张夏恒　马天山

摘要 随着网络购物的飞速发展，物流成为主要的制约瓶颈。大数据时代的到来，带来思维方式的冲击，也为物流增值服务提供了新视角。通过数据库的建立、大数据的分析和处理，建立物流需求细分，结合相关性分析，满足消费者各类物流细分需求，并及时有效的提供各类预测，降低逆向物流的发生概率，真正实现物流增值的目的。

关键词 物流工程；增值；大数据；网络购物；预测；相关性

[中图分类号]F724 [文献标识码] A [文章编号]1673-0461（2015）11-0029-05

一、引 言

伴随着互联网技术的发展，“大数据”成为继“物联网”和“云计算”之后的时代主题词，对社会生活的各方各面都产生了深远的影响。海量数据催生了信息或数据的收集、存储、分析、处理、挖掘和应用的全新技术体系，并将之应用到各行各业。据发改委和商务部数据，2013年中国社会物流总费用占GDP比率为18%，该比重多年来一直持续在18%左右，高出世界平均水平6.8%。根据中国物流与采购联合会调查报告资料，中国物流企业来自于基础性服务的收益约占85%，而仅有15%的收益来自于增值服务和物流信息技术与支持物流的财务服务。在大数据背景下，重点探析大数据对网络购物的物流增值的影响，尝试研究如何将大数据的优势植入到物流增值服务中。

二、“大数据”时代的到来

“大数据”这一概念始见于1980年，阿尔温·托夫勒将“大数据”赞誉为“第三次浪潮的华彩乐章”。[1]限于当时信息技术发展的制约，“大数据”并未形成一个准确的定义。伴随信息技术的发展，收集与处理海量数据有了技术保证。大数据成为继“物联网”和“云计算”之后，IT产业的又一次颠覆性的技术革命。[2]对大数据收集与分析的设想并非源于某些实体企业，而是源于非实体的管理咨询公司麦肯锡公司。[3]麦肯锡2011年在一篇研究报告中提到“大数据是指大小超出了典型数据库工具收集、存储、管理和分析能力的数据集”，预示着“大数据”时代的来临。[4]可见，大数据的定义是相对目前可用的技术而言的。此后，权威咨询公司Gartner又对大数据进行了定义“在一个或多维度上超过传统信息技术的处理能力的极端信息管理和处理问题。”①美国国家科学基金会（NSF）将大数据定义为一个数据集，该数据集是基于由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式的。②相对于“海量数据”和“大规模数据”，大数据与之一脉相承，但在数据产生速度、复杂性和容量上已远远超出了传统的数据形态。数据复杂性继续增长，实时性和多样性等特征日益显著，标志着“大数据”时代已经到来。[5]

三、 研究现状与研究视角

（一）“大数据”的研究现状

伴随着大数据时代的到来，数据骤然井喷，对社会各方面的影响颇多。国际数据公司（IDC）的研究报告显示，2011年全球被创建和被复制的数据总量超过1.8ZB，且增长趋势遵循新摩尔定律（全球数据量大约每两年翻一番），预计2020年将达到35ZB。[6]大数据已经撼动了世界的方方面面，从商业科技到医疗、教育、政府、经济及社会的其他各个领域。[7]《Nature》杂志2008年的专刊《Big Data：Science in the Petabyte Era》③和《Science》杂志2011年的专刊《Dealing with Data》④分别从互联网技术、互联网经济学、超级计算、环境科学、生物医药等多方面讨论大数据处理和应用专题。

“大数据”的含义超越了“大”或是“数据”的含义。[8]此时的数据在海量信息的基础上，已不拘泥于传统意义上的数字和数据，还包括图片、语义、文字、音频、视频等。伴随着信息技术的日新月异，以及在社会、文化、经济、生活众多领域的不断渗透，借助移动转动、分布式处理、物联网和云计算等新兴技术和应用模式，数据的产生不拘泥于时间、地点和空间的制约，全球随时产生的数据呈现爆炸式的增长趋势。[9]大数据时代的到来，人们通过对数据，尤其是互联网环境下产生的各式各样的数据，进行交换、整合和分析，方可发现新的知识，创造新的价值，带来大知识、大科技、大利润和大发展。[10]大数据时代产品及服务创新的另一个典型特征就是实时化、个性化的产品及服务设计。[11]

