、系统平台、灾备系统等于一体的支撑平台。尤其针对数据的采集、交换、共享、整合、分析系统提出一些见解,以期对智慧物流大数据平台建设提供参考。
建设智慧物流平台,对于助力我国智慧物流发展具有重要意义。政策导向不明、信息技术滞后、服务能力不足、资源整合不到位等等,是制约智慧物流发展的突出问题,需要通过智慧物流平台建设加以解决[1]。而物流信息化需要有效规划和完整的科学体系,克服信息孤岛、标准化程度低、运营模式不合理等问题[2]。
智慧物流平台需具备完善的逻辑架构、功能模块、业务结构、层次关系及结构模式[3],包括“一个核心、三类需求、三个平台和两大门户”等建设内容[4]。同时,需要不断融合物联网[5]、大数据[6]、云计算[7]等现代信息技术,加强宏观政策支持以引导物流企业智慧化、平台化转型[8]。
大数据在智慧物流平台构建中处于核心位置。大数据思维与共享理念需融入物流信息平台[9],能够解决物流资源分散及系统能力差[10]、信息数据搜集与处理能力差[11]、应用环节不广[12]等问题。大数据对物流组织结构、运营管理、物流信息化都产生了核心影响,需重构智慧物流业务体系构建思路、构建技术、体系结构和运营模式[13]。
可见,智慧物流平台需兼顾公、铁、水、空等运输方式,兼顾城市工业品、农产品在内的各领域垂直行业信息,兼顾政府的行业管理需求与“泛供应链”企业的发展需求,全面发挥信息服务、产业集群培育、数据汇聚与交换等功能。智慧物流大数据平台的平台架构及数据系统,需依据这些发展定位与功能需求设计。
智慧物流平台包括大数据分析系统以及支撑此系统的数据中心、通信网络、系统平台及灾备系统。
大数据分析平台是智慧物流平台的核心,提供数据采集、数据交换、数据共享、数据整合、数据分析等职能。建设智慧物流的大数据平台目的,在于为城市智慧物流平台打造技术先进、高性能计算、全面服务社会的数据治理和数据分析体系,体系结构如图1所示。
图1 智慧物流平台大数据分析系统的体系结构
本着集约化管理、节约成本、避免重复建设的建设原则,系统环境适应市政务数据中心运营管理。
智慧物流大数据支撑平台包含四个主要部分,即数据中心、通信网络、系统平台与灾备系统等。
(1)数据中心。数据中心总体结构分成系统数据资源、数据共享交换平台、数据中心资源库等。作为数据及业务应用的总控中心,须从系统整体架构的角度出发,一方面最大限度地利用现有的数据资源,另一方面应适应数据源扩大后的系统延展性。
(2)通信网络。主要设备包括园区宽带、园区无线、网管系统、网闸系统、路由器、核心交换机、防火墙等。
(3)系统平台。指物流核心业务运行的系统平台,包括服务器、存储、操作系统、中间件、工具软件等相关内容,满足业务运行、扩展、增容。
(4)灾备系统。有效的IT治理必须全面分析风险因素,均衡风险系数,制定应急策略和日常监管机制事关业务风险管控的全局。建立常态化的风险管控机制,包括日常监管、应急联动等。
通过构建数据中心,挖掘出政府物流行业管理数据的共享价值,以及运输、仓储、搬运装卸、包装及流通加工等物流日常业务数据背后的隐藏信息价值,并基于大数据分析提出政府管理与物流运作的系统性解决方案。
物流大数据平台是典型特征是数据采集、汇聚、分析与服务输出。首先,区域物流公共信息平台的数据来源广泛,必须扩展物流数据来源及获取渠道。其次,需实现动态的数据的实时采集,供大数据分析和数据开放共享使用。第三,实现跨行业的信息实时传输、远程数据访问、数据分布处理、数据共享等功能。第四,通过数据分析及挖掘,面向社会服务、政府服务、行业监管、商业服务提供数据支持。整体架构,见图2。
图2 城市智慧物流的数据架构
平台提供物流信息的采集、整合支持,平台根据物流信息采集、共享等标准构件的数据模型,通过自动数据采集平台,实现对标准化数据的自动采集、分类、提取、存储操作,为物流数据的广泛应用打造大数据基础。
数据采集的来源主要包括交通运输部门、其他政府部门、企业、采购行业、互联网平台、社会协作渠道等方面的数据。
(1)交通运输部门基础数据采集
城市物流基本数据体系根据数据源单位进行采集构建,交通运输部门是运输业务的管理部门,数据最为集中。
交通运输部门拥有的数据包括:公路基础数据库、港航基础数据库、公交基础数据库、汽车客运基础数据库、出租车基础数据库、物流基础数据库、GIS数据库、视频监控数据库、动态路况数据库、路政数据库、出行运单数据库、司乘基础数据库、车辆基础数据库、票务管理数据库、OA办公系统数据库等。支撑系统包括信息服务系统、数据交换系统、物流作业系统、电子商务系统、辅助决策系统与安全管理系统等。
