大數據環境下物流統計的變革

黃璆

（東北財經大學 統計學院，遼寧 大連 116025）

大數據環境下物流統計的變革

黃璆

（東北財經大學 統計學院，遼寧 大連 116025）

信息技術的快速發展使得全球數據量呈現爆炸式增長，人類社會已經進入到了大數據時代。物流業作為一個集物流、商流、資金流和信息流為一體的新興產業，在國民經濟中占據著重要地位。文章就物流統計發展現狀進行了分析，對大數據時代物流統計環境的變化進行探討，基于大數據環境下，物流統計的改進提出了設想。

大數據；物流統計；變革

大數據時代的到來使得物流業所處的數據環境發生了歷史性的變革，對傳統物流統計工作的理念、方法、流程和結果將產生重大的沖擊，對當前物流統計體系、統計方式、數據價值等帶來了嚴峻的挑戰。如何把握大數據環境給物流統計帶來的變革，進一步完善和改進統計方式，使物流統計成為國民經濟統計中的重要組成部分，更好地服務于現代物流的發展，是當前亟待解決的問題。

1 物流統計發展現狀

物流業被譽為“企業第三利潤源泉”，在我國國民經濟發展中占據舉足輕重的地位。為了反映物流業的規模、結構和發展水平，引導和促進物流業的健康發展，我國于2006年首次將物流統計納入政府統計范疇。2012年國家發展和改革委員會發布的《社會物流統計核算與報表制度》是我國現行的物流統計制度，為制定合理的物流產業政策提供了有效而可行的數據支撐。經過近幾年的發展，我國物流統計工作已初步完善，但仍然存在一些問題。

1.1 調查工作以政府為主導，未能充分發揮行業協會的作用

目前，我國物流統計調查工作以政府為主導，國家發展和改革委員會、國家統計局以及中國物流與采購聯合會是我國物流統計調查的具體實踐者。2006年12月首次發布全國物流統計數據——《2006年全國重點企業物流統計調查報告》，這意味著物流統計已正式列入政府統計范疇。中國物流與采購聯合會于2005年7月開始每月1日對外發布中國制造業采購經理指數（PMI），并于2008年1月開始每月3日對外發布非制造業采購經理指數（PMI），作為經濟發展的先行指標，為政府調控和企業決策提供了重要依據。同時，中國物流與采購聯合會每年負責編輯出版《中國物流年鑒》、《全國重點企業物流統計調查報告》和《中國物流發展報告》，為我國物流統計積累了寶貴財富。

雖然，以政府為主導的物流數據的統計和發布使得物流統計工作更具權威性。但是，物流業雖隸屬于第三產業，其與第一產業和第二產業都存在著緊密的聯系，物流相關數據也散落在我國經濟主體的各個方面。因此，單純依靠政府的力量無法全面、詳細的對我國物流業進行統計調查，顯示了統計主體單一的問題。

1.2 調查對象以運輸、倉儲業為主，未能涵蓋所有的物流行業

在中國國家標準局編制和頒布的《國民經濟行業分類與代碼》（GB/T4754—2011）對產業的劃分中，并未將物流業設為獨立的產業，只是劃分成了交通運輸業、倉儲業和郵政業。這就導致物流統計調查對象也是以交通運輸、倉儲和郵政業等所涉及的相關企業為主。然而，現代物流業的發展早已超越了這種傳統認識，已經從傳統物流企業發展成了第三方物流、第四方物流，甚至第五方物流。

我國現代物流業發展成了一個綜合產業，已經不同于《國民經濟行業分類與代碼》（GB/T4754—2011）的分類標準。從縱向上看現代物流業涉及運輸、倉儲、裝卸搬運、包裝、流通加工、配送、信息處理以及為各環節提供咨詢和服務的領域；從橫向上看現代物流業幾乎涉及國民經濟的各個方面。因此，其統計范疇具有特殊性。通常，物流統計調查對象并不全面，未能涵蓋大部分的物流企業。現行統計標準分類中的廢棄資源利用業（C42）、批發和零售業（F）中涉及到的物流配送活動以及工業制造中的供應物流、銷售物流、回收物流等行為也隸屬于現代物流的內容。除此之外，還應包括提供物流咨詢、協調、規劃等行為的第四方物流企業等。

1.3 調查方式以普查為主，以抽樣調查和重點調查為輔，未能獲取物流業的準確數據

我國物流統計主要采用周期性普查，再輔之以經常性的抽樣調查和重點調查的方式，具體實施采用基層調查、企業上報以及政府核算。周期性普查能夠較全面、詳細的獲取到物流統計相關數據，是我國統計調查的基礎方式。

