大数据在冷链物流中的应用
郭双盈+陈明晶+沈狄昊
课题：本文为2013年度国家级大学生创新创业训练计划项目“电子商务模式下杭州市蔬菜配送体系的研究”的最终成果，项目编号为201311482003
摘 要：面对冷链物流的巨大商机、市场供需关系和相关政策支持，国内冷链物流有了一定的发展，但相关于国外发展的冷链物流，尚处于起步阶段的中国冷链物流面临的挑战仍不容忽视，国内冷链物流如何破局将成为关键性问题。而大数据分析是否能够帮助企业渡过难关，或将成为物流市场的新机遇。
关键词：大数据；冷链物流；信息化
随着移动互联网的大浪袭来，企业的物流信息化程度也不断加深，物流运营过程中也产生了海量的数据，如何运用大数据进行可视化物流运营管理，是物流行业目前面临的机遇和难题。著名物流理论“黑大陆”说和“物流冰山”说更是证明物流领域是一块有待开发的黑土地，而数据将会成为开发这块黑土地的利器。要想成为顶级物流企业，就必须重视数据的价值，我们要将数据本身转化为信息，并通过信息的提炼得出普适的规律，让其在创造利润的过程中，变得价值连城。换句话说，大数据分析将是打开物流潜力市场的金钥匙。
一、我国冷链物流的现状
1.我国冷链物流的现状
我国冷链物流商机逐渐显露，冷库行业以14%的年均增速发展，但是每年仍因冷链薄弱而造成果蔬，肉类，水产品的流通腐损率分别达到20%-30%，12%，15% ，而发达国家的果蔬损失率则控制在5%以下。我国每年因冷链问题造成约有1200万吨水果、1.3亿吨蔬菜的浪费，其损失高达1000亿元。每年腐烂损耗的水果、蔬菜可以满足将近2亿人口的基本营养需求。我国是农业生产和农产品消费大国，每年所消费的易腐食品将近10亿吨，其中需要通过冷链物流服务的超过50%。而冷链物流费用占到易腐食品成本的70%，远远高于50%的国际标准。近年来我国冷藏冷冻食品每年增产约10%，然而，我国食品的冷藏运输率只有15%左右，但同时发达国家却达到80%～90%。从物流行业角度看，物流数量的急剧提升，物流信息化水平的落后，配送的成本高，受到第三方物流的冷落，缺乏标准的推广和执行的监管监测，种种因素，都阻碍了我国冷链物流企业的发展。2010年国家发改委第一次制定了《农产品冷链物流“十二五”发展规划》，各地政府政策支持建设农产品冷链物流园区。
2.我国冷链物流的五种模式
目前，我国的冷链物流模式基本可以分成五种模式。
（1）第三方（3PL）冷链物流模式， 3PL冷链物流企业为供货商和收货商搭建一个冷链配送的平台，通过自建配送设施实行服务性配送。
（2）生产加工自营冷链物流模式，是以生产加工企业为主导的整合自有物流资源，建立多家便利店以控制销售终端进而建设物流配送中心，实现 “产供销一体化”的物流模式。
（3）经营企业自营冷链物流模式，通过小批量、多批次、多品种配送，确保生鲜食品的质量安全，形成了大型零售商独自兼营配送环节为主的冷链物流模式。
（4）依托冷冻批发市场型冷链物流模式，通过与农产品大市场联成一体形成产品生产、收购、加工、储运、配送和提供市场信息服务等一体化的冷链物流运作模式。
（5）国有战略储备型冷库模型，因其国有或集体所有性质，及其承载的特殊战略性，较少参与市场竞争。
二、大数据与数据挖掘
最近几年许多物流企业广泛部署了RFID技术、冷链技术，并在各种终端设备上安装传感器，实时监控温湿度、光照强度，并采用GPS定位实时反馈位置信息。然而，从这些智能终端上获取的数据，并没有得到很好的利用。如何挖掘出隐藏在这些数据背后的价值成为大数据处理的关键。
