按：文中所说的车、司机大数据公司的老总和易流的张总、黄总是本人敬佩的物流人；读罢黄总大作，本人深有感触、得到很好学习；关于物流大数据的论述，也有一些想法和意见，借黄总的文章，狗尾续貂；文中观点，不针对任何个人，纯作为对行业问题的探讨，得罪之处，请多包涵。（本人观点以红字作为标识）
物流数据化、数据驱动物流是物流业发展的大趋势，物流大数据会越来越重要。然而当下物流大数据应用出现一些不好的现象，走进了唯数据论的误区，误导物流大数据的发展。
从本质上来讲，物流是货物位移的组织过程，在这个过程中，物的存储、位移永远是需要首先考虑的，物流数据要依赖于真实的物流过程存在，物流大数据的价值在于对物流过程的优化、物流服务品质的评估、物流信用评估、宏观经济分析等方面。
自从大数据这个词被引入到物流领域，关于物流大数据的声音层出不穷，相当多的关于物流大数据应用的场景描述偏离了物流活动本身，为了谈数据而谈数据，误导了物流大数据的发展。
浩峰的意见：现在的大数据，大家普遍知道是个好东西，打个比方：就如知道人参是个好东西，但好在哪里？对哪些人适用？怎么使用？目前普遍处于摸索阶段；我觉得，先要允许不同声音存在、允许大家从不同层面进行尝试；先是为数据而数据，逐渐要规范数据源、数据使用和开放数据的使用。
物流大数据应用常见的误区
最近有一种倾向，凡是提“物流大数据”就把应用场景往卡车发动机参数搜集、节省油耗、司机驾驶行为等与物流的组织过程本身没有关系或关系不大的方面去引导的，这些就是典型的物流大数据应用的误区。
浩峰的意见：真正的大数据应该是跨企业、跨平台的；大数据概念引入国内也为时不长，对大数据的理解和应用目前处于概念阶段的比较多，对大数据的理解、应用大家都处于摸着石头过河阶段，大数据转换成生产力除了需要数据量外，还需要考虑数据质量、数据分析的工具、数据清洗、数据建模，基于不同的维度产生不同的应用；但大数据分析得出的结论，是否科学、有效？这受限于诸多内外部因素，数据本身只是一个层面。
我个人觉得，以上提到的涉及车、司机的数据收集，基于第三方平台对大量各用车单位数据的收集，如果能产生真实、有效、类目繁多的数据，我认为也可以是物流大数据的一种；因为，基于运输业务的车、司机是物流的基本要素，体量庞大，每天在路上跑的各物流单位的车、司机规范操作，基于管理工具让车、人安全、可控，也就是让占物流一半比例的运输版块安全可控，这也是数据产生了价值；应用的层面不同而已。
以下关于三大车辆层面的误区，本人非车管专业人士，不妄作评论，留给该车平台来进行答复；但总体意见，我认为这些数据应该有其价值，要看怎么来用；包括在油耗上，其实无论是作为单位车还是个体车，油耗都是用车人和车主考虑的一个较大比重的成本；是否有好的驾驶习惯对运输质量影响也大，通过基于数据的分析，通过防预性驾驶策略，进而影响服务质量。
【误区一】
卡车发动机数据
卡车发动机数据重要吗？重要，这是对发动机的故障诊断及保养维修等方面是重要的。但是对物流而言，卡车发动机的数据在绝大数情况下可有可无。为什么呢？货主要发货，承运车辆得按时到达发运地、按要求送达目的地，首先是有没有可用运力的问题。这个时候，车型、载重的信息要优于发动机的信息。例如，货主根据自身业务及货源情况，需要12.5米的车，承运商不能派个9.6米或17.5米的车还说因为这些车可以采集到发动机的数据吧。
卡车发动机数据，是卡车制造商及卡车4S店关注的数据，因为卡车售后服务可以通过数据来准确判断卡车发动机的问题。
有一种声音，需要每分每秒感知发动机ECU、OBD的数据，这是在误导物流行业。
ECU发动机电控单元是发动机控制系统的核心，开放ECU会带来擅自修改发动机参数改变发动机功率和扭矩的现象。OBD是用来检测尾气排放的。这些数据与物流活动没有什么关系。
开放ECU和OBD数据还有个非常现实的问题，每种型号的发动机都不一样，都需要根据每款发动机的情况单独解码。
从发动机主机厂的角度，是不愿意开放ECU、OBD参数的，一旦开放这些数据，最终因为参数改变引发的发动机故障和安全事故主机厂要不要负责任？
【误区二】
油耗数据与省油
