大數據背景下網絡購物的物流增值研究

張夏恒　馬天山

摘要 隨著網絡購物的飛速發展，物流成為主要的制約瓶頸。大數據時代的到來，帶來思維方式的沖擊，也為物流增值服務提供了新視角。通過數據庫的建立、大數據的分析和處理，建立物流需求細分，結合相關性分析，滿足消費者各類物流細分需求，并及時有效的提供各類預測，降低逆向物流的發生概率，真正實現物流增值的目的。

關鍵詞 物流工程；增值；大數據；網絡購物；預測；相關性

[中圖分類號]F724 [文獻標識碼] A [文章編號]1673-0461（2015）11-0029-05

一、引 言

伴隨著互聯網技術的發展，“大數據”成為繼“物聯網”和“云計算”之后的時代主題詞，對社會生活的各方各面都產生了深遠的影響。海量數據催生了信息或數據的收集、存儲、分析、處理、挖掘和應用的全新技術體系，并將之應用到各行各業。據發改委和商務部數據，2013年中國社會物流總費用占GDP比率為18%，該比重多年來一直持續在18%左右，高出世界平均水平6.8%。根據中國物流與采購聯合會調查報告資料，中國物流企業來自于基礎性服務的收益約占85%，而僅有15%的收益來自于增值服務和物流信息技術與支持物流的財務服務。在大數據背景下，重點探析大數據對網絡購物的物流增值的影響，嘗試研究如何將大數據的優勢植入到物流增值服務中。

二、“大數據”時代的到來

“大數據”這一概念始見于1980年，阿爾溫·托夫勒將“大數據”贊譽為“第三次浪潮的華彩樂章”。[1]限于當時信息技術發展的制約，“大數據”并未形成一個準確的定義。伴隨信息技術的發展，收集與處理海量數據有了技術保證。大數據成為繼“物聯網”和“云計算”之后，IT產業的又一次顛覆性的技術革命。[2]對大數據收集與分析的設想并非源于某些實體企業，而是源于非實體的管理咨詢公司麥肯錫公司。[3]麥肯錫2011年在一篇研究報告中提到“大數據是指大小超出了典型數據庫工具收集、存儲、管理和分析能力的數據集”，預示著“大數據”時代的來臨。[4]可見，大數據的定義是相對目前可用的技術而言的。此后，權威咨詢公司Gartner又對大數據進行了定義“在一個或多維度上超過傳統信息技術的處理能力的極端信息管理和處理問題。”①美國國家科學基金會（NSF）將大數據定義為一個數據集，該數據集是基于由科學儀器、傳感設備、互聯網交易、電子郵件、音視頻軟件、網絡點擊流等多種數據源生成的大規模、多元化、復雜、長期的分布式的。②相對于“海量數據”和“大規模數據”，大數據與之一脈相承，但在數據產生速度、復雜性和容量上已遠遠超出了傳統的數據形態。數據復雜性繼續增長，實時性和多樣性等特征日益顯著，標志著“大數據”時代已經到來。[5]

三、 研究現狀與研究視角

（一）“大數據”的研究現狀

伴隨著大數據時代的到來，數據驟然井噴，對社會各方面的影響頗多。國際數據公司（IDC）的研究報告顯示，2011年全球被創建和被復制的數據總量超過1.8ZB，且增長趨勢遵循新摩爾定律（全球數據量大約每兩年翻一番），預計2020年將達到35ZB。[6]大數據已經撼動了世界的方方面面，從商業科技到醫療、教育、政府、經濟及社會的其他各個領域。[7]《Nature》雜志2008年的專刊《Big Data：Science in the Petabyte Era》③和《Science》雜志2011年的專刊《Dealing with Data》④分別從互聯網技術、互聯網經濟學、超級計算、環境科學、生物醫藥等多方面討論大數據處理和應用專題。

