簡談大數據時代的物流信息化

文/黃 濱

大數據時代的物流信息化，始終是圍繞三個方面的問題展開：一是物流大數據怎么產生，二是用什么技術及工具來處理和駕馭物流大數據，三是怎么從物流大數據中挖掘出價值。

物流信息化在大數據時代與過往最大的區別就是“物流大數據”。大數據時代的物流信息化，始終是圍繞以下三個方面的問題展開：

一是物流大數據怎么產生，怎么才能獲取到物流大數據？

二是用什么技術及工具來處理和駕馭物流大數據？

三是怎么從物流大數據中挖掘出價值，讓大數據為經濟活動服務？

一、產生物流大數據的前提條件

1. 物流數據的獲取

產生物流大數據的前提條件是，物流要素、物流設施、物流作業工具、物流作業過程等得到充分的數據化。這需要廣泛應用物聯網、移動互聯網等先技術，深入物流場景、物流作業過程中去采集相關的物流數據。

物流要素的數據化，簡單講就是貨物、包裝、物流單據、人員等方面的數據化；物流設施的數據化，就是園區、碼頭、貨站、倉庫、貨架、分揀輸送系統等的數據化；物流工具的數據化，包括運輸車輛、叉車、托盤、堆垛機、掃碼槍等作業工具的數據化；物流作業過程的數據化，例如對從裝車開始到裝車結束的整個過程的現場信息進行采集，即把誰和誰交接、交接的憑證、裝車的貨物、裝車的時間等等進行數據采集。

2. 存在的問題

然而技術的成熟并不等于技術就得到了有效、充分的應用，企業要獲取物流大數據，還面臨很多現實問題。從理論上講，資源充足且有技術實力的大企業，可以集成各種物聯網終端及物流信息系統，從而獲取物流大數據。但現實情況是，當下具備物流大數據能力的大企業并不多。因為物流大數據能力的形成，不僅要有資金及人才，而且還需要企業能夠堅持長期持續地投入。不管是供應鏈貨主企業，還是第三方物流企業，在物流大數據能力的投入方面，或多或少總是讓位于經營上的短期利益。

在物流大數據時代，整個物流行業是一個價值生態系統，整個生態系統的運行和調節以“物流大數據”的分析為基礎

而對于大多數中小企業來講，沒有足夠的資源來大規模集成物聯網終端及物流信息系統，很難憑借自身力量形成大數據能力。中小企業需要借助平臺型科技企業來給自身賦能大數據能力。近年來物流互聯網化領域的平臺型企業成長較快，但與整個行業的大數據能力要求來講，還有很大的差距。一方面是平臺型科技企業的創新能力及服務能力還有待提升；另一方面是整個行業的中小企業的開放程度不夠，借助平臺來給自身賦能的意識不夠。

所以當下談大數據時代，首先需要夯實企業的數據化能力，否則大數據就只是空中樓閣。

圖1：效率：基于大數據和AI的路徑優化

圖2：體驗：食品冷鏈的全鏈條溫度數據感知

圖3：安全：訂單履約執行風險預測

圖4：易流云、軟、硬一體，促進物流協同、優化

二、積累駕馭大數據的能力

處理大數據會涉及一項關鍵的資源，就是“云計算”資源；而駕馭大數據又涉及一項關鍵的能力，就是大數據分析能力。

1. 云計算

從云計算資源來看，目前只有大型的科技型企業才具備相應的能力和資源，例如華為、BAT等科技領域的獨角獸企業才有云計算服務業務。在大數據時代，云計算資源會成為一項基礎資源，云計算服務會成一項基礎的公共服務。當然不排除有的大型供應鏈企業、物流企業可以建立自己私有云的計算中心，但這樣的企業只能是極少數。聚焦到物流信息化領域，目前還沒看到傳統的物流信息化系統提供商具備提供云計算服務的能力，但隨著物流大數據的形成，會催生面向物流行業提供專業云計算服務的公司。

2. 大數據分析

從物流大數據分析來看，需要既了解物流要素的相關性，又掌握大數據分析工具，還能懂大數據分析算法的綜合性人才。目前來看，整個行業極其缺乏這樣的人才。了解物流相關性的行業人士，絕大多數是缺乏計算機及互聯網技術背景的；而很多計算機及互聯網領域的精英，卻又很少關注物流的互聯網化及物流大數據。企業很難在經營環境中培養出能夠駕馭大數據能力的人才，因為涉及很多基礎能力的培養；而從高等院校的人才培養層面來看，高等院校缺乏物流大數據資源及行業應用場景。所以“產、學、研”的進一步融合，有一項特別重要的事情，就是如何培育出能夠駕馭“物流大數據”的高端人才。