数据挖掘是大数据处理的一个核心。他从大量的、不完全的、有噪声的、模糊的、随机的数据中利用人工智能、机器学习、模式学习、统计学等技术提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘主要是对数据进行关联分析、聚类分析、分类、预测、时序模式和偏差分析等。通过对大数据高度自动化地分析，做出归纳性的推理，从中挖掘出潜在的模式，可以帮助企业、商家、用户调整市场政策、减少风险、理性面对市场，并做出正确的决策。部分学者应用神经网络分析，多元线性回归分析，Petri网融合蚁群算法和带时间窗模型对物流配送做了改进，并得到初步的认可。
数据的挖掘首先是搜集数据，数据越丰富越好，数据量越大越好，只有获得足够的数据，才能获得确定的判断，才能产生认知模型，这是量变到质变的过程。经验由此产生，经验的积累就能产生有价值的判断，认知模型并不是一个模型，而是渐进发展的模型，当认识深入以后，还会产生更加抽象的模型，还会产生许多猜想，通过猜想扩展模型，从而达到深度学习和深度挖掘。
大数据计算机分析的不可替代性。计算机分析效率高，远远超过人脑的处理速度，针对海量数据，计算机能处理，而人类处理不了，甚至要运用超级计算机处理，站在不同的粗糙粒度，采用不同的时间尺度，看到的信息是不同的，因此要进行全维度分析，这就要靠计算机辅助的人机综合系统，或者完全采用计算机建模分析。这是科技发展带来的优势。
大数据的运用。当人们有了抽象的模型，就可以针对每个人所积累的数据进行模式匹配与识别，进而针对特定需求的操作进行判断。需要寻找目标客户，可以对积累的海量用户消费数据进行筛选，根据模型识别和匹配出目标客户群，找到目标客户群之后，还需要进行针对性的营销，不同用户群经常接触媒体类型不同，寻找每个人的媒体接触习惯，接触时间，甚至能够预测下一次将在什么地方接触到，于是定向推动广告信息，就可以做到有的放矢，百发百中。
大数据的运用是精心的筹划，而不是广种薄收。个性化才能收到最佳效果。而个性化来自于精准的判断，精准的判断来自于丰富的模型和经验。甚至是一些非常抽象的经验，类似于人类的直觉。因为只要能够统计出有价值的经验，未必非得找到清晰的理论依据，就像中医的经络与五行，只要能够达到治疗效果，就是合理的理论，这也如同人们常说的经验公式。
大数据挖掘的定性。什么是大数据挖掘？是针对海量数据的计算机辅助分析，是智能化处理模式，是另类智能。这是一种新的探索领域，过去由于计算机联网水平、处理水平、信息积累能力的限制，人们看不到大数据这个领域，因此就无法针对大数据进行建模处理。由于科技发展，大数据呈现在人们眼前，人们有了新的视野，这时急需的是大数据理论和大数据挖掘的方法以及数据运用。人类认识世界依靠本能，而计算机数据挖掘依靠人类智能，因此一切都需要人类主动探索和构建，如何处理好大数据，从而产生更高的分析智能，是大数据领域竞争的高点。积累数据相对较容易，大数据理论能够指导人们更有效地构建大数据分析和挖掘系统，运用大数据则需要建立在先进、完善的理论基础之上。一环扣一环，成为一套提升智能和竞争力的路径。
其操作过程如下图所示：
三、大数据在冷链物流中的应用
大数据的最大特点是通过现有的数据分析规律，而不需要深入的了解原因 ，在冷链物流方面，我们可以通过大数据进行信息化，高效性的管理，实时掌控这些数据，提高配送效率，减少损耗。另一方面，随着市场的发展，客户的选择越来越多，竞争更加激烈，通过对数据分析和挖掘，就可以进一步巩固和客户之间的关系，为顾客提供更好的服务，增加客户的信赖，培养客户的黏性。此外，数据分析还能帮助企业做出正确的决策。对于物流企业来说，成本和效率是一对矛盾体，特别是冷链配送的过程中，企业都希望以最低的成本获得最大的效益但在大数据背景下，企业可以通过数据分析了解具体的业务运行情况，能够清楚地判断哪些业务利润率高、增长较快等，把主要精力放在真正能够给企业带来高回报的业务上，避免无端的浪费。同时，通过对实时数据的掌控，企业还可以即时对业务进行调整，确保每个业务都可以赢利，重新规划处最有路线，从而实现非常高效的运营。
