“互聯網+”農產品物流業的大數據策略研究

張天琪　胡軍珠

[摘 要]“十三五”時期我國經濟發展進入新常態。推動互聯網、大數據、云計算等信息技術與物流深度融合，可以推動物流業的供給側改革，使物流業轉型升級。而大數據時代的來臨，給農產品物流業的發展注入新的生機與活力。文章通過分析農產品物流大數據特征、大數據帶給農產品物流業的新機遇、新挑戰，提出物流業的應對策略，以期提高農產品物流效率，對農產品物流業的變革及轉型升級具有一定的參考價值。

[關鍵詞]大數據；農產品物流；“互聯網+”

[DOI]10.13939/j.cnki.zgsc.2016.36.012

“十三五”時期我國經濟發展進入新常態，向形態更高級、分工更復雜、結構更合理階段演化。2016年7月20日，李克強總理在國務院常務會議上強調“推進互聯網+物流，既是發展新經濟，又能提升傳統經濟”。此前，李克強總理曾3次主持國務院常務會議，討論通過《物流業發展中長期規劃》，部署發展現代流通業建設法治化營商環境，推進“互聯網+流通”行動，“要推動互聯網、大數據、云計算等信息技術與物流深度融合，推動物流業乃至中國經濟的轉型升級。這是物流業的‘供給側改革”。

農產品物流關乎國計民生，是百姓的生命線。我國在農產品物流方面仍有很突出的“短板”，發展農產品物流業、降低流通成本還有很大的潛力可挖，“互聯網+物流”也是農產品物流業今后發展的方向?；ヂ摼W之所以能成為信息社會的基礎，不僅在于其高效的傳播方式，互聯網的高速發展產生大量數據，其龐大的數據庫才是現代信息技術發展的關鍵。數據就是資源，是互聯網的核心，數據中心是互聯網行業的生存立業之本。因此，整合與深入挖掘數據資源，為農產品物流經營提供決策支持，為經濟運行提供分析預警，為農產品供應鏈上、下游企業提供數據共享和相互協同，用數據創造新的農產品物流價值，是大勢所趨。

1 農產品物流大數據及其特征

1.1 大數據的定義

什么是大數據？ “大數據”這個概念突出的特點即數據庫的“大”，這些大數據已經完全超出了傳統數據庫及計算機常用軟硬件的處理能力。正如麥肯錫全球研究所所定義的，大數據（Big Data）是無法用現有的軟件工具提取、存儲、搜索、共享、分析和處理的海量的、復雜的數據集合。[1]大數據的定義是相對于當前可以利用的技術和數據資源而言的。

1.2 農產品物流大數據的特征

農產品物流是產生海量數據的產業，農產品物流數據具有以下特征。

（1）數據來源復雜性。農產品物流領域的大數據源，可分為：農產品生產基礎地理位置信息、倉儲RFID讀取信息、GPS映射數據、圖像文件、車載信息、時間與位置數據、車輛數據、高分辨率影像、矢量、遙感及動態監測數據等；CRM（客戶關系管理）、流量監測、查詢應用、分析器等應用數據；報告資訊、科研數據、調研數據、公共數據、公共信息等。[2]

（2）數據結構多維性。農產品物流的大數據既包括存儲在數據庫里的結構化數據，也包括日志文件、 XML文檔、JSON文檔和電子郵件等半結構化數據。對于物流企業而言，更多的數據類型是辦公文檔、文本、圖片、XML、HTML、各類報表、配置文件、圖片、圖像和音頻/視頻信息等非結構化數據，半結構化、非結構化數據占大數據總量的75%～85%。這種數據格式的互不兼容性、多維性、結構復雜性、隨機性為物流企業數據采集、數據存儲、數據挖掘、數據分析與應用帶來了極大困難。

（3）大數據的供應鏈特征明顯。農產品物流供應鏈上的參與者包括農產品生產者、初加工、倉儲、運輸、配送、包裝、銷售等各個環節，物流軌跡長，環節多，每個環節都產生海量數據，環節性數據特征明顯，因此，物流行業大數據的應用呈現出供應鏈特征。

（4）數據價值密度低。在某些環節產生的數據價值密度低。以農產品冷藏車車載監控視頻為例，一部1小時的視頻，在連續不間斷的監控中，有用數據可能僅有1～2秒，甚至沒有，造就大量的無用數據；農產品倉儲過程如果為每件農產品使用常用的無線射頻標簽（RFID），標簽使貨物當前的位置、裝載和卸載的時間，存放的地點都很容易被追蹤到，但是 RFID識別器每隔10秒反饋快件的位置及狀態，這些數據將形成海量數據，一旦貨品離開倉庫，之前存庫的所有數據價值低，真正有用的是貨物存入和離開的數據記錄，如果貨物庫存3月，那么這期間每隔10秒的位置定位反饋數據就沒有長期保存價值，但又必須收集這些數據，時刻掌握貨物流向狀態。

