張雅瓊 劉巧云 危思攀 胡宸 楊鵬

[摘要]隨著數(shù)字時代的到來，Web 20以及Industry 40、物聯(lián)網(wǎng)（Internet）等數(shù)字技術(shù)相繼出現(xiàn)，物流及供應(yīng)鏈管理領(lǐng)域中的大數(shù)據(jù)呈爆發(fā)式增長，大數(shù)據(jù)分析在物流及供應(yīng)鏈管理中的應(yīng)用研究也面臨很大的挑戰(zhàn)。文章運(yùn)用文獻(xiàn)綜述的方式對于以往關(guān)于大數(shù)據(jù)分析在物流及SCM中應(yīng)用的相關(guān)研究進(jìn)行了總結(jié)，分別從大數(shù)據(jù)采集、儲存、分析、應(yīng)用、增值幾個方面開展，并對大數(shù)據(jù)分析在應(yīng)用中的問題以及未來的發(fā)展趨勢提出了一些有效建議。

[關(guān)鍵詞]物流;供應(yīng)鏈管理;大數(shù)據(jù);研究進(jìn)展

[DOI]1013939/jcnkizgsc201928164

1引言

隨著信息時代的到來，物流與供應(yīng)鏈領(lǐng)域的數(shù)據(jù)數(shù)量和規(guī)模呈爆發(fā)式增長，其數(shù)據(jù)采集主要來源于以下幾個方面：企業(yè)資源計(jì)劃（ERP）系統(tǒng)，分布式制造環(huán)節(jié)，訂單和裝運(yùn)過程，社交媒體反饋以及技術(shù)驅(qū)動的數(shù)據(jù)源如全球定位系統(tǒng)（GPS）、基于射頻識別（RFID）的跟蹤、移動設(shè)備、監(jiān)視視頻等。如何從大量的數(shù)據(jù)中挖掘出有價值信息，為企業(yè)降低成本、減少風(fēng)險，幫助組織改進(jìn)其供應(yīng)鏈設(shè)計(jì)和管理是目前面臨的一大問題。文章回顧并分類了大數(shù)據(jù)在物流及供應(yīng)鏈管理應(yīng)用的相關(guān)文獻(xiàn)，根據(jù)大數(shù)據(jù)的五個特性——采集、儲存、分析、應(yīng)用、增值分別進(jìn)行論述。

2供應(yīng)鏈管理及物流中的大數(shù)據(jù)采集

21大數(shù)據(jù)采集面臨的問題

在傳統(tǒng)的供應(yīng)鏈管理中，紙張和手工的數(shù)據(jù)采集方法得到了廣泛的應(yīng)用，但從這些方法中獲取的數(shù)據(jù)具有不完整性、不準(zhǔn)確性和不及時性的特征，因此，基于這些數(shù)據(jù)的決策通常是不合理的、不可執(zhí)行的。同時，現(xiàn)代數(shù)據(jù)采集技術(shù)在服務(wù)以及制造業(yè)領(lǐng)域方面也存在一些挑戰(zhàn)。首先，不同的采集器擁有不同的特定數(shù)據(jù)格式，這些格式通常是異構(gòu)和不兼容的，在這種情況下，數(shù)據(jù)集成就會變得非常困難。例如，在商業(yè)服務(wù)中，當(dāng)兩個類似的公司試圖合并他們的交易，數(shù)據(jù)不規(guī)范與不兼容將使其變成一項(xiàng)很困難的任務(wù)。其次，當(dāng)需要同時采集大量數(shù)據(jù)時，系統(tǒng)如果由于信號碰撞和中央處理器容量有限而被困，對金融服務(wù)業(yè)和國家安全物流產(chǎn)業(yè)也會造成一定影響。

