高職院校物流專業物流大數據教學研究

摘 要：隨著人工智能時代的到來，傳統物流正在逐漸向智能物流轉變，社會對物流系統的規劃和設計人才提出了更高的要求。物流管理人員需要具備智能設備的應用能力和數據分析技能，以實現對物流系統的設計和運營管理，持續優化系統、運營質量和效率。高職院校需要制定物流大數據人才培養方案，培養物流大數據分析人才，要求學生靈活應用數據分析工具，解決物流管理決策和物流系統規劃與設計優化問題。為保障物流專業大數據人才的高質量就業，系統地研究了高職物流管理專業大數據人才培養的課程體系設計方案。

關鍵詞：物流管理專業；大數據；教學研究

中圖分類號：F250；G712 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2024.22.039

Abstract： With the advent of the artificial intelligence era， the traditional logistics has transformed into intelligent logistics， and society has put forward higher requirements for logistics system planning and design talents. Logistics management personnel need to have the ability to apply intelligent devices and data analysis skills to achieve the design and operation management of logistics systems， and continuously optimize system， operational quality， and efficiency. Vocational colleges need to formulate a logistics big data talent training plan to cultivate logistics big data analysis talents. Students are required to flexibly use data analysis tools to solve problems of logistics management decision-making and logistics system planning and design optimization. In order to meet the high-quality employment needs of logistics big data talents， this article systematically studies the curriculum design scheme of cultivating big data talents for logistics management major in vocational colleges.

Key words： logistics management major; big data; teaching research

收稿日期：2024-06-01

基金項目：全國物流職業教育教學指導委員會物流教改教研課題“鄉村振興下高職物流管理專業建設的改革探究”（JZW2023396）

作者簡介：寇 飛（1975—），男，四川達州人，長江職業學院電商物流學院，副教授，碩士，主要從事物流管理教學與研究。

引文格式：寇飛．高職院校物流專業物流大數據教學研究[J]．物流科技，2024，47（22）：155-159.

1 物流大數據應用人才需求分析

人工智能、物聯網、大數據等新技術的應用不斷促進著物流行業的變革。大數據受國家重大政策扶持，是未來國家發展的重要戰略。教育部下發了大量教育政策文件，要求高等教育部門在各行業推動大數據的應用。在各行業強大需求的推動下，大數據產業市場規模迅速擴大，保持高速增長。智慧物流旨在滿足現代物流的發展需要，智慧物流需要建立在大數據分析的基礎上。應用大數據分析技術，優化智能物流系統設計，使供應鏈管理決策、物流運營管理更精準、高時效。基于互聯網的企業經營模式，企業需與供應商、銷售商形成合作的供應鏈關系，為實現高效低成本的供應鏈競爭優勢，物流企業和供應鏈的核心企業應用自身的資源整合優勢，為供應鏈合作企業提供物流倉配管理、庫存控制、采購、生產計劃等物流服務，未來，物流管理人才需要適應智慧物流的發展需要，既懂人工智能、云計算、大數據等智能物流的新技術[1]，又掌握綜合企業管理知識和智能物流系統規劃設計方法。在大數據與智能物流領域，物流企業正經歷著激烈的生存競爭，高職院校的物流專業人才培養也應緊跟智能物流的發展趨勢，分析企業對智能物流人才的需求，調整專業人才培養的計劃。

通過調研發現，超過70% 的企業表示其迫切需要中高級物流管理人才，而對基層物流作業人員的需求較少。近年來，物流企業的重點需求是將跨領域技術與大數據、人工智能技術結合，對物流大數據分析與應用人才的需求量更是增長了十幾倍。

2 物流專業畢業生就業崗位能力要求

首先，物流專業畢業生需要具備一定的物流管理知識。物流管理包括庫存管理、采購管理、生產與運作管理、運輸管理、配送管理、供應鏈管理等，物流專業畢業生需要對這些方面有一定的了解。同時，需要了解物流成本、物流信息技術、物流標準化等方面的知識。

其次，從事于物流研究需要具備良好的數據分析能力。隨著物流信息化水平的提高，企業采購、生產、銷售過程中涉及大量的物流運輸、存儲、訂單處理、銷售配送和揀選搬運等環節，積累大量數據，需要企業管理者具備較強的數據處理和分析能力，也需要專業的數據分析部門和崗位。而數據分析崗位的在職人員也要掌握數據分析工具軟件，能夠挖掘有價值的數據信息，具備獨立分析數據的能力。

