應用大數據進行供應鏈物流服務升級的現狀和需求分析

馬潔　鄭彩云

摘要：大數據技術的發展為物流服務升級提供了更多可能，很多企業已經在這方面應用大數據或產生這種需求。本文通過具體的案例分析和廣泛的問卷調研方法分析了企業應用大數據進行供應鏈物流服務升級的現狀和需求，為深入研究提供了基礎。

關鍵詞：大數據 供應鏈 物流服務升級

中圖分類號：F252

文獻標識碼：A

文章編號：2096-0298（2019）02（b）-012-02

2018年7月中國產業信息網發布了2018年中國物流供應鏈的管理現狀并對行業發展趨勢進行了分析。2018年1-5月，全國社會物流總額為105.3萬億元，同比增長7.1%，可知我國物流發展情況良好，仍具有巨大的潛力，但是我國現代物流和供應鏈管理行業仍然處在初級發展階段，提供的增值服務比較少，而增值服務十分重要，已成為主流趨勢，并且大數據技術將成為新的價值點。對于企業來說如何提高增值服務，進行服務升級十分關鍵。大數據技術的逐漸成熟為服務升級提供了新的思路。由此，供應鏈物流服務升級是否需要大數據技術支持，以及目前企業應用大數據的現狀成為有價值的研究方向。本文主要運用案例分析與調研分析的研究方法探討應用大數據技術進行供應鏈物流服務升級的現狀和需求。

1 案例分析

1.1 京東的商業數據分析與智慧供應鏈

1.1.1 案例背景

京東在2004年正式涉足電商領域，2014年掛牌上市。截至2017年3月31日，京東集團有超過12萬名正式員工，主要業務涉及電商、金融和物流三大板塊。傳統供應鏈主要面臨計劃管理、業務監控、成本控制、客戶服務等挑戰。計劃管理要求適時地備貨與調撥，業務監控要求將各個環節的數據打通及時跟蹤，成本控制主要降低庫存成本，客戶服務需要在適當的時間，以合理的價格，提供給客戶最需要的產品。京東利用大數據技術構建了包括好計劃系統、好商品系統、好價格系統等，有效地提高了供應鏈整體效率。京東在2017年底正式發布了智慧供應鏈戰略，以數據挖掘、人工智能、流程再造和技術驅動為源動力，形成覆蓋“商品、價格、計劃、庫存、協同”五大領域的智慧供應鏈解決方案。

1.1.2大數據應用

京東智慧供應鏈中的采購、銷售、配送等環節都充分利用了大數據技術。采購環節主要涉及了選品、預測以及補貨。基于大數據的智能選品，能夠在海量產品中選擇哪些產品將來會成為爆品，通過機器學習與統計學知識構造預測模型和補貨模型，與大數據技術結合能夠實現海量數據的內存式預測和補貨計算，對未來京東各個倉庫的銷量和備貨量進行預測，做到智能化、自動化補貨。銷售環節主要運用的是動態定價。利用人工智能模型實現京東動態定價，對產品生命周期、行業、促銷等因素進行全面分析，通過大數據算法實現動態定價，幫助商家保持健康運營并有效控制庫存。配送環節充分利用了大數據預測技術，與自動補貨系統結合，提高商品的現貨率與庫存的周轉率。通過對歷史訂單、促銷數據的分析，對未來每個倉庫和站點預測將來每天、每月的訂單量，幫助倉儲運營體系預先進行人力資源預估及排班。

京東目前服務超過2億的活躍用戶，超過1萬家活躍的供應商，每月產生的對外采購訂單超過200萬單。僅京東大數據平臺數據總容量已經突破200PB（拍字節），每天新增超過l.5PB數據，每天約有20萬個報表分析作業運行，日處理達到150億行數據量。