那么從整個行業如何能夠駕馭“物流大數據”的視角來看，需要物流信息化或物流互聯網化領域的平臺型企業提升自身的技術實力，盡早具備駕馭“物流大數據”的能力。因為平臺型企業不僅要能夠給廣大的中小貨主企業及物流企業提供“物流大數據”的采集、存儲及處理等方面的服務；還需要能夠提供“物流大數據”分析的服務。

“物流大數據”要能夠直接產生價值，要能夠直接為生產活動服務，還需要借助AI（人工智能）的賦能，需要引入AI及機器的深度學習等技術，來獲得對“物流大數據”的即時分析及處理能力。

三、用AI賦能“物流大數據”

“物流大數據”要能夠直接產生價值，要能夠直接為生產活動服務，還需要借助AI（人工智能）的賦能。

普通的大數據數據分析，是人工套用一些數學建模的算法來對大數據進行分析，得出相關結論，并用以指導實踐。這是學術上的分析思路，通常用來探索事物較長周期的規律性。然而物流大數據分析通常有很強的即時性，例如需要結合交通擁堵的數據、及時補貨需求數據、即時物流資源數據等，來快速做出決策并及時響應。那么就需要引入AI及機器的深度學習等技術，來獲得對“物流大數據”的即時分析及處理能力，從而通過對“物流大數據”的加工產生決策信息，快速并直接對經濟活動進行指導。

今天物流行業對AI的認識，更多的認知是行業出現的智能裝備，諸如無人駕駛汽車、無人配送機器人、無人分揀機、倉儲機器人等等。本質上AI的機理，就是算法對即時大數據的處理，并立刻做出決策和響應，從而讓人感受的機器、系統的智能。

然而AI能力的形成，除了計算能力之外，更重要的是要將行業運作規律及現場運作規則以“算法”形式植入到機器人或系統之中；然后機器人或系統基于算法，對現場及特殊場景下的大數據進行處理，并自動決策和應對。

四、對大數據時代物流信息化的幾點判斷

1. 在大數據時代，標準的物流作業會被機器人及智能系統取代。

未來可以用很少的人力，通過對機器人和系統的控制，來做當下需要很多人力的事情。例如無人港口，通過智能設備及系統來運作，比傳統運作降低70%的人力成本，同時效率提升30%。

2. 在物流大數據時代，整個物流行業是一個價值生態系統，整個生態系統的運行和調節以“物流大數據”的分析為基礎。

在物流大數據時代，會有國家宏觀層面的“物流大數據”，通過對大數據的分析，可以對全國（全域）的物流網絡進行不斷優化，從而減少貨物中轉及搬運次數，以提高貨物流通的效率。這其中，包括對多式聯運網絡的優化，對物流大通道網絡的優化，對城市配送網絡的優化等等。

3. 在大數據時代，企業需要與上下游的合作伙伴建立廣泛的透明連接，建立深度的信息協同，共同構筑行業的或業務鏈條上的“物流大數據”體系。

任何孤立于體系之外的企業，都沒法獨立生存。因為在大數據時代，“物流大數據”會成為企業的“信用資產”。沒有“物流大數據”的企業，沒辦法向市場和合作伙伴證明自身的信用。

五、行業現狀難在“無米之炊”

大數據時代的物流信息化，一定會超乎大多數人的想象。但行業的現狀是“無米之炊”，難在沒有數據。

大數據、數據經濟是時代趨勢，物流業一定會走到“大數據時代”。然而坦白講，大數據時代不是“明天”的事情，而是“后天”甚至“大后天”的事情，整個社會還需要很多積累才能真正地走到大數據時代，這個積累過程需要5年、10年甚至幾十年。但這個積累過程中的變化會非?？?，雖然還有很多不知不覺的企業仍在傳統的思維慣性中，但那些先知先覺的企業已經啟航，后知后覺的企業也已驚醒。

物流業需要迅速改變“無米之炊”的現狀，著手積累自身企業的大數據。企業沒有積累自身的物流大數據，三年、五年之內不會對企業的經營有太大的影響。但是五年、十年之后，沒有物流大數據積累的企業，一定會很難再經營下去。沒有永遠的企業，只有時代的企業。企業是否要積累物流大數據，完全在于企業經營決策層的意愿。