大數據應用對物流企業競爭力的影響研究

魏繼華

內容摘要：近年來，大數據的應用問題引起了理論界和實務界的高度關注。物流業是一個產生海量數據的行業，大數據在物流企業的廣泛應用，對于企業動態適應多變的市場環境、滿足日趨個性化的顧客需求、應對激烈的市場競爭都具有重要意義，也將對物流企業戰略決策、運營管理、市場營銷、品牌管理、客戶關系管理、服務創新等方面產生深刻影響。對整個行業來說，也有助于物流資源優化配置、物流產業的升級轉型。本文在分析物流行業大數據特點及其在物流行業的應用特性的基礎上，研究了大數據應用技術對物流企業競爭力的影響，探討了物流企業利用大數據相關技術提升物流企業競爭力的基本思路。

關鍵詞：大數據 物流企業 競爭力 提升

引言

當業界還在探討物聯網和云計算等前沿概念的時候，一些國際IT巨頭已經聚焦于物聯網和云計算產業背后的大數據，并努力挖掘其背后的潛在價值（閆成印，2012；劉禹，2013）。物流行業是個產生海量數據的行業，大數據應用技術將推動“智慧物流”更迅猛、更高層次地發展（姚堯，2013）。能否抓住“大數據”所帶來的機遇，將成為物流企業提升核心競爭力的關鍵環節。這就需要充分認識物流行業大數據的特點、應用特性，明晰大數據相關技術提升物流企業競爭力的作用機制。

物流行業大數據的特點

（一）來源復雜，類型繁多

從數據來源來看，大致可以歸納為8個方面：社會化媒體、互聯網及移動互聯網、電子商務（劉禹，2013）；傳感器網絡、鏈接設備、智能終端、實時監控設備；商業智能BI、企業輔助決策系統；計算機、平板電腦、手機、其他移動設備、移動存儲；物聯網、車聯網、RFID、GPS、GIS等物流信息技術的應用（舒文瓊，2013）；云計算、第三方數據處理技術、第三方平臺的應用；專業研究報告、行業資訊、行業活動記錄；其他大交互、大交易數據來源。

相應地，物流行業的大數據類型也呈多樣化特點，可以描述如下：人的行為信息、習慣信息、偏好信息、交互數據等；Web 文本數據、流量分析數據、電商交易數據、使用者網絡活動數據等；各類設施設備采集的數據——傳感器讀數、運營數據、實體數據、車載信息、儀表讀數，監控視頻數據等；企業內部基干類系統和信息類系統所采集或處理的各類數據——輔助決策信息、運營數據、產品數據、供應鏈數據、HR數據、財務數據、顧客數據、呼叫記錄、市場數據等；計算機使用數據和移動設備使用數據等；基礎地理位置信息、RFID讀取信息、GPS映射數據、圖像文件、車載信息、時間與位置數據、車輛數據、高分辨率影像、矢量、遙感及動態監測數據等；CRM、KDD、DWH、流量監測、查詢應用、分析器等應用數據；報告資訊、科研數據、調研數據、公共數據、公共信息。

（二）結構多維，格式多樣

物流行業的大數據，可以從多個維度進行解構：

結構化數據、半結構化數據、非結構化數據（劉禹，2013；Elena Geanina Ularu et al.，2012）。物流行業的大數據既包括存儲在數據庫里的結構化數據，也包括日志文件、XML文檔、JSON文檔和電子郵件等半結構化數據，而更多的數據類型是辦公文檔、文本、圖片、XML、HTML、各類報表、圖像和音頻/視頻信息等非結構化數據，半機構化、非結構化數據約占大數據總量75%-85%。

內部數據與外部數據。物流企業的大數據既有來自企業經營的內部交易數據、CRM數據，也有來自其他數據源的外部數據。物流企業的大數據兼具公共、私密二重屬性。外部數據的公共性特征比較明顯，而內部數據由于和行業標準和商業機密密切相關，因而具有私密性。

與數據結構的多維特征相對應，物流企業大數據的格式也是多樣的。除了傳統的紙質文件、檔案、報表、表格、記錄、信函等之外，更多的是以數字數據存在的Web 文本、視頻、短信、音頻、視頻、郵件，存儲信息、配置文件、符號、圖片、檔案等。數據格式的多樣性和互不兼容、數據訪問的隨機性，為數據的采集、存儲、分析、應用帶來了困難。

