高职院校物流专业物流大数据教学研究

摘 要：随着人工智能时代的到来，传统物流正在逐渐向智能物流转变，社会对物流系统的规划和设计人才提出了更高的要求。物流管理人员需要具备智能设备的应用能力和数据分析技能，以实现对物流系统的设计和运营管理，持续优化系统、运营质量和效率。高职院校需要制定物流大数据人才培养方案，培养物流大数据分析人才，要求学生灵活应用数据分析工具，解决物流管理决策和物流系统规划与设计优化问题。为保障物流专业大数据人才的高质量就业，系统地研究了高职物流管理专业大数据人才培养的课程体系设计方案。

关键词：物流管理专业；大数据；教学研究

中图分类号：F250；G712 文献标志码：A DOI：10.13714/j.cnki.1002-3100.2024.22.039

Abstract： With the advent of the artificial intelligence era， the traditional logistics has transformed into intelligent logistics， and society has put forward higher requirements for logistics system planning and design talents. Logistics management personnel need to have the ability to apply intelligent devices and data analysis skills to achieve the design and operation management of logistics systems， and continuously optimize system， operational quality， and efficiency. Vocational colleges need to formulate a logistics big data talent training plan to cultivate logistics big data analysis talents. Students are required to flexibly use data analysis tools to solve problems of logistics management decision-making and logistics system planning and design optimization. In order to meet the high-quality employment needs of logistics big data talents， this article systematically studies the curriculum design scheme of cultivating big data talents for logistics management major in vocational colleges.

Key words： logistics management major; big data; teaching research

收稿日期：2024-06-01

基金项目：全国物流职业教育教学指导委员会物流教改教研课题“乡村振兴下高职物流管理专业建设的改革探究”（JZW2023396）

作者简介：寇 飞（1975—），男，四川达州人，长江职业学院电商物流学院，副教授，硕士，主要从事物流管理教学与研究。

引文格式：寇飞．高职院校物流专业物流大数据教学研究[J]．物流科技，2024，47（22）：155-159.

1 物流大数据应用人才需求分析

人工智能、物联网、大数据等新技术的应用不断促进着物流行业的变革。大数据受国家重大政策扶持，是未来国家发展的重要战略。教育部下发了大量教育政策文件，要求高等教育部门在各行业推动大数据的应用。在各行业强大需求的推动下，大数据产业市场规模迅速扩大，保持高速增长。智慧物流旨在满足现代物流的发展需要，智慧物流需要建立在大数据分析的基础上。应用大数据分析技术，优化智能物流系统设计，使供应链管理决策、物流运营管理更精准、高时效。基于互联网的企业经营模式，企业需与供应商、销售商形成合作的供应链关系，为实现高效低成本的供应链竞争优势，物流企业和供应链的核心企业应用自身的资源整合优势，为供应链合作企业提供物流仓配管理、库存控制、采购、生产计划等物流服务，未来，物流管理人才需要适应智慧物流的发展需要，既懂人工智能、云计算、大数据等智能物流的新技术[1]，又掌握综合企业管理知识和智能物流系统规划设计方法。在大数据与智能物流领域，物流企业正经历着激烈的生存竞争，高职院校的物流专业人才培养也应紧跟智能物流的发展趋势，分析企业对智能物流人才的需求，调整专业人才培养的计划。

通过调研发现，超过70% 的企业表示其迫切需要中高级物流管理人才，而对基层物流作业人员的需求较少。近年来，物流企业的重点需求是将跨领域技术与大数据、人工智能技术结合，对物流大数据分析与应用人才的需求量更是增长了十几倍。

2 物流专业毕业生就业岗位能力要求

首先，物流专业毕业生需要具备一定的物流管理知识。物流管理包括库存管理、采购管理、生产与运作管理、运输管理、配送管理、供应链管理等，物流专业毕业生需要对这些方面有一定的了解。同时，需要了解物流成本、物流信息技术、物流标准化等方面的知识。

其次，从事于物流研究需要具备良好的数据分析能力。随着物流信息化水平的提高，企业采购、生产、销售过程中涉及大量的物流运输、存储、订单处理、销售配送和拣选搬运等环节，积累大量数据，需要企业管理者具备较强的数据处理和分析能力，也需要专业的数据分析部门和岗位。而数据分析岗位的在职人员也要掌握数据分析工具软件，能够挖掘有价值的数据信息，具备独立分析数据的能力。