1.1.3效果分析

2017年，京東集團市場交易額接近1.3萬億元。京東是中國收入規模最大的互聯網企業。京東通過海量、高價值的大數據，勾勒用戶畫像，通過人工智能和機器學習充分了解用戶行為習慣和潛在需求，成為整個供應鏈條中的信息鏈接和整合者，幫助供應商和品牌商更好地進行運營，使得零售供應鏈整體效率提升，更好地服務于用戶。在智慧定價與人工定價的對比測試中，智慧定價組取得GMV（Gross Merchandise Volume網站成交金額）提升3.6%，毛利額提升19.0%的成績，充分展示了大數據在供應鏈領域應用的威力。此外通過大數據極大地提高了庫存管理能力，用數據預測某款商品未來28天在每個倉的銷量，從而助力采銷提前且高效地進行庫存管理，能夠讓商品現貨率保持90%以上。

1.2 貨車幫的公路物流信息平臺

1.2.1案例背景

貨車幫是中國最大的公路物流互聯信息平臺，致力于構建中國公路物流產業生態。平臺經濟的發展使社會的運轉更加高效并降低浪費。物流平臺主要是整合各方物流信息，讓信息不再是一個個孤島。物流平臺本身既要采集數據，同時也在不斷生成數據，這些數據價值巨大，需要用到大數據技術進行整合、挖掘與分析。隨著“互聯網+”物流的推進，從2014年開始在萬億級的道路運輸市場中出現了一批車貨匹配信息平臺企業，通過互聯網方式，整合線下車源和貨源。根據中國物流與采購聯合會研究數據顯示，物流信息平臺企業營收的24.84%主要來自增值服務。貨車幫利用大數據技術進行數據分析、挖掘與可視化可以為用戶提供更全面的服務，并為社會物流成本的降低做貢獻。

1.2.2大數據應用

貨車幫每日貨源信息有500萬條，日成交金額超17億元，積累了海量物流大數據。數據類型主要是車貨數據、交易數據、用戶數據、征信數據、車載數據、金融數據等。目前貨車幫平臺累計采集和整合的物流大數據規模已超過20PB，每日新增數據存儲量超過lOTB，每日請求量計算次數超過4萬億次。這些數據價值巨大，需要運用大數據技術進行整合、分析、挖掘為提高公路物流效率，降低空駛浪費做出貢獻。2015年貨車幫發布了全國公路物流指數，云計算與大數據技術就是該指數發布的主要技術支撐。全國公路物流指數依據貨車幫海量數據，能夠全面反映我國公路物流貨物運輸流向、貨物分布情況、車輛分布情況等。貨車幫利用數百萬的用戶數據，可以進行對用戶數據的分析與挖掘，構建用戶畫像模型，解讀關鍵點數據，從而為研發更多的新服務項目和業務合作提供支撐。通過對車源信息的挖掘，構建車輛生命周期系統，為車主提供從購車、加油、貸款、車輛保險到車輛維修等一系列服務。此外，貨車幫還構建了物流大數據可視化分析平臺，將整合的數據信息通過大數據可視化技術呈現出來，實現了數據的實時展現。目前，貨車幫正在聯合相關專家與學校，共同建設物流大數據研究院，通過平臺積累的大數據資源，整合內外部信息，對物流數據進行分析挖掘。

1.2.3 效果分析

根據貨車幫官網顯示數據，2016年貨車幫為社會節省燃油615億元，為社會減少碳排放3300萬噸。貨車幫通過大數據分析技術，使得車貨匹配場景效率提高50倍，利用精準的用戶畫像和風控模式，達到年流水逾300億的好成績，不僅便利了高速的通行，還緩解了用戶的資金壓力。貨車幫通過大數據的累積、應用和創新，為提高社會物流效率做出貢獻，為物流產業運行檢測與發展提供參考性建議。

2 調研分析

為了研究應用大數據技術進行供應鏈物流服務升級的需求情況，對供應鏈物流相關企業進行了廣泛的問卷調查。問卷內容包括受訪者屬性、應用大數據的現狀情況、應用大數據技術進行供應鏈物流服務升級的需求情況。

問卷調查共收集的有效問卷276份，其中96%以上來自供應鏈、物流相關企業管理人員。從受訪者所屬機構主營業務看，有50.72%的企業主營生產制造，有26.45%的企業主營供應鏈或物流服務，這些企業都與研究的方向密切相關，問卷的收集對象有效。從受訪者所屬機構人員規模來看，人員規模20-300人的樣本占到了50.72%，其次是300-1000人，占到了28.99%;年營業收入3000萬元-30000萬元范圍的樣本占比為39.49%，其次是200萬元-3000萬元范圍的樣本占比30.43%。可見多數反饋企業為中小型，符合企業規模基本分布，問卷收集具有廣泛性和代表性。