1.最优化路径调度
在冷链物流配送过程中，我们需要的就是两个条件，一就是“快”，二就是“冷”。要想保证运送物品的质量，降低运输成本，我们就必须规划出合理的配送路径，通过冷链车内部的感应系统，在冷链车装卸货物时，车载计算机会将货物上RFID传感器的信息上传至服务器，服务器在接收数据之后实时分析车辆，包裹信息，根据用户喜好和送货路线数据动态运算出最新最优路线，并结合交通路况依据GPS定位系统，做出实时更新。远程控制系统还可以通过大数据分析得出剩余送货时间，及时通知顾客取货，由于生鲜食品运输是一项连续性的过程，若出现断链很容易导致整个系统的崩盘。所以，必须做到“冷柜”到“冷柜”的运输，将腐损率降到最低。其次，减少等待时间也节约了物流公司的成本，提高配送效率。
2.实现产品信息实时反馈
生鲜食品对于配送条件极为苛刻，温度，湿度，光照都会影响产品的腐损率。但是如果我们在冷链车中安装温湿度和光照传感器，并将数据传送到远程服务中心，根据历史数据分析出储存该产品最适宜的温湿度和光照，以此降低生鲜食品的腐损率。其次车辆上的终端通过移动通信系统与公司的服务器建立联系，互换数据，物流公司或者车队管理者可以直接访问GPS以及其他若干实时数据，如车辆行驶方向，停车或者行驶时间，装卸货信息，包括计算驾驶员急加速，急刹车的次数，经济转速区行驶时间和怠速长短等信息，方便承运人和托运人对货品运输情况的时时跟进，方便追查相关责任，并且在第一时间对冷链车做出相关指示，降低损失。
3.后台及时准确的运营策略调整
大数据分析非常考验一家公司的对数据的提取速度，分析的效率和精确度，而大数据解决方案让高管们能够在开会时，不管谁提出什么问题，系统都能集成实时增量数据，根据询问和处理非结构化数据快速准确的得出答案，同时，在冷链物流市场上最重要的也就是及时性，由于生鲜食品本身就比较特殊，食材分布不均匀，各种果蔬，海产品存在很明显的季节性，产量也存在峰谷年，这大大增加了冷链物流企业的成本和风险。而大数据可以通过现有的数据分析规律，对商业活动内部和外部因素的影响以及CRM和营销计划做出及时准确的调配，企业还可以定义需要监控的配送流程，通过及时获取最需要的数据，如维护成本，故障频率，燃烧成本和运行路线。
4.得出最优人员安排
大数据挖掘分析为运输行业提供预测分析和风险预防或补救方案，物流公司可根据历史数据和实时增量数据得出司机工作表现模型和若干预测模型，能够准确的预测可避免的事故，人员流动等问题，如根据司机实时的工作表现波动情况，预测司机疲劳程度和排班安排等，为客户提供合理的解决方案，以便提高司机安全系数，此外还能根据司机和机动车的实时状况预测可能发生的风险，并及时提供预测和补偿解救的方案。
四、大数据的作用
1.大数据成为物流平台的有力支撑
未来的物流平台化发展是主流趋势，驱动平台运营的核心在数据，任何物流平台都离不开大数据的支撑。
2.大数据产生更多商业价值
传统物流靠的是资源整合的差价获得利润，未来的物流依托数据带来的增值服务具有更大的价值，有数据的积累才会延伸金融服务，数据是未来物流盈利模式的金矿。
3.大数据使需求供应链可视化
全程供应链可视化，这是全球供应链的发展趋势，从需求开始到满足需求的整个过程。当C2B和O2O模式全面渗透制造和流通行业时，物流信息的可视化是基础运营的重点，数据成为核心。
