1、1“互联网+”农产品物流业的大数据策略研究摘 要“十三五”时期我国经济发展进入新常态。推动互联网、大数据、云计算等信息技术与物流深度融合，可以推动物流业的供给侧改革，使物流业转型升级。而大数据时代的来临，给农产品物流业的发展注入新的生机与活力。文章通过分析农产品物流大数据特征、大数据带给农产品物流业的新机遇、新挑战，提出物流业的应对策略，以期提高农产品物流效率，对农产品物流业的变革及转型升级具有一定的参考价值。 关键词大数据；农产品物流；“互联网+” DOI10.13939/ki.zgsc.2016.36.012 “十三五”时期我国经济发展进入新常态，向形态更高级、分工更复杂、结构更合理阶段演
2、化。2016 年 7 月 20 日，李克强总理在国务院常务会议上强调“推进互联网+物流，既是发展新经济，又能提升传统经济”。此前，李克强总理曾 3 次主持国务院常务会议，讨论通过物流业发展中长期规划 ，部署发展现代流通业建设法治化营商环境，推进“互联网+流通”行动， “要推动互联网、大数据、云计算等信息技术与物流深度融合，推动物流业乃至中国经济的转型升级。这是物流业的供给侧改革 ”。 农产品物流关乎国计民生，是百姓的生命线。我国在农产品物流方面仍有很突出的“短板” ，发展农产品物流业、降低流通成本还有很大的2潜力可挖， “互联网+物流”也是农产品物流业今后发展的方向。互联网之所以能成为信息社会
3、的基础，不仅在于其高效的传播方式，互联网的高速发展产生大量数据，其庞大的数据库才是现代信息技术发展的关键。数据就是资源，是互联网的核心，数据中心是互联网行业的生存立业之本。因此，整合与深入挖掘数据资源，为农产品物流经营提供决策支持，为经济运行提供分析预警，为农产品供应链上、下游企业提供数据共享和相互协同，用数据创造新的农产品物流价值，是大势所趋。 1 农产品物流大数据及其特征 1.1 大数据的定义 什么是大数据？ “大数据”这个概念突出的特点即数据库的“大” ，这些大数据已经完全超出了传统数据库及计算机常用软硬件的处理能力。正如麦肯锡全球研究所所定义的，大数据（Big Data）是无法用现有的
4、软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。1大数据的定义是相对于当前可以利用的技术和数据资源而言的。1.2 农产品物流大数据的特征 农产品物流是产生海量数据的产业，农产品物流数据具有以下特征。（1）数据来源复杂性。农产品物流领域的大数据源，可分为：农产品生产基础地理位置信息、仓储 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（客户关系管理） 、流量监测、查询应用、分3析器等应用数据；报告资讯、科研数据、调研数据、公共数据、公共信息等。2 （2）数据结构多维性。农产品物流的大数据既包
5、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。对于物流企业而言，更多的数据类型是办公文档、文本、图片、XML、HTML、各类报表、配置文件、图片、图像和音频/视频信息等非结构化数据，半结构化、非结构化数据占大数据总量的 75%85%。这种数据格式的互不兼容性、多维性、结构复杂性、随机性为物流企业数据采集、数据存储、数据挖掘、数据分析与应用带来了极大困难。 （3）大数据的供应链特征明显。农产品物流供应链上的参与者包括农产品生产者、初加工、仓储、运输、配送、包装、销售等各个环节，物流轨迹长，环节多，每个环节都产生海量数据，环节性数据特征明显，
