大数据时代郑明现代物流管理问题系统优化方案-酱香毛毛虫队

《郑明杯》物流设计大赛l2023/10/31题目：大数据时代郑明现代物流系统问题优化方案参赛组名：酱香毛毛虫参赛成员：周素宇温燕怡曾露陈水清陈永菁指导老师：刘广海目录摘要 -1-第1章绪论 -2-1.1选题的背景及意义 -2-1.1.1上海现代物流概况 -2-研究背景 -2-1.1.3工程研究意义 -3-1.2上海郑明现代物流现存的几大问题 -3-信息问题 -4-技术问题 -4-企业内部问题 -5-1.3行业内部现状及郑明现代物流企业的末端配送实验 -5-1.4解决存在问题的必要性 -6-第2章大数据理论及应用现状 -8-2.1大数据的背景和内涵 -8-2.2大数据的特点 -10-2.3大数据的分析方法 -11-2.4物流企业运用大数据的优势 -13-2.5大数据在物流行业中的具体应用 -14-实例解析物流企业如何有效运用大数据 -15-2.5.2ZM公司运用大数据技术的必要性 -17-第3章基于大数据下信息问题的优化方案 -20-3.1ZM公司客户关系管理问题与优化方案 -20-3.1.1ZM公司客户关系管理问题现状 -20-客户关系管理实施根本原理 -21-3.1.3ZM公司内部当前CRM现状 -21-3.2ZM公司大数据下CRM实施框架理论步骤与实际策略运用 -22-客户信息收集 -22-客户信息分析 -23-客户信息输出 -25-3.2.4ZM公司客户生命周期利润下的客户价值矩阵分析及CRM策略 -25-3.3大数据下ZM公司对可视化仓储的优化方案 -28-3.3.1ZM公司仓储可视化问题现状 -28-3.3.2ZM公司可视化仓储信息系统的工作机制 -28-3.4ZM公司末端配送问题 -35-3.4.1ZM末端配送问题问题现状 -35-遗传算法的原理及步骤和意义 -36-模型构建 -38-模型的应用 -40-多源点配送问题 -38-本章小结 -39-第4章基于大数据下技术问题的优化 -40-4.1ZM公司温湿度控制系统的建设 -40-4.1.1ZM公司温湿度控制系统的建设背景 -40-4.1.2ZM公司温湿度控制系统优化方案的根本概述 -40-4.1.3ZM公司温湿度控制系统优化方案的实际应用 -45-4.2ZM公司存在的可溯源系统问题 -47-ZM公司可溯源系统建设背景 -47-优化方案的根本概述 -48-优化方案的实际应用 -52-本章小结 -54-第5章大数据背景下ZM公司的内部建设 -55-5.1ZM公司内部建设存在的问题 -55-与京东等电商平台信息不对称 -55-传统、单一的经营模式及业务流程 -56-公司内部环境不佳 -57-风险评估系统不完善 -57-5.2基于大数据下ZM公司的内部建设优化 -58-加强信息平台建设 -58-依托大数据平台创新ZM经营模式及优化业务流程 -58-运用大数据推动ZM内部环境的优化 -60-5.3运用大数据提高ZM风险评估的准确度 -61-运用大数据预判事前风险 -61-5.3.2运用大数据监控与识别事中风险 -62-本章小结 -62-第六章结语 -63-6.1研究结论 -63-6.2研究展望 -63-致谢 -65-参考文献 -66-摘要随着科学技术的飞速开展，生产力的不断提升，以及顾客消费水平的不断提升，企业间的竞争越来越剧烈。为了提高竞争力，企业逐渐将目光从生产过程转向流通领域，在降低物资消耗，提高劳动生产率的根底上加强物流管理成为“第三利润源泉〞。在信息，数据作为当今时代最为重要的两个因素，受到越来越多的关注。大数据是实现物联网数据感知，云计算数据计算，三网融合数据效劳的根底，其分析应用已经渗透到社会的各个方面。企业如何在大数据下挖掘获取真实可靠高质量的信息，成为急需解决的问题。本文将以郑明公司为例，用大数据优化郑明现代物流的系统问题，其中包括末端物流信息，技术及企业内部等的问题。我们首先分析了ZM公司存在的问题，分析了大数据在物流企业中应用，通过优化内部系统建设，解决内部信息不对称问题，从而进行有效及时沟通，提高ZM公司风险评估的准确度。采用无线射频识别技术，利用射频信号的电磁感应传输特性，实现对被识别物体的自动识别并获取相关数据；采用指数平滑法，对温度时间序列的历史记录进行处理，能够很好的解决温度变化之间的相关性，通过GPS等技术提高对车辆的定位追踪，以便及时感知了解货物信息。车辆调度问题是各企业存在的较为棘手的问题，通过遗传算法模型的构建，优化车辆调度，实现最经济的运行路线，即在保证货物需求的前提下，使运输时间或运输费用最省。关键词：大数据CRM车辆调度温度监控预警系统可溯源系统在途配送内部建设第1章绪论1.1选题的背景及意义1.1.1上海现代物流概况上海郑明现代物流于2023年5月正式成立。其前身是1994年成立的上海郑明汽车运输。深耕于冷链物流领域的上海郑明现代物流初创至今已走过20多年的历程，由单一的冷链运输商已华美转型为将商流、物流、信息流和资金流整合为一体的供给链集成商，正朝着领先的专业供给链解决方案提供商迈进。郑明现代物流主要从事冷链物流、汽配物流、电商物流、商贸物流、供给链金融等领域的效劳。作为国内最早从事冷链物流的公司之一，郑明物流于今年年初提出了“百库方案〞，表示要在2023年前将公司的冷库数量从32个扩张到100个。郑明在全国各地设有仓储基地和冷库中心，正逐渐形成辐射全国，走向海外的冷链物流网络。在强大设备资源的根底上，郑明现代物流为客户提供集物流方案设计、干线运输、城市配送、仓库管理、包装分拣、信息反响等全方位的现代冷链物流效劳。在国内各区已具备一定的客户根底，在冷链方面建立自有相当容积的冷库，配备车辆、人员用于仓储、运输等方面的效劳。在汽配、快消品、医药制品方面，建立自有普货仓库，配备车辆、人员，除仓储运输外，还增加高附加值的效劳。1.1.2研究背景国际金融危机爆发后，世界经济进入了缓慢的复苏期，我国经济也受到一定程度的影响。虽然物流行业的开展前景依然看涨，但是对于第三方物流企业来说，这既是机遇也是挑战。郑明现代物流作为一家由中、美、法合资的国际企业，业务范围涉及供给链的多个方面，需要不断的改进自身的缺乏以适应经济与社会的开展。现国内的冷链物流行业，相对于干线物流而言，末端物流配送具有环节多、效劳面广、配送线路复杂等诸多因素，且对存储条件和运输温度等都有较为苛刻的要求，这使得我国区域配送中心城市末端物流配送能力缺乏，严重制约着整个物流系统的高效运作。除此之外，车辆合理调度、系统对接等问题也是物流行业中难以解决的弊端，如何在最短时间内完成车辆调度同时以最短时间将多个公司的货物聚集到一辆车或一批车上，并安排最优路线，都是当前物流行业的挑战。信息方面，订单追中与运输可视化的问题同样严峻，虽然拥有严格的高科技的GPS等技术，郑明现代物流在信息对接方面仍显缺乏，为了保证配送的质量与更好的满足客户需求，这些问题都必须及时解决。随着科技的不断开展，物联网与云计算等前沿概念也应运而生。一些国际IT巨头甚至已经开始聚焦物流网和云计算产业背后的大数据，并通过挖掘大数据得到其背后的潜在价值。作为产生海量数据的物流行业，善用大数据的应用技术可推动郑明现代物流开展更迅速，提升郑明现代物流的企业综合竞争力。作为行业内的佼佼者，郑明现代物流同样存在着诸如车辆调度、信息交流障碍、技术设备不配套等常见问题。为了更好解决郑明现代物流存在的各方面的缺乏，郑明现代物流可利用其企业常年累积的海量数据，如运输、仓储、配送等环节的信息流量，并对这些数据进行准确及时的处理，用大数据应用技术处理下得到的有价值的数据来帮助企业更好的聚焦开展方向，提高作业效率，为郑明现代物流带来利润。1.1.3工程研究意义为了优化改善郑明现代物流的问题，运用先进且有效率的技术是必不可少的。运用物流企业的特有优势——海量数据，通过相关分析，将不同情境下的各种解决方案计算并进行逻辑性串联，用数据指引企业的成长，开掘适应企业开展的社会条件，摒弃过分依赖主观臆断的市场分析模式，使得企业的战略制定更显科学性。