（二）物流增值的研究现状

中国物流与采购协会将物流增值定义为“在完成物流基本功能基础上，根据客户需求提供的各种延伸业务活动”。物流包含两部分：一是物流基本服务，包括提供仓储、包装、运输、配送等服务；二是物流增值，即能够满足的特定要求，显著增加客户价值，围绕物流服务而展开的创新性服务。[12]物流增值是在物流基本服务上，对服务需求进行细分，对服务的品种进行创新的过程。物流基本服务是增值服务的起点，尤其是运输、仓储、信息集成、存货管理、订单处理、物料采购等，都是进行物流增值延伸的起点。[13]相对于基本服务，物流增值是一种深层次的物流服务，需要在了解物流需求后，提出特殊增值服务；物流增值是在物流基本服务前提下，通过增加投入取得增值，需要收取额外的费用；物流增值又具有时效性，伴随物流服务水平的提高，原有的物流增值将会演变成基本服务。[14]物流增值是物流业发展到一定阶段的必然产物，是物流业成熟的标识，是中国物流业的发展趋势。[15]

学术界针对物流增值的研究比较分散，大多从物流企业的角度研究，尤其是研究第三方物流企业如何实现物流增值。这些研究成果对网络购物的物流增值研究提供了有益的方法和借鉴。周永明（2007）研究了物流增值的内涵，提出物流增值的种类以及实现途径。[14]周德苏（2007）从第三方物流企业的角度研究物流增值的必要性。[16]孙福东（2013）从物流公司角度提出物流增值策略，分别从降低物流成本、加强企业创收能力、收入增量大于成本增量等方面提出增值策略。[17]endprint

（三）研究视角

在网络购物中，实现交易的最后一个环节是物流，物流在网络购物整体链条中起至关重要的作用，是影响消费者对网络购物满意度的重要指标。根据CNNIC在2011年发布的资料，物流环节整体满意度不甚理想，仅有75.1%。消费者认为送货时间过长，送货时货品有损坏或丢失，物流人员态度不好，物流过程无法及时了解，物流费用过高等。这些问题，让物流行业饱受消费者所诟病。在互联网盛行的现代社会，人与人之间通过互联网的互动、联系与交流普遍而频繁，已成为网络购物环境下的最重要特征。这种互动、联系和交流所产生的数据与信息对消费者行为、企业经营绩效及企业与消费者关系产生较为深远的影响。[18]借助专业的数据分析工具与技术，利用行为分析和商务智能等手段，在社会化的网络环境下，以集成的视角深入挖掘研究其海量且动态的数据，准确识别个性化的行为特征，重点研究消费者对产品或服务的行为与偏好，企业舆情的实时、精确采集与分析，消费者行为对企业行为决策及预警决策的产生颇多影响。

不仅如此，通过消费者需求或行为数据研究，可以精确掌握消费者的心理特点、生活习惯、消费习惯，能够对消费者进行精确细分，在标准化服务的基础上通过提供新的个性化的产品或服务，提高消费者的忠诚度和创造消费者的黏性。大数据可以让消费者方便参与到消费全过程，企业能够有效获取消费者信息，通过这些信息衍生出价值，不仅可以为企业创收，还能全面提高消费者的满意度。

四、 大数据的特征与带来的冲击

无论是组织还是个人都可以通过大数据获得新的知识，大数据是创造新价值的源泉。大数据时代到来后，无论是市场结构、经济运行模式、企业与消费者关系、组织或个人的思维方式、消费者的消费感知都带来了巨大的冲击。许多在小规模数据基础上无法做到的事情，可以在大规模数据的基础上实现。[7]

