2013年，全国快递业务量首次超过函件业务量。
2014年，经济增长从高速增长转为中高速增长，全国快递量增幅也有所下滑，但仍超过140亿件，首次超过美国，跃居世界第一，成为中国经济的一匹黑马。
2015年，全国快递业务量首次突破200亿件大关，继续稳居世界第一，中国快递业在加速流通、扩大内需、调整结构、吸纳就业、普惠民生等方面的基础性作用日益显现。国家高度关注快递行业发展。
2016年，全国快递业务量突破300亿件，全球占比超过40%，日均服务超过2.5亿人次，支撑网络零售额超过4万亿元，占社会消费品零售总额比重达到12.5%，新增就业20万人以上。
2017年我国快递业务量突破了400亿件，达到400.6亿件，同比增长28%
2018年，我国快递业务量超过美、日、欧等发达经济体之和，规模连续五年稳居世界第一，是第二名美国的3倍多，全年中国快递业务量突破500亿件业务收入突破6000亿元

二、物流行业特点

物流产业是物流资源产业化而形成的一种复合型或聚合型产业。物流资源包括运输、仓储、装卸、搬运、包装、流通加工、配送、信息平台等。这些资源产业化后就形成了运输业、仓储业、装卸业、包装业、加工配送业、物流信息业等。它是一种复合型产业，因为所有产业的物流资源不是简单的垒加，而是一种整合。

一个复合产业的信息化，是对整个行业发展至关重要，利用信息技术对物流过程中产生的全部或部分信息进行采集、分类、传递、汇总、识别、跟踪、查询等处理活动，以实现对货物流动过程的控制，从而降低成本、提高效益的管理活动。信息化是现代物流的灵魂，是现代物流发展的必然要求和基石。

而信息化建设最重要的就是“数据过程管理”，其中包括，业务受理、仓储管理、配送管理、客户管理和决策支撑等，另外还有涉及企业内部相关部门及资源分配等过程，所以物流行业的过程管理是比较复杂的管理过程。物流行业的信息化普及，最基本的需要解决的就是，将各个过程数据化，并将相关数据进行结合分析，将关键数据指标转换为决策数据。

三、项目背景介绍

本项目基于一家大型物流公司研发的智慧物流大数据平台。该物流公司是国内综合性快递、物流服务商，并在全国各地都有覆盖的网点。经过多年的积累、经营以及布局，拥有大规模的客户群，日订单达上千万。以下列举了国内的几家物流公司某个月份的数据：

如此规模的业务数据量，传统的数据处理技术已经不能满足企业的经营分析需求。该公司需要基于大数据技术构建数据中心，从而挖掘出隐藏在数据背后的信息价值，为企业提供有益的帮助，带来更大的利润和商机。而自2012年，国家已陆续出台相关的产业规划和政策，也从侧面推动了大数据产业的发展。

该大数据项目主要围绕订单、运输、仓储、搬运装卸、包装以及流通加工等物流环节中涉及的数据、信息等。通过大数据分析可以提高运输以及配送效率、减少物流成本、更有效地满足客户服务要求，实现快速、高效、经济的物流，并针对数据分析结果，提出具有中观指导意义的解决方案。

物流大数据可以根据市场进行数据分析，提高运营管理效率，合理规划分配资源，调整业务结构，确保每个业务均可盈利。根据数据分析结果，规划、预计运输路线和配送路线，环节运输高峰期的物流行为，提高客户的满意度，提高客户粘度。

四、物流大数据的作用

物流大数据应用对于物流企业来讲具有以下 3 个方面的重要作用。

提高物流的智能化水平
降低物流成本
提高用户服务水平

五、物流大数据应用案例

针对物流行业的特性，大数据应用主要体现在车货匹配、运输路线优化、库存预测、设备修理预测、供应链协同管理等方面

1、车货匹配

对于物流企业来讲，可以通过对运力池进行大数据分析，公共运力的标准化和专业运力的个性化需求之间可以产生良好的匹配，同时，通过对货主、司机和任务的精准画像，可实现智能化定价、为司机智能推荐任务和根据任务要求指派配送司机等。

从客户方面来讲，大数据应用会根据任务要求，如车型、配送公里数、配送预计时长、附加服务等自动计算运力价格并匹配最符合要求的司机，司机接到任务后会按照客户的要求进行高质量的服务。

从司机方面来讲，大数据应用可以根据司机的个人情况、服务质量、空闲时间为他自动匹配合适的任务，并进行智能化定价。基于大数据实现车货高效匹配，不仅能减少空驶带来的损耗，还能减少污染。

2、运输路线优化

传统的派送方法是由快递员自己规划路线，但如果常走的路出现了拥堵，浪费时间也消耗成本，通过运用大数据，物流运输效率将得到大幅提高，大数据为物流企业间搭建起沟通的桥梁，物流车辆行车路径也将被最短化、最优化定制。

美国 UPS 公司使用大数据优化送货路线，配送人员不需要自己思考配送路径是否最优。UPS 采用大数据系统可实时分析 20 万种可能路线，3 秒找出最佳路径。

UPS 通过大数据分析，规定卡车不能左转，所以，UPS 的司机会宁愿绕个圈，也不往左转。根据往年的数据显示，因为执行尽量避免左转的政策，UPS 货车在行驶路程减少 2.04 亿的前提下，多送出了 350000 件包裹。

3、库存预测

通过互联网技术和商业模式的改变，现在网上很多店铺都跳过了经销商，直接将商品从工厂直接发到顾客手中，借助大数据不断优化库存结构和降低库存存储成本，运用大数据分析商品品类，系统会自动调用哪些商品是用来促销的，哪些商品是用来引流的。

运用大数据分析商品品类，系统会自动分解用来促销和用来引流的商品；同时，系统会自动根据以往的销售数据进行建模和分析，以此判断当前商品的安全库存，并及时给岀预警，而不再是根据往年的销售情况来预测当前的库存状况。总之，使用大数据技术可以降低库存存货，从而提高资金利用率。

4、设备修理预测

美国 UPS 公司从 2000 年就开始使用预测性分析来检测自己全美 60 000 辆车规模的车队，这样就能及时地进行防御性的修理。如果车在路上抛锚，损失会非常大，因为那样就需要再派一辆车，会造成延误和再装载的负担，并消耗大量的人力、物力。

以前，UPS 每两三年就会对车辆的零件进行定时更换，但这种方法不太有效，因为有的零件并没有什么毛病就被换掉了。通过监测车辆的各个部位，UPS 如今只需要更换需要更换的零件，从而节省了好几百万美元。

5、供应链协同管理

随着供应链变得越来越复杂，使用大数据技术可以迅速高效地发挥数据的最大价值，集成企业所有的计划和决策业务，包括需求预测、库存计划、资源配置、设备管理、渠道优化、生产作业计划、物料需求与采购计划等，这将彻底变革企业市场边界、业务组合、商业模式和运作模式等。

良好的供应商关系是消灭供应商与制造商间不信任成本的关键。双方库存与需求信息的交互，将降低由于缺货造成的生产损失。通过将资源数据、交易数据、供应商数据、质量数据等存储起来用于跟踪和分析供应链在执行过程中的效率、成本，能够控制产品质量；通过数学模型、优化和模拟技术综合平衡订单、产能、调度、库存和成本间的关系，找到优化解决方案，能够保证生产过程的有序与匀速，最终达到最佳的物料供应分解和生产订单的拆分。