同时，运用大数据有利于帮助郑明现代物流锁定资源，使得企业内部资源精确锁定。在郑明现代物流的运营过程中，大数据的搜集与分析可帮助形成基于企业自身的资源分布可视图，将各个配送中心的资源、车辆、仓储等信息通过图表的形式精确的展示，实现配送中心到终端客户的模拟路径，使得郑明现代物流能更好的利用各种已有或潜在的资源。〔以下郑明现代物流简称为ZM公司〕1.2上海郑明现代物流现存的几大问题1.2.1信息问题〔1〕客户与企业之间交流不流畅，缺乏定时、及时的交流，业务效率低，ZM公司无预警其重要客户的流失。〔2〕客户效劳欠缺。虽然获得了“2023-2023年度中国冷链产业金链奖十佳物流效劳商〞的称号，ZM公司的客户效劳仍然没有统一的标准，随着客户满意度的下降，郑明现代物流的客户投诉次数日益上升，客户反响工作不够及时，客户关系并未得到良好维护。运输与仓储的货损与延时导致客户满意度下降。〔3〕老客户关系维护不够，新客户关系难以开发。由于郑明现代物流正在快速成长，但是在对待新老客户关系开展上仍然是统一对策与标准，并没有各自针对性的战略。〔4〕ZM公司企业并不完全了解每一客户的需求，无法做出最及时的物流方案并提供具有针对性的方案。〔5〕ZM公司客户数量多，且客户需求量不统一，在配送的时候要和n个公司进行系统对接，也要求在最短的时间内完成车辆调度，同时以最短的时间进行将n各公司的货物聚集到一辆或一批车上，并及时安排最优路线〔6〕在满足货运任务要求的前提下，如何选择最经济的运行路线，是一项重要的工作，所谓最经济的运行路线是指在保证货物需求的前提下，运输时间或运输费用最省的路线。〔7〕在需求点较多且分布不均匀，道路网复杂的情况下，制定调度方案单凭个人经验是难以做好的，尤其是现在客户对物流配送效劳质量要求较高，对配送的时效性要求较强，按规定，当日要求配送到的货物一定要配送到位，如何设计一定的配送调度模型和算法，，并用计算机来实现意义重大。1.2.2技术问题〔1〕缺乏标准式的保鲜冷链运输车厢和温度控制设施，无法为易腐食品的流通提供质量保障。〔2〕冷链物流信息技术的应用水平较低，射频识别技术、地理信息系统〔GIS〕全球卫星定位系统〔GPS〕等物流管理软件的应用还处于理论阶段。〔3〕系统不对接，主要是温湿度控制等问题，设施设备及先进技术缺乏，预警系统不健全。〔4〕生鲜产品生产不够标准化、溯源不够透明，用户对产品就无法产生信任感。〔5〕冷链各个环节信息阻塞。食品冷链的第三方物流开展滞后，ZM公司效劳网络和信息系统不健全，大大影响了生鲜产品物流的在途质量和运送的及时性。〔6〕质量平安监管信息系统不完善。ZM公司借助简单的标识与记录很难实现产品全过程的追溯，而简单的产品信息使得追溯过程十分的繁琐和复杂。假设市场上发现有危害消费者的产品，ZM公司不能立刻撤出该批次产品，也很难确定产品出现问题环节，追究其事件的责任人。1.2.3企业内部问题〔1〕公司内部信息传递及部门沟通不顺畅。〔2〕与京东等电商平台信息不对接，信息系统不完善。京东货物录入系统，入库后，在网上进行销售，郑明接收订单配货、包装、派送，这中间涉及信息传递问题，郑明与京东不是同一个系统，因此信息的对接存在问题。〔3〕公司选用的社会车辆监管缺乏以及冷链运输设备不完善。因运输过程中食品腐烂而造成的损失每年可达30-50万元人民币，对外包车辆没有实施标准化统一，无论是外包车队还是公司自有车队的冷链运输设备缺乏，导致配送过程出现问题。〔4〕库房环境维护，如冷冻、冷藏、存放库等维修，包材〔冰袋、干冰等〕的维护；KPI考核，对及时率和准确率的要求；食品平安方面，对温度的需求；各类电商狂欢节下的短时间大规模产品出库的顶峰处理等，也是ZM内部的亟待解决的问题。〔5〕风险评估与管控系统不够完善。自由贸易试验区试行两年仍存在许多问题，对于借助自贸区的金融政策，利用国外低本钱融资，进行国际并购，扩张海外市场的设想，在风险评估和管控上仍需大力完善。同时，对于冷链物流金融方案的设想，该如何躲避可能会出现的风险，也是公司的问题之一。〔6〕公司业务模式传统、单一。虽然公司有很多优势的，比方区域位置、政策支持、贸易开展等，虽然也不可防止的面临同类竞争的劣势。1.3行业内部现状及郑明现代物流企业的末端配送实验随着经济的开展，目前我国的冷链物流行业虽具有一定规模，但在生鲜产品质量平安控制方面同欧美兴旺国家相比仍存在明显差距。单从行业开展空间来看，当前我国综合冷链流通率仅为19%，而美、日等兴旺国家的冷链流通率到达85%以上。随着人们生活水平的提高以及消费观念的改变，消费者对于生鲜产品的质量要求越来越高，绿色、有机产品需求大幅提升，冷链物流成为必不可少的一大环节，这也就给冷链物流开展带来了新的机遇。目前中国冷藏保温车辆约有7万辆，而美国拥有20多万辆，中国冷藏保温汽车占货运汽车的比例仅为0.3%左右，按人均占有的冷库容积来看美国是中国的5倍。我国易腐物品装车大多在露天而非在冷库和保温场所操作，80%-90%的水果、蔬菜、禽肉、水产品都是用普通卡车运输，大量的牛奶和豆制品是在没有冷链保证的情况下运输的，运输这些易腐食品时大多在上面盖一块帆布或塑料布，有时棉被还成了最好的保温材料。我国生鲜产品的腐败率超过35%，生鲜产品供给链被定位为“本钱高、耗损大、无利润产品〞。为了找到生鲜产品冷链运输质量问题所在，某记者挑选了三个全程冷链配送的网站，购置生鲜产品进行了三个实验。在第一个网站购置了葡萄，物流公司只是用了硬纸纸箱和泡沫箱包装，并没有其他的冷藏保鲜措施，送来时，已经有一半的葡萄变质了。在第二个网站上购置了虾，保鲜方式是冰袋和泡沫箱，配送站内并没有任何冷冻冷藏设施，送来时很多虾已经变软，冰根本上已经融化。在第三个网站购置了提子、螃蟹和三文鱼，用了保温箱和冰袋包装，但没有将这两种类型的商品隔开存放，而且只是用普通小车进行配送，送来时，提子已经局部坏掉，螃蟹和三文鱼的内部已经融化。通过以上三个实验，说明我国冷链配送情况不乐观，冷链设施配备简陋，控制产品在途配送以及保障产品整个供给链的质量平安方面，还有很多问题需要解决。1.4解决存在问题的必要性现有冷链物流问题突出，严重影响着生鲜产品冷链全程运输中的质量与平安，也制约着我国冷链物流的开展。对于ZM企业而言，冷藏车运输过程中的物品损耗造成了严重浪费并影响到其经营效益，也会因为没有到达客户的要求而给客户留下负面的印象和客户投诉。对于消费者而言，这些无法保质保鲜的食品流向市场，将直接影响消费者的身体健康。ZM公司优化和解决冷链物流运输存在的信息、技术等方面的问题,与同行业的其他公司相比,会更具有竞争力。完善的冷链物流，不仅是保障人民生命平安的需要，也有利于最大限度的减少浪费，节约社会资源，提高人民生活品质。ZM公司现存在的冷链物流问题都对冷链物流的开展提出了更高的要求，作为以效劳为主要产品的冷链物流行业，满足客户需求，保证产品质量平安，使自身企业利润最大化是其主要目标。信息技术的应用对保证产品质量平安起着关键作用，且其还能更好的延长产品保质期，增加产品附加值，最终决定产品的价值。因此，我们需要运用信息、技术等大数据的方法去解决和优化冷链物流问题，信息技术在冷链物流上的良好应用，将给企业带来良好的运营效果，也是市场需求下冷链物流开展的必然趋势。第2章大数据理论及应用现状2.1大数据的背景和内涵近几年来，随着计算机和信息技术的迅猛开展和普及应用，行业应用系统的规模迅速扩大，行业应用所产生的数据呈爆炸性增长。动辄到达数百TB甚至数十至数百PB规模的行业/企业大数据已远远超出了现有传统的计算技术和信息系统的处理能力，因此，寻求有效的大数据处理技术、方法和手段已经成为现实世界的迫切需求。百度目前的总数据量已超过1000PB，每天需要处理的网页数据到达10PB～100PB;淘宝累计的交易数据量高达100PB;Twitter每天发布超过2亿条消息，新浪微博每天发帖量到达8000万条;中国移动一个省的通联记录数据每月可达0.5PB～1PB;一个省会城市公安局道路车辆监控数据三年可达200亿条、总量120TB。