物流与大数据 ppt课件

数据化意味着我们要从一切太阳底下的事物中 汲取信息，甚至包括很多我们以前认为和“信 息”根本搭不上边的事情。
大数据时代的思维变革
• 01更多：不是随机样本，而是全体数据
• 当数据处理技术已经发生了翻天覆地的变化时，在大数据时代进行抽样分析就像在汽 车时代骑马 一样。 一切都变了，我们需要的是所有的数据
2016年大数据行业增长将成为常态，行 业关注领域将发生变化
• 云计算模式将颠覆软件行业，一切皆服务 • 云计算正在逐步渗透产业互联网各个垂直领域，软件公司在云端“重
生”，具备低成本高速扩张能力。 • 未来5年，大数据与云融合依托云提供大数据服务的公司将大量涌现，
未来的产业图景中，共享经济将从个人扩展到企业，企业将以其最擅 长的能力模块和最稀缺的资源模块参与API经济，从而使API价值最大 化。
•
• 物流定义：物流从供应地向接受地的实体 流动中 ，根据实际需要，将运输，储存，
装卸，搬运，包装，流通加工，配送，信 息处理等功能有机结合起来实现客户要求 的过程。
物流的发展历史
• 20世纪70年代末，流通企业开始组建储运公司，从商品பைடு நூலகம்营机构分离 出来。这个时期我们称为储运时代。
• 1979年我国才开始使用物流一词。我国物资工作者代表团赴日本参加 第三届国际物流会议，回国后在考察报告中第一次引用和使用物流这 一述语，并介绍了日本物流的发展情况。
• 知道“是什么”就够了，没必要知道“为什么”。在大数据时代，我们不必非得知道 现象背后的原因，而是要让数据自己“发声”
推动大数据发展的两个重要因素
• 人类测量，记录和分析世界的渴望 • 以传感技术、互联网、移动智能终端为代
表的一系列新的信息技术，使得信息的获 取、利用、集聚在数量上发生了突飞猛进 的变化。
大数据—智慧物流
—物流大数据的收集和分析
1.物流大数据的收集 互联网，物联网，车
联网，传感器，移动设 备等无一不是物流大数 据的重要来源。因此， 首先通过多渠道获得数 据，然后通过数据的实 时分析，掌握和利用有 用的信息。
2.物流大数据的分析 A深度学习提高精度，在对大数据分析应 对社交网络，电子商务等产生的大量数据 进行有效的分析，表达，解释和学习。 B 知识计算挖掘深度：在物流配送服务过 程中，对配送路线的路况及最优路线网络 进行分析与计算，可以使得物流成本减少。 C社会计算促进认知：对社交网络的分析可 以从中得出社会新媒体数据的特征：a信息 碎片化严重且内容信息相关性小b虚拟互联 网逐渐转化为现实中人的联网 所以当今我
• 同时，我国政府、企业和行业信息化系统建设往往缺少统一规划和科学论证， 系统之间缺乏统一的标准，形成了众多“信息孤岛”，而且受行政垄断和商业利 益所限，数据开放程度较低，以邻为壑、共享难，这给数据利用造成极大障 碍。
• 原因：
• 政策法规不完善大数据挖掘缺乏相应的立法，无法既保证共享又防止滥用， 一方面欠缺推动政府和公共数据的政策，另一方面数据保护和隐私保护方面 的制度不完善抑制了开放的积极性。
• “样本=总体”
• 02更杂：不是精确性，而是混杂性
• 执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于 传统数据库的。如果接受混乱，剩下95%的非结构化数据都无法被利用，只有接收不 精确性；我们才能打开一扇从未涉足的世界的窗户。
• 03更好：不是 因果关系，而是相关关系
中国的大数据—早期发展阶段
• 1、数据的丰富和开放程度不够
• 丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远 低于美欧，每年新增数据量仅为美国的7%，欧洲的12%，其中政府和制造业 的数据资源积累远远落后于国外。就已有有限的数据资源来说，还存在标准 化、准确性、完整性低，利用价值不高的情况，这大大降低了数据的价值。
大数据定义
• 大数据（big data），指无法在可承受的时 间范围内用常规软件工具进行捕捉、管理 和处理的数据集合，是需要新处理模式才 能具有更强的决策力、洞察发现力和流程 优化能力来适应海量、高增长率和多样化 的信息资产
引言：一场生活，工作与思维的大变革
• 大数据开启了一次重大的时代转型。就 像望远镜让我们能够感受宇宙，显微镜 让我们能够观测微生物一样，大数据正 在改变我们的生活以及理解世界的方式， 成为新发明和新服务的源泉，而更多的 改变正蓄势待发…..
• 90年代中期，现代物流才在中国真正的崛起。1994年广州宝供的出 现，标志着中国本土第一个第三方物流企业的诞生，拉开了现代物流 组织的序幕。
• 2001年中国物流与采购联合会的成立，可以说是中国物流业历史发展 的一次飞跃。
• 2006年的“十一五”规划，在中国历史上第一次把现代物流业写进我们 的五年计划，这么一段文字明确了中国物流在国民经济中的产业地位。
• IDC最近发布的报告显示，全球大数据技术及服务市场复合年增长率(CAGR) 将达31.7%，2016年收入将达238亿美元；中国大数据市场规模将从2011年 的7760万美元增加到2016年的6.17亿美元，未来5年的复合增长率达51.4%， 市场规模将增长近7倍。
• 另外，随着国内政策的变化，通信、制造、物流行业政府支持热度有所下降， 通信行业的政策热度降幅较大；政府与金融行业的政策热度将持续高涨。
• 2、数据挖掘与分析工具有待完善
• 要以低成本和可扩展的方式处理大数据，这就需要对整个IT架构进行 重构，开发先进的软件平台和算法。
• 而我国数据处理技术基础薄弱，总体上以跟随为主，难以满足大数据 大规模应用的需求。如果把大数据比作石油，那数据分析工具就是勘 探、钻井、提炼、加工的技术。我国必须掌握大数据关键技术，才能 将资源转化为价值。应该说，要迈过这道坎，开源技术为我们提供了 很好的基础。
• 3、模式创新和业务拓展尚显不足
• 虽然2015年大数据应用已延伸至各个领域，但应用模式多有雷同，应 用模式创新还有待进一步加强。企业应用大数据的目的鲜有拓展新业 务、开发新产品和创新增值服务，多是在改善现有业务、推销已有产 品或控制成本等。尽管2014 年部分大数据应用尝试使用非结构化数 据，但依然是将非结构化数据进行结构化处理后，再按照常规方法使 用