22大數(shù)據(jù)采集技術(shù)與應(yīng)用

隨著智能自動識別、物聯(lián)網(wǎng)設(shè)備等數(shù)據(jù)采集技術(shù)的發(fā)展，越來越多先進(jìn)的數(shù)據(jù)采集器被應(yīng)用。這些數(shù)據(jù)采集器可以集成生物識別技術(shù)來區(qū)分各種用戶，語音控制系統(tǒng)以及自適應(yīng)機(jī)制使設(shè)備在不同的情況下更智能、更容易使用。對于服務(wù)業(yè)和物流業(yè)來說，移動智能數(shù)據(jù)采集器更為適合。因此，將物聯(lián)網(wǎng)技術(shù)嵌入到手機(jī)或其他實(shí)物中是一個非常有意義的技術(shù)。例如，裝有溫度傳感器和射頻識別（RFID）標(biāo)簽的盒子可以放置在帶有活動RFID的智能容器中，它能夠識別每一個盒子，然后集裝箱再由一輛裝有物聯(lián)網(wǎng)設(shè)備和全球定位系統(tǒng)（GPS）的智能車輛運(yùn)載。隨著尖端技術(shù)的飛速發(fā)展，智能的可穿戴設(shè)備有可能在不久的將來也應(yīng)用于供應(yīng)鏈中的各種數(shù)據(jù)采集。

此外，數(shù)據(jù)標(biāo)準(zhǔn)化也顯得至關(guān)重要。因此，需要對不同行業(yè)的標(biāo)準(zhǔn)方、數(shù)據(jù)庫供應(yīng)商和操作系統(tǒng)供應(yīng)商提供多種可選擇的實(shí)施標(biāo)準(zhǔn)。銀行、保險、醫(yī)藥和自動轉(zhuǎn)運(yùn)站等服務(wù)行業(yè)是有效施行客戶信息采集標(biāo)準(zhǔn)模式的絕佳領(lǐng)域。只有抓住了建立各種標(biāo)準(zhǔn)數(shù)據(jù)模型的黃金機(jī)會，才能實(shí)現(xiàn)更便捷和更快的信息共享。同時，還需重視的一點(diǎn)是使用數(shù)據(jù)標(biāo)準(zhǔn)的并行采集模型，在先進(jìn)的硬件設(shè)計(jì)和軟件算法的幫助下，并行數(shù)據(jù)采集方法有望在一秒鐘內(nèi)處理一個TB的數(shù)據(jù)大小。這為IT公司提供了機(jī)會，使其可以在不久的將來找到新的并行機(jī)制或硬件設(shè)備，以便快速可靠地捕獲數(shù)據(jù)。

3供應(yīng)鏈管理及物流中的大數(shù)據(jù)存儲

31大數(shù)據(jù)儲存研究意義

數(shù)據(jù)采集設(shè)備的完善，使人們能夠準(zhǔn)確地采集物流及供應(yīng)鏈領(lǐng)域中的數(shù)據(jù)，而龐大的數(shù)據(jù)群需要一個便捷高效的儲存方法來進(jìn)行存儲管理。大數(shù)據(jù)存儲的研究就是探索一種更有價值和效率的方式存儲和管理數(shù)據(jù)集群，以下對目前已提出的一些大數(shù)據(jù)儲存管理方法進(jìn)行了歸納整理。

32大數(shù)據(jù)存儲技術(shù)分析

Y Chan（2014）研究了在存儲和處理的數(shù)據(jù)量呈指數(shù)級增長，從而導(dǎo)致從商品集群到超級計(jì)算機(jī)的各種系統(tǒng)聚集在一起的情況下，在分布式環(huán)境中采用新的、高效的并行編程方法。Chepstov，Alexey（2014）討論了在云和高性能計(jì)算領(lǐng)域中使用的最先進(jìn)的主要并行技術(shù)，并在一個測試型高性能計(jì)算集群的示例文本處理應(yīng)用程序上對它們進(jìn)行了評估。Junjie Chen等研究了固態(tài)硬盤在高性能計(jì)算機(jī)（HPC）系統(tǒng)中的布局和部署策略，希望最大限度地提高性能，并給出了一個實(shí)際的固定硬件預(yù)算約束，提出了一種模型方法。此項(xiàng)研究將有助于指導(dǎo)包括Exascale系統(tǒng)在內(nèi)的當(dāng)前和計(jì)劃中的高性能計(jì)算機(jī)系統(tǒng)中的大數(shù)據(jù)應(yīng)用的設(shè)計(jì)和開發(fā)。Mesnier（2013）提出了另一種大數(shù)據(jù)存儲方法，這一方法基于對象的機(jī)制，即每個文件都有一個標(biāo)識符，用于索引數(shù)據(jù)及其位置。對象存儲系統(tǒng)能夠擴(kuò)展到一個非常大的容量，這樣企業(yè)就可以利用大數(shù)據(jù)作為DNS在Internet上進(jìn)行操作。