据世界权威IT信息咨询分析公司IDC研究报告预测：全世界数据量未来10年将从2023年的0.8ZB增长到2023年的35ZB(1ZB=1000EB=1000000PB)，10年将增长44倍，年均增长40%。早几年人们把大规模数据称为“海量数据〞，但实际上，大数据(BigData)这个概念早在2023年就已被提出。2023年，在Google成立10周年之际，着名的《自然》杂志出版了一期专刊，专门讨论未来的大数据处理相关的一系列技术问题和挑战，其中就提出了“BigData〞的概念。关于大数据，难以有一个非常定量的定义。维基百科给出了一个定性的描述：大数据是指无法使用传统和常用的软件技术和工具在一定时间内完成获取、管理和处理的数据集。进一步，当今“大数据〞一词的重点其实已经不仅在于数据规模的定义，它更代表着信息技术开展进入了一个新的时代，代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战和困难，代表着大数据处理所需的新的技术和方法，也代表着大数据分析和应用所带来的新创造、新效劳和新的开展机遇。由于大数据处理需求的迫切性和重要性，近年来大数据技术已经在全球学术界、工业界和各国政府得到高度关注和重视，全球掀起了一个可与20世纪90年代的信息高速公路相提并论的研究热潮。美国和欧洲一些兴旺国家政府都从国家科技战略层面提出了一系列的大数据技术研发方案，以推动政府机构、重大行业、学术界和工业界对大数据技术的探索研究和应用。由于大数据技术的特点和重要性，目前国内外已经出现了“数据科学〞的概念，即数据处理技术将成为一个与计算科学并列的新的科学领域。为了紧跟全球大数据技术开展的浪潮，我国政府、学术界和工业界对大数据也予以了高度的关注。大数据在带来巨大技术挑战的同时，也带来巨大的技术创新与商业机遇。不断积累的大数据包含着很多在小数据量时不具备的深度知识和价值，大数据分析挖掘将能为行业/企业带来巨大的商业价值，实现各种高附加值的增值效劳，进一步提升行业/企业的经济效益和社会效益。由于大数据隐含着巨大的深度价值，美国政府认为大数据是“未来的新石油〞，对未来的科技与经济开展将带来深远影响。因此，在未来，一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成局部，对数据的占有、控制和运用也将成为国家间和企业间新的争夺焦点。由于大数据行业应用需求日益增长，未来越来越多的研究和应用领域将需要使用大数据并行计算技术，大数据技术将渗透到每个涉及到大规模数据和复杂计算的应用领域。不仅如此，以大数据处理为中心的计算技术将对传统计算技术产生革命性的影响，广泛影响计算机体系结构、操作系统、数据库、编译技术、程序设计技术和方法、软件工程技术、多媒体信息处理技术、人工智能以及其他计算机应用技术，并与传统计算技术相互结合产生很多新的研究热点和课题。大数据技术的开展将给我们研究计算机技术的专业人员带来新的挑战和机遇。目前，国内外IT企业对大数据技术人才的需求正快速增长，未来5～10年内业界将需要大量的掌握大数据处理技术的人才。IDC研究报告指出，“下一个10年里，世界范围的效劳器数量将增长10倍，而企业数据中心管理的数据信息将增长50倍，企业数据中心需要处理的数据文件数量将至少增长75倍，而世界范围内IT专业技术人才的数量仅能增长1.5倍。〞因此，未来十年里大数据处理和应用需求与能提供的技术人才数量之间将存在一个巨大的差距。目前，由于国内外高校开展大数据技术人才培养的时间不长，技术市场上掌握大数据处理和应用开发技术的人才十分短缺，因而这方面的技术人才十分抢手，供不应求。国内几乎所有着名的IT企业，如百度、腾讯、阿里巴巴和淘宝、奇虎360等，都大量需要大数据技术人才。2.2大数据的特点大数据的总特征目前的研究认为，大数据具有以下主要特征：〔1〕Volume：数据量大，数据量以PB，EB，ZB来衡量。〔2〕Velocity：数据产生和处理的速度快，时效要求高，不仅是静态数据，更多是动态实时数据。〔3〕Variety：数据类型多样化，不仅是结构化数据，还包括网页、社交网络、日志、音视频、图片、位置等数据，更多是半结构化数据和非结构化数据。〔4〕Value：数据量大但价值密度低，需要价值提纯。〔5〕Veracity：真实而准确的数据才能使数据的管控和治理有意义。〔6〕Complexity：数据复杂性高。〔7〕Fail：传统的处理和分析工具失效(从采集、清洗、存储、索引和检索、共享、传输、分析等各环节传统手段都失效)。物流行业中大数据的特征〔1〕来源复杂，类型繁多从数据来源来看，大致可以归纳为8个方面：社会化媒体、互联网及移动互联网、电子商务；传感器网络、链接设备、智能终端、实时监控设备；商业智能BI、企业辅助决策系统；计算机、平板电脑、、其他移动设备、移动存储；物联网、车联网、RFID、GPS、GIS等物流信息技术的应用；云计算、第三方数据处理技术、第三方平台的应用；专业研究报告、行业资讯、行业活动记录；其他大交互、大交易数据来源。相应地，物流行业的大数据类型也呈多样化特点，可以描述如下：人的行为信息、习惯信息、偏好信息、交互数据等；Web文本数据、流量分析数据、电商交易数据、使用者网络活动数据等；各类设施设备采集的数据——传感器读数、运营数据、实体数据、车载信息、仪表读数，监控视频数据等；企业内部基干类系统和信息类系统所采集或处理的各类数据——辅助决策信息、运营数据、产品数据、供给链数据、HR数据、财务数据、顾客数据、呼叫记录、市场数据等；计算机使用数据和移动设备使用数据等；根底地理位置信息、RFID读取信息、GPS映射数据、图像文件、车载信息、时间与位置数据、车辆数据、高分辨率影像、矢量、遥感及动态监测数据等；CRM、KDD、DWH、流量监测、查询应用、分析器等应用数据；报告资讯、科研数据、调研数据、公共数据、公共信息。〔2〕结构多维，格式多样物流行业的大数据，可以从多个维度进行解构：结构化数据、半结构化数据、非结构化数据。物流行业的大数据既包括存储在数据库里的结构化数据，也包括日志文件、XML文档、JSON文档和电子邮件等半结构化数据，而更多的数据类型是办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等非结构化数据，半机构化、非结构化数据约占大数据总量75%-85%。内部数据与外部数据。物流企业的大数据既有来自企业经营的内部交易数据、CRM数据，也有来自其他数据源的外部数据。物流企业的大数据兼具公共、私密二重属性。外部数据的公共性特征比拟明显，而内部数据由于和行业标准和商业机密密切相关，因而具有私密性。与数据结构的多维特征相对应，物流企业大数据的格式也是多样的。除了传统的纸质文件、档案、报表、表格、记录、信函等之外，更多的是以数字数据存在的Web文本、视频、短信、音频、视频、邮件，存储信息、配置文件、符号、图片、档案等。数据格式的多样性和互不兼容、数据访问的随机性，为数据的采集、存储、分析、应用带来了困难。2.3大数据的分析方法大数据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。由于科技开展，大数据呈现在人们面前，人们有了新的视野，这是急需的是大数据理论和大数据挖掘的方法以及数据运用。积累数据相对容易，大数据理论能够知道人们更有效地构建大数据分析和挖掘系统，运用大数据那么需要建立在先进、完善的理论根底之上。一环扣一环，成为一套提升智能和竞争力的路劲。其操作过程〔分析平台〕如下列图所示：图1操作过程Fig1ProductionProcess那么，构建大数据分析和挖掘系统那么需要具体的分析方法，主要有以下几个方面：〔1〕数据挖掘数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，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，是统计学、数据库技术和人工智能技术的综合运用，是通过在数据库管理系统上综合运用统计和机器学习的方法从大数据集中提取出模式的一组技术。