1、大数据背景下智慧物流信息技术总体概述
智慧物流要求具备信息化、数字化、网络化、集成化、可视化等先进技术特征。最新的编码、定位、数据库、无线传感网络、卫星技术等高新技术的应用会产生海量数据，贯穿物流全过程。如何挖掘和分析这些海量数据，挖掘价值数据，提高智慧物流效率，是智慧物流大数据战略的核心所在。依据大数据对物流信息处理流程，总结大数据背景下的智慧物流信息技术主要分为智慧物流信息捕捉技术、智慧物流信息推送技术、智慧物流信息处理技术、智慧物流信息分析技术以及智慧物流信息预测技术等五个方面，如图1-1所示。
图1-1 大数据背景下的智慧物流信息技术框架
2、智慧物流信息捕捉技术
除使用传统的RFID、条形码技术以及GPS、GIS等信息采集技术外，在大数据背景下，现代智慧物流信息捕捉技术是基于物品商品类型、物流业务角度的信息捕捉，是针对更广域的超大体量数据环境下，如企业营销数据、信息检索数据、Web搜索数据等，对智慧物流中的商品数量分布、需求分布、商品来源等海量信息进行捕捉。
（1）传统智慧物流信息捕捉
传统智慧物流信息捕捉主要是基于供应链角度的信息采集，主要包括条形码技术、RFID技术、GPS、GIS技术等。
（2）现代智慧物流信息捕捉
大数据背景下的现代智慧物流信息捕捉技术，是基于物品商品类型、物流业务角度的信息捕捉，是针对更广域的超大体量数据环境下，如企业营销数据、信息检索数据、Web搜索数据等，对智慧物流中的商品数量分布、需求分布、商品来源等海量信息进行捕捉。
3、智慧物流信息推送技术
通过采用移动通信网络、互联网、无限传感器网络等网络传输技术为信息推送提供硬件保障，同时在大数据背景下，智慧物流信息采集过程将实体“物”转化为信息和数据传输到网络环境中，再通过通信网络、无线或有线网络将感知信息传递至智慧物流应用平台中，通过信息传输技术，在智慧物流运行过程中，将信息传递至“人”并对信息进行相应的处理和应用，保证信息数据能够正确地在人与物或物与物之间进行传输，从而完成信息传输过程中的复杂交互。
（1）基于供应链的智慧物流信息推送
基于供应链的智慧物流信息推送，即通过对物流信息的实时掌控与推送，实现供应链业务的高效、快捷。其中，基于拉式生产的准时制（JIT）技术与理念，应用于智慧物流中，从原材料采购、产品生产和销售各个环节，避免了供应链供应缺乏或供应过剩、生产与运输之间的不协调、库存居高不下等弊端。
（2）基于商品的智慧物流信息推送
在互联网经济下，为了实现“以客户为中心”的要求，在准确分析供需关系和商品流量流向的条件下，力求在所发布的内容上符合个性化需求，即有针对性地为用户选择符合其消费心理和习惯的商品信息。基于商物的智慧物流信息推送即完成了根据消费者购物习惯、消费倾向等，为消费者提供合适的商品信息的过程。
4、智慧物流信息处理技术
通过建立智慧物流数据仓库，构建物流云计算平台，以及对物流信息实时处理，完成智慧物流信息的存储、计算与实时流处理，为智慧物流提供了完备的数据准备。
（1）智慧物流数据仓库
数据仓库技术主要是对数据进行集成化收集和处理，不断地对信息系统中的数据进行整理，为决策者提供决策支持。数据仓库技术主要解决数据的提取、集成及数据的性能优化等问题。大数据背景下的数据仓库技术主要包括Hive，Hadoop DB，Hadapt等。
（2）智慧物流云计算平台
