前言：中文期刊网精心挑选了智慧物流的价值范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
智慧物流的价值范文1
目前常用于物流园区选址的评价方法主要有层次分析法和模糊综合评价法。由于影响物流园区选址的因素较多以及专家的知识水平和认识能力不同，在评价过程中未必能准确获取所有数据，存在信息不完全、不明确的情况，即具有灰色性，本文将灰色系统理论和层次分析法结合, 一定程度上消除了人为因素带来的偏差，有利于决策者对评价结论的有效把握。
1.指标体系的建立。经分析调查，建立物流园区选址的指标体系,如图所示：
2.灰色评价方法与步骤。
(1)确定评价指标集。结合层次分析法原理，将指标体系的三个层次定义为:目标层U,准则层和指标层（其中都等于5）。令U代表准则层指标所组成的集合，记为，代表指标所组成的集合，记为。
(2)确立评价指标的权重。利用层次分析法(AHP)来确定指标的权重值,即通过指标之间的重要性比较构造判断矩阵,求矩阵特征向量和特征根,并进行一致性检验,得出各项指标的权重。假设 的权重分配为，指标权重集为；的权重分配为，各指标权重集为。
(3)确定评价指标的评分标准。本文将评价指标的优劣程度划分为优、良、中、合格、差5个等级,并分别赋值(5,4,3,2,1)。若指标等级介于两相邻等级之间,其相应的评分为4.5,3.5,2.5,1.5分。
(4)打分评价。设有s个评价者,其评价者的序号为n=1,2,…,s。依据评分标准分别给各评价指标评分,并填写评价专家评分表(略)。设第n个评价者对受评对象某指标给出的评分为,由此得出受评对象的评价样本矩阵D。
(5)确定评价灰类。根据评分等级评分标准，决定采用5个评价灰类，灰类序号为e=1,2,3,4,5,分别表示优、良、中、合格、差。相应白化权函数如下:
第1灰类“优”(e=1),设灰数,白化权函数为：
第2灰类“良”(e=2),设灰数,白化权函数为：
第3灰类“中”(e=3),设灰数,白化权函数为：
第4灰类“中”(e=4),设灰数,白化权函数为：
第5灰类“中”(e=5),设灰数,白化权函数为:
(6)计算灰色评价权数。设评价指标属于第e个评价灰类的灰色评价系数记为总灰色评价数记为，则评价指标属于第e个评价灰类的灰色评价权数可记为。若评价指标对于各个灰类的灰色评价权向量为Hij，则有，指标的灰色评价权矩阵Hi可记为：。
(7)综合评价。①对准则层做一级综合评价，若对指标的评价结果为，有
②对目标层 做二级综合评价，综合评价结果B为：
＝Ai・Hi＝(bi1，bi2,∧bi5)
③计算综合评价结果。将各灰类等级按“灰水平”赋值，设 C=(5,4,3,2,1),于是得出受评对综合评价值S:S＝B・CT，由此,可根据 值大小对受评对象进行综合评价。
3.实例应用。某地规划拟建一个物流园区，需进行选址研究，经初步选择确立了三个预选地址A、B、C，需对这三个地址逐一进行综合评价，这里主要以A的评价为例。
(1)构造层次评价指标模型。利用上图给出的物流园区选址评价指标体系。
(2)确定评价指标权重。运用层次分析法,通过各指标重要性两两比较 ,最终确定各指标权重,结果如下:A=(0.4,0.3,0.3)；A1=(0.483,0.083,0.141,0.129,0.164)；A2=(0.311,0.264,0.159,0.136,0.130)；A3=(0.154,0.296,0.136,0.166,0.248)。
(3)打分评价。现有6位评价人员对A地址进行打分评价, 评分结果如表所示：
(4)按上述（5）、（6）步对表中的数据进行处理，得到受评者对指标的灰色评价矩阵:
(5)进行综合评价
B1＝A1・H1（0.397,0.375,0.158,0.066,0.004）;B2＝A2・H2(0.337,0.361,0.214,0.087,0);B3＝A3・H3(0.318,0.341,0.196,0.134,0.011);B＝A・[B1 B2 B3]T(0.355,0.361,0.186,0.093,0.005);S＝B・CT=3.968。
