隨著信息時代數據量的劇增，深化物流管理最為有效的方法是引入數據分析技術，對物流數據進行分析和預測，取代經驗論，幫助決策者做出快速、準確的決策。

1、物流領域常用數據分析場景梳理我們整個物流環節，數據分析的應用可以分為兩個方向，規劃和預測。

其中規劃方向的應用往往是以成本和時間為優化目標，或者是兩者綜合的多目標優化，在分析過程中我們往往是通過成本構成或者時間構成的角度去尋找他的影響因素，在分析這些影響因素的基礎之上，找到合理的變量取值，使得成本最優，時間最少。常用的應用場景包括倉儲選址規劃、運輸路徑規劃、倉儲布局規劃。

預測方向的應用場景主要包括市場銷售預測、采購需求預測、供貨周期預測，預測不會直接產生經濟效益，它的意義主要體現在在了解未來發展方向和發展量的基礎上采取合理的預防措施，比如說市場銷售預測是為了合理安排生產和庫存，進而獲得供應鏈總體成本的最優。

在大數據時代，我們獲得數據越來越多，不管是數量上還是維度上，常用數據分析方法也都有可以進一步的拓展，使結果更加的合理準確。

2、倉儲選址規劃常用數據分析方法倉庫選址是指在一個具有若干供應點及若干需求點的經濟區域內，選一個地址建立倉庫的規劃過程。合理的選址方案應該使商品通過倉庫的匯集、中轉、分發，達到需求點的全過程的效益最好。

常用的倉儲選址數據分析方法包括精確重心法、加權評分法、P-中值法、鮑摩-瓦爾夫模型、多級多設施選址模型等等。

(1)精確重心法

(2)加權評分法

(3)P-中值法

(4)鮑摩-瓦爾夫模型

(5)多級—多設施選址模型

3、倉儲選址常用方法對比分析

由于不同的企業在建設物流配送中心時，對配送中心未來用途、構成的需求有所不同，因此在對物流配送中心進行規劃時要充分考慮這些因素，選取適當的選址方法。

4、大數據時代倉儲選址方法應用拓展

那么在大數據環境下，我們應該如何更加有效的選址呢?

應用大數據進行選址可以實時獲取海量數據資源，使得準確性大大提高，隨著信息獲取方法的智能化以及多樣化，人們也不一定非要到實地去勘測調研，大大節省人力物力。

大數據時代，針對倉儲選址場景，除了運用綜合的模型和智能的算法，分析獲得的有效數據，提取隱含其中的信息，得出最優的倉儲選址結果之外。可以向前拓展數據獲取方式，通過RFID射頻數據、傳感器數據、社交網絡數據、移動互聯網數據等方式獲得各種類型海量數據。向后延伸數據可視化方法，借助計算機圖形學和圖像處理技術，將選址結果轉化為圖形，清晰有效地傳達于受用者。

歸根結底，倉儲中心選址的決定因素主要還是中心供需量、物流運輸成本和中心建設運營成本三個方面，大數據對倉儲中心的選址的影響歸根到底還是對于這三個方面因素的作用。

大數據時代，通過RFID射頻技術、傳感器、GIS、GPS、社交網絡、移動互聯網等方式可以獲得各種類型海量數據。

基于數據采集技術獲取有效基礎數據，通過適用的數據分析方法，得出最優的倉儲選址結果，選用數據可視化工具直觀和明顯地展示選址后系統流量流向地圖。

大數據已經滲透到物流領域的各個環節之中，其作為一種新興技術，它給物流的發展帶來了更多的機遇。對物流企業而言，合理地運用大數據技術，對企業的管理、客戶關系維護、資源配置等方面都將起到積極的作用，使物流決策更加高效與準確。