常见的主要数据挖掘方法包括关联规那么学习、聚类分析、分类分析、序列分析、偏差检测、预测分析、模式相似性挖掘和回归分析等。典型的商用数据挖掘工具有IBMSPSS、SGIMineSet、OracleDarwin，开源的有Weka等。这些工具主要站在BI的角度，提供从分析到可视化的商业解决方案。〔2〕统计分析统计分析就是基于数学领域的统计学原理，对数据进行收集、组织和解释的科学。统计的方法主要用于对变量间可能出现的关系、变量间的定量关系进行分析处理。典型的方法有A／B测试等。在该领域，经典的统计分析工具是R语言工具包。。R是开源的统计分析软件，提供了丰富的经典统计分析算法和绘图技术，包括线性和非线性模型、统计检验、时间序列、分类、聚类等算法，实现了很多经典的、现代的统计算法。，应用R语言进行数据挖掘分析，该环境将R语言算法移植和集成到了Hadoop的并行处理环境下，对大数据进行统计分析。〔3〕自然语言处理自然语言处理ing)是基于计算机科学和语言学，利用计算机算法对人类自然语言进行分析的技术，属于人工智能领域的一个重要方法。其关键技术涉及词法分析、句法分析、语义分析、语音识别、文本生成等。很多自然语言处理算法都是基于机器学习的方法。该技术领域典型的应用就是基于社交媒体对语言的情感进行分析、法律领域的电子侦查，其他应用还包括欺诈检测、文本分类、信息检索和过滤、文字转换系统、机器翻译等。〔4〕机械学习大数据环境下，机器学习的主要应用领域可以总结为三方面：搜索、迭代优化和图计算。机器学习作为人工智能领域的重要内容之一，被分为监督学习和无监督学习两大类。监督学习要求算法的使用者知道要预测什么(即目标变量的分类信息)，主要采用分类和回归算法，如果预测的目标值为离散型(如是／否、AVB／C等)那么适合用分类算法，如k近邻算法、决策树算法、朴素贝叶斯算法、支持向量机算法、AdaBoost算法等；如果预测的目标值为连续性的数值(如0—100、0．1—150等)，那么适合回归算法，如Logistic回归、CART算法(分类回归树算法)等。2.4物流企业运用大数据的优势面对海量数据，物流企业在不断加大大数据方面投入的同时，不该仅仅把大数据看作是一种数据挖掘、数据分析的信息技术，而应该把大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开展优势，在战略规划、商业模式和人力资本等方面作出全方位的部署。〔1〕信息对接，掌握企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，规模已经到达了空前巨大的地步，这给网购之后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。每一个环节产生的数据都是海量的，过去传统数据收集、分析处理方式已经不能满足物流企业对每一个节点的信息需求，这就需要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、处理转化为有价值的信息，从而掌握物流企业的整体运作情况。〔2〕提供依据，帮助物流企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，只有真实的、海量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，能够清楚地判断出哪些业务带来的利润率高、增长速度较快等，把主要精力放在真正能够给企业带来高额利润的业务上，防止无端的浪费。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，从而实现高效的运营。〔3〕培养客户粘性，防止客户流失网购人群的急剧膨胀，使得客户越来越重视物流效劳的体验，希望物流企业能够提供最好的效劳，甚至掌控物流业务运作过程中商品配送的所有信息。这就需要物流企业以数据中心为支撑，通过对数据挖掘和分析，合理地运用这些分析成果，进一步稳固和客户之间的关系，增加客户的信赖，培养客户的粘性，防止客户流失。〔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，只有一小局部结构化数据是可以直接分析利用的，绝大局部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、有效的，很大一局部数据都是延迟、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〞，从而筛选出有价值的信息，实现数据的“增值〞。2.5大数据在物流行业中的具体应用物流企业正一步一步地进入数据化开展的阶段，物流企业间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效劳，从而颠覆整个物流业的运作模式。2.5.1实例解析物流企业如何有效运用大数据对于物流企业来说，有效地实施大数据应用，可能会极大地促进企业改进商业模式、形成新的价值理念，而这也正是大数据的战略意义所在。受到“互联网、全球贸易的影响，分析技术的改进以及市场环境的变化都驱动企业不断寻找加强竞争力的新方法。〞位于美国华盛顿奥林匹亚的技术及供给链咨询研究公司TransworldData的总裁MaryShacklett说道，“企业寄希望于利用大数据技术获取创新性信息，从而寻求新的时机。〞事实上，大量美国企业已然将大数据应用根植于自己的物流与供给链管理当中。来看看Avnet公司的例子。其将大数据技术运用于评估承运商表现、分析最经济的运输模式、帮助完成全球分销中心选址等领域。总部位于美国菲尼克斯的Avnet是一家全球性的电子元器件分销商，每年大概要处理500多万票的小型包裹运输交易。“每一桩运输交易都会生成超过50列的数据，以及超过2.5亿的数据值。〞Avnet公司全球运输副总裁MarianneMcDonald介绍说，这远远超过了该公司的数据处理能力，于是，他们选择了一家数据效劳提供商，后者能够通过提供相关工具，帮助Avnet从运输数据中获取商业决策的依据和创新开展的思路。这种工具包括提供关键业绩指标的报告，从而识别出那些发票错误信息最多的承运商。“这类信息使我们能够每季度与承运商见面，并且评估他们相较于其他承运商的业绩表现。〞McDonald说道。那些不注重改进绩效表现的承运商将会失去与Avnet公司合作的时机。该工具还能够显示Avnet公司的业务部门在“次日达〞、“第三日送达〞以及“三至五天达〞等不同运输效劳上的支出。“我们可以从支出、百分比或效劳水平等维度来准确描述和比拟各种模式的优劣。〞McDonald说道。在此根底上，她的团队就可以推荐更加经济的运输方式，譬如将一个“三天送达〞效劳调整为支出更少的“三至五天达〞效劳。关于运输模式的分析数据，还能够帮助Avnet公司与承运商进行更加有效地谈判。“由于我们准确地了解现在的运输模式和效果，这些数据能帮助我们进一步明确接下来的战略目标。〞McDonald说道。最近，Avnet公司还开始利用大数据来帮助决定全球分销中心的选址。“过去确定分销中心布局主要是将从不同信息源中得到的数据放入到电子表格，是一项离线的、高强度的工作；现在那么开展为一种由分析来驱动的方式，且智能化工具承当了其中95%的工作。〞Avnet公司负责全球物流与运营的首席官员MikeBuseman说道。利用技术对数字进行处理，使得规划团队能够将精力集中于确定开展战略。其次，分析Glasfloss公司对大数据技术的运用情况。其将大数据技术运用于生成运营情况定制报告、本钱控制、实施联合运输、降低货损索赔等领域。