浅析物流企业数据信息管理创新研究

1 大数据的基本概念

1989年，Gartner提出BI概念，2008年，Gartner将BI概念进一步升级为高级分析（Advanced Analytics）。2011年，麦肯锡阐释了大数据概念，现在的大数据分析技术能处理相比20年前更大量、多样、实时（Volume、Variety、Velocit汕头到河北物流y）的数据，即大数据。相比20年前的BI，现在的大数据分析能够产生更大的商业价值，大数据存储和分析技术的发展也得益于商业场景中数据量的激增和数据种类的多样化。麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的服务业一年创造3000亿美元的附加价值。

大数据时代来临首先由数据丰富度决定的。根据IBM最近的一项研究，过去两年生成的信息占整个人类历史信息总量的百分之九十。这就是大数据，其体量已经达到了传统数据库管理系统无法有效处理的程度，大量的UGC（互联网术语，全称为User Generated Content，即用户生成内容的意思）内容、音频、文本信息、视频、图片等非结构化数据出现，物联网的数据量更大，加上移动互联网能更准确、更快地收集用户信息，比如位置、生活信息等数据，从数据量来说，目前已进入大数据时代。以往大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，而现在提及“大数据”，通常是指解决问题的一种方法，即通过收集、整理生活中方方面面的数据，并对其进行分析挖掘，进而从中获得有价值信息，最终衍化出一种新的商业模式。

虽然大数据目前在国内还处于初级阶段，但是商业价值已经显现出来。首先，拥有大量数据的公司基于数据交易即可产生很好的效益；其次，基于数据挖掘会有很多商业模式诞生，定位角度不同，或侧重数据分析。比如帮企业做内部数据挖掘，或侧重优化，帮企业更精准找到用户，降低营销成本，提高企业销售率，增加利润。

未来，数据可能成为最大的交易商品。但数据量大并不能算是大数据，大数据的特征是数据量大、数据种类多、非标准化数据的价值最大化。因此，大数据的价值是通过数据共享、交叉复用后获取最大的数据价值，未来大数据将会如基础设施一样，有数据提供方、管理者、监管者，数据的交叉复用将大数据变成一大产业。据统计，目前大数据所形成的市场规模在51亿美元左右，而到2017年，预计会上涨到530亿美元，因此大数据对企业来说具有很重要的实际意义。

2 物流行业在数据应用方面面临的主要问题

信息技术进步使信息化成为企业发展和快速扩张的有效支撑手段，多年来，国内外各行各业分别建设了适合本企业的信息系统，如生产支撑型、业务支撑型、管理支撑型，以及分析决策型系统等；与此同时，随着全球经济发展、市场竞争加剧、新技术的推陈出新和逐渐商用，信息系统所承载的业务内涵、系统规模和数量和复杂性也在不断攀升。

面对众多信息系统，如果缺乏完整、一致的企业数据视图，业务部门将不知道企业内哪些系统拥有自己所需的数据；用户在不知道数据质量状况或明知数据不可靠的情况下，不可能放心使用数据，无从根据数据作出正确判断、决策和快速响应。这些都将遏制数据价值的完整释放。在数据质量有保障的前提下，对企业的大量历史数据采用商业智能、数据挖掘、预测能技术手段，能从数据中发现事物发展的深层次规律，例如客户偏好、收入预测、客户流失倾向预测等，为企业提供经验总结和预见性的业务支撑；另外，良好的数据管理机制将在企业内形成良好的知识共享和传承体系，促进企业的人才培养和组织进步，实现数据增值。反之，数据的零散分布、数据歧义、低劣的数据质量，以及制度和平台的缺乏，将严重遏制数据价值的进一步发挥和增值。

3 大数据分析管理在物流行业应用的重要意义

3.1 大数据分析可以帮助企业建立用户的忠诚度并增强黏性 对于物流企业来说，新增用户的获取往往比对存量用户价值挖掘更能获得企业的青睐，然而，2/8定律很好的告诉我们，一家公司80%的利润实际上是来自于20%的现存客户。通过分析现存客户的行为习惯可以将他们的市场推广投入、供应链投入和促销投入回报最大化。利用先进的统计方法，物流企业可以通过用户的历史记录分析来建立模型，预测未来的行为，进而设计促销活动和个性服务避免用户流失到其他竞争对手那边。比如电商企业可以创建顾客产生变化的模型，根据用户消费习惯周期定期给这些顾客推送相关产品，使这些客户形成长期的忠诚度。这种对数据价值的高度敏感和重视，以及强大的挖掘能力让用户有一个流畅的无处不在的体验的同时，也通过收集的数据深入地了解了每个用户的喜好信息，可以将用户珠海到咸阳物流的行为数据一一记录下来，大数据意味着增加大的销售量。