物流行業大數據的應用特征

（一）大數據的應用潛力巨大

在大數據概念興起之前，企業主要借助內部數據、結構化數據進行決策。商業智能（BI）技術的應用似乎將企業帶入了“智慧世界”，但BI仍然對外部數據、非結構化數據無能為力，沒有“走完最后一公里”，無法有效滿足決策需求。在大數據時代，企業的外部數據權重急劇上升，決策價值越來越突出，這意味著僅僅依據占數據總量15%左右的結構化數據進行決策越來越失之偏頗（T.K.Das et al.，2013），物流企業決策者駕馭業務的戰情數位儀表盤其實是殘缺的。事實上，一些沿襲原來的IT解決方案的物流企業，普遍遇到數據處理系統擴展困難、處理時間長、傳輸效率低、成本過高的問題（Elena Geanina Ularu et al.，2012）。大數據應用技術就是能夠妥善解決這些問題的性價比比較高的數據計算與存儲方式。

據ICT權威研究機構CCW RESEARCH的研究結論（2012年），無論是從信息技術應用的契合度還是從短期內投資大數據的可能性進行測度，物流行業都具有大數據應用技術推廣的優越條件。但他們同時還指出，雖然物流行業對“大數據”概念的知曉率為91.8%，但究其應用而言，總體上還處于“認知”階段，這意味著大數據在物流行業應有較大的應用潛力。

（二）大數據的供應鏈特征明顯

物流行業大數據的應用正越來越呈現出供應鏈特征。這個“數據供應鏈”，存在著數據收集、數據處理、數據分析、數據價值提取、數據價值消費等多個環節（Hsinchun Chen et al.，2012），參與者包括原始數據提供者、數據收集者、數據平臺商、數據應用技術開發者、數據服務提供者、數據產業投資者，數據價值消費者等多個主體。就物流企業而言，在這個數據供應鏈中，可以承擔多重角色：既可以是原始數據供應者（主要是內部數據、結構化數據），也可以是數據產業投資者、數據價值消費者。實力雄厚者甚至可以向其他角色拓展，具有優秀的數據供應鏈整合能力的企業將會贏得較大競爭優勢。圖1給出了物流行業數據供應鏈的簡化模型，并借用Michael Porter的五力分析模型對數據供應鏈各個環節的競爭態勢進行了分析。endprint

大數據應用對物流企業競爭力的影響

（一）大數據應用影響物流企業競爭力的機制

圖2給出物流企業競爭力影響因素的分析框架（王海燕，2012；靜濤，2010）。物流企業的競爭力影響因素涵蓋環境、資源、能力三個方面，其中環境要素可以進一步細化為：行業經濟發展水平、宏觀調控、社會人文、物流技術等；資源要素可進一步細化為物質資源和無形資源等；能力要素可細化為戰略決策能力、運營管理能力、市場營銷能力、品牌管理能力、創新發展能力等（張莉，2012）。

這里以前文論述為基礎，分析大數據應用對物流企業競爭力提升的影響機制，如圖3所示：大數據通過影響物流企業競爭力的環境、資源、能力三個要素，提升其競爭力，而物流企業競爭力的提升則表現為快速反應、穩定可靠、靈活性和彈性提升，顧客滿意度提升，經濟效益提高等等（Elena Geanina Ularu et al.，2012）。

（二）大數據應用提升物流企業競爭力分析

在物流企業競爭力三個影響因素中，環境因素是外部、不可控要素，資源和能力屬于內部要素、可控要素，因此，這里重點分析大數據在物流企業的應用對兩個要素的影響及其表現。

1.對資源要素的影響。大數據時代，數據被許多權威人士比作“新型石油”，日漸成為一種戰略性資源和企業的核心資產。大數據及其所承載的知識和信息作為一種極具戰略價值的經濟資源，通過參與企業的經濟活動和營運過程，正在充分地發揮其獨特的整合效應，促進物流企業提高組織效率、降低成本、創新服務、維系良好的品牌形象和客戶關系、增進經濟效益等。其作用機制如下：

第一，盤活物流企業的人力資本。在大數據日益進行著滲透性應用的背景下，將推動人力資源決策由“經驗+感覺”模式向“事實+數據”模式轉型，人才測評和任職匹配將更高效、更精準；處于休眠狀態的企業內部營運數據將被喚醒，培訓需求的甄別將更便利。過程數據和結果數據的空前豐富使得“過程+結果”的績效考核方式將更容易導入，對績效輔導和績效提升更有利。