再次，物流專業畢業生要通過對供應鏈運營管理數據進行收集和分析，為企業提供供應鏈優化方案和供應鏈解決方案。畢業生要掌握物流供應鏈運營管理的相關知識，具備較強的數據建模和分析能力，并根據供應鏈中的關鍵環節和要素，提出相應的供應鏈改進方案。

最后，物流專業畢業生需要具備優秀的服務意識和責任心。物流行業是一個服務性行業，物流企業需要將自身定位為專業的第三方物流企業，參與整合制造業和商業企業的經營活動，提供物流運輸、倉儲、庫存控制、采購和供應鏈企業整合等工作。因此，需要從業者具備較強的服務意識和服務能力，能夠為客戶提供優質服務。同時，還需要具備較強的責任心，能夠認真對待每一項工作，保證工作質量和效率。

3 高職院校物流專業大數據人才培養方案要求

高職院校制定并分析物流專業大數據人才培養方案，要求學生靈活應用數據分析工具，解決復雜的物流系統規劃與設計優化問題，能夠從事物流大數據分析與應用等工作。學生需要掌握的知識技能要求如下。

3.1 素質目標

善于思考，主動學習，能夠對所學知識進行歸納總結，并應用于解決實際問題；

培養對物流企業運營數據的理解和認識，以及良好的物流數據分析編程規范；

具備與人溝通、語言和文字表達能力，建立良好的人際關系；

具備誠實守信、敬業愛崗、團結合作的職業道德。

3.2 專業知識要求

掌握常用的物流數據分析方法和流程；

能夠對實際問題中的物流數據進行描述和操作；

掌握Python物流數據分析常用模塊；

了解Excel物流數據表格處理；

掌握MySQL數據庫的物流數據處理；

了解物流數據聚類分析算法，線性回歸等方法。

3.3 專業能力要求

掌握Python語言、NumPy模塊、Pandas模塊、Matplotlib模塊的物流數據分析應用；

能夠對物流算法進行描述，建立結構化程序與面向對象數據分析思想；

掌握MySQL數據庫的物流數據讀取或寫入、查詢和修改；

掌握Excel軟件對物流數據的匯總、透視表等應用；

掌握Tableau軟件的物流數據可視化操作；

具備合理選擇物流大數據分析軟件工具能力，以滿足解決實際問題的需要；

具備應用智能物流系統大數據分析技術等解決智能物流系統規劃設計和運營管理問題的能力。

4 物流大數據分析方向教學課程體系設計

按照物流大數據分析類人才的崗位職責，學生在校學習的5個學期，按要求掌握的相關知識、能力和工具如表 1 所示。學生在校學習階段分為5個學期，培養物流大數據崗位人才的課程體系涉及基礎課程、專業課程、綜合實訓課等。

結合物流專業的人才培養目標和相關職業需求，按照人才系統培養的認知規律，物流大數據人才培養的課程體系設計應遵循整體人才培養方案。第1學期，學生學習基礎課——高等數學和統計學，為后面的專業課教學打下基礎。第2學期，系統學習計算機編程語言Python和數據庫管理軟件，學習大數據人才所需的計算機基礎課程，掌握數據的獲取和預處理方法，例如從數據庫提取物流數據，增刪、查改數據庫，對物流數據進行去重、處理不規范數據等技能[2]。在第3學期，學習專業課Python物流數據分析，結合所學的物流管理知識和物流智能倉庫運營管理知識，對物流數據進行聚類、排序、分類匯總、數據透視表等操作。第4學期，學生學習Echart和 Tableau等物流可視化分析軟件，制作柱圖、餅圖、折線圖、詞云圖、熱力圖等可視化圖形。第5學期，結合實訓課程，運用所學知識和掌握的軟件工具，進行物流大數據實踐案例分析，結合真實的物流企業工作崗位，按照實際物流工作中的大數據工作崗位要求完成工作項目。

按照在校5個學期的教學要求，結合物流專業人才培養總體方案，課程設計體系如圖1所示。

5 物流智能倉儲大數據分析教學研究

5.1 智能倉儲是智慧物流的重要組成

智能倉儲是物流系統智能化的重要環節，也是智慧物流技術應用的典型場景。物流智能倉儲要求運營管理智能化、生產作業高度自動化和標準化的作業流程，因此，物流智能倉儲的運營是建立在智能倉儲大數據分析的基礎上的。例如，在智能物流中心，處理訂單進行的揀貨系統，包擴揀選訂單信息、揀選方式、揀選設備和揀選策略等要素，揀選方法和設備組合成很多的揀選作業模式。為提高揀選效率和訂單服務水平，需要設計優化訂單揀選的品項、AGV系統的設計和揀選方式等[3]。