Glasfloss公司总部位于美国俄亥俄州兰卡斯特，主要生产用于加热和通风的空气过滤器以及空调系统。2023年，Glasfloss开始利用第三方物流供给商TransportationInsight公司的分析软件InsightFusion来实现其供给链的智能化。InsightFusion能够将来自不同供给链系统和外部来源〔譬如运输管理体系、库房管理体系、资源规划以及生产等〕的数据进行融合，同时还提供了一种实时查看所有完整供给链信息的路径。“数据来源和格式等因素已经不重要了，〞TransportationInsight负责信息技术的副总裁JimTaylor认为，技术的开展，实现了轻易能对这些信息进行解读，还能将其放置于企业数据库中进行管理。InsightFusion的用户能够通过门户网站、或者平板设备访问InsightFusion软件，获取有关运营情况的定制报告。Glasfloss公司的生产运营经理GregGardner认为，该报告能够帮助公司显著改进物流运营。“它能够帮助我们将时间、精力和资金集中于那些对提升顾客满意度和提高盈利水平最为重要的领域。〞Glasfloss的一个实践有力地证明了这一点。在InsightFusion软件的帮助下，公司发现了发往其中某个特定省份的货物量特别多。于是公司重新找了一家能够对该地区的运费提供优惠费率的承运商，从而节省了资金。Glasfloss还寻求对一些客户进行联合运输，以节省本钱和改进效劳。“如果对同一地区的客户同时发送三个小型包裹，我们会建议进行联合运输，即使可能导致包裹延迟一两天到达。〞Gardner解释道。有了InsightFusion软件以后，Gardner决定将局部零担运输合并为经过两或三个站点的联合卡车运输。即使每多经过一个站点，公司都要为其支付额外费用，但总本钱也比每个站点分别进行零担运输要少得多。此外，Glasfloss从InsightFusion软件中获益最多的，是其对客户索赔情况进行筛查的功能。“我们发现一些特定省份的顾客索赔率要比其他省份高。经过深入的调查，我们发现，只要改善对其中一小局部顾客的运输方式，公司就能极大地减少顾客的货物损坏索赔率。〞Gardner说道，“这个发现令人非常振奋，因为只要对有限的交易进行改善，就能取得较高的回报。〞为了减少货物损坏，Glasfloss正在改进对局部客户的运输方式。“举个例子，如果我们发现货物比拟松散，可能我们就会用托盘装运。如果我们发现承运商使用的车道或者运输路线不是很好，可能就会更换承运商。〞Gardner介绍，对InsightFusion的利用已经帮助公司减少了36%的顾客索赔量，同时将60天的理赔结案率提高到了83%。大数据应用的风潮，正盛行于各行各业。许多具有前瞻战略眼光的企业，已然通过大数据的武装，形成了区别于同行的核心竞争力。ZM公司运用大数据技术的必要性〔1〕ZM公司内部存在问题需通过大数据技术优化时至今日，ZM公司的开展仍面临着许多挑战，急需突破开展的界限，迈向更高层次的开展。ZM公司的利润源追究到底就是物流本钱的最小化，而物流本钱高不在于设备的利用率及先进性，而在于对信息和数据的整合分析。要解决这些问题，最直接的方法就是数据。如果能够充分分析和挖掘物流数据中的潜在价值，就能够ZM公司降低物流本钱，从而不断提高公司的利润源。ZM公司在冷链物流、电商物流、商贸物流、供给链金融等主营业务上仍存在着问题，需要通过大数据技术得以解决，将大数据融入ZM公司日常运作每个环节中，对车辆、人员、网络系统等进行时时监控以到达快速解决问题的目的。同时，ZM公司在内部建设上出现的问题也应结合大数据技术进行优化，使企业日常管理得到更有效地实施。〔2〕大数据的应用是ZM公司未来开展的必然趋势首先，应用大数据可以帮助ZM公司开发物流领域的“黑大陆〞。如果ZM公司掌握了物流活动过程中的全部数据，那么所谓的物流“黑大陆〞就不存在了；而如果能够充分分析和挖掘这些数据的价值，就能够帮助ZM公司找到物流市场的潜力所在。其次，应用大数据可以帮助ZM公司做出正确的决策。本钱和效率是难以同时兼顾的，但通过数据分析，可以看到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公司带来高回报的业务上，防止无端的浪费。同时，通过对实时数据的掌控，ZM公司还可以即时对业务进行调整，确保每个业务都可以赢利，从而实现非常高效的运营。最后，应用大数据可以帮助ZM公司建立核心竞争力。未来的物流市场，竞争更剧烈、市场变化更快，利用分析技术挖掘隐藏在海量数据中的价值，支撑和创新业务模式，将成为物流企业的核心竞争力。第3章基于大数据下信息问题的优化方案3.1ZM公司客户关系管理问题与优化方案3.1.1ZM公司客户关系管理问题现状ZM公司是一家将商流、信息流和资金流整合为一体的供给链集成商。ZM公司的配送系统作为第三方配送系统，虽然拥有根底的业务信息系统，但在系统对接与信息交流方面的问题依然十分突出，其中关于客户关系管理问题尤为严重。从案例十二与案例十五中，ZM公司提到客户关系处理与订单可视化的严峻性，根本问题如下：与客户之间交流不紧密，企业并不了解客户的完全需要，导致业务处理效率较低。各效劳部门对于客户效劳并没有统一的标准，效劳满意度日趋下降。新老客户的对待战略几乎一致，没有针对性，导致旧客户的忠诚度下降的同时新客户不愿意与ZM公司合作。从上述问题与案例可知，在客户关系方面，ZM公司的客户关系管理思想并未能随着大数据背景的开展而开展，而是一直沿用中国传统的“人情世故〞策略，希望用“老顾客〞与单纯企业之间的信任度换取合作时长。尽管ZM公司是一家中外合资的大型企业，但是“送礼〞等世故的客户管理思想也是存在的。虽然在业务信息系统中包含有客诉平台，但未能及时与客户交流并得到反响，客户忠诚度不高，企业客户关系管理仍显薄弱；其次，由于ZM公司的物流和商流是分开的，配送时需要对多个公司进行信息对接并及时做出最优的车辆调度，但常常无法预测和满足各商家各异的配送要求时间，比方有许多商家要求晚上配货、货物配送到超市可能存在排队收货现象等；最后，订单方面ZM公司的末端配送网络采取B2B形式，虽然很少涉及个人客户，但在订单预测方面ZM公司也略显吃力，也无法准确及时的向客户反响订单的处理情况。订单的不确定性导致ZM公司无法提早对所需要配送货物进行库存管理和路线规划，这也是ZM公司所存在其中一个主要的信息问题。在大数据的总体环境下，ZM公司面临着来自行业内外部的剧烈斗争，如何增强客户的忠诚度，如何根据企业内部所积累与掌握的客户信息来提高企业的核心竞争力，提高企业的经济效益，是ZM公司必须先解决的问题。其次，为客户提供所需要的信息，通过全程可监控给予客户信心与放心的业务操作也是ZM公司当前所需要解决的问题。因此，本章主要通过使用中国知网现有的数据文库以及网络资源，大量收集相关领域的论文资料，吸收国内外优秀研究成果，将在大数据应用在ZM公司的客户关系管理(CRM)中的方案设计，并针对该CRM实施方案提出相关详细的解决措施。3.1.2客户关系管理实施根本原理客户关系管理〔CustomerRelationshipManagement〕的定义是：企业为提高核心竞争力，利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和效劳上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和效劳的过程。其最终目标是吸引新客户、保存老客户以及将已有客户转为忠实客户，增加市场份额。客户关系管理〔CRM〕源自于20世纪80年代初的“接触管理〞，是指专门收集和整理客户与公司联系的所有信息。到了90年代初，演变为对于资源资料的分析，以及效劳中心的“客户关心〞。最后经过不断开展和更新，客户关系管理日趋完善，最终形成一套完整的管理理论体系。CRM管理技术那么是以CRM管理思想为指导的先进业务模式，运用信息技术，最终实现客户关系的管理。