33大數(shù)據(jù)存儲模式轉(zhuǎn)換

Thomas Vanhove等提出了一個數(shù)據(jù)存儲模式之間的轉(zhuǎn)換框架。當(dāng)使用規(guī)范化數(shù)據(jù)模型時，框架可以很容易地?cái)U(kuò)展到其他數(shù)據(jù)存儲，框架在兩個不同的層次上執(zhí)行轉(zhuǎn)換，它使用批處理層轉(zhuǎn)換數(shù)據(jù)存儲的快照，而速度層轉(zhuǎn)換查詢，將新的或更新的數(shù)據(jù)插入數(shù)據(jù)存儲，在MySQL（關(guān)系型數(shù)據(jù)庫管理系統(tǒng)）和Cassandra（開源分布式NoSQL數(shù)據(jù)庫系統(tǒng)）之間給出了一個轉(zhuǎn)換。作為概念證明，在轉(zhuǎn)換時間和開銷方面，展示了轉(zhuǎn)換的正確性并提供了性能結(jié)果。

4供應(yīng)鏈管理及物流中的大數(shù)據(jù)分析

41大數(shù)據(jù)分析技術(shù)

大數(shù)據(jù)分析是商業(yè)分析中的一個新工具，它需要一些技術(shù)來處理大量的數(shù)據(jù)集。這些技術(shù)主要用于識別趨勢、檢測模式和采集信息，它們能夠?yàn)椴煌膽?yīng)用程序提供一系列核心技術(shù)和解決方案。甲骨文高級分析（OAA）將強(qiáng)大的數(shù)據(jù)庫內(nèi)算法和開源R算法相結(jié)合，實(shí)現(xiàn)了預(yù)測分析、高級數(shù)值計(jì)算和交互式圖形。SAP高性能分析設(shè)備（HANA）使用并行多核處理器技術(shù)管理龐大的數(shù)據(jù)庫，從而提供關(guān)于客戶移動和市場波動的各種預(yù)測分析解決方案。微軟提供了一個完整的平臺技術(shù)構(gòu)建可視化工具，從龐大的數(shù)據(jù)集中發(fā)現(xiàn)規(guī)律，從而對大數(shù)據(jù)進(jìn)行充分分析。IBM SPSS模型能提供可預(yù)測的智能分析，以幫助個人、群體、系統(tǒng)和企業(yè)做出決策。

42大數(shù)據(jù)分析實(shí)踐

大數(shù)據(jù)分析的實(shí)踐目前已經(jīng)得到了廣泛的報道，其主要目的之一是充分利用數(shù)據(jù)，在適當(dāng)?shù)臅r間為正確的用戶提供“正確的數(shù)據(jù)”，不同的公司可以根據(jù)自己的具體情況和問題進(jìn)行大數(shù)據(jù)分析。全球管理咨詢公司麥肯錫公司利用大數(shù)據(jù)分析技術(shù)為各公司提供了一套豐富的服務(wù)，以實(shí)現(xiàn)可持續(xù)的業(yè)績改善。例如，在金融領(lǐng)域，利用大數(shù)據(jù)分析，麥肯錫公司幫助小商業(yè)銀行升級服務(wù)?？偛课挥谖餮艌D的電子商務(wù)巨頭亞馬遜利用大數(shù)據(jù)分析技術(shù)對顧客的行為進(jìn)行預(yù)測，以便在顧客做出購買決定之前將貨物運(yùn)到他們手中。英特爾最近采用了大數(shù)據(jù)分析來加速開發(fā)和部署具有數(shù)據(jù)驅(qū)動作用的可穿戴應(yīng)用程序，將來自英特爾的許多工具和算法與基于云的數(shù)據(jù)管理系統(tǒng)集成在一起。大范圍的數(shù)據(jù)分析實(shí)踐正在進(jìn)行，以改善客戶關(guān)系管理，提高利潤率，尋找潛在市場，并從服務(wù)和管理兩方面進(jìn)行各種預(yù)測。