5.2 物流智能倉儲大數據分析的內容

物流智能倉儲大數據分析涉及物流倉儲的作業流程、智能設備運行、智能倉儲運營等方面的大數據分析，以及從物流倉儲入庫、存儲、分揀、配貨到物流設備的可靠性運行。

物流智能倉儲數據分析案例如表2所示。

根據表3的任務記錄，計算并匯總每個物流工作人員執行各項工作任務的時間，得到每個物流工作人員的工作總時長，再計算其執行各項物流任務的時長。

物流智能倉主要包含操作員、工作站和設備單元三要素，物流操作員負責執行倉庫的各種作業環節，例如包裝員、揀選員等。物流工作站就是物流操作員工作需要的設備資源，可以是固定的，也可以是移動的，如移動貨架，電子標簽貨架等。物流設備單元包括分揀AGV、軌道式堆垛機、碼貨機器人等。

運用Python繪制箱型圖，可反映物流設備的運行時長。根據物流設備運行記錄，利用箱型圖對一些異常的任務記錄數據進行處理，得到每臺設備的運行時長總和。由于物流智能倉作業任務不均勻，所以按小時計算物流智能倉設備的整體利用率，計算出每小時物流設備的利用率后，繪制設備利用率的折線圖，就可以直觀地觀察利用率的變化趨勢。根據物流設備利用率均值和峰值差，判斷物流設備的每小時利用率是否均衡。

運用SPSS軟件進行多元線性回歸分析，設置線性回歸變量與自變量，生成數據集，構建線性模型，得到揀選件數與出庫工作站數、AGV數的關系。SPSS設置線性回歸變量如圖2所示。

通過線性模型分析可以得到：在其他條件不變的情況下，AGV每增加1個，物流智能倉的揀選數量就會增加182件，出庫工作站每增加1個，物流智能倉的揀選數量就會增加12件。物流企業管理者可以根據智能倉實際生產要素的關聯情況，制定物流倉儲優化方案，對物流智能倉的資源配置提供合理建議。

通過以上物流數據分析案例，我們得知：物流智能倉儲大數據分析要涵蓋物流倉儲運營數據分析、進出庫作業流程分析和智能設備運行指標分析，具體分為物流進貨作業分析、入庫作業分析、存儲作業分析、盤點作業分析、揀貨作業分析、分貨作業分析、物流智能倉設備性能分析、物流智能倉儲設備異常分析和可靠性分析。通過物流智能倉儲大數據分析，智能倉儲不斷升級，物流設備運行效率不斷提高，物流系統不斷改進，可以真正實現物流系統的數字化轉型[4]。

5.3 物流智能倉儲大數據分析需要掌握的知識

物流智能倉儲大數據分析要求學生掌握智能倉儲系統的描述性統計，掌握Python、SQL、SPSS等計算機工具，按照物流企業的要求采集并處理數據庫的數據信息（涉及物流倉儲運營數據和物流設備運行數據等，大部分數據信息來自物流企業信息系統），能夠圍繞企業的真實業務完成全面系統的物流數據分析工作，能夠使用常用的統計模型，應用量化分析手段分析智能倉儲運營問題，通過大數據分析結果，為管理決策層提供合理性決策和優化建議。

5.4 物流智能倉儲大數據分析的教學設計

在第1、2學期的教學過程中，學生應掌握物流大數據分析的基礎知識，掌握計算機編程、數據庫等計算機工具的應用方式，學習物流統計學知識。在第3學期，學生應掌握物流倉儲與配送作業流程和管理方法、物流智能倉的設備配置規劃等課程。在第4、5學期，學習大數據分析的核心課程，開展物流大數據綜合實訓課程，通過物流大數據分析課程，學生學習掌握物流倉儲作業大數據的挖掘與分析方法，將物流智能倉儲分析師的職業認證融入專業課程和實訓課程。

6 高職院校物流專業大數據教學實施措施

6.1 物流專業應加強物流數據分析實訓室建設

建立滿足物流數據分析要求的實訓室，安裝Python編程語言、mySQL數據庫、R語言等軟件，配置相適應的硬件實訓室條件。由于物流數據分析需要較好的展示效果，硬件配置要求具有較好性能的顯卡。