第二，直接增加物流企業的結構資本。大數據應用技術將推動物流企業的組織結構的進一步優化，與戰略的匹配度更高，組織內外信息流動更順暢，協調機制更完善，內部溝通更“智慧”，資源管控和利用率水平更高，對市場機會和環境變化的動態適應能力更強。不僅如此，對物流企業信息技術的升級應用、知識產權的保護、品牌推廣和商譽提升也將產生巨大影響。這些都會直接增加企業的結構資本。

第三，為企業贏得更多關系資本。在企業內部溝通更舒暢、更外向的情況下，面向客戶的、創新型的共有價值觀更容易形成和維護，員工所期望的個性化關懷更容易實現，這將推動物流企業的文化建設。同時，大數據的應用還將推動物流企業創新業務模式，主動采用整合傳播，提升品牌美譽度，更好地開展公共關系。物流企業在推行個性化定制化服務、高效的商業伙伴和顧客關系管理會更主動，這些都會為物流企業贏得關系資本。

2.對能力要素的影響。第一，提升物流企業的戰略管理、戰略決策能力。大數據的應用有利于企業推行數據驅動的敏捷決策，從長遠來看，還會推動企業組織架構和業務流程的全面變革，企業決策權力的配置將更合理，決策的制度化、流程化程度更高，決策更公開、透明、精準、有效、可追溯。基于數據的決策有助于消弭主觀偏見和思維定勢的消極影響，提升企業的戰略洞察力，把握行業發展的新趨勢，抓住戰略性投資機會。在物流企業競爭力的變現越來越取決于供應鏈的整體效能的背景之下，物流企業還可以在確保顧客隱私和商業機密的前提下，通過與供應鏈上各合作伙伴的數據共享、交換或者交易，動態檢測行業趨勢、聚焦優先目標、優化服務組合、避免無端浪費、探索全新的業務模式等。

第二，增強物流企業的運作管理能力。大數據的應用可以提升企業業務營運的可視化程度，推動知識和信息在組織內部的共享；精確掌控企業各項資源的運行情況，比如人員的作業狀況，設備運作狀況，車輛的位置、時間、速度、性能等，有利于企業高效調度各項資源，提升運作效率。以快遞企業為例，大數據的應用可以為企業滿足個性化訂單、開展定制化服務、實施彈性配送等提供技術支撐。它們可以在業務營運的特殊時期，比如“雙11”到來之前，基于大數據的分析，適時調配物流資源，實現業務營運的主動性、前置性，提升配送運作效率和顧客滿意度。

第三，拓展物流企業的市場營銷能力。大數據應用技術有助于提升市場研究的效率，有關顧客偏好、情緒、消費體驗等真實信息將更容易取得，有利于對目標客戶的精確細分、重點客戶和高價值客戶高效篩選（徐藝欣，2013）。大數據所承載的有關資源、成本、服務、定價等即時性關鍵信息，有助于企業動態監測市場動態，有效率開展競爭，更好地贏得客戶，增加市場份額。在物流服務營銷方面，可以實施針對高價值的顧客的精準營銷、廣告的精準投放、廣告或者促銷效果的精準測定等（胡玉萍，2011）。大數據應用技術還有利于物流企業擺脫繁雜的中間環節、傳統的營銷模塊式營銷組織的依賴，極大地降低營銷成本。

第四，提升物流企業的品牌管理能力。物流企業可以有效利用大數據技術進行輿情監控、品牌健康度動態監測、品牌聲譽管理，高效監控可能有損品牌形象和企業聲譽的負面信息，有效應對惡意炒作或商業欺詐、從容地進行危機管理（Chris Snijders et al.，2012）。另一方面，可以通過口碑營銷在較低成本的投入情況下擴大品牌影響力。

第五，增強物流企業顧客管理和客戶關系維護能力。企業可以根據大數據所承載的信息與顧客進行深度溝通，改善顧客體驗，取得他們對本企業、競爭對手物流服務的真實評價，有效應對競爭壓力，提高快速響應能力，培育顧客粘性和忠誠度，通過建立穩定的忠實客戶群，實現客戶價值的鏈式反應增值，支撐企業長期、穩定、高速、可預期的發展。

第六，增進企業創新發展能力。大數據應用有助于企業建立廣泛的外部合作伙伴網絡，推進整體創新戰略，將問題的“搜索者”和“創意者”、“解決者”結合在一起，為合作創新機制的建立提供了動力源泉（Merja Mahrt et al.，2013）。大數據的最大價值在于從海量數據中發現新知識，創造新價值，其中的重要體現就在于有助于推動業務模式的創新，比如物流企業在條件成熟時就可以通過數據交易、數據應用輔導等業務獲取經濟利益、提升競爭優勢。endprint