智慧物流的价值范文2
[关键词] 胃肿瘤；癌胚抗原；甲胎蛋白类；糖类抗原CA724；糖类抗原CA199；诊断；ROC曲线；Logistic回归分析
[中图分类号] R735.2 [文献标识码] B [文章编号] 1673-9701（2012）28-0065-03
血清CEA、CA125、CA199、CA724等肿瘤标志物已成为消化道肿瘤患者常用的检测指标，但如何能使多种TM合理使用以达到最佳效果仍是目前临床诊断急需解决的问题[1]。本研究通过分析以上指标在胃癌患者中的差异，同时应用ROC曲线和Logistic回归评价上述单个指标和不同组合对胃肿瘤的诊断能力，探讨其对胃癌的诊断、预后判断的临床意义。
1 资料与方法
1.1 一般资料
收集2010年6月～2011年3月在我院住院胃恶性肿瘤患者130 （男96，女34）例，平均年龄65.5（34～85）岁，其中未分化型9例、低分化型78例、中分化型36例、高分化型7例；根据UICC/TNM分期法（2002）Ⅰ、Ⅱ、Ⅲ、Ⅳ期分别为7、44、53、26例。另选临床明确诊断的胃良性病组49（男29，女20）例，平均年龄62.6（21～72）岁。其中消化性溃疡28例、慢性胃炎19例、胃平滑肌瘤1例、黏膜下血管球瘤1例。所有病例均经内窥镜检查、手术及病理活检确诊。正常对照组92（男50，女42）例，平均45.7（16～83）岁，各项体检指标均正常，肝肾功能正常，无心、肺疾病，无胃肠道病变。全自动电化学发光免疫分析仪E170及配套试剂（德国罗氏公司）、全自动化学发光免疫分析仪i2000及配套试剂（美国雅培公司）。
1.2 方法
1.3 统计学处理
采用SPSS 13.0统计学软件进行统计，定量资料以（x±s）表示，组间比较采用t检验，P < 0.05为差异有统计学意义；绘制ROC曲线并进行逐步Logistic回归，分析肿瘤标志物单一和联合检测对胃肿瘤的鉴别诊断价值。
2 结果
2.1 各组TM浓度
2.2 胃肿瘤组、胃良性病组Logistic回归和ROC曲线
2.2.1胃肿瘤组与胃良性病组血清CEA、CA125、CA724和CA199单一变量的ROC曲线 TM的ROC曲线下面积分别为CEA：0.668（95%可信区间：0.59～0.75，P < 0.01）；CA724：0.822（0.76～0.88，P < 0.01）；CA199：0.713（0.63～0.79，P < 0.01）；CA125：0.562（0.48～0.65，P > 0.05），差异无统计学意义。图1。
2.2.2逐步Logistic回归法和模拟变量的ROC曲线 运用软件逐步回归计算出胃肿瘤组与胃良性病组血清CEA、CA125、CA724和CA199的Logistic回归方程，CA125被剔除（P > 0.1，P表示根据CEA、CA724和CA199联合推测胃恶性肿瘤发生的概率）。X = 1.446-0.229×lnCEA-0.04×lnCA199-0.458×lnCA724用逐步Logistic回归建立模型，通过模型中的概率值（PRE）来拟合ROC曲线（图1）。单一TM和逐步Logistic回归曲线联合三种TM预测概率的AUC（如表2所示），当4种TM单独检测时，CA724的AUC最大，CA199次之，CA125最小，而逐步Logistic回归模型中（剔出CA125）联合3种TM的AUC要大于各项TM单项检测的AUC。
2.3 TM 评价参数
2.4 肿瘤标志物与胃癌分期的关系
3讨论