“大數據”的含義超越了“大”或是“數據”的含義。[8]此時的數據在海量信息的基礎上，已不拘泥于傳統意義上的數字和數據，還包括圖片、語義、文字、音頻、視頻等。伴隨著信息技術的日新月異，以及在社會、文化、經濟、生活眾多領域的不斷滲透，借助移動轉動、分布式處理、物聯網和云計算等新興技術和應用模式，數據的產生不拘泥于時間、地點和空間的制約，全球隨時產生的數據呈現爆炸式的增長趨勢。[9]大數據時代的到來，人們通過對數據，尤其是互聯網環境下產生的各式各樣的數據，進行交換、整合和分析，方可發現新的知識，創造新的價值，帶來大知識、大科技、大利潤和大發展。[10]大數據時代產品及服務創新的另一個典型特征就是實時化、個性化的產品及服務設計。[11]

（二）物流增值的研究現狀

中國物流與采購協會將物流增值定義為“在完成物流基本功能基礎上，根據客戶需求提供的各種延伸業務活動”。物流包含兩部分：一是物流基本服務，包括提供倉儲、包裝、運輸、配送等服務；二是物流增值，即能夠滿足的特定要求，顯著增加客戶價值，圍繞物流服務而展開的創新性服務。[12]物流增值是在物流基本服務上，對服務需求進行細分，對服務的品種進行創新的過程。物流基本服務是增值服務的起點，尤其是運輸、倉儲、信息集成、存貨管理、訂單處理、物料采購等，都是進行物流增值延伸的起點。[13]相對于基本服務，物流增值是一種深層次的物流服務，需要在了解物流需求后，提出特殊增值服務；物流增值是在物流基本服務前提下，通過增加投入取得增值，需要收取額外的費用；物流增值又具有時效性，伴隨物流服務水平的提高，原有的物流增值將會演變成基本服務。[14]物流增值是物流業發展到一定階段的必然產物，是物流業成熟的標識，是中國物流業的發展趨勢。[15]

學術界針對物流增值的研究比較分散，大多從物流企業的角度研究，尤其是研究第三方物流企業如何實現物流增值。這些研究成果對網絡購物的物流增值研究提供了有益的方法和借鑒。周永明（2007）研究了物流增值的內涵，提出物流增值的種類以及實現途徑。[14]周德蘇（2007）從第三方物流企業的角度研究物流增值的必要性。[16]孫福東（2013）從物流公司角度提出物流增值策略，分別從降低物流成本、加強企業創收能力、收入增量大于成本增量等方面提出增值策略。[17]endprint

（三）研究視角

在網絡購物中，實現交易的最后一個環節是物流，物流在網絡購物整體鏈條中起至關重要的作用，是影響消費者對網絡購物滿意度的重要指標。根據CNNIC在2011年發布的資料，物流環節整體滿意度不甚理想，僅有75.1%。消費者認為送貨時間過長，送貨時貨品有損壞或丟失，物流人員態度不好，物流過程無法及時了解，物流費用過高等。這些問題，讓物流行業飽受消費者所詬病。在互聯網盛行的現代社會，人與人之間通過互聯網的互動、聯系與交流普遍而頻繁，已成為網絡購物環境下的最重要特征。這種互動、聯系和交流所產生的數據與信息對消費者行為、企業經營績效及企業與消費者關系產生較為深遠的影響。[18]借助專業的數據分析工具與技術，利用行為分析和商務智能等手段，在社會化的網絡環境下，以集成的視角深入挖掘研究其海量且動態的數據，準確識別個性化的行為特征，重點研究消費者對產品或服務的行為與偏好，企業輿情的實時、精確采集與分析，消費者行為對企業行為決策及預警決策的產生頗多影響。

不僅如此，通過消費者需求或行為數據研究，可以精確掌握消費者的心理特點、生活習慣、消費習慣，能夠對消費者進行精確細分，在標準化服務的基礎上通過提供新的個性化的產品或服務，提高消費者的忠誠度和創造消費者的黏性。大數據可以讓消費者方便參與到消費全過程，企業能夠有效獲取消費者信息，通過這些信息衍生出價值，不僅可以為企業創收，還能全面提高消費者的滿意度。