对自营车队的管理而言，采集油耗数据最根本的目的是防止司机偷油，有一定的意义。但是在中国，90%以上的车都是个体车辆，都是三、五辆车的个体小车队。个体车主及个体司机都是精打细算的主，这个群体对节省油耗和成本是最关注的，同时也是非常专业的。油耗数据对个体车主及司机而言，没有多大的参考价值。
另外，想通过油耗数据来达到省油的目的，一般也是徒劳的。因为影响油耗的因素是多方面的，例如车况、载重、路况这些因素，是司机、物流公司无法改变的，该耗多少油还得耗多少油。
【误区三】
司机驾驶行为数据
中国物流业的小散乱，司机是替罪羊，把物流业的落后归咎于司机难管是不对的。现实是，货运司机是中国劳动中最吃苦耐劳、最艰辛的一个群体，他们走南闯北、风雨无阻。
有的人讲，可以根据驾驶行为数据判断司机的性格，进而淘汰性格不好的司机。这个观点是站不住脚的，因为性格无法用好坏来评判。司机既然从事了货运这个行业，就自然会遵守行业的规则，什么事该做或不该做，司机最清楚。一旦上路，所有的风险和责任都是由司机来承担，就算有再大的委屈，司机都会压着自己的性子。可以说，货运司机是比较灵活甚至圆滑的一个群体，这是行业环境和职业要求使得他们必须灵活和圆滑。
根据驾驶行为数据管理司机通常也是无效的，例如不能根据ACC数据强制司机熄火，总不能大热天的不让司机开空调吧？又比如，不能根据发动机及变速箱的数据，来要求和指导司机上坡如何挂挡。
物流大数据应用要回归到物流业务本身
物流大数据很重要，这个行业趋势没有哪个物流企业可以避开。那么对企业而言，该从哪些视角去看待物流大数据呢？
我们认为至少有这几个视角：物流服务质量、物流活动效率和物流数据征信、物流优化、宏观经济分析是物流大数据应用中应该重点关注的。
浩峰的意见：以上几个视角，是不错的用数据来指导物流业务的视角；但基于目前行业现状及大数据的特点，会有些问题，路还比较长，以下根据黄总的视角，本人也谈谈自己的理解；不针对个人，只作为问题的探讨。
视角1：物流服务质量
物流大数据可以反映物流企业的服务质量。例如物流服务的时效表现如何，是不是出库、发运、送达老是延迟或迟到？例如货物安全，因为货损、货差、丢货被投诉的频率是多少？在冷链物流方面，物流过程的温湿度是否都是合格的？这些都可以通过物流过程的大数据来反映。基于物流过程的大数据，还可以向货主提供自主查询服务，提高客户的物流体验。所以，行业需要从物流服务质量的视角来看待物流大数据。
浩峰的意见：物流服务质量，从这个层次来看，我觉得这也不是大数据；目前来看，这些服务质量只是单个物流公司或集团范围内的数据，远远达不到大数据的要求；因为同样一个服务主体，比如某司机，虽然服务于多个物流公司，但多家物流公司的数据目前来看是都是孤岛，可能司机在某公司、某时间段表现不错，但在另一公司、时间段表示不尽如人意；货主间、物流公司间的数据不能打通，单一主体的数据即使再多，也不能叫大数据。这也是行业和社会未来努力的方向，怎样将服务数据打通，形成真正的大数据。
目前的物流平台，在一定程度上解决了第三方公共化的问题，但平台与平台之间还会存在数据壁垒；这也是未来努力打破的方向。
视角2：物流活动效率
物流大数据有没有价值，还需要从物流活动效率的角度来分析。物流企业应该从如何提高资源利用率的角度来挖掘物流大数据的价值，例如如何提高运力的利用率、仓库货位空间的利用率、托盘的周转率等等。此外，还可从如何提高业务协同的视角来挖掘物流大数据的价值，例如利用物流大数据来压缩业务流程中的一些环节等等。总之，物流大数据要在提高物流活动效率上发挥作用。
浩峰的意见：物流活动效率，大数据有一定指导意义，但还有受到外部经济环境影响，人的操作和管理意愿和能力的影响，上下游产业链供需的影响，政府政策和行业环境的影响；单纯靠挖掘本企业所谓大数据来提升物流效率还略显不足；比如就拿托盘的周转率来说，单纯拿本企业近三年来托盘使用量、流向、使用情况来分析是不够的，还要看目前企业所流通的行业比如纯净水等是否景气、托盘社会化产业政策是否为社会普遍接受，在产业链上下游是否能接受和流通，本企业对托盘管理的能力（采购、使用、回收、维修、报废），本企业是倾向于本地建厂罐装还是通过铁路运输，这些都是影响托盘周转率的因素；基于企业级的大数据在提升物流效率上作用有限。
视角3：物流数据征信
