大数据时代郑明公司的机遇与发展对策

《大数据时代郑明公司的机遇与发展对策》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、大数据时代郑明公司的机遇与发展对策一、定义大数据（bigdata）,指无法在可承受的时间范围内用常规软件工貝进行捕捉、管理和处理的数据集合，是需耍新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。二、人数据的具体应用物流企业」E-•步一步地进入数据化发展的阶段，物流企业I'可的竞争逐渐演变成数据间的竞争。大数据能够让物流企业能够有的放矢，甚至可以做到为每一个客户量身定制符合他们自身需求的服务，从而颠覆整个物流业的运作模式。日前，人数据在物流企业屮的应用主要包括以下几个方

2、面。（1）市场预测商品进入市场后，并不会一直保持最高的销量，是随着吋间的推移，消费者行为和需求的变化而不断变化的。在过去，我们总是习惯于通过采用调查问卷和以往经验來寻找客户的來源。而当调查结果总结出來时，结果往往已经是过时的了，延迟、错误的调查结果只会让管理者对市场需求做出错误的信计。而人数据能够帮助企业完全勾勒出其客八的行为和需求信息，通过真实而冇效的数据反映市场的盂求变化，从而对产品进入市场后的各个阶段作出预测，进而合理的控制物流企业库存和安排运输方案。（2）物流中心的选址物流中心选址问题要求物流企业在充分

3、考虑到口身的经营特点、商品特点和交通状况等因素的基础上，使配送成木和匿定成木等之和达到最小。针对这一问题，可以利用人数据中分类树方法来解决。（3）优化配送线路配送线路的优化是一个典型的非线性规划问题，它一点影响着物流金业的配送效率和配送成本。物流企业运用大数据来分析商品的特性和规格、客户的不同需求（时间和金钱）等问题，从而用最快的速度对这些彫响配送计划的因素做岀反映（比如选择哪种运输方案、哪种运输线路等），制定最合理的配送线路。而且企业还可以通过配送过程中实时产生的数据，快速地分析出配送路线的交通状况，对事故多

4、发路段的做出提前预警。精确分析配送整个过程的信息，使物流的配送管理智能化，捉高了物流企业的信息化水平和口J预见性。（4）仓库储位优化合理的安排商晶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。对于商品数虽多、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，都可以通过人数据的关联模式法分析出商品数据间的和互关系來合理的安排仓库位置。三、郑明的机遇而对海量数据，物流企业在不断加大大数据方而投入的同吋，不该仅仅把人数据看作是一种数据挖掘、数据分

5、析的信息技术，而应该把人数据看作是一项战略资源，充分发挥大数据给物流企业带来的发展优势，在战略规划、商业模式和人力资木等方面作出全方位的部署。（1）信息对接，掌握金业运作信息在信息化时代，网购呈现出一种不断增长的趋势，规模已经达到了空前巨大的地步，这给网购之示的物流带来了沉重的负担，对每一个节点的信息需求也越来越多。每一个环节产牛的数据都是海量的，过去传统数据收集、分析处理方式己经不能满足物流企业对每一•个节点的信息需求，这就需耍通过大数据把信息对接起来，将每个节点的数据收集并且整合，通过数据中心分析、处理转化

6、为冇价值的信息，从而掌握物流企业的整体运作情况。（2）捉供依据，帮助物流金业做出正确的决策传统的根据市场调研和个人经验来进行决策已经不能适应这个数据化的时代，只冇真实的、海最的数据才能真正反映市场的需求变化。通过对市场数据的收集、分析处理，物流企业可以了解到具体的业务运作情况，能够清处地判断出哪些业务带來的利润率高、增长速度较快等，把主耍精力放在真正能够给企业带来高额利润的业务上，避免无端的浪费。同时,通过对数据的实时掌控，物流企业还可以随时对业务进行调整，确保每个业务都可以带来赢利，从而实现髙效的运营。（3）

7、培养客户粘性，避免客户流失网购人群的急剧膨胀，使得客八越來越重视物流服务的体验，希望物流企业能够提供最好的服务，具至掌控物流业务运作过程屮商品配送的所有信息。这就需要物流企业以数据屮心为支撐，通过对数据挖掘和分析，合理地运用这些分析成果，进一步巩固和客户之间的关系，增加客户的信赖，培养客户的粘性，避免客户流失。（4）数据“加工”从而实现数据“增值”在物流企业运营的每个环节中，只冇一小部分结构化数据是町以直接分析利用的，绝大部分非结构化数据必须要转化为结构化数据才能储存分析。这就造成了并不是所有的数据都是准确的、

8、有效的，很大一部分数据都是延迟、无效、甚至是错误的。物流企业的数据中心必须要对这些数据进行“加工”，从而筛选出冇价值的信息，实现数据的“增值”。四、存在的问题及对策物流金业信息系统中拥有数万亿字节的用八信息、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而临着数据质量、管理政策、资金投入等诸多方而的挑战。只