一个企业的CRM要想有效地运作，必须制定适合自己的CRM技术方案，然后根据方案实施和优化企业的业务流程，才能最终成为企业的CRM管理系统，并为企业带来更高的收益。成功的客户自主权将产生竞争优势并提高客户忠诚度最终提高公司的利润率。客户关系管理的方法在注重4p关键要素的同时，反映出在营销体系中各种交叉功能的组合，其重点在于赢得客户。这样，营销重点从客户需求进一步转移到客户保持上并且保证企业把适当的时间、资金和管理资源直接集中在这两个关键任务上。思科系统公司(CiscoSystem,Inc.)是全球领先的互联网设备供给商，它的网络设备和应用方案将世界各地的人、计算设备以及网络联结起来，使人们能够随时随地利用各种设备传送信息。思科系统公司根据CRM的理念要求自身完整地认识整个客户生命周期，提供与客户沟通的同一平台，提高员工与客户接触的效率与客户反响率，并提出制造企业应重点关注客户，将客户的需求与企业运作同步化，并针对每一个不同的客户实施新的运行模式，来到达和满足客户真实的需求，这是一种制造厂商为满足不同客户的需要和期望开展成为新的“客户化〞商务运行机制，并以准确及时的产品交货和敏捷的效劳为客户提供独特的价值，将客户需求为中心的管理思想纳入到企业核心业务处理系统中去的商业模式，帮助企业实现与客户的互动互行。大数据时代的到来，有效推动“大物流〞体系的形成，以菜鸟网--阿里巴巴与多家快递公司成立的新公司“中国智能骨干网〞为例，菜鸟网除了联合预测销售额和包裹数、新增和改建分拨中心、增加作业场地、提升物流没备及人员的数量外，更多的是借助于大数据的运算平台，将电商卖家与具体快递公司形成了信息共享链。菜鸟网将大数据平台运算的结果转化为具体实施建议，指导电商厂家能够高效的完成从端到端的配送，来提供送货的速度。其次是电商平台的时时物流数据能够根据卖家的购置商品种类、配送路线等信息及时备货，可以指导电商卖家进行及时合理的配货。在2023年、2023年菜鸟网顺利度过双11大关，没有出现往年的大面积爆仓现象。思科系统公司通过建造企业内部的客户关系管理系统，调节其原本薄弱的客户关系，进而得到利润的回报。作为一家深耕于冷链物流领域二十余年的专业企业，ZM公司的客户关系与客户信息必定是海量的。通过大数据的应用技术进行数据检索与抽取，并形成企业内部独一无二的客户关系管理(CRM)系统，有利于ZM公司将客户的需求与企业运作同步，做到真正满足客户的真实需求与期望，落实“以客户为中心〞的管理理念；同时菜鸟网的成果数据事实说明，利用大数据可以解决企业内部资源与物流信息的整合问题，形成客户与ZM公司之间的信息共享链，总体提高作为第三方物流的ZM公司的整体效劳能力。3.1.3ZM公司内部当前CRM现状客户资源在ZM公司内部为尚未完全实现共享，导致客户有时面对的不是统一进程的整个企业，而是“各自为政〞的不同部门。同时缺乏一套大型完整的客户信息数据库，没有一套行之有效的数据挖掘系统对已有信息进行分。由于不能衡量客户的需求、忠诚度、满意度、盈利能力、潜在价值、信用度和风险度等指标，ZM公司决策也只能是基于主管的判断，缺乏科学性。在一些物流企业，还把客户回访与客户反响没有上升到战略的高度，更谈不上系统性和连续性，这与真正的客户关系管理还有相当大的差距。从案例十五中，笔者摘抄了以下问题：“我们部门其实是一个效劳型的部门，主要是和客户打好交道。客户体验差、反响差，虽然不全是我们部门效劳态度的问题，还有可能是仓储、运输的操作时造成货损或延时等状况，导致了客户的不满意。〞“我觉得我们和老客户的交流比拟少，签完合同便开展业务合作，仅在业务上存在交流，对于老客户关系的维系上做的还缺乏。另外一方面，对老客户的需求也挖掘不够，不知道他们对我们的评价如何，也不太清楚他们的需求变化。如何开展和老客户的关系，形成战略合作伙伴，我觉得应该可以做得更好。因为毕竟开发新的客户本钱还是比拟高的。〞“可是在新客户的开发上，我们也是和大多数一般企业一样采取价格战，我觉得价格战不利于公司的开展和品牌的建设，我们可以尝试其他更具有可持续性的策略来开展新客户。〞可见ZM公司的客户关系管理思想较为落后。就国内的企业开展来说，越来越多企业经营由“以产品为中心〞转换为“以客户为中心〞，ZM公司在CRM方面却未真正做到这一点，并没有将客户关系管理作为企业核心竞争力。ZM公司作为第三方物流企业，需要同时效劳企业与客户，需要对客户的行为信息进行有效分类并实现信息共享。同时，ZM公司只依赖于单独一个部门与客户打交道，提供客户效劳，并不能从全方面满足客户的需求。如客户效劳部无法解决，令客户满意度下降的实际操作部门中的错误，部门之间并没有有效的沟通与合作，各个部门“各自为政〞。为了解决这些问题，大数据应用技术下优化的客户关系管理将被运用到ZM公司中。3.2ZM公司大数据下CRM实施框架理论步骤与实际策略运用3.2.1客户信息收集即第一步数据的抽取与集成即获取信息。大数据背景下，企业尽可能收集客户的信息，要对传统信息的获取收集的同时也需要获得半结构化数据与非结构化数据〔如图片声像等〕并形成大数据集。在这一局部的主要功能就是在大数据时代通过尽可能多的手段收集到有关客户的尽可能多的信息。包括客户的根本信息、客户的交易数据、通过分析总结出的客户具体详细的物流信息、客户针对所提供的物流效劳的反响信息等。通过以上信息的集合与分析，提取其中有价值的信息，能够有效整合多个客户的综合需求，如可对当前的资源配置下，客户对物流路径规划、物流运输工具选择和物流配送时间等方面进行整合分析与集成分析，并实现ZM公司的资源合理配置，满足大局部客户的物流需求。同时，ZM公司作为配送系统的第三方配送系统，处于供需双方的中间环节，可利用自身的GPS、RFID等多种技术与其自身的特有的海量信息数据库构建信息采集平台，提供一个整合供方与需方信息的信息交流平台，使得双方之间、双方与ZM公司之间的信息实现对流，整合来自各方的物流资源，更好的实现信息资源的共享，优化供给链中繁琐的手续，为客户提供一体化的物流解决方案与物流调度，从整体上提高供给链内各个环节的物流和信息流的流通速度与效率。企业从得到客户数据中可挖掘出客户具体的物流需求，并通过调动自身各项资源满足客户，同时注重持续的技术支持与完善的售后效劳并得到客户的反响。客户的反响又表达了ZM公司的效劳质量，使其更清晰在提供物流效劳中存在的问题并加以改进。ZM公司利用大数据技术提取的“大数据集〞能够更加迅速的了解客户当前的和潜在需求，不仅为扩展原有客户的效劳及开展潜在客户奠定了数据根底，并且为客户的个性化效劳提供了依据。对于传统的结构化数据收集，ZM公司依然从客户自身和外部市场等企业的外部环境获取以及公司包括销售记录、效劳记录等内部渠道收集，各种与客户有关的信息和市场信息，如客户交易数据，客户的具体效劳要求，客户反响信息等。对于非结构化数据那么要使用先进的科学技术进行收集，如数据挖掘技术、智能分析、大数据存储、传感器技术、条形码技术、FRID技术等。3.2.2客户信息分析即第二步，针对于大数据的处理流程分析数据，运用各种数据挖掘技术来对第一步收集到的信息进行分析。利用传统的数据挖掘与现行大数据处理技术相结合，对获取的大数据进行计算和汇总，得到能应有的具有价值的数据。这一步主要是对第一步中所搜集而来的客户数据与信息进行筛选归类，并对各个客户的信息进行分析，重点为客户行为分析与客户识别及客户流失预警。其中利用客户行为对每一个或每一类的客户进行分析并得到其根本的物流选择规律与物流需求；客户识别那么对不同客户类型进行识别与分析，并分别归类重点客户与次重点客户等的分类，特别针对于新客户的识别；ZM公司可利用客户预警分析来管理客户忠诚度较低的老客户，并及时对这批客户做出准确的具有针对性的战略。ZM公司需要通过大数据真正透彻的了解客户的现有需求与潜在需求，并对客户进行合理的分析且定位。防止再次发生如案例十五中，李经理提出的交流较少、联系不够紧密的问题。