物流大数据可以发挥数据征信的作用。物流业诚信体系不健全，那是因为无法记录企业及各个从业主体的诚信行为。随着物流业不断数据化，物流大数据可以反映出每一个货主、物流企业、车主、司机等的诚信水平。
目前的行业现状是，每个企业都说自己是诚信的，但都没有数据依据来证明。基于物流大数据，整个物流业就有了数据征信的基础，进而基于数据征信可以对接金融机构，发展物流金融。企业可以凭借自身的数据征信获得融资，金融机构可以基于物流数据征信开展物流金融业务。
浩峰的意见：物流大数据对行业链条中每个主体进行征信，并通过征信衍生出许多增值服务，这个理想很好；其实，现在有许多第三方物流平台，如路歌电商平台、易流平台、第E物流等等，也在基于本平台关系方-物流企业、车主在平台上产生的交易数据（最少半年左右），可以判断他们的实力，基于此，可以开展保理、小额贷款业务支持物流从业者；
阿里的芝麻信用基于个人交易数据、个人资产情况、教育情况、银行流水等可以对个人评估出信用额度芝麻分，可以在阿里体系及阿里合作机构中享受借贷、消费优惠；腾讯征信基于个人社交大数据可以对个人信用进行画像；国家授权的征信机构越来越多，但需要将基于交易的征信数据、基于社交的征信数据、基于国家公权机关的个人信用数据、基于行业平台的信用数据打通，这样才能对类似物流从业者的征信更精准的画像，因为可能存在某个主体他可能在行业中征信很好，但在银行征信、民间借贷上征信不好。
视角4：物流经营管理优化
物流大数据可以用来优化物流的经营管理。物流优化往往无从下手，因为缺乏数据来把握整体情况。例如业务流程的优化需要业务流程的大数据，业务网络优化需要业务网络的大数据，调度优化需要运力大数据及货源大数据等等。有了物流大数，可以在物流经营管理的优化上做很多事情。
浩峰的意见：单个物流实体的大数据对其经营管理进行优化有一定作用；但这里有个问题，我们做信息化的知道，系统中反映的数据有时不能全面、真实地反映物流实际业务情况，基于做账的需要，数据可能高于或低于实际情况；大数据是基于系统而来，不真实或有一定水份的数据分析得来的优化结论可能“差之毫厘，谬以千里”，务实的管理者不会全盘依靠数据来进行管理，数据分析的结论在目前阶段只作为经营管理的参考而不能完全依靠此作决策。
当社会、法律法规、行业对数据真实性从立法、风气上变得成熟了，企业对数据真实性、有效性真正从内、从外都真正认可并付诸实施，企业间物流大数据也打通了，那么，我觉得，大数据对物流经营管理优化会更好地发挥作用。
视角5：宏观经济分析
物流大数据在宏观经济分析，交通枢纽规划方面都可以发挥作用。
浩峰的意见：企业间、企业和国家统计、管理部门不能作到数据安全地共享，社会上不能产生真正的第三方跨行业、跨平台征信大平台，就形成不了真正的物流大数据；物流大数据的宏观经济分析责任在于国家统计部门、发改委、交通运输部等，国家机关有能力做好数据统筹工作，但做这个工作的意愿、急迫性可能会稍为欠缺；但相信，在本届政府习、李对互联网+、大数据的理解和重视下，行业协会、行业人士再多些呼吁和引导，是可以加快物流大数据的应用；由政府层面立法、行业协会主导、行业各数据平台开放配合，这个事成功的可能性更大。
结束语
物流大数据涵盖的面非常广泛，几乎每个物流要素都可以有其自身的大数据，物流大数据的应用前景非常广阔。但是物流数据化以及物流大数据才刚刚起步，整个行业的物流大数据基础还非常的薄弱。如果一味地炒作数据化形象，甚至把物流大数据引导到和物流活动无关紧要的焦点上，这对物流大数据的发展甚至物流业的发展是在误导。所以物流业要警惕物流大数据泡沫，踏踏实实地夯实企业自身的物流数据化基础。
浩峰的意见：赞同黄总的意见；物流大数据目前的难点在于
1、物流信息化水平目前参差不齐；
2、物流系统数据不能全部真实
3、物流数据分别存储在各物流主体、各家物流平台，未能共通
4、数据安全、数据共享目前还有待改进、理念不能普遍接受
5、缺少从上到下打通横向和纵向数据的机构、机制
所以，物流大数据真正指导物流政策制定，指导物流行业经营管理，通过大数据来提供增值服务，这条路还是比较漫长；这需要全行业、各阶层共同努力，允许从不同层面进行探索、尝试。这个事，行业一直在探索、践行着！
��对人的专