任务一　认知智慧物流大数据

随着移动互联网的飞速发展，物流行业信息化程度不断加深，物流运营过程中产生了海量的数据，运用大数据进行可视化物流运营管理，是整个物流行业目前面临的机遇和难题，大数据技术的应用可以帮助物流企业提高管理水平、实现智能决策，实现精准预测的目的。本任务重点介绍大数据的概念、特征、结构和物流大数据应用模式等。

一、大数据技术概述

（一）大数据的概念

国家标准（GB/T 35274—2017）对大数据的定义：大数据是指具有数量巨大、种类多样、流动速度快、特征多变等特征，并且难以用传统数据体系结构和数据处理技术进行有效组织、存储、计算、分析和管理的数据集。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过这种“加工”来实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，所以必须采用分布式架构。同时它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（Massively Parallel Processing，MPP）数据库、数据挖掘、分布式文件系统（Distributed File System，DFS）、分布式数据库、云计算平台、互联网和可扩展的存储系统。

知识补充：

数据存储计量单位有：bit、Byte、Kb、Mb、Gb、Tb、Pb、Eb、Zb、Yb、Bb、Nb、Db，其中最小的单位是bit，它们按照进率1 024（210）来计算：

1 Byte=8 bit

1 Kb=1 024 Bytes=8 192 bit

1 Mb=1 024 Kb=1 048 576 Bytes

1 Gb=1 024 Mb=1 048 576 Kb

1 Tb=1 024 Gb=1 048 576 Mb

1 Pb=1 024 Tb=1 048 576 Gb

1 Eb=1 024 Pb=1 048 576 Tb

1 Zb=1 024 Eb=1 048 576 Pb

1 Yb=1 024 Zb=1 048 576 Eb

1 Bb=1 024 Yb=1 048 576 Zb

1 Nb=1 024 Bb=1 048 576 Yb

1 Db=1 024 Nb=1 048 576 Bb

（二）大数据的特征

国际上，大数据具有以下四大特征。

（1）体量大：构成大数据的数据集的规模大。

（2）多样性：数据可能来自多个数据仓库、数据领域或多种数据类型。

（3）速度快：单位时间的数据流量多。

（4）可变性：即体量、速度和多样性等特征都处于多变状态。

（三）大数据的结构

大数据包括结构化、半结构化和非结构化数据。结构化数据，简单来说就是数据库，也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。半结构化数据，具有一定的结构性，但和具有严格理论模型的关系数据库的数据相比更灵活。它是一种适用于数据库集成的数据模型，是一种标记服务的基础模型，用于Web上共享信息。非结构化数据是与结构化数据相对的，不适用于由数据库二维表来表现，包括所有格式的办公文档、XML、HTML、各类报表、图片和音频、视频信息等。支持非结构化数据的数据库采用多值字段、变长字段等机制进行数据项的创建和管理，广泛应用于全文检索和各种多媒体信息处理领域。非结构化数据越来越成为数据的主要部分。互联网数据中心（Internet Data Center，IDC）的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。大数据就是互联网发展到现阶段的一种表象或特征而已，在以云计算为代表的技术创新下，这些原本看起来很难收集和使用的数据开始容易被利用。

视频　什么是大数据？

直通职场

数据分析安全一般要求

中华人民共和国国家标准《信息安全技术——大数据服务安全能力要求》（GB/T 35274—2017）对大数据服务提供者数据分析安全的一般要求为：建立数据分析相关数据源获取规范和使用机制，明确数据获取方式、访问接口、授信机制、数据使用等；建立多源数据派生、聚合、关联分析等数据分析过程中的数据资源操作规范和实施指南；建立数据分析结果输出的安全审查机制和授权控制机制，并采取必要的技术手段和管控措施保证共享数据分析结果不泄露个人信息、重要数据等敏感信息；对数据分析结果共享的风险进行合规性评估，避免分析结果输出中包含可回复的个人信息、重要数据等数据和结构标识，如用户鉴别信息的重要标识和数据结构；对数据分析过程中个人信息、重要数据等敏感数据进行记录，以备对分析结果质量和真实性进行溯源。

二、智慧物流大数据及应用

（一）物流大数据的含义

物流大数据是指物流服务的供给、需求和物流活动过程中各种相关数据会以大数据的形式出现，反映整个物流行业的业态。物流与社会经济息息相关，物流大数据也会反映出社会经济发展的状态。

通过物流大数据分析可以提高运输与配送效率，减少物流成本，更有效地满足客户服务要求。所有货物流通的数据、物流快递公司、供求双方有效结合，形成一个巨大的即时信息平台，从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务，而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后，提出具有中观指导意义的解决方案。许多专业从事物流数据信息平台的企业形成了物流大数据行业。

（二）物流大数据分类及交易模式

物流大数据可以划分为三类：

第一是微观层面，包括运输、仓储、配送、包装、流通加工环节数据。

第二是中观层面，包括供应链、采购物流、生产物流等数据。

第三是宏观层面，基于商品管理，把商品分成不同类型进行数据分析。

其中微观层面及中观层面的数据一般掌握在物流企业内部，但此类尚未进行处理分析，成为物流大数据交易中最重要的、最基本的供应方；整合、处理、分析“源数据”得到的具有新价值的数据，即宏观层面，指导物流企业经营管理的各个方面，因此，未来物流大数据交易的主要需求为宏观层面。