但是，普查需要耗費大量的人力、物力和財力，同時物流業的發展瞬息萬變，物流業的數據基礎也無時無刻在發生變化，普查的實效性并不強，或者可以說普查信息的發布滯后于行業的發展。因此，物流統計輔以采用抽樣調查和重點調查方式。例如，2012年我國發布的《社會物流統計核算與報表制度》就是采用重點調查。

總的來說，目前所采用的物流統計調查方式還不夠靈活，不能準確、全面的獲取物流業的活動數據。首先，重點調查及抽樣調查的統計范圍過窄，不能較全面的反映各地區及各行業物流的發展水平，如2012年發布的《社會物流統計核算與報表制度》采用重點企業調查方式，就忽略了物流行業的大眾群體——中小物流企業；其次，周期性普查雖然調查范圍較為全面，但時效性較差，同時物流統計工作在具體落實時，并不能獲取到真實可靠的物流數據，如企業物流數據基礎普遍較差，物流成本難以核算，生產物流較難統計，這就使得物流統計數值準確性大打折扣。

1.4 工作流程與一般的官方統計工作流程類似，未能保證數據的可靠性

物流統計作為國民經濟統計的重要組成部分，其工作流程與一般的官方統計工作流程類似，都是遵循報表設計——報表布置——報表受理——數據采集——數據加工——錄入匯總——審核——上報——公布的工作流程。目前報表設計工作一般由政府主導，匯集專家學者的意見形成。報表布置，即報表的填報群體選擇，一般選擇的都是樣本群體，而不是總體。報送受理主要為聯網直報，并采用郵寄、電子郵件、傳真相結合的方式。數據采集即從上報的報表中分類篩選出所需的數據，然后對數據進行一定的加工，如對誤差、效度、信度進行檢驗后再錄入匯總，用以反映樣本總體的特性。從數據匯總到數據發布還需經過權威部門的審核及報批，最終形成官方物流統計數據并予以發布。

目前物流統計所遵循的工作流程看似科學，實則還存在許多不合理的地方。首先是報表的設計。統計數據的準確性和可靠性主要取決于原始數據采集的準確度和可靠度，而目前報表設計工作一般由政府主導，由于政府和企業的視角不同，所設計出的報表并不一定符合物流企業的特性，使得企業填報時遇到難題，最終導致數據的不準確。其次是報表布置。一般選擇的都是樣本群體，這些樣本群體能在多大程度上反映樣本總體的特性，其實還有待考證。再次是報表受理。報表受理時間長，信息容易遺漏、丟失。這就使得目前的物流統計工作流程需進一步完善。

1.5 統計指標體系以傳統物流活動為主，未能體現現代物流的綜合性

目前，我國物流統計指標體系已初步形成。從2009年12月1日起，我國開始實施《社會物流統計指標體系》（GB/T24361-2009），主要分為社會物流宏觀統計指標體系和企業統計指標體系兩個方面。社會宏觀統計指標體系主要包括以下五個部分：社會物流總費用、社會物流總收入、社會物流總額、物流業增加值和物流業固定資產投資。企業統計指標體系主要包括以下八個部分：物流業務運營、物流業務收入、物流業務成本、物流服務價格、物流經營效益、物流資產、物流基礎設施與裝備和物流從業人員。

不難看出，現行的物流統計指標體系雖然日趨完善，但仍然以傳統物流活動為主，不能夠全面反映現代物流活動的全部過程，未能體現現代物流的綜合性。現行的《國民經濟行業分類與代碼》（GB/T4754—2011）未將流通加工、配送、信息處理以及新的物流形態如第四方物流、逆向物流、綠色物流從大行業中細分出來，使得物流統計對象更側重交通運輸業和倉儲業等。同時，由于物流統計資料難以收集，工業企業中的生產物流等數據也沒有納入物流統計范疇。物流統計對象的不全面直接影響了統計指標體系的設置，使得物流統計滯后于現代物流業的發展。

綜上可知，我國物流統計基礎薄弱，統計主體單一，調查對象不全，調查方式、統計工作流程、統計指標體系待完善等問題使得物流統計數據不能真實地反映物流業的發展。因此，在當前形勢下加強物流統計工作，探索物流統計方法十分必要。大數據使得數據環境發生了變革，物流統計也要順應時代的發展，轉變思維，使得物流統計數據能夠更合理地反映我國物流運行情況，為我國宏觀政策的制定和企業經濟決策提供數據支撐。