肿瘤标志物（TM）是指恶性肿瘤发生和增殖过程中，由于正常细胞基因调控失调或病毒基因诱发细胞突变，使细胞癌变并表达某种正常情况下没有的或含量极低的一类抗原物质，或是宿主对体内新生物反应而产生，反映肿瘤存在和生长的一类物质，对肿瘤的辅助诊断、鉴别诊断、观察疗效、监测复发和预后评价具有一定临床价值。但现用的肿瘤标志物敏感性和特异性均十分有限，并且有些肿瘤细胞可产生多种标志物，单一肿瘤标志物难以准确反映肿瘤的复杂性。因此，采用联合检测将是提高肿瘤标志物诊断价值的有效方法。CEA、CA125、CA724和CA199在胃恶性肿瘤的诊断均有一定的临床价值[2-4]。CEA是癌组织和胎儿细胞共有的一种细胞膜上的一种结构蛋白，胃癌发生发展中受原癌基因、细胞因子、细胞周期调节物和抑癌基因等多种因素的影响，CEA表达率为19%～56%。CA199是从癌细胞株中分离出来的一种肿瘤相关抗原，由癌细胞产生经胸导管引流到血液循环中，导致外周血CA199水平升高。有报道胃癌与肿瘤大小、局部浸润和淋巴结、肝转移相关，随临床分期增高而增大，其缺点是特异性不高。CA125主要存在于上皮卵巢癌组织和患者血清中，目前认为是上皮性卵巢癌最敏感的标志物，有报道称其在胃癌、结肠癌、胰腺癌有较高的阳性率。CA724属糖蛋白类癌胚胎抗原，其浓度上升与肿瘤分期有关，且对胃癌有较高的特异性；CA199在多种消化道腺癌中升高。
ROC曲线指受试者工作特征曲线（receiver operating characteristic curve），是反映敏感性和特异性连续变量的综合指标，用构图法揭示敏感性和特异性的相互关系，通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高[5]。通过绘制ROC曲线，以Youden指数最大为原则，比较不同TM的AUC，同时按照AUC原则提供“界值”，将CEA、CA125、CA724和CA199等多指标经Logistic回归曲线转化综合为一个参数Logistic回归模型的AUC[6，7]，在此基础上进行单一指标和多指标的联合分析得出CA724是胃肿瘤研究中的最佳单一指标，其AUC为0.822，多项联合分析以CA724+CEA+CA199为最好，其AUC为0.850，与逐步Logistic回归建立模型结果一致。用逐步Logistic回归拟合最佳曲线时，CA125（P > 0.1）预测价值相对较小而被剔除。多项肿瘤标志物联合相对单一指标在一定程度上克服了诊断敏感度不足的问题，且Youden指数增加，而特异度无明显变化。因此，用几种联合分析，动态观察，有助于胃癌的早期发现、早期诊断、早期治疗。
本研究发现，CEA、CA724和CA199水平明显高于正常对照组及胃良性病组，在Ⅲ+Ⅳ 期胃癌患者中明显高于Ⅰ+Ⅱ期患者（P < 0.05），说明其在一定程度上可判断肿瘤患者的分期，而CA125在Ⅲ+Ⅳ 期胃癌患者与Ⅰ+Ⅱ期患者中无明显差异（P = 0.101）。
然而，本文Logistic回归拟合模型的效果有待在有病理学组织检查为标准的更大患者人群中验证。至于评价胃肿瘤外科治疗、化疗、放疗的效果、判断预后、肿瘤转移情况以及能否单独用作疗效评估，还需作进一步研究。
[参考文献]
[1] 刘颖，林中，胡琼花. 血清肿瘤标志物对胃癌诊断及预后判断的临床意义[J]. 中国实验诊断学，2010，14（4）：560.
[2] 杨海蔚，温怀凯，余玲玲. 4 种血清肿瘤标志物的检测对胃癌的诊断价值[J]. 现代中西医结合杂志，2007，16（27）：4041-4042.
[3] 程晖，胡芳，袁柯. 胃肠道肿瘤标志物联合检测的临床应用[J]. 现代检验医学杂志，2006，21（3）：83-84.
[4] 成军，王严庆. 胃癌患者胃液血清中CA72-4、CA19-9 和CEA联合检测的临床价值探讨[J]. 重庆医科大学学报，2003，28（1）：19-20.
[5] 何惠，刘基铎，周迎春，等. ROC曲线评价AFU及AFP对原发性肝癌的诊断价值[J]. 国际检验医学杂志，2006，27（2）：118-120.
[6] Brumback LC，Pepe MS，Alonzo TA. Using the ROC curve for gauging treatment effect in clinical trials[J]. Stat Med，2006，25（4）：575-590.