2.1 企業應用大數據進行供應鏈物流服務升級的現狀分析

2.1.1大數據掌握情況

企業對于企業內部銷售、庫存、采購等業務數據以及客戶、產品、供應商等基礎數據掌握最多，對上下游合作方可提供的有關運輸、存儲、客戶、產品的合作方數據掌握情況次之，對其他外部大數據的掌握最少。

2.1.2大數據利用情況

針對上述業務數據、基礎數據、合作方數據和外部數據的利用情況，多數企業反饋利用程度較高。其中對內部業務數據和基礎數據的利用度較高，60%以上的企業積極反饋認為能夠支持庫存調控、市場營銷、采購決策及供應商管理、成本控制和資源整合等職能;而利用外部數據支持本企業業務運作與管理的力度不足，僅半數企業作出正面反饋。

2.1.3大數據應用層次

55.8%的企業已經應用大數據實現管理可視化并輔助業務評估，60%左右的企業能應用大數據進行預測和分析，甚至智能決策，可見很多企業應用大數據的層次較高。

2.2 應用大數據技術進行供應鏈物流服務升級的需求分析

問卷中關于應用大數據技術進行供應鏈物流服務升級的需求情況涉及范圍較廣，包括應用大數據進行精準營銷、智能選品與定價、庫存控制、智能分倉、配送優化、站點選址、路徑優化、儲位管理、智能補貨、采購管理、成本分析、開發新服務、服務模式創新等方面，每個題目回答需要的占最多數，還有部分人選擇不好判斷，部分人選擇迫切需求，少部分人選擇目前不需要或根本不需要。

分析應用大數據技術實現針對客戶的精準營銷與個性服務這個問卷問題，選擇“需要”這個選項的人數占到了調研人數的48.55%。表明將近一半的人認為其所在機構需要應用大數據技術實現精準營銷與個性服務。分析應用大數據技術輔助配送路線或運輸路由的優化這個問卷問題，選擇“需要”這個選項的人數占到了調研人數的43.12%，表明了應用大數據在輔助配送路線或運輸路由這方面的需求比較多。分析應用大數據技術進行商品需求預測這個問卷問題，有42.03%的人選擇了“需要”這個選項。

分析所有選項中對迫切需求的選擇情況，可以發現應用大數據技術輔助商品或原材料的采購管理、應用大數據技術輔助成本分析這兩個問題選擇“迫切需求”的多于其他方面。其中應用大數據技術輔助商品或原材料的采購管理這個問題中選擇“迫切需求”的占比為31.16%。應用大數據技術輔助成本分析這個問題中選擇“迫切需求”的占比為28.62%，表明這兩個方面對大數據技術的需求較為迫切。

綜合分析，企業對應用大數據技術進行供應鏈物流服務升級的需求是比較明顯的，其中應用大數據進行需求預測、配送優化、庫存控制的需求較多，應用大數據進行采購管理、成本分析的需求更加迫切。

3 結語

本文為大數據與物流服務相關的研究提供一定的參考，分析了企業應用大數據的現狀情況，證明了企業進行物流服務升級對大數據的需求，研究了哪些方面的需求較多以及哪些方面的需求比較迫切。對于大數據如何幫助企業提升服務，是否存在一種路徑幫助企業利用大數據進行物流服務升級是更深一層研究，可以作為新的研究方向。

參考文獻

[1]豐佳棟.云計算視角下的第三方物流服務質量創新模型[J].中國流通經濟，2015（2）.

[2]林小芳，夏慧玲，趙政華.基于端點三角白化權函數的物流服務質量績效灰色聚類評估模型[J].物流科技，2018（6）.

[3]劉剛.生鮮農產品電子商務的物流服務創新研究[J].商業經濟與管理，2017（3）.

[4]李朝敏.以創新驅動區域物流產業轉型升級研究[J].物流科技，2017，40（9）.

[5]劉勤，龔方恒.傳統建材專業市場的電子商務物流服務升級研究[J].物流技術，2014（9）.