再次，物流专业毕业生要通过对供应链运营管理数据进行收集和分析，为企业提供供应链优化方案和供应链解决方案。毕业生要掌握物流供应链运营管理的相关知识，具备较强的数据建模和分析能力，并根据供应链中的关键环节和要素，提出相应的供应链改进方案。

最后，物流专业毕业生需要具备优秀的服务意识和责任心。物流行业是一个服务性行业，物流企业需要将自身定位为专业的第三方物流企业，参与整合制造业和商业企业的经营活动，提供物流运输、仓储、库存控制、采购和供应链企业整合等工作。因此，需要从业者具备较强的服务意识和服务能力，能够为客户提供优质服务。同时，还需要具备较强的责任心，能够认真对待每一项工作，保证工作质量和效率。

3 高职院校物流专业大数据人才培养方案要求

高职院校制定并分析物流专业大数据人才培养方案，要求学生灵活应用数据分析工具，解决复杂的物流系统规划与设计优化问题，能够从事物流大数据分析与应用等工作。学生需要掌握的知识技能要求如下。

3.1 素质目标

善于思考，主动学习，能够对所学知识进行归纳总结，并应用于解决实际问题；

培养对物流企业运营数据的理解和认识，以及良好的物流数据分析编程规范；

具备与人沟通、语言和文字表达能力，建立良好的人际关系；

具备诚实守信、敬业爱岗、团结合作的职业道德。

3.2 专业知识要求

掌握常用的物流数据分析方法和流程；

能够对实际问题中的物流数据进行描述和操作；

掌握Python物流数据分析常用模块；

了解Excel物流数据表格处理；

掌握MySQL数据库的物流数据处理；

了解物流数据聚类分析算法，线性回归等方法。

3.3 专业能力要求

掌握Python语言、NumPy模块、Pandas模块、Matplotlib模块的物流数据分析应用；

能够对物流算法进行描述，建立结构化程序与面向对象数据分析思想；

掌握MySQL数据库的物流数据读取或写入、查询和修改；

掌握Excel软件对物流数据的汇总、透视表等应用；

掌握Tableau软件的物流数据可视化操作；

具备合理选择物流大数据分析软件工具能力，以满足解决实际问题的需要；

具备应用智能物流系统大数据分析技术等解决智能物流系统规划设计和运营管理问题的能力。

4 物流大数据分析方向教学课程体系设计

按照物流大数据分析类人才的岗位职责，学生在校学习的5个学期，按要求掌握的相关知识、能力和工具如表 1 所示。学生在校学习阶段分为5个学期，培养物流大数据岗位人才的课程体系涉及基础课程、专业课程、综合实训课等。

结合物流专业的人才培养目标和相关职业需求，按照人才系统培养的认知规律，物流大数据人才培养的课程体系设计应遵循整体人才培养方案。第1学期，学生学习基础课——高等数学和统计学，为后面的专业课教学打下基础。第2学期，系统学习计算机编程语言Python和数据库管理软件，学习大数据人才所需的计算机基础课程，掌握数据的获取和预处理方法，例如从数据库提取物流数据，增删、查改数据库，对物流数据进行去重、处理不规范数据等技能[2]。在第3学期，学习专业课Python物流数据分析，结合所学的物流管理知识和物流智能仓库运营管理知识，对物流数据进行聚类、排序、分类汇总、数据透视表等操作。第4学期，学生学习Echart和 Tableau等物流可视化分析软件，制作柱图、饼图、折线图、词云图、热力图等可视化图形。第5学期，结合实训课程，运用所学知识和掌握的软件工具，进行物流大数据实践案例分析，结合真实的物流企业工作岗位，按照实际物流工作中的大数据工作岗位要求完成工作项目。

按照在校5个学期的教学要求，结合物流专业人才培养总体方案，课程设计体系如图1所示。

5 物流智能仓储大数据分析教学研究

5.1 智能仓储是智慧物流的重要组成

智能仓储是物流系统智能化的重要环节，也是智慧物流技术应用的典型场景。物流智能仓储要求运营管理智能化、生产作业高度自动化和标准化的作业流程，因此，物流智能仓储的运营是建立在智能仓储大数据分析的基础上的。例如，在智能物流中心，处理订单进行的拣货系统，包扩拣选订单信息、拣选方式、拣选设备和拣选策略等要素，拣选方法和设备组合成很多的拣选作业模式。为提高拣选效率和订单服务水平，需要设计优化订单拣选的品项、AGV系统的设计和拣选方式等[3]。

