大数据在物流行业的应用学习资料.doc

《大数据在物流行业的应用学习资料.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、大数据在物流行业的应用精品文档大数据在物流行业的应用物流大数据就是通过海量的物流数据，即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等，挖掘出新的增值价值，通过大数据分析可以提高运输与配送效率，减少物流成本，更有效地满足客户服务要求。 1.物流大数据的作用 物流大数据应用对于物流企业来讲具有以下3个方面的重要作用。1）提高物流的智能化水平通过对物流数据的跟踪和分析，物流大数据应用可以根据情况为物流企业做出智能化的决策和建议。在物流决策中，大数据技术应用涉及竞争环境分析、物流供给与需求匹配、物流资源优化与配置等。 在竞争环境分析中，为了达到利益的最大化，需要对竞争对手进

2、行全面的分析，预测其行为和动向，从而了解在某个区域或是在某个特殊时期，应该选择的合作伙伴。 在物流供给与需求匹配方面，需要分析特定时期、特定区域的物流供给与需求情况，从而进行合理的配送管理。在物流资源优化与配置方面，主要涉及运输资源、存储资源等。物流市场有很强的动态性和随机性，需要实时分析市场变化情况，从海量的数据中提取当前的物流需求信息，同时对已配置和将要配置的资源进行优化，从而实现对物流资源的合理利用。收集于网络，如有侵权请联系管理员删除精品文档2）降低物流成本由于交通运输、仓储设施、货物包装、流通加工和搬运等环节对信息的交互和共享要求比较高，因此可以利用大数据技术优化配送路线、合理选择

3、物流中心地址、优化仓库储位，从而大大降低物流成本，提高物流效率。3）提高用户服务水平随着网购人群的急剧膨胀，客户越来越重视物流服务的体验。通过对数据的挖掘和分析，以及合理地运用这些分析成果，物流企业可以为客户提供最好的服务，提供物流业务运作过程中商品配送的所有信息，进一步巩固和客户之间的关系，增加客户的信赖，培养客户的黏性，避免客户流失。 2.物流大数据应用案例 针对物流行业的特性，大数据应用主要体现在车货匹配、运输路线优化、库存预测、设备修理预测、供应链协同管理等方面。1）车货匹配通过对运力池进行大数据分析，公共运力的标准化和专业运力的个性化需求之间可以产生良好的匹配，同时，结合企业的信

4、息系统也会全面整合与优化。通过对货主、司机能力以移动学习收集于网络，如有侵权请联系管理员删除精品文档的方式进行培训，以及和任务的精准画像，可实现智能化定价、为司机智能推荐任务和根据任务要求指派配送司机等。 从客户方面来讲，大数据应用会根据任务要求，如车型、配送公里数、配送预计时长、附加服务等自动超级计算机计算运力价格并匹配最符合要求的司机，司机接到任务后会按照客户的要求进行高质量的服务。在司机方面，大数据应用可以根据司机的个人情况、服务质量、空闲时间为他自动匹配合适的任务，并进行智能化定价。基于大数据实现车货高效匹配，不仅能减少空驶带来的损耗，还能减少污染。2）运输路线优化通过运用大数据，物

5、流运输效率将得到大幅提高，大数据为物流企业间搭建起沟通的桥梁，物流车辆行车路径也将被最短化、最优化定制。 美国UPS公司使用大数据优化送货路线，配送人员不需要自己思考配送路径是否最优。UPS采用大数据系统可实时分析20万种可能路线，3秒找出最佳路径。 UPS通过大数据分析，规定卡车不能左转，所以，UPS的司机会宁愿绕个圈，也不往左转。根据往年的数据显示，因为执行尽量避免左转的政策，UPS货车在行驶路程减少2.04亿的前提下，多送出了350000件包裹。3）库存预测收集于网络，如有侵权请联系管理员删除精品文档互联网技术和商业模式的改变带来了从生产者直接到顾客的供应渠道的改变。这样的改变，从时

6、间和空间两个维度都为物流业创造新价值奠定了很好的基础。大数据技术可优化库存结构和降低库存存储成本。 运用大数据分析商品品类，系统会自动分解用来促销和用来引流的商品；同时，系统会自动根据以往的销售数据进行建模和分析，以此判断当前商品的安全库存，并及时给岀预警，而不再是根据往年的销售情况来预测当前的库存状况。总之，使用大数据技术可以降低库存存货，从而提高资金利用率。4）设备修理预测美国UPS公司从2000年就开始使用预测性分析来检测自己全美60000辆车规模的车队，这样就能及时地进行防御性的修理。如果车在路上抛锚，损失会非常大，因为那样就需要再派一辆车，会造成延误和再装载的负担，并消耗大量的人力

7、、物力。 以前，UPS每两三年就会对车辆的零件进行定时更换，但这种方法不太有效，因为有的零件并没有什么毛病就被换掉了。通过监测车辆的各个部位，UPS如今只需要更换需要更换的零件，从而节省了好几百万美元。5）供应链协同管理收集于网络，如有侵权请联系管理员删除精品文档随着供应链变得越来越复杂，使用大数据技术可以迅速高效地发挥数据的最大价值，集成企业所有的计划和决策业务，包括需求预测、库存计划、资源配