4.大数据是物流管理和优化必备的基础
不管理单个物流运营个体的人、设备效率，还是整个运营路径的优化，大数据积累是物流运营优化、管理提升重要支持。
5.大数据将变革物流与供应链模式
通过消费者的大数据分析，预测末端人群的消费者数据，提前完成物流配载和库存布局，改善了传统的供应链模式，大大提高了客户体验。
6.大数据可以参与运营管理，控制风险
通过对物流末端数据的监控可以实现运营安全的全程实时可视，从而完成对运营安全的监控和预警，同时对资源调度与配置带来更加高效的结果。
五、结语
大数据是现代物流运营管理的金矿，传统的物流商业模式将因为大数据而变革，数据的商业化应用将为行业带来诸多创新，期待更多的物流企业、物流平台机构成功的落地应用，有效的带动产业变革。
参考文献：
[1]宁晓利.我国食品冷链物流模式[J].中国物流与采购，2010（20）：68-69.
[2]申作兰，林德山.我国食品冷链物流瓶颈的突破研究[J].商品储运与养护，2008，30（4）：32-34.
[3]兰洪杰.食品冷链物流 系统协同 对象与过程研究[ J].中国流通经济， 2009（ 2） ： 20- 23.
[4]胡天石.冷链物流发展问题研究[J].北京工商大学学报：社会科学版，2010（4）：12～17.
大数据挖掘的定性。什么是大数据挖掘？是针对海量数据的计算机辅助分析，是智能化处理模式，是另类智能。这是一种新的探索领域，过去由于计算机联网水平、处理水平、信息积累能力的限制，人们看不到大数据这个领域，因此就无法针对大数据进行建模处理。由于科技发展，大数据呈现在人们眼前，人们有了新的视野，这时急需的是大数据理论和大数据挖掘的方法以及数据运用。人类认识世界依靠本能，而计算机数据挖掘依靠人类智能，因此一切都需要人类主动探索和构建，如何处理好大数据，从而产生更高的分析智能，是大数据领域竞争的高点。积累数据相对较容易，大数据理论能够指导人们更有效地构建大数据分析和挖掘系统，运用大数据则需要建立在先进、完善的理论基础之上。一环扣一环，成为一套提升智能和竞争力的路径。
其操作过程如下图所示：
三、大数据在冷链物流中的应用
大数据的最大特点是通过现有的数据分析规律，而不需要深入的了解原因 ，在冷链物流方面，我们可以通过大数据进行信息化，高效性的管理，实时掌控这些数据，提高配送效率，减少损耗。另一方面，随着市场的发展，客户的选择越来越多，竞争更加激烈，通过对数据分析和挖掘，就可以进一步巩固和客户之间的关系，为顾客提供更好的服务，增加客户的信赖，培养客户的黏性。此外，数据分析还能帮助企业做出正确的决策。对于物流企业来说，成本和效率是一对矛盾体，特别是冷链配送的过程中，企业都希望以最低的成本获得最大的效益但在大数据背景下，企业可以通过数据分析了解具体的业务运行情况，能够清楚地判断哪些业务利润率高、增长较快等，把主要精力放在真正能够给企业带来高回报的业务上，避免无端的浪费。同时，通过对实时数据的掌控，企业还可以即时对业务进行调整，确保每个业务都可以赢利，重新规划处最有路线，从而实现非常高效的运营。
1.最优化路径调度
在冷链物流配送过程中，我们需要的就是两个条件，一就是“快”，二就是“冷”。要想保证运送物品的质量，降低运输成本，我们就必须规划出合理的配送路径，通过冷链车内部的感应系统，在冷链车装卸货物时，车载计算机会将货物上RFID传感器的信息上传至服务器，服务器在接收数据之后实时分析车辆，包裹信息，根据用户喜好和送货路线数据动态运算出最新最优路线，并结合交通路况依据GPS定位系统，做出实时更新。远程控制系统还可以通过大数据分析得出剩余送货时间，及时通知顾客取货，由于生鲜食品运输是一项连续性的过程，若出现断链很容易导致整个系统的崩盘。所以，必须做到“冷柜”到“冷柜”的运输，将腐损率降到最低。其次，减少等待时间也节约了物流公司的成本，提高配送效率。
