大数据在物流企业中的应用(二)

(4)仓库储位优化

合理的安排商品储存位置对于仓库利用率和搬运分拣的效率有着极为重要的意义。对于商品数量多、出货频率快的物流中心，储位优化就意味着工作效率和效益。哪些货物放在一起可以提高分拣率，哪些货物储存的时间较短，都可以通过大数据的关联模式法分析出商品数据间的相互关系来合理的安排仓库位置。

物流企业应用大数据时存在的问题及对策

物流企业信息系统中拥有数万亿字节的用户信息、商家信息以及业务运营信息，数据已经成为业务活动的副产品。尽管大数据的应用意味着大机遇，拥有着巨大的商业价值，但在应用的过程中也面临着数据质量、管理政策、资金投入等诸多方面的挑战。只有解决这些基础性的挑战问题，才能充分利用这个大机遇，让大数据为物流企业创造价值。

(1)大数据的质量和实效性难以把握

大数据来源有很多，数据结构随着数据源的不同而不尽相同，物流企业要想从多个数据源及时的获取高质量的数据并进行有效地数据整合，是一个巨大的挑战。在数据收集的阶段，由于数据的变化较快，有效期很短，而且单一的数据结构难以满足物流企业对数据的需要，如果物流企业没有实时的收集所需的数据，那么收集到的数据很可能是无效的，过期的数据，在一定程度上影响着数据的质量。因此，物流企业应该重视大数据收集的质量问题，建立专门的数据库和专门的数据仓储设备来储存数据，保证数据的质量和有效性。同时，数据库管理员应该根据数据的结构设计数据存储和使用标准，以方便数据的快速读取和利用。

(2)物流企业高层管理者对大数据技术缺乏高度的重视和支持

只有得到了物流企业高层管理者的重视，一系列跟大数据有关的应用及发展规划才能有望得到推动，大数据的价值才能在物流的运营过程中真正的挖掘出来。然而，大数据在中国还处于不成熟的阶段，再加上大数据本身的多样性和复杂性，使得大数据的质量就无法得到有效、全面的保证，许多的物流企业高层管理人员还没有意识到大数据挖掘技术、大数据分析技术给自身企业带来的商业价值到底有多大，对大数据的认识还没有真正提升到企业发展的战略高度。因此，物流企业高层管理者应当加强对大数据的认识，清楚大数据在信息时代的真正价值所在，建设完善的数据中心和完善的数据质量保证制度，带领企业迎接这场没有硝烟的大数据战争。

(3)数据中心亟需专业的数据管理人员(cdo)

专业数据管理人员的配备才是保证大数据质量的关键，由于大数据本身的多样性、复杂性增加了大数据在处理和管理上的难度，现在物流企业亟需专业的既懂得数据挖掘、数据分析技术，又熟悉物流企业运营的复合型技术人才即首席数据官(chiefdataofficer，cdo)。因此，在大数据环境下，物流企业想要充分利用这一机遇就必须加大对cdo这样的新型管理人才的招聘。

(4)将非结构化的数据转化为结构化的数据是一项巨大的挑战

数据有着结构化数据和非结构化数据之分，结构化数据是指储存在数据库里，只能用二维表结构来表达的数据；而非结构化数据是指包括所有格式的文本、图片、办公文档、各类报表html、xml、图像和音频/视频信息等等。在物流企业的运营过程中，非结构化数据的存储必须要先转化为结构化的数据才能够存储，因此，引进先进的数据转化技术是物流企业数据质量的保证。

(5)数据开放与隐私的平衡，亦是一大难题

在信息时代，用户的各种行为需求都是可以被记录的，甚至各种习惯、爱好，电话号码，个人信息都会被记录在数据库里，这些数据的泄漏必然会给客户带来一些不必要的骚扰。因此，面对激烈的物流企业间的竞争，推动数据全面开放、应用和共享的同时，物流企业内部必须完善保护客户隐私的规章制度，同时国家也应逐步加强隐私立法。

总结与展望

总之，大数据已经渗透到物流企业的各个环节，引起物流企业普遍关注的同时已经给它们带来了高额效益。但是，面对大数据这一机遇，物流企业的高层管理者仍需给予高度的重视和支持，正视企业应用大数据时存在的问题。

转载请注明：数据分析 » 大数据在物流企业中的应用(二)