物流企業推動大數據應用的思路

物流企業應抓住大數據所帶來的機遇，主動借力大數據提升企業競爭力（閆成印，2012）。本文推出涵蓋戰略（Strategy）、領導（Leadership）、流程（Process）、技能（Skill）、人員（Personnel）的（SLPSP）模式。

戰略（S）：建立數據資產管理戰略，作為物流企業總體戰略的一部分，圍繞“資源管控”和“服務優化”兩個基本命題，在企業整體戰略中要有大數據應用的總體方案。這一方案既要著眼企業的實際情況，又要有長遠的規劃，在軟件和硬件投入方面都要有指導性的日程表安排。在保障機制方面，還要通過有效的 “頂層設計”打破組織壁壘，促進數據資產的溝通、融合。

領導（L）：大數據的應用是 “一把手”工程，領導的重視是成敗的關鍵。企業領導層應主動變革思維模式，進行實質性的資源投入支持大數據技術的深入應用。摒棄那種僅僅用數據來粉飾決策、支撐既有觀點的做法，從戰略高度對數據資產的價值進行再思考、再認識，把大數據的應用、云計算等作為戰略實施的有力推手，而不僅僅是將其視為傳統IT管理的一個方面。

流程（P）：優化數據資產管理和大數據應用的流程。在數據的收集和處理方面，要做好整合，認真發掘組織內部的“休眠數據”并認真評估其價值，同時要高度重視外部數據對企業的戰略價值，推動企業內部的數據處理系統與合作伙伴的相關系統的集成，實現順暢的數據交換和信息交流。在數據的存儲與處理方面，優化企業的IT的服務器、存儲設備和網絡設備，引入能與硬件設施設備無縫對接、合乎大數據應用需求的數據管理和分析軟件，必要時要借力基于開發架構的、具有靈活的擴展能力、性能卓越的第三方平臺（姚堯，2013）。不斷深化大數據的應用，實現人、機、系統等要素的有機化。

技能（S）：促進大數據應用技術在組織內的擴散，并內化為組織整體技能。推動員工熟悉數據驅動決策下的業務運作，將數據應用視為業務營運的工具和助手。采取措施推動員工數據應用技能的持續進步，促進企業決策者、管理者、業務人員和數據工程師基于數據分析和數據應用的溝通、共享、協同，消除“數據孤島”現象。

人員（P）：有計劃地培養大數據應用的專業人員。這些專業人士應成為“數據工程師”，兼具數學知識、IT技能、業務知識，并能夠作為大數據應用的“先鋒”，引領企業跨越“數據鴻溝”，并能提供專業的數據應用技術服務。

參考文獻：

1.閆成印.物聯網帶動大數據發展[J]. 互聯網天地，2012（11）

2.劉禹.物聯網時代的大數據[J].高科技與產業化，2013（5）

3.姚堯.大數據時代的智能物流[J].中國經濟信息，2013（7）

4.舒文瓊.數據量爆發式增長，物聯網引入大數據技術迫在眉睫[J].通信世界，2013（12）

5.Elena Geanina Ularu and Florina Camelia Puican. Perspectives on Big Data and Big Data Analytics [J].Database Systems Journal，2012（3）

6.T.K.Das and P.Mohan Kumar. BIG Data Analytics： A Framework for Unstructured Data Analysis [J]. International Journal of Engineering and Technology，2013（5）

7.Hsinchun Chen and Roger. H. L. Chiang.Business Intelligence and Analytics：from Big Data to Big Impact [J].MIS Quarterly，2012（36）

8.王海燕.基于企業發展定位的第三方物流企業核心競爭力研究[D].大連理工大學，2012

9.靜濤.物流企業核心競爭力分析[J].科技信息，2010（11）

10.張莉.現代物流企業核心競爭力構成分析與財務評價[J].財會通訊，2012（4）

11.徐藝欣.基于社會化媒體的精準營銷研究[D].大連海事大學，2013

12.胡玉萍.網絡成名致富之道：博客推廣與精準營銷[M].機械工業出版社，2011

13.Chris Snijders，Uwe Matzat and Ulf-Dietrich Reips. “Big Data”： Big Gaps of Knowledge in the Field of Internet Science [J]. International Journal of Internet Science，2012，7（1）