2.实现产品信息实时反馈
生鲜食品对于配送条件极为苛刻，温度，湿度，光照都会影响产品的腐损率。但是如果我们在冷链车中安装温湿度和光照传感器，并将数据传送到远程服务中心，根据历史数据分析出储存该产品最适宜的温湿度和光照，以此降低生鲜食品的腐损率。其次车辆上的终端通过移动通信系统与公司的服务器建立联系，互换数据，物流公司或者车队管理者可以直接访问GPS以及其他若干实时数据，如车辆行驶方向，停车或者行驶时间，装卸货信息，包括计算驾驶员急加速，急刹车的次数，经济转速区行驶时间和怠速长短等信息，方便承运人和托运人对货品运输情况的时时跟进，方便追查相关责任，并且在第一时间对冷链车做出相关指示，降低损失。
3.后台及时准确的运营策略调整
大数据分析非常考验一家公司的对数据的提取速度，分析的效率和精确度，而大数据解决方案让高管们能够在开会时，不管谁提出什么问题，系统都能集成实时增量数据，根据询问和处理非结构化数据快速准确的得出答案，同时，在冷链物流市场上最重要的也就是及时性，由于生鲜食品本身就比较特殊，食材分布不均匀，各种果蔬，海产品存在很明显的季节性，产量也存在峰谷年，这大大增加了冷链物流企业的成本和风险。而大数据可以通过现有的数据分析规律，对商业活动内部和外部因素的影响以及CRM和营销计划做出及时准确的调配，企业还可以定义需要监控的配送流程，通过及时获取最需要的数据，如维护成本，故障频率，燃烧成本和运行路线。
4.得出最优人员安排
大数据挖掘分析为运输行业提供预测分析和风险预防或补救方案，物流公司可根据历史数据和实时增量数据得出司机工作表现模型和若干预测模型，能够准确的预测可避免的事故，人员流动等问题，如根据司机实时的工作表现波动情况，预测司机疲劳程度和排班安排等，为客户提供合理的解决方案，以便提高司机安全系数，此外还能根据司机和机动车的实时状况预测可能发生的风险，并及时提供预测和补偿解救的方案。
四、大数据的作用
1.大数据成为物流平台的有力支撑
未来的物流平台化发展是主流趋势，驱动平台运营的核心在数据，任何物流平台都离不开大数据的支撑。
2.大数据产生更多商业价值
传统物流靠的是资源整合的差价获得利润，未来的物流依托数据带来的增值服务具有更大的价值，有数据的积累才会延伸金融服务，数据是未来物流盈利模式的金矿。
3.大数据使需求供应链可视化
全程供应链可视化，这是全球供应链的发展趋势，从需求开始到满足需求的整个过程。当C2B和O2O模式全面渗透制造和流通行业时，物流信息的可视化是基础运营的重点，数据成为核心。
4.大数据是物流管理和优化必备的基础
不管理单个物流运营个体的人、设备效率，还是整个运营路径的优化，大数据积累是物流运营优化、管理提升重要支持。
5.大数据将变革物流与供应链模式
通过消费者的大数据分析，预测末端人群的消费者数据，提前完成物流配载和库存布局，改善了传统的供应链模式，大大提高了客户体验。
6.大数据可以参与运营管理，控制风险
通过对物流末端数据的监控可以实现运营安全的全程实时可视，从而完成对运营安全的监控和预警，同时对资源调度与配置带来更加高效的结果。
五、结语
大数据是现代物流运营管理的金矿，传统的物流商业模式将因为大数据而变革，数据的商业化应用将为行业带来诸多创新，期待更多的物流企业、物流平台机构成功的落地应用，有效的带动产业变革。
参考文献：
[1]宁晓利.我国食品冷链物流模式[J].中国物流与采购，2010（20）：68-69.