（一）大数据的特征

通过分析大数据的定义，能够总结出其代表性的显著特征，其中经典的显著特征是3V，即大数据需要满足3个特征，即规模性（Volume）、多样性（Variety）和快速性（Velocity）。[19]此外，还有4V特征的提法，在3V基础上增加了1个新特征。但是针对第4个V的提法尚未统一，IDC提出大数据还有价值性（Value）特征[20]，IBM公司则提出大数据还具有真实性（Veracity）的特征[21]。

（二）大数据对思维方式的冲击

大数据在处理信息时对思维方法带来三方面的冲击与转变，即强调全体杜绝抽样，聚焦效率而非精确，强调相关性并非因果性。[7]

在过去，由于缺乏必要的技术支持，无法获取全体样本，或者获取的成本极高，所以多采用抽样调查。大数据时代，可以轻松获取更多的数据。依托云计算和物联网，不仅能够获取足够大的样本数据甚至全体数据，更使对数据的分析成为可能，甚至还可以处理和某个特别现象关联的所有数据，无需再依赖抽样调查。

抽样调查时，在运算上讲究精确，精确的运算以耗费时间为代价。大数据复杂多样，优劣混杂，数据更新更是急速的。数据分析的目的是进行多种决策，而非数据分析本身。拥有大数据后，已经不需再对事物探其究竟。海量的即时数据，可以忽视绝对的精确，进而专注于快速获得大概的轮廓和发展态势，所以需要聚焦效率而非精确。

在大数据时代，需要寻找事物之间的相关关系，而非因果关系。大数据体现出“是什么”，并非“为什么”。通过相关性分析，可以找出大数据里隐含的相关关系网。通过找到一个现象良好的关联物，可以帮助捕捉现在和预测未来。[7]

五、 如何运用大数据实现物流增值

（一）网络购物的物流增值服务现状

B2C和C2C在网络购物中发展相对成熟，市场活跃度较高，选取代表性B2C和C2C企业作为样本，进行资料收集和数据分析。代表性企业有天猫商城、京东商城、卓越亚马逊、当当网和淘宝网，以表1中的物流指标为调查内容，通过对样本物流现状的整理，具体成果如下。

（1）付款多样化：在线支付是必备的支付方式。此外，还有其他多种支付方式，比如货到付款、分期付款、银行转账、邮局汇款等。在货到付款时，消费者还可以选择POS刷卡、现金等方式。

（2）物流实时查：通过订单提供的物流单号，可以在物流公司网站上查询物流状态，或者在购物网站上查询物流状态。但是这种查询具有滞后性、不全面性，还存在物流查询功能的僵尸化，只是一个功能的摆设，无法实际使用。一些网络购物的做法比较超前和人性化，无论通过邮箱还是手机，消费者能够及时接收到不同物流节点时的状态。

（3）物流分类选：提供普通运输、平邮、加急运输等不同方式。根据方式差异收取相应费用。差异化可以满足不同的物流需求，如果追求物流速度，选择加急方式；如果不需要多付出物流费用，则可以选择普通的方式。

（4）配送多样化和送货分段选：逐步提供多样化的方案，尤其是在大件物品或者从方便和隐私保密的角度，提供多种配送方案或者根据实际需求来选择送货时间段。在配送方式上，通过对样本资料收集和整理，有门店自提、物流点提取、送货到楼、送货入户等。在配送时间段上，有工作日配送、夜间配送、周末及节假日配送、预约配送等。

（5）运费险：货品在运输和配送过程中会出现丢失、破损或毁坏的情况，这也是消费者抱怨较多的地方。目前，部分网络购物提供运费险服务，给物流配送上保险。不同的是，有的把运费险当作一种促销手段，免费提供给消费者；而有的作为一个可选的附件服务内容，根据个人意愿决定是否选择，并需为之支付费用。