ApacheMaout尋求為工業(yè)應(yīng)用中的大規(guī)模和智能數(shù)據(jù)分析提供可伸縮和商業(yè)化的機(jī)器學(xué)習(xí)技術(shù)。這些知名行業(yè)的例子包括谷歌、亞馬遜、雅虎、ibm、Twitter和Facebook。它們在工業(yè)項(xiàng)目中實(shí)現(xiàn)了可伸縮的機(jī)器學(xué)習(xí)算法。因此，它們的許多項(xiàng)目都有很大的數(shù)據(jù)問題，ApacheMahout提供了一個緩解巨大挑戰(zhàn)的工具

ApacheMahout尋求建立一個充滿活力、響應(yīng)能力強(qiáng)、多樣化的社區(qū)，以便不僅在項(xiàng)目本身，而且在潛在的用例中進(jìn)行討論。因此，它的核心算法包括聚類、分類、模式挖掘、回歸、降維、進(jìn)化算法和基于批處理的協(xié)同過濾，通過Map-Reduce框架在Hadoop平臺上運(yùn)行。因此，對ApacheMahout庫的算法進(jìn)行了較好的設(shè)計(jì)和優(yōu)化，使其具有良好的性能和性能。它還包含了許多非分布式算法

5供應(yīng)鏈管理及物流中的大數(shù)據(jù)應(yīng)用

51大數(shù)據(jù)應(yīng)用研究意義

大數(shù)據(jù)在物流與供應(yīng)鏈管理中的應(yīng)用對于正確做出供應(yīng)鏈決策，降低企業(yè)風(fēng)險，以及提高供應(yīng)鏈靈敏度，減少成本等方面是十分有利的。隨著數(shù)據(jù)采集與儲存分析技術(shù)的日漸完善，大數(shù)據(jù)在物流和供應(yīng)鏈管理中的應(yīng)用研究也愈加深入。

52大數(shù)據(jù)在供應(yīng)鏈決策中的應(yīng)用

Basole和Nowak（2017）研究了跟蹤技術(shù)在供應(yīng)鏈中的應(yīng)用，他們根據(jù)制度理論和交易成本，對影響跟蹤技術(shù)同化的因素進(jìn)行分析，這項(xiàng)研究的結(jié)果可以為參與在供應(yīng)鏈中部署跟蹤技術(shù)的決策者提供信息。

Yu等（2017）探討了數(shù)據(jù)驅(qū)動供應(yīng)鏈能力對中國制造公司財(cái)務(wù)績效的影響，提出了一種基于結(jié)構(gòu)方程建模的數(shù)據(jù)分析方法。研究結(jié)果表明，供應(yīng)鏈合作伙伴之間的協(xié)調(diào)和供應(yīng)鏈對市場需求變化的快速響應(yīng)與組織較佳的財(cái)務(wù)業(yè)績呈正相關(guān)。

Choi（2017）在社交媒體觀察、需求預(yù)測更新以及具有有限理性的零售商的幫助下，評估了時尚的快速響應(yīng)計(jì)劃。Singh等人（2017）提出了一種大數(shù)據(jù)方法，用于分析來自Twitter的社交媒體數(shù)據(jù)，以及識別現(xiàn)有供應(yīng)鏈和食品物流管理方面的問題。這項(xiàng)研究可以讓決策者了解如何改進(jìn)食品供應(yīng)鏈和物流管理的各個環(huán)節(jié)。

53大數(shù)據(jù)在貨運(yùn)績效評估中的應(yīng)用

Flaskou M等人開發(fā)一種處理原始GPS數(shù)據(jù)的方法，并規(guī)定了貨運(yùn)性能指標(biāo)，提出了兩種估計(jì)雙向鏈路速度和分析卡車行程的算法。

Arun Kuppam等人從兩個方面進(jìn)行了研究：一是貨車GPS數(shù)據(jù)的處理;二是建立基于旅游的卡車模型，還討論了這些離散選擇模型的校準(zhǔn)和驗(yàn)證。