智慧物流的价值范文3
所谓农村智慧物流是指借助地理定位等物联网技术，来配送农产品的全过程。在农村发展智慧物流产业，解决农产品的销路问题，加快了农产品的流通。
1 新型城镇化背景下农村智慧物流发展中遇到的问题
1.1 从体制上来讲，体制缺陷影响农村智慧物流的发展
我国农村智慧物流为什么难以健康、长远的发展下去呢？究其原因在于政府部门的管理体制存在着问题。农村智慧物流产业培训工程要将农产品整合起来，掌握最新的信息技术。当前，政府部门所采取的多层次行政管理策略，影响到农村智慧物流产业的发展。
1.2 从技术上来讲，技术较低影响农村智慧物流的发展
在推动农村智慧物流的发展，技术起着关键性的作用。现阶段，农村智慧物流企业存在着以下的问题：1、将侧重点放在了物流设施上；2、忽视了物流软件中存在的问题，这就导致农村智慧物流产业缺乏竞争力。
2 新型城镇化背景下农村智慧物流发展的策略
2.1 构建农村智慧物流体系，整合农村资源
站在政府部门的立场上来讲，为了能推动农村经济的快速发展，构建农村智慧物流体系是有必要的。无论是从宏观上来说，还是从微观上来说，农村智慧物流产业都对提高农村经济效益大有裨益。为此，政府部门要从宏观和微观这两方面出发，在满足农村经济的基础上构建农村智慧物流体系。
站在物流部门的立场上来讲，其要构建协调机构。农村智慧物流产业是否能顺利发展下去取决于其他企业的配合度。在其他企业的配合下，农村物流企业的竞争力得到了明显的提高。同时，这为管理农村物流企业中的不良行为起到了积极作用。通过让农村物流企业公平竞争，这营造了公平的竞争环境，降低了农村物流企业的竞争压力。
2.2 制定统一的物流产业标准体系，促使农村智慧物流系统化
在制定统一的物流产业标准体系时，必须要做好以下几项工作：第一项，编码农产品；第二项，统一物流信息传输格式，将地区与地区间的信息障碍消除掉，为农产品物流、农产品销售活动提供统一的标准。当然，制定统一的标准体系要将农产品物流编码技术放在第一位，构建电子商务服务平台，实现农村物流系统的自动化。
构建、实施农村智慧物流产业这项工程较为系统，这必须要建立与农村智慧物流产业相协调的组织，规划好物流路线，配置相关的资源。地方政府要将发展农村智慧物流放在第一位，整合各个区域的优势，开发与农产品物流需求相符合的物流产业标准体系。
2.3 引进先进的物流技术，提高农村物流技术
在构建农村智慧物流系统时，必须要将物联网技术的智慧物流系统作为基础。通常情况下，与农产品物流业务的物联网是由以下几个部分构成的：第一部分，感知层；第二部分，信息交互层；第三部分，应用层。其中感知层的功能在于，将农产品的物理空间与物联网的信息空间相结合起来，借助终端可视化信息采集器来对物流客体中的信息进行准确的识别。信息交互层的功能在于传输、处理感知层与应用层间的物流信息。应用层的功能在于将应用型软件作为工具，准确识别用户、货物以及信息等。
对于农村物流系统管理者来说，其要将物联网技术规范作为参考依据，确保农村智慧物流系统的正常运行。农村智慧物流系统管理者要想真正实现设施、设备与信息这三者的相贯通，那么必须要将物联网技术作为基础。农村智慧物流系统中可以引入GPS、GIS等信息技术，保证物流管理系统可以随时掌握、控制农产品的物流进度。农村智慧物流系统要分析物流活动过程中所产生的一系列数据，并挖掘数据，寻找资源，优化物流系统的效率，不断改善农村智慧物流系统。
2.4 完善农村智慧物流平台，实现信息资源共享