通过这些分类，对待不同的客户ZM公司可以分别提出有针对性的策略，提高ZM公司的效劳质量。这一步骤直接影响到下级部门的物流方案安排与资源方案制定。通过对不同的客户整体行为的分析选出其中最具有代表性的几类客户，并根据这类客户的物流业务往来与客户需求行为作出全面性的规律描述与总结，发现该类客户的一般性交易规律。同时，可以从该类客户的现有数据库中找出反响其消费状况及业务数据，对该类客户进行物流配送需求的预测和分析，并通过预测与分析主动向客户提供能满足其物流需求效劳的具体物流方案。同时，通过对该类客户的研究找出其偏好策略，有针对性的启用相关策略提供忠诚度。这一步骤既可以解决ZM公司在订单不确定性的问题也可以解决客户关系不稳固的问题。大数据背景下，ZM公司内部的不同客户必然需要被进行不同程度的识别与分类，并且利用分类“对症下药〞，作出长远的分析与预测，同时用于指导下一步各项具体策略的制定。如可分类为重点客户、核心客户、此重点客户、次核心客户、新客户、老客户等。案例十五中提到李经理试图与刘经理停止合作，而这一举措却并未被ZM公司及时预警，说明客户流失预警的分析对于ZM公司来说极为重要。ZM公司可通过物流效劳结束后的客户反响与再合作意愿分析客户对ZM公司的态度，并分析客户与ZM公司再合作的几率与终止合作的几率做出相应的措施。为了保存客户，在合作的初期应尽量预防客户流失，并对物流效劳中出现的问题进行及时的补救并提高效劳质量。ZM公司的做法也值得借鉴，在发现李经理出现“流失意愿〞时，刘经理提出ZM公司的冷链设备升级效劳升级等软实力与硬实力的提升来“挽留〞李经理这位重点客户。3.2.3客户信息输出即第三步，针对于大数据处理流程的第三步数据解释，就是将第二步得到的应用型数据用策略、方案、建议等方式解释出来。这个步骤里所涉及到的具体方法包括聚类分析、关联分析等方法，实现针对客户的个性化分析，最后就是形成可行性报告应用于效劳管理策略、市场管理策略、销售管理策略、及物流企业管理策略。在第二步企业进行相关信息的抽取分析后，把有价值的信息传送到下级部门及企业管理层内部，用以指导物流方案制定与企业内部决策。为了降低物流本钱，实现自身资源的合理优化配置，提高物流效率，有价值的客户信息变得十分重要。作为决策环节，这一步骤有利于管理者或规划者在制定各种决策或方案中利用适当的信息辅助最终成功的制定，灵活的应对市场环境的变化。在聚类分析的过程中，得出某类客户的特定的需求，并从整体式考虑物流路线规划与其他配套设施的规划等，并把ZM公司的有限的资源发挥到最大效益去满足客户的物流需求。同时，ZM公司需要在了解各方环境〔如社会环境经济环境等〕后灵活运用技术与适当的辅助机制来支持决策。大数据最终应用在ZM公司，通过前期数据的收集、分发处理、汇总及与物流系统的融合，最终促进ZM公司的资源的合理优化配置，以及与其他企业间的物流资源共享，到达降低物流本钱，提高物流运营效率，提高企业效益的最终目的。3.2.4ZM公司客户生命周期利润下的客户价值矩阵分析及CRM策略通过对客户进行价值评估，企业可以对客户进行分类，区分不同价值的客户群，进而为不同价值的客户群定制不同的营销维系策略，保存高价值用户，激发次价值客户的潜在价值或延长当前/实际价值稳定期，提升潜在价值客户的潜在价值，改进或淘汰无利可图的客户，从而提高营销维系的效果，到达企业利润最大化的目的。同时，客户价值矩阵能够帮助有效地优化企业资源配置，防止把大量的资源浪费到无利可图的客户身上，而高价值客户和潜在价值客户反而得不到足够的资源，这很可能会导致优质客户的流失。此处可以分为客户价值矩阵将客户按价值分为4类客户：次价值客、价值客户、低价值客、潜价值客。图2客户价值矩阵分析Fig2CustomerValueMatrixAnalysis次价值客该类客户有高的当前价值与低的潜在价值，从客户生命周期来讲，这类客户已经步入稳定期，应该为ZM公司的大客户，对ZM公司的忠诚度与奉献度都高，将很大一局部业务已经交给了ZM公司，但在未来的增量销量与提高利润方面并未见太大的开发能力，因此没必要过多投入对其的营销本钱。由于当前价值较高，所以ZM公司应该继续重视，并继续加强与保持这类客户。另一方面，由于长时间的合作与信任，ZM公司对这类客户已经可以做到很大程度上的了解了，对客户在什么时间会有哪些具体的运输要求都十分清楚。因此，ZM公司需要用大数据对该类客户进行预测，在每季度或每年度的某特定时期的物流需求，并提前给予客户适合的规划。价值客户该类客户的当前价值与潜在价值都很高，是ZM公司现在利润的主要来源并且能在未来的开展中给ZM公司继续带来很高的效益。这类客户常常为利润的保证，因此ZM公司应该把重点资源投入到这类客户上，并对其设计一系列的客户保有战略，提高其对ZM公司的忠诚度，并且持续不断地为该类客户提供超值物流效劳。针对于这类客户最有效的策略便是开展二字，这类客户一直处于不断开展的状态，因此合作空间很大，应该不遗余力的做出各种灵活的营销策略和提供特色效劳以保存他们。如优先安排物流配送效劳、务针对性的特色物流效劳、有关订单处理的优先权、客户比拟关心的灵活的结算条款等，ZM公司未来的重要开展目标战略伙伴。该类客户如ZM公司配送中的大型企业，如麦当劳、肯德基等。在大数据时代，需要继续挖掘该类客户潜在的需求。通过建立战略联盟，将ZM公司与这类客户之间形成了利益共享链，一起讨论各自的未来规划，如ZM公司可与麦当劳等大型企业合作成为某区域的代理商或成立代销点等，培养双方的战略合作伙伴关系。低价值客该类客户的当前价值与潜在价值都很低，往往是ZM公司内规模小与业务量少的客户。如ZM公司内的末端冷链配送的工业类客户，主要配送少量辅料，订单频率较少。ZM公司首先应该找出这类客户“双底〞的主要原因，并通过针对性的物流方案促进低价值客的业务增长。企业应适当挖掘该类小型企业的潜力，如ZM公司可通过提前的物流方案提示该类客户的订单需求。当因为该类客户并不是ZM公司的主要客户来源，因此ZM公司可以按照自身的资源条件对他们进行配置，少量业务量过少且无增长空间的低价值客可以解除客户关系。对于该类客户，ZM公司可加强自身的选出，通过大数据获得客户的信息并进行深层次的分析，挖掘客户的内部需要和外部需求，做到投其所好，取得客户的信任。假设通过数据开掘与分析得出该类客户的自身条件过差，如拖欠尾款等不良行为，那么ZM公司无需投入任何资源并在不损失滋生利益的情况下慢慢与该类客户解除合作关系。潜价值客这类客户的潜在价值比拟高，但当前价值却处于低位。这类客户一般为成长期的企业，虽然在当前的价值不高，当在长远开展中却具有很强的开展潜力。ZM公司只要正确处理该类客户的关系，在未来这类客户就会往价值客户的方向开展。该类客户形同ZM公司末端配送中的生鲜电商类客户，生鲜电商的开展处于上升期，虽然现在的订单量较为不确定且少，但是在未来的开展中必定能被培养成价值客户。对这类客户，ZM公司应当将眼光放长远，看到在未来该类客户能够为企业带来的效益与利润并适度保持和投入资源维护双方关系。例如，通过不断向客户提供高水平的效劳，包括咨询效劳、企业自身宣传资料、对该客户有价值的信息、个性化解决方案等，让客户看到第三方物流企业能够为其提供的未来有前景的针对自身的物流效劳，让这类客户提前对第三方物流企业产生信心，让客户感到满意，形成未来可能成交交易的可能性，也使这类客户对第三方物流企业树立起高度的信任，从而促进客户关系尽快进入稳定期。3.3大数据下ZM公司对可视化仓储的优化方案3.3.1ZM公司仓储可视化问题现状从案例十五中可知，陈经理认为ZM公司的可视化技术并不完善，略显薄弱。企业无法及时提供物流信息，客户无法对货物与配送进行可视化观察。客户无法实时了解冷链货物在车辆和仓库中的状态。可视化仓储是将可视化技术应用于仓储中的一种技术，如计算机图像学只是对仓储物流需要监控的区域进行数学建模、计算机建模，根据建立三维坐标系，在三维空间中重现仓储物流区的真实三维结构，然后结合计算机图像学将监控区域内部可能出现的变化再现，管理员及客户那么可以通过计算机监控一切情况。