3.2 大数据分析获取新的目标用户并深入挖掘潜在价值

物流企业不仅可以通过大数据挖掘现有存量用户的价值，也通过数据来更高效的获得新用户，大数据技术正革命性地改变着市场推广的游戏规则。物流公司可以从大量用户信息中，发现新的需求，并取得双赢的结果。通过推动信息交互，推送给用户友好的产品和信息，并获得巨大的市场回报，也帮助了用户满足他们的需求。营销不受时间、地点的限制，也不再只是信息单向流通。更大的不同是，从接触顾客、吸引顾客、黏住顾客，到管理顾客、发起促销，再到最终的达成销售，整个营销过程都可以只在信息交互中实现，通过了解用户行为，可以为广告主提供最有可能对其商品感兴趣的用户群，从而进行精准营销；更长期的趋势是，将广告投放给最有可能购买的终端用户群。这样的做法对于企业来说，可以获得更高的转换率，提高精确营销价值。物流公司在业务的开发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于试验阶段之前的数据集及早期物流阶段的数据集，尽可能及时地预测物流结果。评价因素包括项目的安全性、有效性、潜在的风险和整体的试验结果。通过预测建模可以降低物流公司的前期成本，在通过数据建模和分析预测结果后，可以有效辅助企业进行决策。 3.3 大数据分析可以提高物流行业管理的透明度和服务质量 大数据分析提高物流过程数据的透明度，可以使物流从业者、物流机构的绩效更透明，间接促进物流服务质量的提高。根据物流服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析物流变异和物流废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使物流服务机构提供更好的服务，从而更有竞争力。世界上知名的物流公司目前正在测试仪表盘，将其作为建设主动、透明、开放、协作型公司的一部分，公开发布物流质量和绩效数据还可以帮助客户做出更明智的合作决定，这也将帮助物流服务提供方提高总体绩效，从而更具竞争力。

3.4 大数据分析优化企业盈利模式带来新的商业模式

通过建立物流行业网络平台和社区，平台可以产生大量有价值的数据，平台可以成为宝贵的数据来源，可以汇总物流行业客户的消费记录和物流保险数据集，通过汇总客户的消费记录和物流保险数据集，并进行高级分析，将提高物流需求方、物流服务提供方和客户企业的决策能力，全过程都通过其数据分析引擎来监控，行业用户建模引擎具备自学习功能，通过使用算法和统计模型来设计优化用户黏性的策略。平台的用户数据分析都是实时进行，以确保用户行为预测总是符合实际用户行为更新；同时，动态的根据这些行为预测来设计一些市场策略，市场扩张的速度将取决于物流行业大数据采集分析发展的速度。可以建立全国的客户数据库，提供准确和及时的物流信息咨询，将会大幅提高公司的知名度和盈利能力。数据不仅仅对于优化现有的业务有着巨大的经济价值，它同时也为新业务的发掘打开了机会之门。数据分析可以带来业务流程的精简，通过精益生产降低成本，找到符合需求的工作更高效的员工，从而提高服务质量给客户带来更好的体验，也给物流服务机构带来额外的业绩增长潜力。

4 结 论

因此，不论是优化现存的业务，还是发掘新兴业务模式，大数据和新的数据技术史无前例为物流企业提供支撑，企业数据从产生、加工、传递到使用、销毁的全过程，应得到专门管控，获得组织和制度保障，明确数据生命周期过程的相关权责，实施体系化、制度化、流程化、规范化、标准化管理，确保数据生产、使用的全过程受控，这样可以个性化服务好每一个客户。每一个业务都在产生大量的数据，每珠海到江阴物流一处都可以看到数据为我们带来的巨大价值。物流企业大数据管理体系的建设是系统化工程，涉及于众多源系统的交互和大量协调工作，必须有数据管控平台来有效支撑这些工作，保障数据管控的可行、高效。企业还需成立数据管理相应机构，制定相关流程、制度、规范。数据管理体系在投入运作前，必须进行需求分析、规划、设计、确保所设计的管理体系是切实可行的、能落地执行，给企业的发展带来质的改变。