在构建农村智慧物流信息平台时，不仅要收集相关的物流信息，还要整理相关的物流信息。农村智慧物流系统中的“智慧”二字主要体现如下：体现在物流的各个环节上、优化配置系统上的各种信息、这为物流系统提供了支持。农村智慧物流信息平台的功能是对农产品的物流信息、即时信息进行处理，为运输农产品、配送农产品提供最完整的方案。农村智慧物流信息平台可以通过整合各种资源来实现互通，全面优化、共享物流信息，将物流即时信息的价值充分发挥出来。当然，农村智慧物流活动涉及到以下的活动：农产品企业内部物流活动、第三方物流企业的物流活动等。农村智慧物流系统便于更快速的流动农产品，还实现了资源的优化配置。农村智慧物流信息平台要将物流企业基础信息、公共物流设施等相结合起来，借助信息平台来完善技术，完善处理物流信息的各项功能。
智慧物流的价值范文4
贵州属亚热带湿润季风气候，由于地理位置、气候、人文等因素，独有某些原材料及少数民族加工工艺、特殊营养价值等因素，出现了众多的土特产[1]。但是经历多年的发展，这些土特产大多都仍然存在物流运输效率跟不上，局限于贵州为主要市场的销售模式。如何将这一销售状况改变，借助电子商务销售平台成为重要手段，先进高效的物流服务成为必要需求。因此，将贵州土特产借助电子商务平台寻求更多的顾客群成为重要的营销手段，借助智慧云物流平台做好高效物流服务环节成为必然的发展趋势。两者的结合，有利于拓展顾客群，降低物流损耗率，满足消费者多样化需求，对贵州土特产的销售推广、运营发展有着重要意义。
二、电子商务及智慧云物流平台结合是贵州土特产销售模式的必然发展趋势
（一）电子商务平台成为贵州土特产销售的重要手段。电子商务指在因特网开放的网络环境下，买卖双方不谋面地进行各种商贸活动，实现网上购物、交易、支付及各种商务活动相关的综合服务的一种商业运营模式[2]。根据商务部2015年5月的《中国电子商务报告（2014）》称，2014年，电子商务交易总额增速28.64%，是生产总值增速的3.86倍;国内移动购物市场交易规模达到8956.85亿元，年增长率达234.3%。可见，消费者通过电子商务平台进行交易已经成为重要的消费手段。因此，该平台必然成为当今贵州土特产销售的重要手段。
（二）将智慧云物流引入贵州土特产销售电子商务模式中
的必要性。电子商务交易赋予贵州土特产信息技术商务运作的网络平台，使消费者拥有不受时空限制选择产品的经济环境，但是，贵州土特产大部分具有时效性，因此能否实现这一平台的运用还取决于产品能否快捷送达。
传统的物流模式包括共同配送、第三方物流配送以及自营物流配送三种模式。随着物流服务在电子商务中的地位日益重要，网上零售平台纷纷进行物流管理创新实践，这预示着电子商务物流将进行“大平台”整合。“大平台”的整合将迎来智慧云物流的发展，智慧云物流是将“云计算”的理念引入物流管理模式，建立“云计算”物流运作体系.依靠大规模云计算处理能力、标准化作业流程、精确环节控制、智能决策支持以及信息共享来完成物流行业的各环节活。
贵州土特产销售有需求客户在全国分散、产品需求波动、配送时效紧迫性等特点，要对它进行电子商务运作，结合具有动态感知能力、智能决策与自动分配的“智慧云物流”平台，成为迫切需要。
三、将智慧云物流引入贵州土特产电子商务销售平台的可行性
目前智慧云物流产业按其运作方式、流程与结构可以分为以下几种：大型网购平台模式;供应链核心企业模式;大型第三方物流企业模式;面向中小企业SaaS模式;基于社会物流的模式。针对贵州土特产的销售，比较适合的运作方式主要为大型第三方物流企业模式和面向中小企业SaaS模式。
大型第三方物流企业模式是大型物流企业，利用智慧云物流提高其运营效率，，实现共同配送与资源共享。各大快递公司纷纷搭建云计算物流信息门户，以满足顾客的各种需求。而我们可以将我们的土特产电子商务平台依托在第三方物流企业的云物流平台上，对我们的商品按照种类、保质期、配送需求等因素合理调配，进行及时配送，实时跟踪。这种方式不需要我们去搭建专门的云物流平台，云物流的成本计入在每次的运费上，即时支付，方便快捷。