14.Merja Mahrt and Michael Scharkow. The Value of Big Data in Digital Media Research [J]. Journal of Broadcasting & Electronic Media，2013（3）endprint

物流企業推動大數據應用的思路

物流企業應抓住大數據所帶來的機遇，主動借力大數據提升企業競爭力（閆成印，2012）。本文推出涵蓋戰略（Strategy）、領導（Leadership）、流程（Process）、技能（Skill）、人員（Personnel）的（SLPSP）模式。

戰略（S）：建立數據資產管理戰略，作為物流企業總體戰略的一部分，圍繞“資源管控”和“服務優化”兩個基本命題，在企業整體戰略中要有大數據應用的總體方案。這一方案既要著眼企業的實際情況，又要有長遠的規劃，在軟件和硬件投入方面都要有指導性的日程表安排。在保障機制方面，還要通過有效的 “頂層設計”打破組織壁壘，促進數據資產的溝通、融合。

領導（L）：大數據的應用是 “一把手”工程，領導的重視是成敗的關鍵。企業領導層應主動變革思維模式，進行實質性的資源投入支持大數據技術的深入應用。摒棄那種僅僅用數據來粉飾決策、支撐既有觀點的做法，從戰略高度對數據資產的價值進行再思考、再認識，把大數據的應用、云計算等作為戰略實施的有力推手，而不僅僅是將其視為傳統IT管理的一個方面。

流程（P）：優化數據資產管理和大數據應用的流程。在數據的收集和處理方面，要做好整合，認真發掘組織內部的“休眠數據”并認真評估其價值，同時要高度重視外部數據對企業的戰略價值，推動企業內部的數據處理系統與合作伙伴的相關系統的集成，實現順暢的數據交換和信息交流。在數據的存儲與處理方面，優化企業的IT的服務器、存儲設備和網絡設備，引入能與硬件設施設備無縫對接、合乎大數據應用需求的數據管理和分析軟件，必要時要借力基于開發架構的、具有靈活的擴展能力、性能卓越的第三方平臺（姚堯，2013）。不斷深化大數據的應用，實現人、機、系統等要素的有機化。

技能（S）：促進大數據應用技術在組織內的擴散，并內化為組織整體技能。推動員工熟悉數據驅動決策下的業務運作，將數據應用視為業務營運的工具和助手。采取措施推動員工數據應用技能的持續進步，促進企業決策者、管理者、業務人員和數據工程師基于數據分析和數據應用的溝通、共享、協同，消除“數據孤島”現象。

人員（P）：有計劃地培養大數據應用的專業人員。這些專業人士應成為“數據工程師”，兼具數學知識、IT技能、業務知識，并能夠作為大數據應用的“先鋒”，引領企業跨越“數據鴻溝”，并能提供專業的數據應用技術服務。

參考文獻：

1.閆成印.物聯網帶動大數據發展[J]. 互聯網天地，2012（11）

2.劉禹.物聯網時代的大數據[J].高科技與產業化，2013（5）

3.姚堯.大數據時代的智能物流[J].中國經濟信息，2013（7）

4.舒文瓊.數據量爆發式增長，物聯網引入大數據技術迫在眉睫[J].通信世界，2013（12）

5.Elena Geanina Ularu and Florina Camelia Puican. Perspectives on Big Data and Big Data Analytics [J].Database Systems Journal，2012（3）

6.T.K.Das and P.Mohan Kumar. BIG Data Analytics： A Framework for Unstructured Data Analysis [J]. International Journal of Engineering and Technology，2013（5）

7.Hsinchun Chen and Roger. H. L. Chiang.Business Intelligence and Analytics：from Big Data to Big Impact [J].MIS Quarterly，2012（36）

8.王海燕.基于企業發展定位的第三方物流企業核心競爭力研究[D].大連理工大學，2012

9.靜濤.物流企業核心競爭力分析[J].科技信息，2010（11）

10.張莉.現代物流企業核心競爭力構成分析與財務評價[J].財會通訊，2012（4）

11.徐藝欣.基于社會化媒體的精準營銷研究[D].大連海事大學，2013

12.胡玉萍.網絡成名致富之道：博客推廣與精準營銷[M].機械工業出版社，2011

13.Chris Snijders，Uwe Matzat and Ulf-Dietrich Reips. “Big Data”： Big Gaps of Knowledge in the Field of Internet Science [J]. International Journal of Internet Science，2012，7（1）

14.Merja Mahrt and Michael Scharkow. The Value of Big Data in Digital Media Research [J]. Journal of Broadcasting & Electronic Media，2013（3）endprint