在云计算智慧物流模式下，用户可将数据保存在互联网的数据中心，应用程序的运行依托互联网大规模服务器集群，如图1-2所示。云计算服务提供商负责数据管理和维护，保证数据的正常运作，智能物流管理平台为用户提供足够大的存储空间和足够强的计算能力，对全社会物流数据资源进行统一调配，用户只需通过互联网、电脑等终端设备方便快捷地使用数据和服务，享受高性能的计算能力和应用服务。云计算下智慧物流管理平台能够减少企业在物流平台的投资和使用成本，降低企业实现智能物流管理信息化的门槛，从而提升企业的竞争能力。
图1-2 云计算智慧物流管理平台
（3）智慧物流信息实时处理
智慧物流信息化时代，大数据实时流处理（Real-time stream processing）要求实时性、持续性，利用Hadoop平台，Flume、Kafka等开源技术，完成数据实时存储、实时计算、实时分析等内容，为挖掘数据价值、完成价值支付、与其他在线生产系统进行数据对接（数据反哺）提供基础。
5、智慧物流信息分析技术
通过对物流数据进行关联分析、聚类分析、等数据挖掘，可以实现物流客户关系分析、商品关联分析、物流市场信息聚类分析等功能，为智慧物流的运营与发展提供有效的分析与决策。
（1）智慧物流客户关系挖掘
针对已有海量客户与商品数据，如何应用数据挖掘技术对其关联关系、内在规律进行解析，进而为物流企业发展提供正确的决策依据，是大数据背景下智慧物流的核心。面对数量巨大的客户信息，物流提供商在设法留住老客户的同时，还要尽可能挖掘潜在的新客户，现在的信息系统对客户管理陈旧，并不能很好的吸引和调动客户积极性，因此用传统的方法并不能满足需求。但是，拥有处理海量数据能力及自我学习能力的数据挖掘技术与物流信息系统相结合，能够为物流企业提供强有力的支持。
（2）智慧物流商品关联分析
商品的合理储位对于仓容利用率、储存搬运分拣效率的提高具有重要的意义。在大数据环境下，对于商品量大、出货频率快的物流中心来讲，商品储位就意味着工作效率和效益，利用数据挖掘技术对海量货品信息间的联系进行关联分析，进而合理安排货架，能够有效提高分拣效率，同时有助于企业制定营销策略。
（3）智慧物流市场信息聚类分析
产品在进入市场后，并不会永远保持最高销量。一般来讲，随着时间的推移，产品会遵守销量变化的模式，经历四个阶段，即导入期、增长期、成熟期和衰退期，而在各个阶段，产品的生产要求和实物分拨策略不同。在大数据环境下，针对庞大且瞬息万变的物流市场，利用数据挖掘技术对物流市场数据进行聚类分析，能够有效帮助物流企业规避风险、做出合理决策。
6、智慧物流信息预测技术
利用完备的数据基础和先进的运营理念，在大数据信息预测技术的基础上，可以实现物流配送路线优化、物流预测性运输、仓储预测与动态管理等，真正有效地帮助物流企业制定决策。
（1）智慧物流业务管理预测
在大数据背景下，智慧物流业务管理预测以实现物流各个环节业务预测的信息化、数字化、可视化、智能化为目的，涵盖物流配送业务、运输业务、仓储业务等方面，达到物流配送路线优化、预测性运输和仓储的动态管理。
（2）智慧物流供应链预测
在大数据背景下，智慧物流供应链从产品设计、原料采购、产品生产、订单管理、产品销售以及协同的各个环节，都能够运用大数据预测技术对其各环节进行更为翔实的动态掌控。通过大数据预测技术优化供应链战略推动供应链发展，能够有效提升物流企业的核心竞争力。涉及各个物流环节的供应链预测技术很多，例如利用SAS分析平台的需求预测技术、供应链计划预测技术、供应链风险预警技术等。
（3）智慧物流商物预测
在大数据背景下，通过智慧物流商物预测技术，对商品货物的品类、流量流向、供需平衡等进行预测，可以帮助调整商品的营销策略，实现货品流量流向的前瞻性，合理构建物流网络，实现对供需市场的快速响应。