目前，物流大数据交易模式采用利益交换的模式——用服务去换取管理，即各个利益主体通过交换的方式，一方将信息的管理权交给另一方，另一方将信息整合起来后形成服务给一方。以菜鸟网络为例，以消费者、商家、物流企业的数据为依托，为商家、快递企业提供预警预测分析，帮助快递企业提前获取这些信息，从而提前把物流资源进行一定的配置和整合。

大数据技术为供方（物流企业）提供最大化的利润，为需方提供最佳的服务。主要体现在以下几个方面：第一，提高运营管理效率，根据市场数据分析，合理规划分配资源，调整业务结构，确保每个业务均可赢利；第二，预测技术，根据消费者的消费偏好及习惯，预测消费者需求，将商品物流环节和客户的需求同步进行，并预计运输路线和配送路线，缓解运输高峰期的物流压力，提高客户的满意度，提高客户黏度。

（三）大数据在智慧物流中的应用

1.大数据在物流决策中的应用

在物流决策中，大数据技术应用涉及竞争环境的分析与决策、物流供给与需求匹配、物流资源优化与配置等。

在竞争环境分析中，为了达到利益的最大化，需要与合适的物流或电商等企业合作，对竞争对手进行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。

物流的供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。供需情况也需要采用大数据技术，从大量的半结构化网络数据，或企业已有的结构化数据，即二维表类型的数据中获得。

物流资源的配置与优化方面，主要涉及运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，同时对已配置和将要配置的资源进行优化，从而实现对物流资源的合理利用。

2.大数据在物流企业行政管理中的应用

在企业行政管理中同样可以应用大数据相关技术。例如，在人力资源方面，在招聘人才时，需要选择合适的人才，对人才进行个性分析、行为分析、岗位匹配度分析；对在职人员同样也需要进行忠诚度、工作满意度等分析。

3.大数据在物流客户管理中的应用

大数据在物流客户管理中的应用主要表现在客户对物流服务的满意度分析、老客户的忠诚度分析、客户的需求分析、潜在客户分析、客户的评价与反馈分析等方面。

4.大数据在物流智能预警中的应用

物流业务具有突发性、随机性、不均衡性等特点，通过大数据分析，可以有效了解消费者偏好，预判消费者的消费可能，提前做好货品调配，合理规划物流路线方案等，从而提高物流高峰期间物流的运送效率。

政策文件

大数据产业政策

党中央、国务院高度重视大数据在推进经济社会发展中的地位和作用。2014年，大数据首次写入政府工作报告，大数据逐渐成为各级政府关注的热点，政府数据开放共享、数据流通与交易、利用大数据保障和改善民生等概念深入人心。此后国家相关部门出台了一系列政策，鼓励大数据产业发展。

2015年，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），《纲要》作为我国推进大数据发展的战略性、指导性文件，充分体现了国家层面对大数据发展的顶层设计和统筹布局，为我国大数据应用、产业和技术的发展提供了行动指南。

2016年，工业和信息化部印发《大数据产业发展规划（2016—2020年）》（以下简称《规划》），《规划》指出全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力。

2020年，工业和信息化部发布《关于工业大数据发展的指导意见》（以下简称《指导意见》），《指导意见》对我国工业大数据发展进行了全面部署，进一步促进大数据与工业深度融合发展。

案例分析

利用智慧物流大数据预判风险

通常而言，用于制造生产的零部件的质量决定了最终成品的质量。因此，公司不但要确保其生产过程运行顺利，还要防止有缺陷的部件被组装。在生产部件被运输到生产线的过程中，部分敏感材料可能受到严重损害，这些被损害的部件有时被发现得太晚或者没有被发现已经被组装成了成品。

利用供应链协同平台智慧物流大数据来监测敏感物料在途的温度、湿度或振动情况，将客户相关的数据（如预测、计划、采购订单、运输订单等）和实时传输的物联网数据相结合。通过供应链协同平台智能中控台，客户可以实时监测在途货物的损坏情况。

智慧物流大数据是有效进行风险管理的基础，通过分析历史业务数据赋予客户风险预测的能力。例如，数据分析显示，某些供应商在此运输路线上造成运输物料损害的可能性很大，那么下一步客户可以通过优化线路规划避免这类问题。简而言之，智慧物流大数据使企业能够预测交货问题，提前采取预防措施，确保组装部件的质量，从而提高生产质量和客户满意度。

大数据技术是构建智慧物流的基础，智慧物流大数据有助于提前识别风险并应对风险，它是构成敏捷、强大、自主的供应链的基础，可以有效预测，甚至避免潜在的问题发生。

（资料来源：SupplyOn供应链协同平台）

思考题：

1.什么是大数据？本案例中大数据的作用具体体现在哪些方面？

2.什么是物流大数据？说说物流大数据在智慧物流领域的应用。