2 大數據時代物流統計環境的變化

大數據，是指大小超出了傳統數據尺度，無法在合理的時間內采用常規軟件、工具對數據內容進行擷取、存儲、管理和分析的數據集合[1]。一般來說，我們可以用4V[2]即超大容量（Volume）、多樣性（Variety）、高速(Velocity)和價值（Value）來形容大數據的特征。Viktor Mayer在《大數據時代》一書中提出了大數據的三個最顯著的變化：一是樣本等于總體；二是不再追求精確性；三是相關分析比因果分析更重要[3]。這有悖于傳統的統計思維。近幾年，我國物流業呈現了快速發展的態勢，但相較于發達國家，我國物流統計相對落后，已遠遠滯后于現代物流業的發展。物流統計該如何尋求突破？大數據時代的到來為物流統計環境帶來了新一輪的變革[4]。因此，要想提高我國物流統計水平，促進物流業的健康發展，必須把握當前形勢的變化，讓大數據成為提升我國物流統計水平的金鑰匙。

大數據時代對物流統計環境帶來的變化首先是數據格式及數據來源的多樣化，這將在一定程度上改變現有的調查方式和統計主體。大數據時代極大地擴展了數據來源。物流企業可以通過互聯網、物聯網等多種非傳統渠道，及時捕捉以前無法獲得或無法使用的物流活動數據，充分發揮企業、行業等在物流統計中的作用，改變物流統計主體單一的問題。大數據時代中的數據與傳統的結構化數據不同，大多以半結構化和非結構化的形式呈現。數據格式的多樣化將使得傳統統計調查方式顯得無能為力。同時，也使得許多依靠傳統調查方式無法完成的工作成為可能。現行的物流統計是通過統一的報表和統計方式將調查對象的物流活動轉化為可用的數據，由于數據來源的多樣化，傳統企業上報的調查方式可以改為采用實際生成的原始數據記錄。如通過對企業管理信息系統、ETC電子收費系統、GPS定位系統等進行數據挖掘，從而收集生產物流、運輸量、運輸里程等物流數據。這種針對原始數據的收集方式不再需要調查對象長期認真的配合，讓數據自然發聲，避免了外界干擾，數據質量將更有保證，使物流統計結果更具指導意義。

大數據時代對物流統計環境帶來的變化其次是數據獲取的公開化，這在一定程度上改變了數據統計對象和統計指標設置的問題。傳統的物流統計對象具有一定的局限性，未能涵蓋所有的物流企業，已不能滿足新時期現代物流發展的需求。在大數據時代，社會信息處于大爆炸的狀態，權威統計部門能夠獲取到的信息，廣大民眾也能獲得，使得信息獲取更加公開。傳統物流統計的對象和指標體系將會發生許多變化。物流統計面對的不僅是以往熟悉的企業調查對象，而且還要面對不熟悉的或更加復雜的互聯網、物聯網經濟，統計調查對象更加全面，將覆蓋所有與物流活動有關的企業。大數據環境下企業和企業、企業和個人、企業和政府之間能夠實現信息的共享，因此在物流統計指標體系的設置上，不僅可以對運輸及其相關增值過程進行全面統計，而且可以考慮與企業生產加工密切相關的生產物流，也可以對逆向物流、第四方物流等新型的物流發展形式進行分類統計，盡量避免統計不全和重復統計問題，進一步完善物流統計指標體系。

大數據時代對物流統計環境帶來的變化再次是數據發布快捷化，這在一定程度上能夠解決物流統計工作流程不合理的問題。公眾對物流統計數據的時效性要求越來越高，希望能夠及時獲取物流運行的實際情況。大數據為物流統計提供了大量高價值的原始資料，將縮短數據采集時間，減少報表填報任務，減輕調查對象負擔，提高統計數據質量，提升統計工作效率，最終使得物流統計數據的發布更加快捷。中國政府統計實施的企業一套表聯網直報統計工程，已經極大的提升了統計效率，但是由于物流統計的特殊性，還不能滿足公眾對時效性的需求。隨著大數據時代的到來，物聯網技術、遙感（RS）、地理信息系統（GIS）、全球定位系統（GPS）等技術的廣泛運用，極大的提高了數據采集能力，這也為改進工作流程、提高統計效率奠定了基礎。由此可見，大數據時代對物流統計環境帶來的變化是巨大的，不僅改變了統計工作方式和流程，而且挑戰了當前的物流統計能力及管理體制。