6、因此，物流行业大数据的应用呈现出供应链特征。 （4）数据价值密度低。在某些环节产生的数据价值密度低。以农产品冷藏车车载监控视频为例，一部 1 小时的视频，在连续不间断的监控中，有用数据可能仅有 12 秒，甚至没有，造就大量的无用数据；农产品仓储过程如果为每件农产品使用常用的无线射频标签（RFID） ，标签使货物当前的位置、装载和卸载的时间，存放的地点都很容易被追踪到，但是 RFID 识别器每隔 10 秒反馈快件的位置及状态，这些数据将形成海量数据，一旦货品离开仓库，之前存库的所有数据价值低，真正有用的是货物存入和离开的数据记录，如果货物库存 3 月，那么这期间每隔 10秒的位置定位反馈数据就没
7、有长期保存价值，但又必须收集这些数据，4时刻掌握货物流向状态。 2 大数据给农产品物流业带来的机遇 农产品物流涉及的数据源主要包括这几个环节：产前管理（投入品及环境资源） 、产中管理（生产） 、产后管理（物流） 。其中，产前和产中是关联数据，产前和产中的信息化管理主要是提供优质的农产品和协调区域品种结构数量，产后主要服务于物流。数据拥有者之间需要协同共享，整合数据资源，形成大数据池，并利用大数据技术进行分析，才能更好地服务于优质农产品生产和高效物流。 2.1 大数据技术是建立大平台、大物流、智慧物流的基础和关键 未来的物流平台化发展是主流趋势，而大数据是物流平台的有力技术支撑，是驱动平台运营的
8、核心；大物流的主要目标是要实现全社会物流资源的整合利用，必须以大数据作为基础资源；智慧物流是利用集成智能化技术，使物流系统能模仿人的智能，实现物流的智能化、网络化、信息化、电子化，实现传统物流向现代物流的转变。这三大新兴物流的发展和实现都需要数据分析为支撑。3 2.2 大数据技术是突破农产品物流发展瓶颈的利器 目前我国农产品物流行业的发展面临着巨大的困难，亟须突破发展初期的界限，迈向更高层次的发展。物流业一直被称为“第三利润源” ，但在农产品物流方面，由于农产品的特殊性，物流过程复杂、损耗高、风险高，企业数量多、规模不大，行业整体物流成本高。而物流成本高一方面取决于设备的利用率及先进性，另一方
9、面取决于信息和数据的整合分析。如果能够充分分析和挖掘物流数据中的潜在价值，就能够帮助5农产品物流企业降低产品损耗和物流成本，数据就成为突破“小物流”到“大物流”的利器。 2.3 大数据的应用是未来农产品物流业发展的必然趋势 一是企业竞争需要大数据。未来的农产品物流市场，竞争更激烈、市场变化更快，利用大数据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，将成为企业的核心竞争力；二是物流应用需要大数据。以电商为例，电商物流等社会化物流的强劲发展对每个节点的物流信息需求越来越多，需要通过大数据技术将物流业务数据与物流增值服务融合起来，缩短配送时间，降低损耗；三是供应链发展需要大数据。全程供应
10、链可视化是全球供应链的发展趋势，当 C2B 和 O2O 模式全面渗透到农产品物流的整个过程，物流信息的可视化是必然成为基础运营的重点，数据必成为核心；四是农产品物流企业经营与管理需要大数据。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，只有对真实的、海量的数据进行分析挖掘，进行市场预测，才能真正抓住市场，因此，大数据是农产品物流企业内部管理和优化必备的基础。 3 大数据给农产品物流业带来的挑战 作为一个新生领域，尽管大数据意味着大机遇，拥有巨大的应用价值，但同时也遭遇数据质量与实效、数据共享、数据标准化、数据人才等诸多问题的挑战。只有解决这些基础性的挑战问题，才能充分利用