面向中小企业SaaS模式，是将物流应用软件统一部署在公用服务器上，需求方通过网络向平台“在线租用”所需的云物流服务，按功能多少和时间长短向厂商支付费用。近几年来，我国SaaS平台获得了较快成长，诞生了 “阿里软件”等云服务平台。贵州土特产电子商务平台也可结合这样的SaaS模式，租用云物流平台，进行长期合作，稳定高速安全的进行物流服务。
以上两种智慧云物流模式都是贵州土特产电子商务销售平台可以结合的模式，这样的结合对于提高土特产的认知度及物流可信度、运输速度有较大的帮助，可协助将新鲜、优质的贵州土特产送达客户手中。
智慧物流的价值范文5
关键词：大数据 智慧物流 影响
中图分类号：TP311. 13 文献标识码：A 文章编号：1007-9416（2016）11-0224-01
1 物流大数据的收集和分析
1.1 物流大数据的收集
物流大数据中的数据资料都来源于互联网、物联网、传感器、移动设备等，通过多种渠道来进行相关数据资料的收集。而后对这些数据进行实时的分析，进而对其中有利的知识进行运用。就我国目前发展的状况来说，主要是通过互联网日志数据收集、传感器数据收集以及web数据收集着几个主要的数据收集来源进行资料获取的。
互联网日志收集在进行数据收集时，主要是通过对相关平台中产生的日志信息数据进行分析得出的。互联网中的社交网络每分钟都会产生大量的文字、图片等数据。同时，在电子商务平台上用户在进行消费操作时，就会产生一定的浏览及购买的记录，甚至是商品的评价消息等。传感器进行数据收集时则是通过对相应传感器上的时间、地点、环境等进行实时的收集与获取，进而就能够实现大数据在物流配送中的只能监控。而web数据收集就是计算机用户在对其中的数据进行归纳、整理的过程中获得的有一定价值的数据。
1.2 物流大数据的分析
1.2.1 深度学习
对大数据进行分析是对在社交网络及电子商务的平台中产生的相关日志及数据的整理、分析与解决。我国之前对于传统的物流进行过相关的分析与研究，但是都是一种认知较浅的分析。而随着大数据时代的发展，有很多的网络公司为了顺应时代的发展，设计出了更为复杂的数据处理模型，因而对传统物流的研究已不再适用当今社会的发展。因此，就需要对其进行系统的、深度的学习，对不同层次的数据进行有效的分析。通常情况下，分布式数据库系统是进行大数据分析的常用系统。
1.2.2 知识计算
想要有效的对大数据进行分析，就需要有效的从所收集到的数据中进行筛选，选出有价值的数据，进而建立起一个可分析计算数据的网络系统。进而有效的提升物流配送的相关路线的选择以及路况的分析，从而减少物流成本。
2 物流大数据的可视化转化
物流可视化信息平台是运用数据库的集成技术，将不同的业务划分为不同的方面，进而使其可以得打快速有效的处理，促进了不同业务的发展。一般而言，都会将系统划分为三个层次，即用户层、功能层以及中央数据库。
系统的用户层也是表现层，其应用于客户端之中。因而，系统用户就可以通过使用各种浏览器来对相关的应用进行访问，下达指令。同时通过系统对指令的运行进而实现相关的业务功能。而在功能层上，则是要与物流数据库进行连接。进而对相关的数据进行整理与分析，并将结果反馈到客户端中。系统中的中央数据库则是为整个物流可视化平台提供了进行数据存储的功能，同时还对相关的数据进行了分析与整体，便于对物流信息进行及时更新。
3 物流大数据可视化信息系统在物流配送中的应用
3.1 多媒体展示
传统展示数据的形式就是对成本利润等数据进行对比，进而将有效的信息进行直观的展示，被企业经营者所运用。而现代的多媒体展示则更注重对相关的制度、概念、文件进行详细的文字表述，进而实现信息的可视化。与此同时，还可以依据实际的情况进行相关表格的绘制，进而更加直观的表达信息。除此之外，还可以在物流配送的过程中，进行线路提醒、语音报警等提示语音来实现动态信息的可视化。
3.2 预警提示