[2]申作兰，林德山.我国食品冷链物流瓶颈的突破研究[J].商品储运与养护，2008，30（4）：32-34.
[3]兰洪杰.食品冷链物流 系统协同 对象与过程研究[ J].中国流通经济， 2009（ 2） ： 20- 23.
[4]胡天石.冷链物流发展问题研究[J].北京工商大学学报：社会科学版，2010（4）：12～17.
大数据挖掘的定性。什么是大数据挖掘？是针对海量数据的计算机辅助分析，是智能化处理模式，是另类智能。这是一种新的探索领域，过去由于计算机联网水平、处理水平、信息积累能力的限制，人们看不到大数据这个领域，因此就无法针对大数据进行建模处理。由于科技发展，大数据呈现在人们眼前，人们有了新的视野，这时急需的是大数据理论和大数据挖掘的方法以及数据运用。人类认识世界依靠本能，而计算机数据挖掘依靠人类智能，因此一切都需要人类主动探索和构建，如何处理好大数据，从而产生更高的分析智能，是大数据领域竞争的高点。积累数据相对较容易，大数据理论能够指导人们更有效地构建大数据分析和挖掘系统，运用大数据则需要建立在先进、完善的理论基础之上。一环扣一环，成为一套提升智能和竞争力的路径。
其操作过程如下图所示：
三、大数据在冷链物流中的应用
大数据的最大特点是通过现有的数据分析规律，而不需要深入的了解原因 ，在冷链物流方面，我们可以通过大数据进行信息化，高效性的管理，实时掌控这些数据，提高配送效率，减少损耗。另一方面，随着市场的发展，客户的选择越来越多，竞争更加激烈，通过对数据分析和挖掘，就可以进一步巩固和客户之间的关系，为顾客提供更好的服务，增加客户的信赖，培养客户的黏性。此外，数据分析还能帮助企业做出正确的决策。对于物流企业来说，成本和效率是一对矛盾体，特别是冷链配送的过程中，企业都希望以最低的成本获得最大的效益但在大数据背景下，企业可以通过数据分析了解具体的业务运行情况，能够清楚地判断哪些业务利润率高、增长较快等，把主要精力放在真正能够给企业带来高回报的业务上，避免无端的浪费。同时，通过对实时数据的掌控，企业还可以即时对业务进行调整，确保每个业务都可以赢利，重新规划处最有路线，从而实现非常高效的运营。
1.最优化路径调度
在冷链物流配送过程中，我们需要的就是两个条件，一就是“快”，二就是“冷”。要想保证运送物品的质量，降低运输成本，我们就必须规划出合理的配送路径，通过冷链车内部的感应系统，在冷链车装卸货物时，车载计算机会将货物上RFID传感器的信息上传至服务器，服务器在接收数据之后实时分析车辆，包裹信息，根据用户喜好和送货路线数据动态运算出最新最优路线，并结合交通路况依据GPS定位系统，做出实时更新。远程控制系统还可以通过大数据分析得出剩余送货时间，及时通知顾客取货，由于生鲜食品运输是一项连续性的过程，若出现断链很容易导致整个系统的崩盘。所以，必须做到“冷柜”到“冷柜”的运输，将腐损率降到最低。其次，减少等待时间也节约了物流公司的成本，提高配送效率。
2.实现产品信息实时反馈
生鲜食品对于配送条件极为苛刻，温度，湿度，光照都会影响产品的腐损率。但是如果我们在冷链车中安装温湿度和光照传感器，并将数据传送到远程服务中心，根据历史数据分析出储存该产品最适宜的温湿度和光照，以此降低生鲜食品的腐损率。其次车辆上的终端通过移动通信系统与公司的服务器建立联系，互换数据，物流公司或者车队管理者可以直接访问GPS以及其他若干实时数据，如车辆行驶方向，停车或者行驶时间，装卸货信息，包括计算驾驶员急加速，急刹车的次数，经济转速区行驶时间和怠速长短等信息，方便承运人和托运人对货品运输情况的时时跟进，方便追查相关责任，并且在第一时间对冷链车做出相关指示，降低损失。