Chen-Fu Liao在以往研究貨運(yùn)機(jī)動性和可靠性的基礎(chǔ)上，開發(fā)了卡車GPS數(shù)據(jù)分析方法，根據(jù)行車路線、路段、時間等指標(biāo)，推導(dǎo)出卡車的機(jī)動度、延誤度、可靠性等指標(biāo)，并對其進(jìn)行統(tǒng)計(jì)分析。

Xia Yang等人提出了一種使用逐秒GPS數(shù)據(jù)的程序和方法，從流動性、燃料消耗和排放三個重要方面對城市貨運(yùn)績效進(jìn)行評估。

Qi Gong等人提出正則回歸模型，獲得所觀察到的出行時間的最大可能化，同時也減少了速度估計(jì)中的額外波動，利用實(shí)際走廊環(huán)路檢測器數(shù)據(jù)模擬的稀疏車輛定位數(shù)據(jù)，對模型的性能進(jìn)行了評價，該模型能夠恢復(fù)走廊的真實(shí)速度圖?；谒俣裙烙?jì)的鏈路行程時間的研究表明，該方法在基準(zhǔn)鏈路行程時間分配上有了很大的改進(jìn)，特別是在擁擠的地區(qū)或在速度差異很大的鏈路上。

6供應(yīng)鏈管理及物流中的大數(shù)據(jù)增值

大數(shù)據(jù)增值是基于大數(shù)據(jù)的儲存和分析之上的，這兩個階段可以提供巨大的價值，使人們能夠作出明智的戰(zhàn)略性決策，從而提高了應(yīng)用速度和準(zhǔn)確性。兩者結(jié)合所形成的大數(shù)據(jù)戰(zhàn)略應(yīng)用增值，具有巨大的實(shí)用價值，為供應(yīng)鏈管理和物流領(lǐng)域的發(fā)展提供更強(qiáng)大的支撐。

Geerts等人在《支持一系列數(shù)據(jù)架構(gòu)中的多個視圖的標(biāo)準(zhǔn)經(jīng)濟(jì)現(xiàn)象》一文中，定義了一個利用單個事物（對象）標(biāo)識信息的可用性的本體。從一組本體論原語開始，逐步定義了結(jié)構(gòu)化原則，這些原則為供應(yīng)鏈系統(tǒng)的設(shè)計(jì)提供了指導(dǎo)，這些系統(tǒng)的特點(diǎn)增加了可視性和互操作性，并促進(jìn)了供應(yīng)鏈活動的管理和協(xié)作決策。

Richard Addo-Tenkorang等人在供應(yīng)鏈架構(gòu)中提出了一個高效和可持續(xù)的“大數(shù)據(jù)ii”框架，用于工業(yè)運(yùn)營，以獲得產(chǎn)業(yè)競爭優(yōu)勢和創(chuàng)新的連鎖管理。Am等人從工業(yè)運(yùn)作以及制造業(yè)供應(yīng)鏈管理等方面全面討論了再加工挑戰(zhàn)。

Zhenyu Liu提出了用于性能測試的技術(shù)，該技術(shù)為大數(shù)據(jù)應(yīng)用提供了測試目標(biāo)分析、測試設(shè)計(jì)、負(fù)載設(shè)計(jì)。

7結(jié)論與未來研究建議

71結(jié)論

文章從大數(shù)據(jù)的采集、儲存、分析、應(yīng)用以及增值五個方面回顧了大數(shù)據(jù)在物流及供應(yīng)鏈管理的相關(guān)文獻(xiàn)和研究。大數(shù)據(jù)的不斷發(fā)展在物流和供應(yīng)鏈管理中展示出了巨大的價值和潛力。大數(shù)據(jù)日益成為各行各業(yè)需要考慮的主要企業(yè)組織力量，也是發(fā)現(xiàn)新的機(jī)遇和價值的重要途徑，是企業(yè)和供應(yīng)鏈管理者做出決策的重要依據(jù)。但是，大數(shù)據(jù)龐大的數(shù)量以及爆發(fā)式的增長速度，使其應(yīng)用面臨更大挑戰(zhàn)。盡管應(yīng)用領(lǐng)域有許多研究在嘗試解決這些問題，但對大多數(shù)企業(yè)來說，及時有效地處理大數(shù)據(jù)仍然是一項(xiàng)龐大而又極其復(fù)雜的任務(wù)。