5.2 物流智能仓储大数据分析的内容

物流智能仓储大数据分析涉及物流仓储的作业流程、智能设备运行、智能仓储运营等方面的大数据分析，以及从物流仓储入库、存储、分拣、配货到物流设备的可靠性运行。

物流智能仓储数据分析案例如表2所示。

根据表3的任务记录，计算并汇总每个物流工作人员执行各项工作任务的时间，得到每个物流工作人员的工作总时长，再计算其执行各项物流任务的时长。

物流智能仓主要包含操作员、工作站和设备单元三要素，物流操作员负责执行仓库的各种作业环节，例如包装员、拣选员等。物流工作站就是物流操作员工作需要的设备资源，可以是固定的，也可以是移动的，如移动货架，电子标签货架等。物流设备单元包括分拣AGV、轨道式堆垛机、码货机器人等。

运用Python绘制箱型图，可反映物流设备的运行时长。根据物流设备运行记录，利用箱型图对一些异常的任务记录数据进行处理，得到每台设备的运行时长总和。由于物流智能仓作业任务不均匀，所以按小时计算物流智能仓设备的整体利用率，计算出每小时物流设备的利用率后，绘制设备利用率的折线图，就可以直观地观察利用率的变化趋势。根据物流设备利用率均值和峰值差，判断物流设备的每小时利用率是否均衡。

运用SPSS软件进行多元线性回归分析，设置线性回归变量与自变量，生成数据集，构建线性模型，得到拣选件数与出库工作站数、AGV数的关系。SPSS设置线性回归变量如图2所示。

通过线性模型分析可以得到：在其他条件不变的情况下，AGV每增加1个，物流智能仓的拣选数量就会增加182件，出库工作站每增加1个，物流智能仓的拣选数量就会增加12件。物流企业管理者可以根据智能仓实际生产要素的关联情况，制定物流仓储优化方案，对物流智能仓的资源配置提供合理建议。

通过以上物流数据分析案例，我们得知：物流智能仓储大数据分析要涵盖物流仓储运营数据分析、进出库作业流程分析和智能设备运行指标分析，具体分为物流进货作业分析、入库作业分析、存储作业分析、盘点作业分析、拣货作业分析、分货作业分析、物流智能仓设备性能分析、物流智能仓储设备异常分析和可靠性分析。通过物流智能仓储大数据分析，智能仓储不断升级，物流设备运行效率不断提高，物流系统不断改进，可以真正实现物流系统的数字化转型[4]。

5.3 物流智能仓储大数据分析需要掌握的知识

物流智能仓储大数据分析要求学生掌握智能仓储系统的描述性统计，掌握Python、SQL、SPSS等计算机工具，按照物流企业的要求采集并处理数据库的数据信息（涉及物流仓储运营数据和物流设备运行数据等，大部分数据信息来自物流企业信息系统），能够围绕企业的真实业务完成全面系统的物流数据分析工作，能够使用常用的统计模型，应用量化分析手段分析智能仓储运营问题，通过大数据分析结果，为管理决策层提供合理性决策和优化建议。

5.4 物流智能仓储大数据分析的教学设计

在第1、2学期的教学过程中，学生应掌握物流大数据分析的基础知识，掌握计算机编程、数据库等计算机工具的应用方式，学习物流统计学知识。在第3学期，学生应掌握物流仓储与配送作业流程和管理方法、物流智能仓的设备配置规划等课程。在第4、5学期，学习大数据分析的核心课程，开展物流大数据综合实训课程，通过物流大数据分析课程，学生学习掌握物流仓储作业大数据的挖掘与分析方法，将物流智能仓储分析师的职业认证融入专业课程和实训课程。

6 高职院校物流专业大数据教学实施措施

6.1 物流专业应加强物流数据分析实训室建设

建立满足物流数据分析要求的实训室，安装Python编程语言、mySQL数据库、R语言等软件，配置相适应的硬件实训室条件。由于物流数据分析需要较好的展示效果，硬件配置要求具有较好性能的显卡。