可以說，大數據的應用已經滲透到人們的日常生活和工作中，對物流統計而言，它從數據來源、數據獲取和數據發布三個方面改變了傳統的物流統計環境。《大數據時代》作者Viktor Mayer也說過，大數據往往是凌亂的，數據質量也是參差不齊的[5]。要想利用好大數據，從數據變革中收益，并不是一件容易的事情。因此，如何正確認識大數據、把握大數據時代對物流統計環境所帶來的變革，是我國物流統計工作需要關注的重點問題。

3 大數據環境下改進物流統計工作的設想

3.1 借助物聯網技術，完善物流統計指標體系

物聯網技術加快了大數據時代的進程，也帶動了整個物流產業的飛速發展。物聯網以信息感知為特征，被稱為繼計算機、互聯網之后世界信息產業的第三次革命，涵蓋了射頻識別（RFID）、無線傳輸、綜合傳感等多種技術，實現了物與物之間智能化的對接與溝通，完成了信息的互聯與共享。物聯網與大數據緊密結合，同時物聯網與物流業的關系也十分密切。

大數據的關鍵是整合，即數據實現成片的共享。借助于物聯網技術，物流信息將能實現內外部的共享和整合，改變了物流統計主體和統計方式。物流數據在個人、企業、行業之間實現共享，政府不再成為物流統計信息采集與發布的主體，物聯網將逐步替代現有的調查體系和填報系統[6]。這些物流活動數據通過無線傳感網絡進入物聯網，實現了企業內部信息整合。通過對物聯網和稅務、工商、銀行等部門的行政記錄實施條件共享，實現行業間的數據整合。隨著物聯網技術的發展，大數據對傳統物流統計實現了有效的補充和快速融合，為我國物流統計指標體系的完善提供信息基礎。

物聯網條件下各種各樣的傳感器都成為數據來源或者承載的方式，數據記錄無處不在，信息也更為全面。物聯網技術使得運輸與配送環節實現了可視化管理，并對生產倉庫與配送中心以及貨物物流信息實現了全程監控與追蹤。因此，在廣泛運用物聯網技術的大數據時代，通過自動采集物流活動信息，使得整個物流過程變得更加透明，從原材料出廠到貨物在途運輸，以及貨物檢驗及入庫等，整個物流信息一目了然。同時，傳感通訊技術的引入使得工業生產、倉儲運輸、流通配送等各種交易數據在生成的同時就被記錄。這樣，對貨物運輸量、貨物周轉量、車輛實載率、物品流轉等信息的采集將變得十分簡單，大大簡化了后期記錄、傳遞和整理等程序，極大的提升了物流統計的及時性。除此之外，物聯網還能準確地提供物流活動空間變化情況、運輸環境狀況等額外的信息，這就使得生產物流、逆向物流、綠色物流等并未納入物流統計指標體系的數據采集成為可能，物流統計指標體系將趨于完善。

3.2 依托云計算技術，挖掘物流統計數據價值

物聯網、云計算和大數據的緊密結合是當今社會發展的核心驅動力量。物聯網技術和云計算技術是大數據時代的兩大焦點，它們既有區別也有聯系。物聯網使得大數據的信息量和數據規模達到驚人的程度，云計算技術實現了對物聯網產生的海量信息的傳輸、處理和應用，從而對物流活動實現實時動態管理變得可能。大數據時代物流統計基礎數據收集已經不再是難題，而如何整合數據資源并挖掘數據價值，才是當前物流統計最需要關注的問題。

在大數據時代，云計算與物聯網的融合為數據價值顯現提供了平臺。大數據背景下物流統計工作的改進在于挖掘物流統計數據價值，從而指導政府宏觀政策的制定，促進物流業的發展。射頻識別（RFID）、全球定位系統（GPS）以及地理信息系統（GIS）在物流業中的廣泛運用，將產生大量非結構化的物流數據，利用云計算技術，對采集的數據、圖形、圖像、視頻等信息進行處理和分析，能夠為物流統計提供大量的數據資源，實現精準的運輸量、運輸里程、交通負荷等數據的采集。隨著大數據資源的急劇增加和數據挖掘技術的日益成熟，物流統計工作將取得較大的進展。物流活動所涉及到的各種實時流轉信息具有較高的開發和利用價值，而這種信息的數量之大和頻率之高是傳統數據無法企及的。依托云計算技術，科學使用大數據不僅能夠縮短物流統計數據生產的周期，彌補物流統計調查在及時性方面的不足，而且為企業物流管理和政府宏觀物流決策提供了充分的數據依據。