72未來研究建議

文章認(rèn)為如何利用新的工具和技術(shù)來支持大數(shù)據(jù)在供應(yīng)鏈管理和物流中的應(yīng)用，從而提高數(shù)據(jù)質(zhì)量，以使公司和供應(yīng)鏈管理者實(shí)現(xiàn)高水平的業(yè)務(wù)價值，是未來一個有意義的研究途徑。事實(shí)上，目前關(guān)于這方面的研究也有許多發(fā)現(xiàn)，諸如云計(jì)算、RFID、Map-Reduce等，隨著技術(shù)日新月異，這方面的研究還應(yīng)繼續(xù)深入下去，這些技術(shù)的發(fā)展為大數(shù)據(jù)的應(yīng)用帶來了怎樣的影響也應(yīng)該進(jìn)一步研究。另外，評估大數(shù)據(jù)分析以提高公司內(nèi)部和公司間效率也是未來一個可研究的方向，例如，找出瓶頸、改進(jìn)預(yù)測維護(hù)供應(yīng)鏈。再者，評估與大數(shù)據(jù)數(shù)字化有關(guān)的成本應(yīng)列入今后的研究方向中。

參考文獻(xiàn)：

[1]ZDEN ENGIN AKICI，HARRY GROENEVELT，ABRAHAM SEIDMANNUsing RFID for the management of pharmaceutical inventory—system optimization and shrinkage control[J]. Decision Support System，2011，51 （4）：842-852

[2]CHAE，BONGSUG （KEVIN）Insights from hashtag supplychain and Twitter analytics： considering Twitter and Twitter data for supply chain practice and research[J]. International Journal Production Economics，2015， 165 （7）：247-259

[3]CHRISTOPHER， MARTIN，RYALS， LYNETTE JThe supply chain becomes the demand chain[J]. Journal of Business Logistics，2014，35 （1）：29-35

[4]RAY Y ZHONG，GUOQUAN HUANG，SHULIN LAN，ET ALAbigdataapproachforlogisticstrajectory discoveryfromRFID-enabledproductiondata[J]. International Journal Production Economics，2015， 165 （7）：260-272

[5]RAY Y ZHONG，SHULIN LAN，CHEN XU，ET ALVisualization of RFID-enabled shopoor logistics big data in cloud manufacturing[J]. International Journal Advanced Manufacturing Technology，2015，84 （1-4）：5-16

[6]KIMHUA TAN，YUANZHU ZHAN，GUOJUN JI，ET ALHarvesting big data to enhance supply chain innovation capabilities： an analytic infrastructure based on deduction graph[J]. International Journal Production Economics，2014，165 （7）：223-233

[7]SHUKLA， NAGESH，KIRIDENA， SENEVIA fuzzy rough sets-based multi-agent analytics framework for dynamic supply chain conguration[J]. International Journal of Production Research，2016，54 （23）：6984-6996

[8]MATTHEW A WALLER，STANLEY E FAWCETTClick here for a data scientist： big data， predictive analytics， and theory development in the era of a maker movement supply chain[J]. Journal of Business Logistics，2013，34 （4）：249-252

[9]AKSHIT SINGH，NISHIKANT MISHRA，SYED IMRAN ALI，ET ALCloud computing technology： reducing carbon footprint in beef supply chain[J]. International Journal Production Economics，2015， 164（6）：462-471

[10]KANNAN GOVINDAN，HAMED SOLEIMANI，DEVIKA KANNANReverse logistics and closed-loop supply chain： a comprehensive review to explore the future[J]. European Journal Operational Research，2014，240 （3）： 603-626

[基金項(xiàng)目]2018年度湖南省大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃項(xiàng)目《大數(shù)據(jù)分析在物流及供應(yīng)鏈管理中的應(yīng)用研究進(jìn)展》（項(xiàng)目編號：20181153201）; 2018年度湖南省社會科學(xué)成果評審委員會課題（項(xiàng)目編號：XSP18YBZ131）。