11、这个大机遇，让大数据为农产品物流业服务。 3.1 数据源的质量和实效性问题 6企业的数据质量与业务绩效之间存在着直接联系，高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。大数据来源有很多，数据结构随着数据源的不同而不尽相同，农产品物流企业要想从纷繁复杂的多个数据源及时地获取高质量的数据并进行有效的整合，是一个巨大的挑战。在数据收集的阶段，由于农产品周期性短，流动性强，环节多，流动数据的变化较快，如果物流企业没有实时的收集所需的高质量数据，那么收集到的数据很可能是无效的。数据质量问题一般表现在属性缺失、数据不完整、数据处理不及时、数据不准确、数据重复、数据属性不一致等，从而影响数据
12、信息不可靠，导致信息化建设效果不理想、决策出现偏差。一是在数据采集方面。数据采集是一个很大的市场，因为分析的数据模型可以根据需求和思维做，但所有的前提是数据的采集要准，现在的问题是采集不到或采集不准。农产品物流本身就是低利润行业，信息化水平低，投入积极性不高，人员素质不高，如何采集符合要求的数据，这是必须面临的问题；二是物流企业掌握了物流的主要信息，但由于利益与竞争问题，物流行业上报数据的真实性如何去监督，质量难以保证，如果原始数据质量很差，基于此的分析结果就不可信；三是由于人为控制数据的收集和统计过程，会使结果产生扭曲和偏差。发生暗箱操作、修改数据、无中生有“创造”数据的事情，这样的数据准确
13、性、完整性低，利用价值不高，这就大大降低了数据的价值。如果数据质量问题不可避免，应用时过度依赖这样的数据，将产生很严重的后果，因为假数据比没数据对社会的危害还要大；四是在数据管理方面，如果对海量数据不能够进行有效管理、处理，会让更多数据沦为7垃圾，造成“数据过载” 。 3.2 供应链数据协同与共享问题 农产品物流供应链长、环节多，每一步都会产生大量的数据。一是供应链上各企业数据共享难，供应链上各企业数据如何采集、如何共享、如何利用可能会成为影响大数据应用的瓶颈。尤其对于处于大数据中下游的企业来说，如果缺乏数据源头的支持，将“巧妇难为无米之炊” 。目前虽然各大巨头都嚷着要开放，其实并没有真心诚意
14、将数据源开放，或者只允许在其各自平台上运行。二是公用共享数据也难，封闭在各部门中，难以看到融合的曙光。例如，气象部门详尽的天气预测数据，是研究农业生产的第一手数据，但大部分数据被束之高阁；又如，农产品丰收季节，物流运营商拿不到生产和运输数据，难以提高物流效率。三是社会环境使数据共享难。大数据应用在我国还处于新生态阶段，数据安全、客户隐私信息保护的法律法规都不完善，部分物流企业高层管理人员还没有意识到大数据资源给自身企业带来的商业价值，对大数据的共享认识还没有真正提升到企业发展的战略高度4，数据共享还有很长一段路要走。 3.3 数据标准化问题 大数据不仅来源于行政记录、商业记录，还来源于互联网、
15、移动互联网、数码设备、物联网、传感器等方面。一方面，部分数据基本术语和编码尚未标准化。现行的政府统计数据和企业数据虽然遵循一定的原则和标准，但是需要共享的数据采集、数据存储与记录、数据交换等都缺乏统一的数据标准。另一方面，来源于各种数据采集器、移动互联网8等的数据多为半结构化数据和非结构化数据，与现有统计的结构化数据体系具有很大差异。因此，如何将数据基本术语和编码标准化、如何将半结构化数据和非结构化数据与结构化数据体系相结合，还有待进一步研究。 3.4 数据管理人员问题 大数据并不是一个充斥着运算法则和机器的冰冷世界，仍需要人类扮演重要角色。农产品物流业的竞争关键还是人才的竞争，人才是物流业发
16、展的核心要素。面对大数据时代的挑战，专业数据管理人员的配备才是保证大数据质量的关键，由于大数据本身的多样性、复杂性增加了大数据在处理和管理上的难度，现在物流企业既懂得数据挖掘、数据分析技术，又熟悉农产品物流规律和特征、农产品物流企业运营的复合型技术人才寥寥无几。 4 农产品物流业的大数据策略 大数据时代已经来临，大数据不仅是企业的事，更应是国家的事，要从国家层面发展大数据，实施网络安全与信息化战略。大数据是一场革命，它对现有生产力和生产关系的影响是颠覆性的，只有将大数据的重要性提升至国家层面，在发展目标、发展原则、关键技术等方面做出顶层设计和规划，才能推动各行业大数据的应用与发展。在大数据背景
