隨著云時代的來臨，大數據（Big data）也引起人們越來越多的關注。大數據通常用來形容一個公司創造的大量非結構化和半結構化數據。大數據具有以下四大特點：數據體量巨大；數據類型繁多，如海量的網絡日志、視頻、圖片、地理位置信息、客戶信息、收發貨信息等；價值密度低，往往在大量的數據中，只能尋找到個別有價值的數據；通過廣泛的接入點，進行數據的收集，物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC機以及遍布地球各個角落的各種各樣的傳感器，無一不是數據來源或者承載的方式。 

    目前，除IT領域外，醫藥、制造、電子商務、快遞等多個行業都出現海量的數據應用，如果能合理利用這些資源，將對行業發展帶來巨大的推動作用。 

    中國最大的電子商務公司阿里巴巴已經在利用大數據技術提供服務。淘寶數據魔方就是淘寶平臺上的大數據應用方案。通過這一服務，商家可以了解淘寶平臺上的行業宏觀情況、自己品牌的市場狀況、消費者行為情況等，并可以據此進行生產、庫存決策，而與此同時，更多的消費者也能以更優惠的價格買到更心儀的寶貝。 

    順豐速運每天通過數據中心系統，在各地將數以百萬票的快遞高效運轉。這個數據中心的開發和運營，有著多達2000多人的精英團隊。順豐遍布全國的5000多個網點的工作人員，每天都會對快遞包裹信息進行實時監控及管理，實現了物流、信息流、人流、現金流無縫對接、快速周轉。 

    郵政速遞物流通過運用大數據管理，可進一步提高整體服務水平。 

    營銷的優化 

    客戶是郵政速遞物流公司收入和利潤的來源，對全國大大小小的在線客戶進行細致的分析，尋找出適合公司運作的客戶及其需求，是郵政速遞物流公司營銷工作的關鍵。通過采用大數據的分析，可以改變原有的營銷模式，提高營銷的效率，降低營銷成本，增強企業營銷工作的有效性。 

    網絡的優化 

    網絡是快遞公司經營的根本，網絡各個節點之間的流轉、配送以及路線的優化，是目前影響EMS服務質量的瓶頸所在。目前，公司總部、省、市、縣之間的銜接投入高、效率低，配送的“最后一公里”還需完善。通過大數據技術對網絡數據的匯總及處理，將有效實現網絡的優化。 

    財務成本的優化 

    資源的優化、效率的提升，必然會促進財務支出的優化。通過大數據技術將各個成本支出項進行匯總后，可以從細節對各個成本板塊進行分析，從而在較短的時間內發現成本支出的問題所在并及時改進。以車輛維修為例，通過對各款車型的數據分析，可以發現在不同交通條件、氣候環境下，各類車輛的保養、修理數據。采用大數據技術，總部就能對各類車輛的工作狀態進行監控，從而制定統一的維修、保養要求，這樣將大大減少原有人為隨機保養、修理造成的成本浪費，節省運行成本。 

    人員管理的優化 

    在新形勢下的快遞競爭中，誰能有效解決管理層次多的問題、提升公司的執行力及反應速度，誰就能在未來的快遞競爭中占得先機。采用大數據技術，總部可將各個層級的每個員工作為一個節點，將其任務及工作成果的數據統一匯總到一個大的數據系統中，各級郵政速遞物流企業能夠從總部及時獲得各層級工作信息，從而能在較短的時間內有效評估公司政策的執行情況及效果。在這種模式下，總部的工作重點將從日常經營管理向數據評估、政策制定及執行監控方面進行轉變；省、市級郵政速遞物流企業則從信息搜集及反饋、政策執行保障方面轉變職能；省、市、縣三級管理人員減少，一線員工增加，公司整體的人力資源得到優化。 

    對郵政速遞物流應用大數據技術有以下幾點建議： 

    確保信息采集的真實性 

    無論從企業營銷角度，還是從企業內部管理角度來看，基礎信息的采集都是大數據分析的基礎。郵政速遞物流公司需要從客戶溝通、集貨、分揀、運輸、配送、簽收等多環節盡量進行數據化處理，使得節點信息能夠以自然采集的形式進入公司系統數據庫中。在數據采集中減少人工信息的錄入及修正次數，提高節點信息的真實性，這是保證大數據能夠高效分析的前提。 

    設計分析系統要有針對性 

    大數據技術分析的目的是從海量的信息中分析出有效信息，以幫助使用者發現潛在機會。由于基礎數據的分析工作量巨大，如何從繁復的基礎信息中快速發現有效的信息，需要使用者在進行數據分析前明確分析目標、實現該目標所采取的方式，這樣才能加強數據分析的針對性，幫助使用者進行決策。 

    注意分析系統的可延展性 

    這里的可延展性包括兩個方面：信息采集的可延展性，系統分析的可延展性。 

    確保信息采集的可擴展性需要郵政速遞物流公司的信息采集系統能夠有足夠的兼容性，可以靈活采集各種所需的信息。如能夠靈活地與目標電商企業或網絡平臺的系統實現對接，及時了解企業的產品特性、發貨量、發貨渠道、發貨時間等個性特點，就可以及時對目標客戶進行數據分析，從而快速制定營銷策略及服務方案，增強競爭力。 

    由于速遞物流時效性、區域性、個性化的需求較多，且不具有普遍意義，為了能夠提高數據使用效率，需要分析系統能夠根據需要靈活地增減個性化分析模塊，針對目標區域信息進行快速分析，減少數據分析的工作量，縮短數據分析的響應時限。