2 大數據給農產品物流業帶來的機遇

農產品物流涉及的數據源主要包括這幾個環節：產前管理（投入品及環境資源）、產中管理（生產）、產后管理（物流）。其中，產前和產中是關聯數據，產前和產中的信息化管理主要是提供優質的農產品和協調區域品種結構數量，產后主要服務于物流。數據擁有者之間需要協同共享，整合數據資源，形成大數據池，并利用大數據技術進行分析，才能更好地服務于優質農產品生產和高效物流。

2.1 大數據技術是建立大平臺、大物流、智慧物流的基礎和關鍵

未來的物流平臺化發展是主流趨勢，而大數據是物流平臺的有力技術支撐，是驅動平臺運營的核心；大物流的主要目標是要實現全社會物流資源的整合利用，必須以大數據作為基礎資源；智慧物流是利用集成智能化技術，使物流系統能模仿人的智能，實現物流的智能化、網絡化、信息化、電子化，實現傳統物流向現代物流的轉變。這三大新興物流的發展和實現都需要數據分析為支撐。[3]

2.2 大數據技術是突破農產品物流發展瓶頸的利器

目前我國農產品物流行業的發展面臨著巨大的困難，亟須突破發展初期的界限，邁向更高層次的發展。物流業一直被稱為“第三利潤源”，但在農產品物流方面，由于農產品的特殊性，物流過程復雜、損耗高、風險高，企業數量多、規模不大，行業整體物流成本高。而物流成本高一方面取決于設備的利用率及先進性，另一方面取決于信息和數據的整合分析。如果能夠充分分析和挖掘物流數據中的潛在價值，就能夠幫助農產品物流企業降低產品損耗和物流成本，數據就成為突破“小物流”到“大物流”的利器。

2.3 大數據的應用是未來農產品物流業發展的必然趨勢

一是企業競爭需要大數據。未來的農產品物流市場，競爭更激烈、市場變化更快，利用大數據分析技術挖掘隱藏在海量數據中的價值，支撐和創新業務模式，將成為企業的核心競爭力；二是物流應用需要大數據。以電商為例，電商物流等社會化物流的強勁發展對每個節點的物流信息需求越來越多，需要通過大數據技術將物流業務數據與物流增值服務融合起來，縮短配送時間，降低損耗；三是供應鏈發展需要大數據。全程供應鏈可視化是全球供應鏈的發展趨勢，當C2B和O2O模式全面滲透到農產品物流的整個過程，物流信息的可視化是必然成為基礎運營的重點，數據必成為核心；四是農產品物流企業經營與管理需要大數據。傳統的根據市場調研和個人經驗來進行決策已經不能適應這個數據化的時代，只有對真實的、海量的數據進行分析挖掘，進行市場預測，才能真正抓住市場，因此，大數據是農產品物流企業內部管理和優化必備的基礎。

3 大數據給農產品物流業帶來的挑戰

作為一個新生領域，盡管大數據意味著大機遇，擁有巨大的應用價值，但同時也遭遇數據質量與實效、數據共享、數據標準化、數據人才等諸多問題的挑戰。只有解決這些基礎性的挑戰問題，才能充分利用這個大機遇，讓大數據為農產品物流業服務。

3.1 數據源的質量和實效性問題

企業的數據質量與業務績效之間存在著直接聯系，高質量的數據可以使公司保持競爭力并在經濟動蕩時期立于不敗之地。大數據來源有很多，數據結構隨著數據源的不同而不盡相同，農產品物流企業要想從紛繁復雜的多個數據源及時地獲取高質量的數據并進行有效的整合，是一個巨大的挑戰。在數據收集的階段，由于農產品周期性短，流動性強，環節多，流動數據的變化較快，如果物流企業沒有實時的收集所需的高質量數據，那么收集到的數據很可能是無效的。數據質量問題一般表現在屬性缺失、數據不完整、數據處理不及時、數據不準確、數據重復、數據屬性不一致等，從而影響數據信息不可靠，導致信息化建設效果不理想、決策出現偏差。一是在數據采集方面。數據采集是一個很大的市場，因為分析的數據模型可以根據需求和思維做，但所有的前提是數據的采集要準，現在的問題是采集不到或采集不準。農產品物流本身就是低利潤行業，信息化水平低，投入積極性不高，人員素質不高，如何采集符合要求的數據，這是必須面臨的問題；二是物流企業掌握了物流的主要信息，但由于利益與競爭問題，物流行業上報數據的真實性如何去監督，質量難以保證，如果原始數據質量很差，基于此的分析結果就不可信；三是由于人為控制數據的收集和統計過程，會使結果產生扭曲和偏差。發生暗箱操作、修改數據、無中生有“創造”數據的事情，這樣的數據準確性、完整性低，利用價值不高，這就大大降低了數據的價值。如果數據質量問題不可避免，應用時過度依賴這樣的數據，將產生很嚴重的后果，因為假數據比沒數據對社會的危害還要大；四是在數據管理方面，如果對海量數據不能夠進行有效管理、處理，會讓更多數據淪為垃圾，造成“數據過載”。

