大数据驱动下的敏捷物流运行机制研究

摘 要：在大数据的时代背景下，物流服务企业面对着更大的挑战，同时也有了更好的机遇，分析了现代敏捷物流的特点。不同信息技术背景下敏捷物流的运行机制侧重点也不同，研究了敏捷物流的新内涵及发展的新方向。对比分析了传统敏捷物流的运行机制，构建了基于大数据信息条件下的敏捷物流运行模型。从传统的敏捷物流系统向多元化、开放化、效率化延伸发展，丰富了敏捷物流的概念。构建的敏捷物流运行模型为物流从业者和新时期的物流服务企业提供了具有实践意义的借鉴。

关键词：敏捷物流；大数据；现代物流技术

中图分类号：F253.9 文献标识码：A

Abstract： In the era of big data， logistics service enterprises are facing greater challenges， they also have a better opportunity at the same time to analyze the characteristics of the modern agile logistics. In the context of different information technology， the operating mechanism of agile logistics is different， and the new content and new direction of agile logistics is studied. The operation mechanism of the traditional agile logistics is analyzed， and the operation model of agile logistics based on the large data information is constructed. From the traditional agile logistics system to a diversified， open， efficient extension of development， enrich the concept of agile logistics. The construction of agile logistics operation model provides a practical significance for the logistics practitioners and the new era of logistics service enterprises.

Key words： agile logistics； big data； modern logistics technology

0 引 言

敏捷的起源要追溯到1991年，当时美国的Lehigh大学联合国内13家公司共同撰写了名为《美国21世纪制造企业战略》的报告，在这份报告里首次提出了敏捷制造（Agile Manufacturing）和虚拟制造（Virtual Manufacturing）的新概念[1]，在此后的几年里，敏捷制造被广大学者和从业人士广泛研究，研究的成果也得到了广泛应用。2000年，美国斯坦福大学全球供应链管理协会在敏捷制造及相关概念的基础上，构建了全球供应链敏捷性模型，从产品开发柔性、采购柔性、制造柔性和后勤柔性四个方面分析了全球供应链的运行模式，并讨论了四个柔性因素对敏捷供应链的影响[2]。

在此后的几年里，学者们将敏捷的含义进行了广泛的拓展，从敏捷供应链到敏捷物流。敏捷供应链在国外得到了更广泛的研究，而敏捷物流在国内得到了相对广泛的研究。至于敏捷供应链，南开大学的王玲等对敏捷供应链的研究做了总体概述[3]，在此不再赘述。武汉理工大学的王洪波对敏捷物流系统的构建及运行方式进行了深入的研究[4]，华中科技大学的刘小群、马士华对敏捷物流的运作技术与方法进行了深入的研究[5]，大连海事大学的王惠等对敏捷物流的配送问题进行了动态分析[6]。目前，在国内大数据一直是研究的热点，大数据和敏捷物流结合的研究还很少见，而在IT行业的热度却一直未减。

1 大数据对敏捷物流的影响

大数据字面理解就是大量的数据，这个大量也就是巨量，其规模超出了在可承受的时间范围内用常规软件工具进行捕捉、管理和处理，还有利用。维克托・迈尔―舍恩伯格和肯尼斯・库克耶在其有关大数据的著作中明确预测是大数据的核心，量化一切是数据化的核心，把一切事物数据化[7]。 在今天，大数据是研究的热点也是商业应用的主流元素之一，大数据在先进的物流服务公司也有着一定的运用，如顺丰速运公司利用大数据管理客户的订单，从客户拨打客服电话要求派单时，顺丰速运的数据库就开始记录和运作这个订单。

近年来，人们越来越重视到大数据的价值，大数据可以被广泛使用，人们迫切地想把相关的数据转换成有用的资源优势。大数据对各行业都有一定影响，大数据对物流行业有着深刻的影响，它体现在以下几个方面：

（1）寻找优质的服务提供商更有效

当一个客户需要寻找物流服务提供商时，他可以利用大数据平台来找到最适合自己需求的物流服务提供商，他还可以利用大数据对该公司过去的服务情况进行分析，以此来获得更好口碑，更高可靠性的业务信息。

（2）订单效率大幅度提升

大数据可以更高效地完成订单，不需要复杂的手续，通过电话或网络传输必要的基本信息之后，就可以足不出户实现配送需求。

（3）配送运输效率大幅度提升

当一个订单生成时，大数据可以帮助选择最优的配送路线，如果是多个仓库内提货再配送，大数据还可以分析在哪个仓库提取哪些物品以及提取的数量。这些会更加快速地完成订单的准备工作以及订单的配送运输。