此外，一些网络购物企业在物流服务方面不断尝试创新，通过物流增值来提升消费者满意。通过物流来增加销售，使物流服务成为一种促销的手段。比如，提供物流包季卡、短信货到付款、退换货实时查询、物流预警、保障速递服务、代收货款、试穿试用、一日多配、半收半退、送装同步等。endprint

（二）运用大数据实现物流增值的策略

1. 利用大数据，建立消费者物流消费过程的各类数据库

大数据时代，通过物联网和云计算等先进技术，能够有效记录消费者在网络购物及物流消费过程中的各种痕迹，为数据库的建立提供了技术保障和数据基础。由于大数据时代的数据保障，可以建立起各类消费数据库，包括消费习惯数据库、物流服务价格和结构数据库、物流投诉数据库等等。通过数据库的建立，为分析物流满意、提供合理物流价格和结构、预测物流需求等提供了基础和保障。

2. 通过数据库分析，对物流需求进行细分

在数据处理中，核心关键技术的应用，实现了对数据库的处理与分析，并确保了数据处理的时效性。在网络购物中，消费者的结构、流量、点击率、购买周期等，都会在电子商务平台产生海量的数据，通过对大数据的收集、整理和分析，能够轻松有效地掌握消费者的心理特点、生活习惯、消费习惯，通过对建立起来的各类数据库分析与研究，帅选出消费者的个体差异和需求特征等，并据此进行消费者需求细分，为提供差异性的物流服务和增值服务提供了依据和可能。

3. 针对物流需求细分，满足消费者的个性化需求

不同消费者，对运费价格、物流和配送模式、配送时间、付款方式的需求表现不一。通过大数据的应用，获得物流需求细分结果。针对细分需求，依据所能提供的物流服务水平，提供个性化、差异性的物流满足。比如，有的消费者希望在下班时间配送，有的对物流价格比较敏感，有的需要安全送到但对时间不敏感，有的则需要隐秘性的物流包装，诸如此类的物流细分体现出消费者物流需求的差异性。通过分析消费者细分后的物流需求，提供服务满足，体现了物流增值服务的价值。

4. 通过分析物流消费过程的相关因素，对增值服务提供预测

通过分析消费者物流消费过程中的相关因素，比如消费者需求、购买频次、购买方式、投诉内容、物流配送周期等相关因素，有效预测消费者的消费意愿，消费者对物流服务的需求内容，主动提供个性化的服务预测。此外，可以分析仓库管理、物流管理，结合天气、地理等外部数据，为优化物流服务价格与结构提供预测，同时为物流优化、供应链协同等提供预测。

5. 利用大数据资源，降低逆向物流的发生概率

逆向物流的形成有很多原因，也会发生在终端消费者、零售商、批发商、运输商等任何一个节点上。降低逆向物流的发生概率，已成为降低成本、增加消费者满意度、强化竞争优势的重要手段。通过大数据的应用，针对不同的消费者物流细分需求，利用相关性分析的结果，有效预测在不同物流节点中出现逆向物流的概率，针对概率高的情况提出有效措施，降低其产生的概率。当出现消费者物流投诉或退换货时，利用大数据的时效性，针对消费者特征，及时有效的提出应对措施，第一时间处理，提出正确可行的逆向物流解决方案，不仅能够留住现有消费者，还能够挖掘潜在消费者，进而保持较高的消费者忠诚度。

六、结 论

网络购物市场的快速增长，促进了物流产业的发展。但是物流产业的发展无法匹配网络购物市场发展，已成为制约其发展的主要瓶颈。中国现有网络购物市场的物流多集中在物流基本服务上，在物流增值上存在很多欠缺。大数据时代的到来，为物流增值服务提供了新的视角。针对大数据的4V特征，利用其对思维方式的冲击，能够有效建立起各种物流服务数据库，进而细分出消费者的不同物流需求。利用相关性分析，满足物流消费过程中的消费者差异性、个性化需求，通过提供有效及时的预测服务，确保消费者的细分物流需求得到满足，并降低网络购物中逆向物流的发生概率，真正实现物流增值的目的。

[注 释]

① http：//www. gartner. com/it-glossary/big-data/.