物流企業推動大數據應用的思路

物流企業應抓住大數據所帶來的機遇，主動借力大數據提升企業競爭力（閆成印，2012）。本文推出涵蓋戰略（Strategy）、領導（Leadership）、流程（Process）、技能（Skill）、人員（Personnel）的（SLPSP）模式。

戰略（S）：建立數據資產管理戰略，作為物流企業總體戰略的一部分，圍繞“資源管控”和“服務優化”兩個基本命題，在企業整體戰略中要有大數據應用的總體方案。這一方案既要著眼企業的實際情況，又要有長遠的規劃，在軟件和硬件投入方面都要有指導性的日程表安排。在保障機制方面，還要通過有效的 “頂層設計”打破組織壁壘，促進數據資產的溝通、融合。

領導（L）：大數據的應用是 “一把手”工程，領導的重視是成敗的關鍵。企業領導層應主動變革思維模式，進行實質性的資源投入支持大數據技術的深入應用。摒棄那種僅僅用數據來粉飾決策、支撐既有觀點的做法，從戰略高度對數據資產的價值進行再思考、再認識，把大數據的應用、云計算等作為戰略實施的有力推手，而不僅僅是將其視為傳統IT管理的一個方面。

流程（P）：優化數據資產管理和大數據應用的流程。在數據的收集和處理方面，要做好整合，認真發掘組織內部的“休眠數據”并認真評估其價值，同時要高度重視外部數據對企業的戰略價值，推動企業內部的數據處理系統與合作伙伴的相關系統的集成，實現順暢的數據交換和信息交流。在數據的存儲與處理方面，優化企業的IT的服務器、存儲設備和網絡設備，引入能與硬件設施設備無縫對接、合乎大數據應用需求的數據管理和分析軟件，必要時要借力基于開發架構的、具有靈活的擴展能力、性能卓越的第三方平臺（姚堯，2013）。不斷深化大數據的應用，實現人、機、系統等要素的有機化。

技能（S）：促進大數據應用技術在組織內的擴散，并內化為組織整體技能。推動員工熟悉數據驅動決策下的業務運作，將數據應用視為業務營運的工具和助手。采取措施推動員工數據應用技能的持續進步，促進企業決策者、管理者、業務人員和數據工程師基于數據分析和數據應用的溝通、共享、協同，消除“數據孤島”現象。

人員（P）：有計劃地培養大數據應用的專業人員。這些專業人士應成為“數據工程師”，兼具數學知識、IT技能、業務知識，并能夠作為大數據應用的“先鋒”，引領企業跨越“數據鴻溝”，并能提供專業的數據應用技術服務。

參考文獻：

1.閆成印.物聯網帶動大數據發展[J]. 互聯網天地，2012（11）

2.劉禹.物聯網時代的大數據[J].高科技與產業化，2013（5）

3.姚堯.大數據時代的智能物流[J].中國經濟信息，2013（7）

4.舒文瓊.數據量爆發式增長，物聯網引入大數據技術迫在眉睫[J].通信世界，2013（12）

5.Elena Geanina Ularu and Florina Camelia Puican. Perspectives on Big Data and Big Data Analytics [J].Database Systems Journal，2012（3）

6.T.K.Das and P.Mohan Kumar. BIG Data Analytics： A Framework for Unstructured Data Analysis [J]. International Journal of Engineering and Technology，2013（5）

7.Hsinchun Chen and Roger. H. L. Chiang.Business Intelligence and Analytics：from Big Data to Big Impact [J].MIS Quarterly，2012（36）

8.王海燕.基于企業發展定位的第三方物流企業核心競爭力研究[D].大連理工大學，2012

9.靜濤.物流企業核心競爭力分析[J].科技信息，2010（11）

10.張莉.現代物流企業核心競爭力構成分析與財務評價[J].財會通訊，2012（4）

11.徐藝欣.基于社會化媒體的精準營銷研究[D].大連海事大學，2013

12.胡玉萍.網絡成名致富之道：博客推廣與精準營銷[M].機械工業出版社，2011

13.Chris Snijders，Uwe Matzat and Ulf-Dietrich Reips. “Big Data”： Big Gaps of Knowledge in the Field of Internet Science [J]. International Journal of Internet Science，2012，7（1）

14.Merja Mahrt and Michael Scharkow. The Value of Big Data in Digital Media Research [J]. Journal of Broadcasting & Electronic Media，2013（3）endprint