四、 大數據的特征與帶來的沖擊

無論是組織還是個人都可以通過大數據獲得新的知識，大數據是創造新價值的源泉。大數據時代到來后，無論是市場結構、經濟運行模式、企業與消費者關系、組織或個人的思維方式、消費者的消費感知都帶來了巨大的沖擊。許多在小規模數據基礎上無法做到的事情，可以在大規模數據的基礎上實現。[7]

（一）大數據的特征

通過分析大數據的定義，能夠總結出其代表性的顯著特征，其中經典的顯著特征是3V，即大數據需要滿足3個特征，即規模性（Volume）、多樣性（Variety）和快速性（Velocity）。[19]此外，還有4V特征的提法，在3V基礎上增加了1個新特征。但是針對第4個V的提法尚未統一，IDC提出大數據還有價值性（Value）特征[20]，IBM公司則提出大數據還具有真實性（Veracity）的特征[21]。

（二）大數據對思維方式的沖擊

大數據在處理信息時對思維方法帶來三方面的沖擊與轉變，即強調全體杜絕抽樣，聚焦效率而非精確，強調相關性并非因果性。[7]

在過去，由于缺乏必要的技術支持，無法獲取全體樣本，或者獲取的成本極高，所以多采用抽樣調查。大數據時代，可以輕松獲取更多的數據。依托云計算和物聯網，不僅能夠獲取足夠大的樣本數據甚至全體數據，更使對數據的分析成為可能，甚至還可以處理和某個特別現象關聯的所有數據，無需再依賴抽樣調查。

抽樣調查時，在運算上講究精確，精確的運算以耗費時間為代價。大數據復雜多樣，優劣混雜，數據更新更是急速的。數據分析的目的是進行多種決策，而非數據分析本身。擁有大數據后，已經不需再對事物探其究竟。海量的即時數據，可以忽視絕對的精確，進而專注于快速獲得大概的輪廓和發展態勢，所以需要聚焦效率而非精確。

在大數據時代，需要尋找事物之間的相關關系，而非因果關系。大數據體現出“是什么”，并非“為什么”。通過相關性分析，可以找出大數據里隱含的相關關系網。通過找到一個現象良好的關聯物，可以幫助捕捉現在和預測未來。[7]

五、 如何運用大數據實現物流增值

（一）網絡購物的物流增值服務現狀

B2C和C2C在網絡購物中發展相對成熟，市場活躍度較高，選取代表性B2C和C2C企業作為樣本，進行資料收集和數據分析。代表性企業有天貓商城、京東商城、卓越亞馬遜、當當網和淘寶網，以表1中的物流指標為調查內容，通過對樣本物流現狀的整理，具體成果如下。

（1）付款多樣化：在線支付是必備的支付方式。此外，還有其他多種支付方式，比如貨到付款、分期付款、銀行轉賬、郵局匯款等。在貨到付款時，消費者還可以選擇POS刷卡、現金等方式。

（2）物流實時查：通過訂單提供的物流單號，可以在物流公司網站上查詢物流狀態，或者在購物網站上查詢物流狀態。但是這種查詢具有滯后性、不全面性，還存在物流查詢功能的僵尸化，只是一個功能的擺設，無法實際使用。一些網絡購物的做法比較超前和人性化，無論通過郵箱還是手機，消費者能夠及時接收到不同物流節點時的狀態。

（3）物流分類選：提供普通運輸、平郵、加急運輸等不同方式。根據方式差異收取相應費用。差異化可以滿足不同的物流需求，如果追求物流速度，選擇加急方式；如果不需要多付出物流費用，則可以選擇普通的方式。

（4）配送多樣化和送貨分段選：逐步提供多樣化的方案，尤其是在大件物品或者從方便和隱私保密的角度，提供多種配送方案或者根據實際需求來選擇送貨時間段。在配送方式上，通過對樣本資料收集和整理，有門店自提、物流點提取、送貨到樓、送貨入戶等。在配送時間段上，有工作日配送、夜間配送、周末及節假日配送、預約配送等。

（5）運費險：貨品在運輸和配送過程中會出現丟失、破損或毀壞的情況，這也是消費者抱怨較多的地方。目前，部分網絡購物提供運費險服務，給物流配送上保險。不同的是，有的把運費險當作一種促銷手段，免費提供給消費者；而有的作為一個可選的附件服務內容，根據個人意愿決定是否選擇，并需為之支付費用。