3.2 供應鏈數據協同與共享問題

農產品物流供應鏈長、環節多，每一步都會產生大量的數據。一是供應鏈上各企業數據共享難，供應鏈上各企業數據如何采集、如何共享、如何利用可能會成為影響大數據應用的瓶頸。尤其對于處于大數據中下游的企業來說，如果缺乏數據源頭的支持，將“巧婦難為無米之炊”。目前雖然各大巨頭都嚷著要開放，其實并沒有真心誠意將數據源開放，或者只允許在其各自平臺上運行。二是公用共享數據也難，封閉在各部門中，難以看到融合的曙光。例如，氣象部門詳盡的天氣預測數據，是研究農業生產的第一手數據，但大部分數據被束之高閣；又如，農產品豐收季節，物流運營商拿不到生產和運輸數據，難以提高物流效率。三是社會環境使數據共享難。大數據應用在我國還處于新生態階段，數據安全、客戶隱私信息保護的法律法規都不完善，部分物流企業高層管理人員還沒有意識到大數據資源給自身企業帶來的商業價值，對大數據的共享認識還沒有真正提升到企業發展的戰略高度[4]，數據共享還有很長一段路要走。

3.3 數據標準化問題

大數據不僅來源于行政記錄、商業記錄，還來源于互聯網、移動互聯網、數碼設備、物聯網、傳感器等方面。一方面，部分數據基本術語和編碼尚未標準化?，F行的政府統計數據和企業數據雖然遵循一定的原則和標準，但是需要共享的數據采集、數據存儲與記錄、數據交換等都缺乏統一的數據標準。另一方面，來源于各種數據采集器、移動互聯網等的數據多為半結構化數據和非結構化數據，與現有統計的結構化數據體系具有很大差異。因此，如何將數據基本術語和編碼標準化、如何將半結構化數據和非結構化數據與結構化數據體系相結合，還有待進一步研究。

3.4 數據管理人員問題

大數據并不是一個充斥著運算法則和機器的冰冷世界，仍需要人類扮演重要角色。農產品物流業的競爭關鍵還是人才的競爭，人才是物流業發展的核心要素。面對大數據時代的挑戰，專業數據管理人員的配備才是保證大數據質量的關鍵，由于大數據本身的多樣性、復雜性增加了大數據在處理和管理上的難度，現在物流企業既懂得數據挖掘、數據分析技術，又熟悉農產品物流規律和特征、農產品物流企業運營的復合型技術人才寥寥無幾。

4 農產品物流業的大數據策略

大數據時代已經來臨，大數據不僅是企業的事，更應是國家的事，要從國家層面發展大數據，實施網絡安全與信息化戰略。大數據是一場革命，它對現有生產力和生產關系的影響是顛覆性的，只有將大數據的重要性提升至國家層面，在發展目標、發展原則、關鍵技術等方面做出頂層設計和規劃，才能推動各行業大數據的應用與發展。在大數據背景下，如何打造真正的農產品物流“數據資源”，建立有效的有較高質量的政府公共數據庫，使數據轉化為資源，用數據破解“農產品安全”與物流頑疾？政府與行業、企業該如何應對？

4.1 國家層面，制定“大數據戰略”

規劃先行，確定大數據的戰略地位，把大數據當作國家重要的戰略資源。一是這需要我國在國家層面上給予大數據高度重視，在政策制定、資源投入等方面給予強力支持，消除壁壘，集中各界力量建立大數據良性生態環境，重視大數據理論與應用基礎研究及安全。從宏觀層面制定大數據研究的長短期規劃，搶占時代先機。二是立法工作要超前進行。美國在2000年就頒布了《數據質量法》，規定公民、公司、組織對政府公布的數據可以質疑，我國雖然有《統計法》這樣關于數據提供和使用的法律，但主要針對的是傳統數據情況，在大數據這方面還還存在相當大的空白和欠缺。因此，借鑒歐美等國經驗，立法先行。三是建立一套運行機制。大數據建設是一項有序的、動態的、可持續發展的系統工程，必須建立良好的運行機制，設計國家大數據政策框架，指導和協調公共領域的大數據管理，以促進建設過程中各個環節的正規有序。