（4）仓储管理更高效

通过大数据可以分析出仓库中哪些物品达到了最低库存水平，可以根据相应的数据信息来预测某些物品的未来几个月的趋势，甚至可以直接向上游供应商下订单。

敏捷物流的灵魂是更高效率，更高质量满足客户的需求，更低成本来提高企业的收入。通过对比普通物流服务模式，大数据对敏捷物流的影响更为重要，因为大数据直通敏捷物流的核心。通过先进的技术手段来实现敏捷物流是当下更为迫切的事情，而大数据时代的来临是敏捷物流发展的春天。如图1所示，物流供需两方通过大数据平台实现敏捷物流的运行。

2 大数据驱动下的敏捷物流运行分析

2.1 大数据的挖掘、处理与储存

大数据的挖掘就是针对在普通的数据挖掘技术基础之上发展起来的特定的挖掘技术，它可以满足对海量数据的抓取以及临时存储。大数据挖掘通过设定的计算算法搜索相应的信息，它与计算机科学、统计科学、人工智能和模式识别的搜索算法、信息论、信号处理等学科紧密相联。在进行大数据挖掘的时候首先要有一个挖掘的原始数据范围，然后根据设定的算法进行选择数据，选择好数据之后就要进行预处理，把数据的结构转换成可存储的统一的结构，然后再根据设定的特定的算法进一步对预处理后的数据进行挖掘，进行存储或者分析和同化。大数据挖掘常用的算法有Apriori、K-means、pagerank、Adaboost等，在运用这些算法的时候也会用到关联规则。所谓的关联规则就是两个或两个以上变量的取值之间存在着或近似存在着某种规律，可以分为因果关联、时序关联以及简单关联三类。数据的关联规则是数据库中存在的一类重要的潜在可被发现的信息，这些信息往往有着很高的利用价值。如图2所示，一个大数据挖掘的模型图。

挖掘了数据之后还要进行处理，也就是通常所说的数据清理或数据清洗。数据清理可通过分类、相关性分组、聚类、复杂数据类型挖掘等纠正数据库中可识别的错误，包括检查数据一致性，处理无效值、缺失值以及重复值。通过对数据的处理，可以构建基础的可靠性比较高的数据库，为后面的数据利用做了有效的铺垫。

得到了大数据之后，接下来就要进行存储。据预测，到2020年全球以电子形式存储的数据量将达到近35ZB，是2009年的40倍之多。根据IDC的统计，2010年底全球已经有了超过120万PB的数据量了。这么巨量的数据很难用物理的存储设备来进行集中存储。所以，在实际运用中对数据的存储可分不同地点进行分类存储，或者寻求专业的数据管理公司进行存储，也可就某公司的具体业务相关数据进行存储以备使用。

2.2 根据储存的大数据实现更高效的敏捷物流

敏捷物流系统是一个相对复杂的系统，它在运行的过程中有着很强的动态性，而且它还涉及了不同组织之间的信息、资源等元素的交互与协调。敏捷物流运行的评价指标就是快速、及时、可靠性、成本等关键要素，根据这样几个要素进行评判所构建的敏捷物流系统的优劣是有一定科学依据的。有了稳定的敏捷物流系统之后，再结合大数据及相关技术手段，可实现敏捷物流的高效运转。对物流服务提供商来说，更高效的服务也就意味着更丰厚的回报。例如，全球著名的邮递和物流集团 Deutsche Post DHL旗下公司DHL公司，它是国际快递和物流行业的全球市场领先者，它提供快递、水陆空三路运输、合同物流解决方案，以及国际邮件服务，目前在中国大陆地区有快递服务、电子商务、货物运输和供应链方案四种服务模式。DHL公司的国际网络将超过220个国家及地区联系起来，全球员工总数超过31.5万人。在2015Teradata大数据峰会上，DHL公司做了“DHL的数据科学―迅速了解成本并拉动利润率增长”为主题的分享活动。DHL公司积极面对大数据浪潮，把大数据及相关的技术应用于对物流风险的管理，从而可以为客户提供更优质的服务，并推出了相应的解决方案Resilience360。Resilience360已经得到了DHL公司客户的一致认可，并为用户创造了价值。全球最大的底盘与传动技术提供商德国采埃孚（ZF）集团在生产拖延的情况下，为保证客户交货日期，公司会采用空运的方式交货，每年ZF需要进行1万余次这类特殊情况空运，涉及55个国家。在传统的物流运输模型中，此时的成本很高而且意外的风险也很大。当Resilience360出现后，它可以很好地帮助ZF集团对供应链环节各种潜在风险进行可视化管理，使管理层有直观的方式了解和控制可能的潜在风险点。Resilience360系统对涉及ZF集团的500余个站点和167个机场进行风险评估，生成风险评价报告，甄别出若干个高风险机场，并根据风险程度规划应变方案。此外，Resilience360系统还根据ZF集团对新兴市场（中国、印度、巴西等）的战略规划和运营状况进行优化，减少空运成本支出。通过对非结构化的数据进行大数据技术处理，并识别潜在的供应链风险，DHL公司在大数据应用原理并不算特别复杂，但有效地提高了客户的满意度，同时也塑造了其物流服务的个性化和差异化。