此外，一些網絡購物企業在物流服務方面不斷嘗試創新，通過物流增值來提升消費者滿意。通過物流來增加銷售，使物流服務成為一種促銷的手段。比如，提供物流包季卡、短信貨到付款、退換貨實時查詢、物流預警、保障速遞服務、代收貨款、試穿試用、一日多配、半收半退、送裝同步等。endprint

（二）運用大數據實現物流增值的策略

1. 利用大數據，建立消費者物流消費過程的各類數據庫

大數據時代，通過物聯網和云計算等先進技術，能夠有效記錄消費者在網絡購物及物流消費過程中的各種痕跡，為數據庫的建立提供了技術保障和數據基礎。由于大數據時代的數據保障，可以建立起各類消費數據庫，包括消費習慣數據庫、物流服務價格和結構數據庫、物流投訴數據庫等等。通過數據庫的建立，為分析物流滿意、提供合理物流價格和結構、預測物流需求等提供了基礎和保障。

2. 通過數據庫分析，對物流需求進行細分

在數據處理中，核心關鍵技術的應用，實現了對數據庫的處理與分析，并確保了數據處理的時效性。在網絡購物中，消費者的結構、流量、點擊率、購買周期等，都會在電子商務平臺產生海量的數據，通過對大數據的收集、整理和分析，能夠輕松有效地掌握消費者的心理特點、生活習慣、消費習慣，通過對建立起來的各類數據庫分析與研究，帥選出消費者的個體差異和需求特征等，并據此進行消費者需求細分，為提供差異性的物流服務和增值服務提供了依據和可能。

3. 針對物流需求細分，滿足消費者的個性化需求

不同消費者，對運費價格、物流和配送模式、配送時間、付款方式的需求表現不一。通過大數據的應用，獲得物流需求細分結果。針對細分需求，依據所能提供的物流服務水平，提供個性化、差異性的物流滿足。比如，有的消費者希望在下班時間配送，有的對物流價格比較敏感，有的需要安全送到但對時間不敏感，有的則需要隱秘性的物流包裝，諸如此類的物流細分體現出消費者物流需求的差異性。通過分析消費者細分后的物流需求，提供服務滿足，體現了物流增值服務的價值。

4. 通過分析物流消費過程的相關因素，對增值服務提供預測

通過分析消費者物流消費過程中的相關因素，比如消費者需求、購買頻次、購買方式、投訴內容、物流配送周期等相關因素，有效預測消費者的消費意愿，消費者對物流服務的需求內容，主動提供個性化的服務預測。此外，可以分析倉庫管理、物流管理，結合天氣、地理等外部數據，為優化物流服務價格與結構提供預測，同時為物流優化、供應鏈協同等提供預測。

5. 利用大數據資源，降低逆向物流的發生概率

逆向物流的形成有很多原因，也會發生在終端消費者、零售商、批發商、運輸商等任何一個節點上。降低逆向物流的發生概率，已成為降低成本、增加消費者滿意度、強化競爭優勢的重要手段。通過大數據的應用，針對不同的消費者物流細分需求，利用相關性分析的結果，有效預測在不同物流節點中出現逆向物流的概率，針對概率高的情況提出有效措施，降低其產生的概率。當出現消費者物流投訴或退換貨時，利用大數據的時效性，針對消費者特征，及時有效的提出應對措施，第一時間處理，提出正確可行的逆向物流解決方案，不僅能夠留住現有消費者，還能夠挖掘潛在消費者，進而保持較高的消費者忠誠度。

六、結 論

網絡購物市場的快速增長，促進了物流產業的發展。但是物流產業的發展無法匹配網絡購物市場發展，已成為制約其發展的主要瓶頸。中國現有網絡購物市場的物流多集中在物流基本服務上，在物流增值上存在很多欠缺。大數據時代的到來，為物流增值服務提供了新的視角。針對大數據的4V特征，利用其對思維方式的沖擊，能夠有效建立起各種物流服務數據庫，進而細分出消費者的不同物流需求。利用相關性分析，滿足物流消費過程中的消費者差異性、個性化需求，通過提供有效及時的預測服務，確保消費者的細分物流需求得到滿足，并降低網絡購物中逆向物流的發生概率，真正實現物流增值的目的。

[注 釋]

① http：//www. gartner. com/it-glossary/big-data/.