3.后台及时准确的运营策略调整
大数据分析非常考验一家公司的对数据的提取速度，分析的效率和精确度，而大数据解决方案让高管们能够在开会时，不管谁提出什么问题，系统都能集成实时增量数据，根据询问和处理非结构化数据快速准确的得出答案，同时，在冷链物流市场上最重要的也就是及时性，由于生鲜食品本身就比较特殊，食材分布不均匀，各种果蔬，海产品存在很明显的季节性，产量也存在峰谷年，这大大增加了冷链物流企业的成本和风险。而大数据可以通过现有的数据分析规律，对商业活动内部和外部因素的影响以及CRM和营销计划做出及时准确的调配，企业还可以定义需要监控的配送流程，通过及时获取最需要的数据，如维护成本，故障频率，燃烧成本和运行路线。
4.得出最优人员安排
大数据挖掘分析为运输行业提供预测分析和风险预防或补救方案，物流公司可根据历史数据和实时增量数据得出司机工作表现模型和若干预测模型，能够准确的预测可避免的事故，人员流动等问题，如根据司机实时的工作表现波动情况，预测司机疲劳程度和排班安排等，为客户提供合理的解决方案，以便提高司机安全系数，此外还能根据司机和机动车的实时状况预测可能发生的风险，并及时提供预测和补偿解救的方案。
四、大数据的作用
1.大数据成为物流平台的有力支撑
未来的物流平台化发展是主流趋势，驱动平台运营的核心在数据，任何物流平台都离不开大数据的支撑。
2.大数据产生更多商业价值
传统物流靠的是资源整合的差价获得利润，未来的物流依托数据带来的增值服务具有更大的价值，有数据的积累才会延伸金融服务，数据是未来物流盈利模式的金矿。
3.大数据使需求供应链可视化
全程供应链可视化，这是全球供应链的发展趋势，从需求开始到满足需求的整个过程。当C2B和O2O模式全面渗透制造和流通行业时，物流信息的可视化是基础运营的重点，数据成为核心。
4.大数据是物流管理和优化必备的基础
不管理单个物流运营个体的人、设备效率，还是整个运营路径的优化，大数据积累是物流运营优化、管理提升重要支持。
5.大数据将变革物流与供应链模式
通过消费者的大数据分析，预测末端人群的消费者数据，提前完成物流配载和库存布局，改善了传统的供应链模式，大大提高了客户体验。
6.大数据可以参与运营管理，控制风险
通过对物流末端数据的监控可以实现运营安全的全程实时可视，从而完成对运营安全的监控和预警，同时对资源调度与配置带来更加高效的结果。
五、结语
大数据是现代物流运营管理的金矿，传统的物流商业模式将因为大数据而变革，数据的商业化应用将为行业带来诸多创新，期待更多的物流企业、物流平台机构成功的落地应用，有效的带动产业变革。
参考文献：
[1]宁晓利.我国食品冷链物流模式[J].中国物流与采购，2010（20）：68-69.
[2]申作兰，林德山.我国食品冷链物流瓶颈的突破研究[J].商品储运与养护，2008，30（4）：32-34.
[3]兰洪杰.食品冷链物流 系统协同 对象与过程研究[ J].中国流通经济， 2009（ 2） ： 20- 23.
[4]胡天石.冷链物流发展问题研究[J].北京工商大学学报：社会科学版，2010（4）：12～17.