過去，高職院校物流數據分析實訓室建設注重硬件設備的投入，各院校會參考物流職業技能競賽的比賽內容，按照比賽的設備要求購買重型貨架、電子標簽揀選貨架、軌道式堆垛機、叉車、地牛、堆高機、移動貨架、AGV、工業機器人等設備，還會購買滿足倉庫出庫和入庫的倉儲課程實訓要求的紙箱、托盤、便簽、條碼打印機等，耗費資金量大，設備容易過時，且維護困難，使用時也存在安全隱患。運用仿真軟件模擬業務流程和設備操作，大大提高了實訓室的利用效率和實訓學習效果。分析處理可以運用仿真軟件運行得到的物流運營和設備數據，進行物流智能倉庫規劃設計的學習。

6.2 實施滿足物流企業需求的大數據人才培養方案

為適應未來物流企業的發展趨勢和學生的高質量就業要求，結合高職學生的學情分析和職業發展規劃，不斷改進優化物流人才培養方案。將物流大數據分析作為學生未來的職業培養方向，從基礎課、專業課到實訓課，建立完善的課程培養體系，在學習物流大數據專業課程前安排計算機程序設計、數據庫技術應用、物流智能倉設施設備配置規劃、物流系統規劃設計等課程，為物流大數據學習打好基礎。

物流大數據教學內容要與物流企業相關崗位的實際工作內容緊密結合，要與知名物流大企業合作，融入大量真實的物流企業案例和數據分析，定期與物流企業專家進行座談等交流活動，人才培養方案在撰寫和審核答辯環節，都要有物流企業的專家參與。

6.3 加強物流大數據分析教學教師隊伍建設

逐步建立物流大數據分析教學教師團隊，教師要學習掌握物流大數據和計算機編程知識，鉆研專業數據分析軟件的使用和操作，積極參加行業相關培訓和交流。

物流專業骨干教師通過學習和參加培訓可以彌補計算機知識的應用能力，通過頂崗鍛煉和校企合作項目，與物流企業的物流大數據分析人員多交流，可以積累物流企業大數據分析項目的工作經驗。

6.4 建立物流大數據教學課程資源庫

在物流大數據教學方案的實施過程中，教師可以逐步積累課程相關資源，相互交流物流大數據的教學難點和疑難問題。與企業人員共同設計和編寫完善的課本教材和實訓內容，引導學生真正參與真實的物流企業大數據分析案例，讓學生成為教學的主體，充分發揮學生的學習積極性。

物流大數據課程資源庫的建立，從物流運營大數據、物流智能倉儲大數據等專業核心課程開始，同時開發教材、線上資源，然后將課程范圍擴展到Python物流數據分析、物流大數據挖掘與分析等專業基礎課。線上資源形式豐富，包含大量成體系的文本、PPT課件、視頻動畫等教學資源，可豐富物流大數據教學的課程資源庫。此外，要鼓勵教師參加相關課程的教學技能大賽，積極撰寫教材，彌補國內相關教材的缺口。

6.5 建立物流大數據畢業生反饋機制

通過開展畢業生座談會、調查問卷、去企業走訪畢業生等方式，對就職于物流大數據崗位的學生進行調查，獲取相關數據資料，總結從事物流大數據崗位的學生對教學改進的建議和思考。同時，多關注畢業生的職業發展，給予其積極的幫助和關心，完善物流大數據畢業生反饋機制，培養和發展典型就業示范的優秀畢業生代表。

6.6 開展物流大數據分析技能競賽

通過開展物流大數據分析技能競賽，實現以賽促教，以賽促學。課程內融入競賽內容，通過競賽標準給予綜合評分，如全國大學生大數據技能競賽、全國高校大數據應用創新大賽、“泰迪杯”全國數據挖掘挑戰賽等。組織和推進學校與行業間的物流大數據比賽，不斷篩選競賽技術以支持企業，完善改進比賽方案內容和競賽規則，參考行業的職業認證要求確定比賽形式，對賽后結果進行數據分析，分析比賽對物流大數據教學的影響和促進效果。

參考文獻：

[1] 畢婭．云物流下基于協同庫存和覆蓋的選址—分配問題研究[D]．武漢：武漢理工大學，2012.

[2] 陳偉．中外智慧物流發展的差異比較及經驗借鑒[J]．對外經貿實務，2016（6）：86-89.

[3] 李細霞．物流仿真實驗教學模式改革——與實踐教學基地建設相結合[J]．教育現代化，2018，5（6）：103-105.

[4] 物流行業未來四大發展趨勢[J]．大陸橋視野，2016（5）：76-77.