② http：//www. nsf. gov/funding/pgm_summ. jsp？ pims_id= 504767.

③ http：//www. nature. com /nature/journal/v455/n7209/ edsumm/ e080904-01html.

④ http：//www. sciencemag. org/site/special/data /.

[參考文獻]

[1] [美]阿爾溫·托夫勒. 第三次浪潮[M]. 朱志焱，潘琪，張焱，譯.北京：三聯書店出版社，1980.

[2] Bughin J.，Chui M.，Manyika J..Clouds，big data，and smart assets： Ten tech-enabled business trends to watch[J]. McKin-sey Quarterly，2010（8）：1-14.

[3] 卞友江.“大數據”概念考辨[J]. 新聞研究導刊，2013（5）：25-28.

[4] Big data：The Next Frontier for Innovation. Competition and Produ-ctivity[EB/OL]. http：//www.mckinsey.com/insights/mgi/research/tec-hnology_and_innovation/big_data_the_next_frontier_for_innovation， 2013：1，24.

[5] Hilbert M. ，Lopez P. . The world's technological capacity to store，communicate and compute information[J]. Science，2011，332（6025）： 60-65.

[6] Gantz J.，Reinsel D.. 2011 Digital Universe Study：Extracting Value from Chaos[M]. IDC Go-to-Market Services，2011.endprint

[7] [英]維克托·邁爾-舍恩伯格，肯尼思·庫克耶. 大數據時代：生活、工作與思維的大變革[M]. 盛楊燕，周濤，譯. 杭州：浙江人民出版社，2012：15，9，17-18，72.

[8] 涂子沛. 大數據[M]. 桂林：廣西師范大學出版社，2012.

[9] Lynch，Clifford. Big data：How do your datagrow[J]. Nature，455.72 09 （2008）：28-29.

[10] Aral S.，Walker D.. Creating social contagion through viral product design：A randomized trial of peer influence in networks[J]. Management Science，2011，57（9）：1623-1639.

[11] 馮芷艷，郭迅華，曾大軍. 大數據背景下商務管理研究若干前沿課題[J]. 管理科學學報，2013，1（1）：1-9.

[12] 何明珂. 物流系統論[M]. 北京：高等教育出版社，2004：374.

[13] 張勁珊. 物流電子商務[M]. 北京：清華大學出版社，2011：204 .

[14] 周永明. 論物流增值的含義及實現途徑[J]. 改革與戰略，2007（11）：106-108.

[15] 楊愛民，李芬. 多樣化的物流增值模式——供應鏈和客戶關系理論在物流服務中的創新[J]. 武漢理工大學學報（社會科學版），2002，5（10）：470-473.

[16] 周德蘇，張海濤. 對第三方物流企業發展增值服務的分析[J]. 商場現代化，2007（8）：143-144.

[17] 孫福東. 物流業務增值策略研究[J]. 中國海洋大學學報（社會科學報），2013（1）：58-61.

[18] Ghose A.，Han S.P.. An empirical analysis of user content genera-tion and usage behavior on the mobile internet[J]. Management Science，2011，57（9）：1671-1691.

[19] Grobelnik. Big-data computing：Creating revolutionary breakthro-ughs in commerce，science and society[R/OL]. 2012-10-02. http：//videolecture. net/cswc2012_grobelnik_big_data/.

[20] Barwick H. The "four Vs"of Big Data. Implementing Information Infrastructure Symposium[EB/OL]. 2012-10-02. http：//www. computerworld. com. au/article/396198/iiis_four_vs_big_data/.

[21] IBM. What is big data？[EB/OL]. 2012-10-02. http：//www-01. ibm. com/software/data/bigdata/.

（責任編輯：張丹郁）endprint