可视化仓储技术对硬件条件要求较高，系统复杂程度高，可提供真实、全面的、科学的信息。3.3.2ZM公司可视化仓储信息系统的工作机制由于在案例十五中提到，ZM公司的仓储可视化技术正在研发并很快可以投入使用，因此本节仅简单的介绍适用于ZM公司的可视化仓储信息管理系统的工作机制。ZM公司的仓储可视化业务系统一般以三维动画系统来记录，反映了在ZM公司内各个仓库的物流信息。虚拟实际流程的三维动画的演示方便管理人员直观了解整体业务流程并分析各种信息，通过网络技术与网络平台，可将物料与车辆设备等结合起来，可将客户与仓储货物联系起来，实现数据的资源共享和信息交换。基于ZM公司的根本管理要求与业务架构规划，可视化仓储系统需要实现全数据的互联互通，该信息架构主要含有云计算的数据中心、信息平台、仓储现场监视、运输配送过程监视、业务管理几个流程模块。云计算的数据中心：数据的自动化录入与输出，通过每一次订单下达后的数据中心处理，得出智能的资源安排。通过云计算数据中心，ZM公司可以计算出其可预测客户〔如经销商、超商等〕的配送规律，与不可预测客户〔工业类客户与生鲜电商客户等〕的配送预测，及时向客户提供提前的物流运输方案。信息平台：利用网络技术与信息平台设置，建立ZM公司专属的信息交流平台。在平台中，一切仓储的实时影像与物流运输信息都能透明化展示。客户可通过信息平台得到仓储信息，同时可以通过信息平台进行反响工作。ZM公司可以利用信息平台进行部门之间的内部交流与信息交流，上层部门收到订单并整合后通过信息平台进行统一的传递到下层作业部门，使部门之间的联系更为紧密。仓储现场监视：在仓储现场可安装摄像头，并通过实施监控记录货物在仓储现场的变化，并通过互联网的技术连接到信息平台中。ZM公司可利用监视功能像案例十五中的陈经理提供冷链的及时信息。除此之外，假设遇到货物在仓储过程中有所损坏，可利用记录的监视画面找出原因和解决方案。业务管理：包括自动化作业系统、出入库系统、杠杆系统等。在仓储现场可安装智能化系统来优化仓储，并提高仓储现场的作业效率。运输配送过程监视：利用RFID技术与GPS技术对货物进行全程的监控。ZM公司作为一家拥有第三方物流业务的公司，在运输途中的可视化展示也是十分重要的。主要可利用定位技术与货车内监视技术对配送货物进行跟踪。特别对于冷链物流的配送来说，运输配送环节的监视有利于预警货物在某一时间内的腐败程度，减少货物在运输过程中因为外界环境与自身腐败条件的因素造成的不必要损耗，减少如案例七发生的配送腐败与变质问题。3.4ZM公司末端配送问题3.4.1ZM末端配送问题问题现状ZM公司在全国各地设有仓储基地和冷库中心，慢慢形成辐射全国，走向海外的物流网络。目前，公司将以业务开展为区域布点的主要根底，以上海市场为根底，华东市场为龙头，面向全国物流市场，确立覆盖全国物流网络的战略方向。然而在末端配送网络建设方面，问题重重。比方说，标准化问题。主要表达在两方面：一是ZM公司面对的客户广，所配送的商品繁多，种类杂乱，国家对同一类产品没有全部给出标准，没有标准化，运作效率也很难提高，二是公司的效劳没有标准化，没有确定的响应时间标准，不能及时满足客户的需求。还有就是配货方面的问题。在配送的时候，商家要求的送货时间各异，同时也存在货物到达客户点的时候由于违背时间窗的原那么，导致排队收货现象。因此，在满足货运任务要求的前提下，如何选择最经济的运行线路是一项重要的工作。最经济的运输线路，不仅可以满足客户的各种需求，解决客户需求时间不一的问题，增加客户的满意度，还可以为公司节省本钱，带来直接利润。然而如何按时按量，经济高效的配送商品，在很大程度上是取决于有效的车辆调度安排，调度方案的优化与否，对增加配送效率，减少总费用和提高效劳水平具有重要意义。在ZM公司客户需求点较多且分布不均，道路网络复杂的情况下，在保持高度准时，快速配送的要求和在满足车辆容量限制且还有时间限制的情况下使总运输本钱最低，设计一定的配送调度模型和算法，其实现意义重大。本文将运用遗传算法理论解决车辆调度的问题。3.4.2遗传算法的原理及步骤和意义一、遗传算法的原理遗传算法将问题的解表示成“染色体〞，在算法中也就是以二进制编码或自然数编码的串。在进行遗传算法前，给出一群染色体，也就是假设。然后把这些假设解放在问题的“环境〞中，按适者生存的原那么，选择一些较适合环境的“染色体〞进行复制，在通过交叉，变异过程产生更适应环境的新个体，知道最后会收敛到最适应环境的一个“染色体〞上，它就是问题的最优解。二、遗传算法的步骤和意义〔1〕初始化选择一个群体，即一个串或个体的集合｛ui｝,i=1,2,3…n,这个初始群体就是问题假设的集合〔2〕选择根据适者生存的原那么选择下一代个体，在选择时，以适应度为原那么，给出目标函数z，通过对目标函数做适当的变换，得带函数f，那么f〔ui〕成为个体ui的适应度，适应度准那么表达了适者生存，不适者淘汰的自然法那么。以p｛ui｝表示选中个体ui的概率：p｛ui｝=f(ui)从上式可看出：适应度较高的个体，繁殖后代的数目较多适应度小的个体，其后代的数目也较少，甚至被淘汰这样，就产生了对环境适应能力较强的后代。从问题求解角度来讲，就是选出最优解较近的中间解。〔3〕交叉对于选中用于繁殖下一代的个体，随机的选择具有相同位置的两个个体，按交叉概率pc在选中的位置实行交换，这个过程反映了随机信息交换，目的在于产生新的基因组合，也即产生新的个体。交叉时，可实行单点交叉或多点交叉，交叉率一般取值为0.25-0.75.〔4〕变异根据生物遗传中基因变异的原理，以变异概率pm对某些个体的某个子串执行变异。变异概率pm与生物变异极小的情况一致。所以其取值也较小，一般为0.01-0.2.〔5〕全局最优收敛当最优个体的适应度到达给定的阀值，或者最优个体的适应度和群体适应度不在上升时，那么算法的迭代过程收敛，算法结束。否那么，用经过选择，交叉，变异得到的新一代取代上一代的群体，并返回第2步，继续进行循环操作。三、染色体结构对VSP采用自然编码方式，即序数编码。单源点VSP的一条可行线路可编码成长度为n+m的染色体。其中ikj表示第ikj项任务。这样染色体结构可通俗的理解为：第1辆车从配送中心0出发，经过任务i11，i12,…i1s后，回到配送中心0，形成子路径1，然后第2辆车又从配送中心0出发，经过以前未访问的任务i21,…i2t后，返回配送中心0，形成子路径2，如此反复，直到所有的n项任务全部被访问完为止。这里的m为完成任务所需的车辆数，可通过以下方式求得：M=igi子路径1：配送中心0任务1任务3配送中心0子路径2：配送中心0任务4任务6任务7配送中心0子路径3：配送中心0任务:2任务5任务8配送中心0这种染色体结构子路径内部是有序的，假设子路径1中点1,3相互交换位置，会使目标函数值改变，而子路径之间是无序的，假设子路径1和3相互交换位置，却不改变目标函数的值。四、适应度函数适应度函数实际上是用来评价染色体优劣的一个标准。一般的，将目标函数通过变换fk=b(z'zk)转化为适应度函数，此处fk为染色体uk的适应度，b为常数，z＇为初始群体中最好染色体的运输本钱，zk为染色体uk3.4.3模型构建我们主要讨论单源点、单车型、带时间窗口的非满载送货车辆优化调度问题，对于多源点物流配送问题，可以将其转化为单源点物流配送问题的方法。首先要满足以下条件：只有一个配送中心经营被配送的是可混装的物资配送中心以及各客户所在地各任务点的需求量配送中心的车型即载重量配送中心有足够的资源以供配送，且有足够的运输能力根据ZM公司的实际情况，其业务范围广，配送中心不止一个，但是我们可以选取其中一个作为实验点，其余可根据此方法类推。最优方法还须符合以下根本约束条件必须满足所有用户对品种和数量的要求每一辆发送车辆的载重量有一定的限制，不允许超载行驶每一辆发送的车辆每天的总运行距离有一定的限制必须满足用户提出的到货时间要求为构造数学模型，将配送中心编码为0