3.3 建立企業數據倉庫，夯實企業物流統計基礎

作為大數據主要來源的企業內部數據，其基礎是否完善直接影響了物流統計的精確性。在大數據時代，龐大及多樣化的數據信息為完善企業物流統計提供了新的思路。當今的物流統計主要從物流企業和企業物流兩個方面入手，從而核算出社會物流的運行情況。物流統計滯后于現代物流業發展歸根結底是因為我國企業的基礎物流統計工作不完善。相對于企業物流，物流企業的相關數據比較容易獲取，能較真實的反映當前物流企業的發展現狀。但是由于企業物流統計難度較大及會計核算制度等缺陷，現有的企業物流統計數據不能真實反映企業內部物流運行狀況，并未體現出物流活動對企業發展的重要性。

企業物流的統計對象是工業、批發和零售業等涉及到物品生產、流通的各類企業。企業物流信息一般包括存放于企業業務數據庫中的各種結構化數據和辦公自動化系統中的各類非結構化數據，如訂單量、生產量、庫存量、車輛調度表及車輛GPS數據等。企業物流信息來源除了內部數據之外還有一部分來自于外部數據，如供應物流和銷售物流情況與供應商和銷售商的數據庫是緊密聯系的。可見，企業物流數據層次較多，大量的物流數據游離于企業數據庫之外，形成一個一個的數據孤島，無法對數據進行挖掘和深入分析，造成大量信息資源浪費。

那么，如何完善企業物流統計，夯實企業物流統計基礎？答案是建立數據倉庫。過去幾年，全球物流市場增長迅速，企業發展步伐加快，越來越多的企業采用先進的技術和設備來提升物流水平，如射頻識別技術（RFID）及各種終端傳感設備等先進技術的運用，有利于企業采集各類數據和信息，健全企業物流統計臺賬，豐富數據倉庫，夯實數據基礎，為在大數據環境下完善企業物流統計工作提供了有利的條件。數據倉庫作為大數據環境中數據存儲和處理的依托，是對大數據進行分析、整合的核心物理構架，可以對不同的大數據按統一、規范的格式進行提取、轉換及加載（ETL），確保企業內外部相關數據儲存在合適的位置，保證數據來源和使用。這樣，企業所產生的龐大而復雜的物流數據就可以進行完好的儲存，企業各個職能部門也能夠實現數據共享。企業物流所涉及到的供應物流、生產物流、銷售物流等信息能夠得到充分運用，企業物流統計的精確度和準確度也就大大提升了。

4 結束語

大數據時代的到來乃是大勢所趨，不容置疑。由于物流業與大數據技術聯系緊密，因此，大數據在物流領域的應用是未來的技術潮流和趨勢。物流企業應該充分認識大數據時代在數據來源、數據獲取方式、數據發布形式等方面給物流統計環境帶來的變革，并從物聯網技術、云計算技術和企業數據倉庫等方面著手，完善物流統計指標體系，挖掘物流統計數據價值，夯實企業物流統計基礎。物流業必須抓住大數據時代和物聯網技術帶來的機遇，重新審視物流統計工作，提高數據采集和整合能力，從而提升物流統計的價值和效率。當然，大數據時代給物流統計環境帶來有利變革的同時，也向物流統計提出了眾多挑戰，面對企業內部各種數據的快速增長，如何有效發揮數據資產的價值、如何維護數據資產的安全，已成為考驗物流統計的難題。物流統計要做的是未雨綢繆，為今后大數據在物流統計的全面應用做好充分的準備及應對。

[1]季曉晶.大數據時代統計調查工作的挑戰與思考[J].統計與咨詢，2013，（5）.

[2]郭曉科.大數據[M].北京:清華大學出版社，2013.

[3]Mayer-Schnberger，Cukier.大數據時代[M].杭州:浙江人民出版社，2013.

[4]邱東.大數據時代對統計學的挑戰[J].統計研究，2014，（1）.

[5]李金昌.大數據與統計新思維[J].統計研究，2014，（1）.

[6]宋旭光.物聯網技術對國民經濟核算發展的影響[J].統計研究，2014，（10）.

（責任編輯/易永生）

C82

A

1002-6487（2016）21-0065-04

黃 璆（1986—），女，江西贛州人，博士研究生，講師，研究方向：國民經濟核算、物流統計。