物流发展：大数据时代如何利用数据进行有效物流决策

●●●

随着信息时代数据量的剧增，深化物流管理最为有效的方法是引入数据分析技术，对物流数据进行分析和预测，取代经验论，帮助决策者做出快速、准确的决策。

1

物流领域常用数据分析场景

梳理我们整个物流环节，数据分析的应用可以分为两个方向，规划和预测。

其中规划方向的应用往往是以成本和时间为优化目标，或者是两者综合的多目标优化，在分析过程中我们往往是通过成本构成或者时间构成的角度去寻找他的影响因素，在分析这些影响因素的基础之上，找到合理的变量取值，使得成本最优，时间最少。常用的应用场景包括仓储选址规划、运输路径规划、仓储布局规划。

预测方向的应用场景主要包括市场销售预测、采购需求预测、供货周期预测，预测不会直接产生经济效益，它的意义主要体现在在了解未来发展方向和发展量的基础上采取合理的预防措施，比如说市场销售预测是为了合理安排生产和库存，进而获得供应链总体成本的最优。

在大数据时代，我们获得数据越来越多，不管是数量上还是维度上，常用数据分析方法也都有可以进一步的拓展，使结果更加的合理准确。

2

仓储选址规划常用数据分析方法

常用的仓储选址数据分析方法包括精确重心法、加权评分法、P-中值法、鲍摩-瓦尔夫模型、多级多设施选址模型等等。

(1)精确重心法

(2)加权评分法

(3)P-中值法

(4)鲍摩-瓦尔夫模型

(5)多级—多设施选址模型

3

仓储选址常用方法对比分析

由于不同的企业在建设物流配送中心时，对配送中心未来用途、构成的需求有所不同，因此在对物流配送中心进行规划时要充分考虑这些因素，选取适当的选址方法。

4

大数据时代仓储选址方法应用拓展

那么在大数据环境下，我们应该如何更加有效的选址呢?

应用大数据进行选址可以实时获取海量数据资源，使得准确性大大提高，随着信息获取方法的智能化以及多样化，人们也不一定非要到实地去勘测调研，大大节省人力物力。

大数据时代，通过RFID射频技术、传感器、GIS、GPS、社交网络、移动互联网等方式可以获得各种类型海量数据。

基于数据采集技术获取有效基础数据，通过适用的数据分析方法，得出最优的仓储选址结果，选用数据可视化工具直观和明显地展示选址后系统流量流向地图。

（来源：多智时代）

END