过去，高职院校物流数据分析实训室建设注重硬件设备的投入，各院校会参考物流职业技能竞赛的比赛内容，按照比赛的设备要求购买重型货架、电子标签拣选货架、轨道式堆垛机、叉车、地牛、堆高机、移动货架、AGV、工业机器人等设备，还会购买满足仓库出库和入库的仓储课程实训要求的纸箱、托盘、便签、条码打印机等，耗费资金量大，设备容易过时，且维护困难，使用时也存在安全隐患。运用仿真软件模拟业务流程和设备操作，大大提高了实训室的利用效率和实训学习效果。分析处理可以运用仿真软件运行得到的物流运营和设备数据，进行物流智能仓库规划设计的学习。

6.2 实施满足物流企业需求的大数据人才培养方案

为适应未来物流企业的发展趋势和学生的高质量就业要求，结合高职学生的学情分析和职业发展规划，不断改进优化物流人才培养方案。将物流大数据分析作为学生未来的职业培养方向，从基础课、专业课到实训课，建立完善的课程培养体系，在学习物流大数据专业课程前安排计算机程序设计、数据库技术应用、物流智能仓设施设备配置规划、物流系统规划设计等课程，为物流大数据学习打好基础。

物流大数据教学内容要与物流企业相关岗位的实际工作内容紧密结合，要与知名物流大企业合作，融入大量真实的物流企业案例和数据分析，定期与物流企业专家进行座谈等交流活动，人才培养方案在撰写和审核答辩环节，都要有物流企业的专家参与。

6.3 加强物流大数据分析教学教师队伍建设

逐步建立物流大数据分析教学教师团队，教师要学习掌握物流大数据和计算机编程知识，钻研专业数据分析软件的使用和操作，积极参加行业相关培训和交流。

物流专业骨干教师通过学习和参加培训可以弥补计算机知识的应用能力，通过顶岗锻炼和校企合作项目，与物流企业的物流大数据分析人员多交流，可以积累物流企业大数据分析项目的工作经验。

6.4 建立物流大数据教学课程资源库

在物流大数据教学方案的实施过程中，教师可以逐步积累课程相关资源，相互交流物流大数据的教学难点和疑难问题。与企业人员共同设计和编写完善的课本教材和实训内容，引导学生真正参与真实的物流企业大数据分析案例，让学生成为教学的主体，充分发挥学生的学习积极性。

物流大数据课程资源库的建立，从物流运营大数据、物流智能仓储大数据等专业核心课程开始，同时开发教材、线上资源，然后将课程范围扩展到Python物流数据分析、物流大数据挖掘与分析等专业基础课。线上资源形式丰富，包含大量成体系的文本、PPT课件、视频动画等教学资源，可丰富物流大数据教学的课程资源库。此外，要鼓励教师参加相关课程的教学技能大赛，积极撰写教材，弥补国内相关教材的缺口。

6.5 建立物流大数据毕业生反馈机制

通过开展毕业生座谈会、调查问卷、去企业走访毕业生等方式，对就职于物流大数据岗位的学生进行调查，获取相关数据资料，总结从事物流大数据岗位的学生对教学改进的建议和思考。同时，多关注毕业生的职业发展，给予其积极的帮助和关心，完善物流大数据毕业生反馈机制，培养和发展典型就业示范的优秀毕业生代表。

6.6 开展物流大数据分析技能竞赛

通过开展物流大数据分析技能竞赛，实现以赛促教，以赛促学。课程内融入竞赛内容，通过竞赛标准给予综合评分，如全国大学生大数据技能竞赛、全国高校大数据应用创新大赛、“泰迪杯”全国数据挖掘挑战赛等。组织和推进学校与行业间的物流大数据比赛，不断筛选竞赛技术以支持企业，完善改进比赛方案内容和竞赛规则，参考行业的职业认证要求确定比赛形式，对赛后结果进行数据分析，分析比赛对物流大数据教学的影响和促进效果。

参考文献：

[1] 毕娅．云物流下基于协同库存和覆盖的选址—分配问题研究[D]．武汉：武汉理工大学，2012.

[2] 陈伟．中外智慧物流发展的差异比较及经验借鉴[J]．对外经贸实务，2016（6）：86-89.

[3] 李细霞．物流仿真实验教学模式改革——与实践教学基地建设相结合[J]．教育现代化，2018，5（6）：103-105.

[4] 物流行业未来四大发展趋势[J]．大陆桥视野，2016（5）：76-77.