通过将数据进行可视化的处理之后，企业就能够依据进行战略部署的调整，提升企业的决策准确性，从而规避风险。而在物流配送的过程中进行预警可视化，可以采用不同颜色的等来表示该环节的情况，能够有效的提升物流仓储及入库信息的准确性。通过对相关的分拣、包装、调度信息等方面的预警，能够有效的物流服务，提升客户的满意度。
4 信息可视化系统的再发展
伴随着互联网、移动终端以及传感器的普及与应用，物流行业的基础设施、设备技术、物流信息等都实现了信息化与可视化。据此，就能够在此基础之上建立起智慧物流生态链。将物流企业的信息化与电商企业的数据平台相结合，能够为不同的企业提供区域性甚至是国际性的物流服务。同时还能够与相关的监督管理层的数据平台相连。，最终实现各行业之间大数据平台的相互融合、开放的生态链。通过建立智慧物流生态链，能够使得不同行业之间的数据进行对接与共同，提升物流的速度，顺应时代的发展。
5 结语
在大数据的时展背景之下，物流行业的发展需要始终以客户为主体。通过进行大数据的分析、控制及预测，能够有效的促进物流企业的发展及决策的相关能力。在物流中应用大数据，通过分工合作的模式，进而对物流服务进行一定的创新与提升，提升物流的效率，进而推动整个物流服务的发展，使得物流生态链的运作更具智慧性。
参考文献
[1]梁红波.云物流和大数据对物流模式的变革[J].中国流通经济，2014（5）.
智慧物流的价值范文6
随着RFID、传感器以及智能手机等设备的普及，物流行业正在进入一个新的发展阶段，即智慧物流。通过运用智慧物流技术，物流企业得以对物流配送的整个流程进行监督、对配送路线进行优化，而客户也能全程了解货物递送的全过程。而这里的“智慧”，很大程度上是通过商业智能来实现的。
“几乎所有物流公司，包括铁路运输公司、卡车运输公司、邮政、包裹和第三方物流公司，都能够从商业智能中获益。”Teradata天睿公司全球运输物流业总监Shaun Connolly告诉本报记者，这种获益不仅指节约成本，企业还可以把这些设备采集来的数据融合，从而发挥更大的价值，比如创新业务模式等。作为大数据分析和数据仓库技术供应商，Teradata天睿公司针对物流企业定制了动态数据仓库和商业智能分析解决方案。
RFID、传感器的大量部署使得物流企业获得大量数据，然而这些数据的管理和使用正是当下很多物流企业面临的巨大挑战。为此，Shaun Connolly建议物流企业建立数据仓库，实现数据的集中和整合，从而为商业智能奠定基础。实际上，数据整合后再通过商业智能分析，常常能产生前所未有的效果。他介绍说，有一家公路运输公司通过对卡车突然加速和停顿产生的冲击力数据进行记录和分析，来分析冲击力对货物产生的影响、对卡车的影响、耗油量的影响以及评估驾驶员的驾驶能力，通过将货物、卡车部件、驾驶员行为、耗油量等数据和冲力数据汇聚到Teradata动态数据仓库，就能够获得更加智能的分析结果，从而制定有效运营决策。
在英国，有一家保险公司与Teradata天睿公司合作，在高速行驶的机动车辆上安装传感器，然后根据传感器传送的数据来决定车主的车险保费和费率。这样保险公司可以根据驾驶的习惯平均速度、经常行驶的路况去决定保费情况。如果投保的车出了事故，商业智能系统分析传感器收集到数据后，就可以确定事故发生前的速度、性能状况，以及在事故发生期间刹车装置、速度和应对行为的数据。这些明确的数据有利于车险公司处理车辆的索赔申请。同样，有一家航空公司也在飞机中装有数据采集系统，它类似机的“黑盒子”，在飞机降落之后，在飞行阶段所有有关飞机状态的数据都会下载到Teradata的数据仓库里。这些数据可以非常方便地用机维护保养，比如帮助维保人员了解飞机在飞行时的表现、分析哪个零部件需要更换，以及整架飞机需要什么样的维保服务。
“随时可用的数据引发商业智能的应用热潮。应该说，商业智能为物流行业开启了一个新的时代，它已经成为智慧物流的动力和引擎。”Shaun Connolly说。