17、下，如何打造真正的农产品物流“数据资源” ，建立有效的有较高质量的政府公共数据库，使数据转化为资源，用数据破解“农产品安全”与物流顽疾？政府与行业、企业该如何应对？ 4.1 国家层面，制定“大数据战略” 9规划先行，确定大数据的战略地位，把大数据当作国家重要的战略资源。一是这需要我国在国家层面上给予大数据高度重视，在政策制定、资源投入等方面给予强力支持，消除壁垒，集中各界力量建立大数据良性生态环境，重视大数据理论与应用基础研究及安全。从宏观层面制定大数据研究的长短期规划，抢占时代先机。二是立法工作要超前进行。美国在 2000 年就颁布了数据质量法 ，规定公民、公司、组织对政府公布的数据可以质疑
18、，我国虽然有统计法这样关于数据提供和使用的法律，但主要针对的是传统数据情况，在大数据这方面还还存在相当大的空白和欠缺。因此，借鉴欧美等国经验，立法先行。三是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，设计国家大数据政策框架，指导和协调公共领域的大数据管理，以促进建设过程中各个环节的正规有序。 4.2 行业层面，布局农产品物流大数据发展规划 大数据环境下的农产品智慧物流实现并不仅仅是技术方面的问题，建设农产品大数据智慧物流的过程中将涉及农业行业、IT 行业、交通运输业、仓储行业、农产品配送业、农产品加工业等，众多行业间如何规划、管理、协调、合作
19、与共享等存在诸多问题。因此，布局大数据农产品物流发展，既需要政府的顶层设计，更需要农产品供应链上各参与企业从下到上的积极参与。一是为适应大数据的时代特点，要在坚持完善现有统计制度的基础上，制定行业数据采集应用相关标准，建立政府综合统计与政府部门数据统计统一、协调、互补的政府“大统计”模式。搭建一个共享平台，在各专用数据库建设的基础上，通过数据集成，实10现各级各类指挥信息系统的数据交换和数据共享。二是围绕农产品物流的核心和目标，调动行业内部门各方资源，建立集共享、服务、查询研究于一身的各部门数据资料的横向和纵向共享平台，实现资源共享。三是开发建立与统计工作流程，相配套的数据采集系统。形成统一管
20、理系统下各负其责、资源互补、信息共享的协同运行机制。四是突破部门之间的信息孤岛缺陷，通过数据，把仓储、配送、高铁、公路、水运等物流资源整合利用，让农产品物流运转越来越快，打造农产品智慧大物流体系生态圈，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。 4.3 企业层面，要高度重视大数据资源 一是农产品物流企业必须有大数据思维。消除对大数据片面认识和理解，重视大数据，及时应用大数据，将以往的信息技术围绕企业自身效率转变为用大数据的内、外部资源，利用资源共享平台，使“数据说话”走向企业的决策中枢。同时，要培养全员大数据意识促进大数据应用技术在组织内的扩散，并内化为组织整体技能，共同维护数据资源，促进企业决策者、管理者、业务人员和数据工程师基于数据分析和数据应用的沟通、共享、协同，消除“数据孤岛现象。二是农产品物流企业必须建立数据资产管理战略。用数据资源来提高物流效率、优化物流服务，让大数据成为物流企业总体战略的一部分。5三是提升企业信息化水平，奠定大数据采集与应用基础条件，重视数据采集质量与实效。利用各种先进信息化技术，建立企业信息化管理体系与信息化平台，提升物流效率。充分利用内外部数据资源，发掘组织内部的“休眠数据”并