(2)其他政府部门数据
采集来自城市各部门的政府政务及行业业务数据,如气象数据、通行环境数据(道路保养、施工等数据信息、各类车位的使用情况、空闲可用情况信息)、地理信息(与土地管理部门联系共享GIS数据)、人口数据、法人数据、宏观经济数据(规划数据、结果数据、执行中的数据)等。
(3)企业数据
主要包括物流企业数据与企业物流数据。物流企业数据主要包括物流园区、物流中心和配送中心、农村物流节点等物流节点的数据。企业物流数据包括仓库数据、运力数据、物品数据、包装信息、配送数据、在途数据、货物卸载搬运数据、入库数据、出库数据、运力需求信息等。企业物流数据信息主要为供应链上下游企业、仓储企业提供业务规划依据和产品追溯使用,这些信息包括生产计划、订单数据、产品数据、运力需求信息、仓储需求信息、采购需求信息、销售订单信息、自有仓库信息、自有运力信息、驾驶员信息等。
(4)采购行业数据
来自共享渠道的采购的物流数据,一般为专有的价值密度高的业务数据、行业数据。从大数据交易平台或者专业渠道采集来的行业数据、特色业务数据(如区域电子商务数据、行业交易数据等),供数据分析使用。
(5)互联网平台的数据
采集自互联网平台的公共交易平台的业务数据,如某类产品、某个企业、某个区域等物流数据、交易数据等,并进行分类存储。
其他智慧物流平台的自有数据,包括仓库数据、运输数据、配送数据、包装数据、支付数据、交易数据、客户行为数据、业务规划数据、各类历史数据等所有业数据、历史数据等。
(6)来自社会协作渠道数据
根据业务协作的需求,采集社会合作机构的数据,如银行、证券、保险、智慧产业联盟或其他渠道数据等。
物流园区信息平台涉及企业间物流、资金流、信息流、商流,牵涉到多个政府部门、物流枢纽、环节、企业,信息的流动是跨企业、跨地区、跨行业进行的,物流信息平台必须实现大跨度的信息实时传输、远程数据访问、数据分布处理等功能。
数据通过开放、共享将带来更大的社会价值和经济价值。城市智慧物流平台的数据共享对象包括政府主管部门、行业主管部门、市属各委办局、行业垂直主管部门、物流园区、物流协作单位、物流企业、工业企业、社会机构、社会公众等。
城市智慧物流平台的数据共享策略有两个方面:(1)公共数据开放共享平台提供专业的数据开放共享网站,根据数据共享开放的标准将城市智慧物流平台的物流数据以Excel、Word、其他规定的格式等开放浏览、下载使用;(2)提供数据访问接口及数据访问规范,通过许可授权方式为协作单位,或授权单位提供数据开放支持。系统将设置专业的前置机服务器,将按规定共享、开放的数据转储到前置机,并由需求部门根据访问接口标准,安全访问、获取相关的业务数据。
数据整合系统是将来自不同数据源的业务数据、统计数据,按业务规程,通过自动分拆、联合、过滤、转换、衍生等方式生成目标格式的数据,并提供数据分析、业务监管、数据挖掘使用的系统平台。
数据整合系统是大数据平台最重要的数据整合汇聚工具,通过此平台的高效运行真正可以实现从数据源平台按需获取数据的应用需求。数据整合要兼顾开放性、灵活性、快捷实施、方便操作、经济可用的建设原则。
城市智慧物流平台核心业务部分的数据分析及挖掘选择使用传统SQL平台的BI解决方案构建,而面向普遍的社会服务、政府服务、行业监管、商业服务的数据支持,选择使用基于Hadoop架构的大数据解决方案。充分利用Hadoop的存储扩展能力、高性能计算能力、虚拟化管理能力为用户、政府、行业提供高性能的数据服务支持。
城市智慧物流大数据平台对于解决物流行业管理、物流产业困境,实现多产业联动都具有重要意义。建设智慧物流的大数据平台目的,在于为城市智慧物流平台打造技术先进、高性能计算、全面服务社会的数据治理和数据分析体系。
平台架构上至少包括大数据分析平台与支撑平台。大数据分析平台提供数据采集、数据交换、数据共享、数据整合、数据分析等职能。大数据支撑平台包括数据中心、通信网络、系统平台与灾备系统等。
数据系统需处理交通运输部门、其他政府部门、物流企业及企业物流、采购行业、互联网平台、社会协作渠道等多维度的数据。进而实现数据交换、共享、整合与分析,解决宏观上的政策引导及微观上的决策支持问题。