② http：//www. nsf. gov/funding/pgm_summ. jsp？ pims_id= 504767.

③ http：//www. nature. com /nature/journal/v455/n7209/ edsumm/ e080904-01html.

④ http：//www. sciencemag. org/site/special/data /.

[参考文献]

[1] [美]阿尔温·托夫勒. 第三次浪潮[M]. 朱志焱，潘琪，张焱，译.北京：三联书店出版社，1980.

[2] Bughin J.，Chui M.，Manyika J..Clouds，big data，and smart assets： Ten tech-enabled business trends to watch[J]. McKin-sey Quarterly，2010（8）：1-14.

[3] 卞友江.“大数据”概念考辨[J]. 新闻研究导刊，2013（5）：25-28.

[4] Big data：The Next Frontier for Innovation. Competition and Produ-ctivity[EB/OL]. http：//www.mckinsey.com/insights/mgi/research/tec-hnology_and_innovation/big_data_the_next_frontier_for_innovation， 2013：1，24.

[5] Hilbert M. ，Lopez P. . The world's technological capacity to store，communicate and compute information[J]. Science，2011，332（6025）： 60-65.

[6] Gantz J.，Reinsel D.. 2011 Digital Universe Study：Extracting Value from Chaos[M]. IDC Go-to-Market Services，2011.endprint

[7] [英]维克托·迈尔-舍恩伯格，肯尼思·库克耶. 大数据时代：生活、工作与思维的大变革[M]. 盛杨燕，周涛，译. 杭州：浙江人民出版社，2012：15，9，17-18，72.

[8] 涂子沛. 大数据[M]. 桂林：广西师范大学出版社，2012.

[9] Lynch，Clifford. Big data：How do your datagrow[J]. Nature，455.72 09 （2008）：28-29.

[10] Aral S.，Walker D.. Creating social contagion through viral product design：A randomized trial of peer influence in networks[J]. Management Science，2011，57（9）：1623-1639.

[11] 冯芷艳，郭迅华，曾大军. 大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报，2013，1（1）：1-9.

[12] 何明珂. 物流系统论[M]. 北京：高等教育出版社，2004：374.

[13] 张劲珊. 物流电子商务[M]. 北京：清华大学出版社，2011：204 .

[14] 周永明. 论物流增值的含义及实现途径[J]. 改革与战略，2007（11）：106-108.

[15] 杨爱民，李芬. 多样化的物流增值模式——供应链和客户关系理论在物流服务中的创新[J]. 武汉理工大学学报（社会科学版），2002，5（10）：470-473.

[16] 周德苏，张海涛. 对第三方物流企业发展增值服务的分析[J]. 商场现代化，2007（8）：143-144.

[17] 孙福东. 物流业务增值策略研究[J]. 中国海洋大学学报（社会科学报），2013（1）：58-61.

[18] Ghose A.，Han S.P.. An empirical analysis of user content genera-tion and usage behavior on the mobile internet[J]. Management Science，2011，57（9）：1671-1691.

[19] Grobelnik. Big-data computing：Creating revolutionary breakthro-ughs in commerce，science and society[R/OL]. 2012-10-02. http：//videolecture. net/cswc2012_grobelnik_big_data/.

[20] Barwick H. The "four Vs"of Big Data. Implementing Information Infrastructure Symposium[EB/OL]. 2012-10-02. http：//www. computerworld. com. au/article/396198/iiis_four_vs_big_data/.

[21] IBM. What is big data？[EB/OL]. 2012-10-02. http：//www-01. ibm. com/software/data/bigdata/.

（责任编辑：张丹郁）endprint