4.2 行業層面，布局農產品物流大數據發展規劃

大數據環境下的農產品智慧物流實現并不僅僅是技術方面的問題，建設農產品大數據智慧物流的過程中將涉及農業行業、IT行業、交通運輸業、倉儲行業、農產品配送業、農產品加工業等，眾多行業間如何規劃、管理、協調、合作與共享等存在諸多問題。因此，布局大數據農產品物流發展，既需要政府的頂層設計，更需要農產品供應鏈上各參與企業從下到上的積極參與。一是為適應大數據的時代特點，要在堅持完善現有統計制度的基礎上，制定行業數據采集應用相關標準，建立政府綜合統計與政府部門數據統計統一、協調、互補的政府“大統計”模式。搭建一個共享平臺，在各專用數據庫建設的基礎上，通過數據集成，實現各級各類指揮信息系統的數據交換和數據共享。二是圍繞農產品物流的核心和目標，調動行業內部門各方資源，建立集共享、服務、查詢研究于一身的各部門數據資料的橫向和縱向共享平臺，實現資源共享。三是開發建立與統計工作流程，相配套的數據采集系統。形成統一管理系統下各負其責、資源互補、信息共享的協同運行機制。四是突破部門之間的信息孤島缺陷，通過數據，把倉儲、配送、高鐵、公路、水運等物流資源整合利用，讓農產品物流運轉越來越快，打造農產品智慧大物流體系生態圈，為實現各級各類信息系統的網絡互連、信息互通、資源共享奠定基礎。

4.3 企業層面，要高度重視大數據資源

一是農產品物流企業必須有大數據思維。消除對大數據片面認識和理解，重視大數據，及時應用大數據，將以往的信息技術圍繞企業自身效率轉變為用大數據的內、外部資源，利用資源共享平臺，使“數據說話”走向企業的決策中樞。同時，要培養全員大數據意識促進大數據應用技術在組織內的擴散，并內化為組織整體技能，共同維護數據資源，促進企業決策者、管理者、業務人員和數據工程師基于數據分析和數據應用的溝通、共享、協同，消除“數據孤島現象。二是農產品物流企業必須建立數據資產管理戰略。用數據資源來提高物流效率、優化物流服務，讓大數據成為物流企業總體戰略的一部分。[5]三是提升企業信息化水平，奠定大數據采集與應用基礎條件，重視數據采集質量與實效。利用各種先進信息化技術，建立企業信息化管理體系與信息化平臺，提升物流效率。充分利用內外部數據資源，發掘組織內部的“休眠數據”并認真評估其價值，同時要高度重視外部數據對企業的戰略價值，推動企業內部的數據處理系統與合作伙伴的相關系統的集成，實現順暢的數據交換和信息交流，使線上線下達到一種物流共生共贏狀態，形成新商業生態系統，推動農產品物流產業的跨越式進步。[6]四是針對農產品物流特殊性，積極對接農產品生產、初加工企業數據平臺，拓展生產企業與物流企業聯動發展，通過與生產企業的數據交換，整合資源，保證產品質量追溯，提升服務效率。五是重視大數據人才引進。培養和造就一支懂指揮、懂技術、懂管理的大數據建設專業隊伍。大數據人才是復合型人才，需要掌握統計學、數學、計算機科學、人工智能、人文社會科學等多個領域的技能和知識，對農產品物流，還需要精通農作物生長規律、農產品特質、市場營銷、國際貿易等知識，且能夠跨越學科和專業限制融會貫通，針對特定農產品能夠制訂多種快捷便利、保值增值的物流方案，這才符合社會分工日益精細化的現代經濟要求。

參考文獻：

[1]張天琪.大數據時代農產品物流的瓶頸及突破[J].商業時代，2014（18）：10-12.

[2]張天琪.大數據時代農產品物流的變革與機遇[M].北京：中國財富出版社，2015.

[3]肖婉宜.大數據在物流領域的應用研究[J].建筑工程技術與設計，2013（6）：288.

[4]田雪等.大數據在物流企業中的應用[J].電子商務，2015（1）：36-37.

[5]魏繼華.大數據應用對物流企業競爭力的影響研究[J].商業時代，2014（22）：29-31.

[6]曹旭光.大數據時代物流企業創新變革研究——以青島市物流企業為例[J].中國市場，2014（22）：8-10.