为了使客户更有效地进行供应链管理，降低或者避免风险，物流服务提供商必须做到：首先要建立一个模型包括描述供应链所有因素及其关系的拓扑图，然后持续监控对供应链的绩效产生影响的各种因素。为达到这个目的，物流服务提供商要从社交媒体、历史信息、综合新闻、天气预报、股市等公开的海量信息中抓取有关地区政治、区域经济、卫生、自然环境等数据，然后对这些数据进行整合与分析。

2.3 敏捷物流运行模型

敏捷物流运作的基本原理就是在控制成本的前提下进行供应链整体物流响应时间的压缩，也就是物流服务提供商在获得客户订单或预测到客户订单后，通过一系列的相关运作，可能包括原材料的采购、原材料的加工、仓储管理和运输等环节，最后保质守时的交到客户手中。敏捷物流在时间方面的控制，需要供应链各节点在物流、信息流、资金流等方面进行集成整合，其中集成整合的运作是最为关键，也是最难以实现的重要因素[8]。如图3所示，结合大数据的敏捷物流运作模型。

在实际运用中，敏捷物流在不同的行业还是有所区别的，例如，针对冷链物流和普通物流就有着很大的不同。此外有的企业是自营物流，而企业本身的核心业务在于生产，此时的敏捷物流运行模式也是有所不同的。针对第三方物流服务提供商来说，敏捷物流的发展有更大的空间，敏捷物流的运行也有更高的可行性以及可靠性。

3 研究总结

研究了大数据驱动下的敏捷物流的运行机制，结合大数据的特点和敏捷物流的特点实现敏捷物流的服务。在国内，敏捷物流的发展还很不完善，而且从地域上来看也很不均衡，东部沿海地区与西部欠发达地区存在着比较大的差距。如何在国内实现敏捷物流，对物流服务企业来说不应该是盲目的扩大服务点或其他硬件设施，而是应该利用现代科学技术实现自身的飞跃发展。大数据对敏捷物流的帮助是有目共睹的，很多企业也实践了这一点，例如亚马逊（Amazon）公司预判顾客可能会下的订单，并做好仓储准备，甚至可以在顾客下订单之前就将货物送到顾客手中。如何利用好大数据是未来的重要研究方向，目前云计算科学技术的发展也很迅速，结合云计算和大数据的研究，如果可以应用到敏捷物流的发展中将会极大地促进服务效率的提升。

参考文献：

[1] Kidd P T. Agile Manufacturing： a strategy for the 21st century[C] // In Agile Manufacturing （Digest No. 1995/179）， IEE Colloquium on， Coventry： IET， 1995：1-6.

[2] Patty Swafford， Soumen Ghosh， Nagesh Murthy. A Model of Global Supply Chain Agility and its impact on Competitive Performance[C] // Stanford Global Supply Management Forum Working Paper， 2000.

[3] 王玲，吕坤. 敏捷供应链研究综述[J]. 物流技术，2010（2）：169-171.

[4] 王洪波. 敏捷物流系统构建及运行方式研究[J]. 武汉理工大学学报（交通科学与工程版），2011，35（4）：817-820.

[5] 刘小群，马士华. 支持快速客户响应的敏捷物流运作技术与方法[J]. 科研管理，2007，28（2）：152-159.

[6] 王惠，符策，陈燕，等. 复杂信息条件下敏捷物流配送问题的动态分析[J]. 系统工程，2005，23（8）：31-35.

[7] 维克托・迈尔・舍恩伯格，肯尼思・库克耶. 大数据时代：生活、工作与思维的大变革[M]. 盛杨燕，周涛，译. 杭州：浙江人民出版社，2013.

[8] 马士华，等. 供应链管理[M]. 北京：北京出版社，2001.