大数据指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
其对物流企业发展带来的影响主要表现在一下几个方面：
(1)信息对接，掌握企业运作信息
在信息化时代，网购呈现出一种不断增长的趋势，规模已经达到了空前巨大的地步，这给网购之后的物流带来了沉重的负担，对每一个节点的信息需求也越来越多。每一个环节产生的数据都是海量的，过去传统数据收集、分析处理方式已经不能满足物流企业对每一个节点的信息需求，这就需要通过大数据把信息对接起来，将每个节点的数据收集并且整合，通过数据中心分析、处理转化为有价值的信息，从而掌握物流企业的整体运作情况。
(2)提供依据，帮助物流企业做出正确的决策
传统的根据市场调研和个人经验来进行决策已经不能适应这个数据化的时代，只有真实的、海量的数据才能真正反映市场的需求变化。通过对市场数据的收集、分析处理，物流企业可以了解到具体的业务运作情况，能够清楚地判断出哪些业务带来的利润率高、增长速度较快等，把主要精力放在真正能够给企业带来高额利润的业务上，避免无端的浪费。同时，通过对数据的实时掌控，物流企业还可以随时对业务进行调整，确保每个业务都可以带来赢利，从而实现高效的运营。
(3)培养客户粘性，避免客户流失
网购人群的急剧膨胀，使得客户越来越重视物流服务的体验，希望物流企业能够提供最好的服务，甚至掌控物流业务运作过程中商品配送的所有信息。这就需要物流企业以数据中心为支撑，通过对数据挖掘和分析，合理地运用这些分析成果，进一步巩固和客户之间的关系，增加客户的信赖，培养客户的粘性，避免客户流失。
(4)数据“加工”从而实现数据“增值”
在物流企业运营的每个环节中，只有一小部分结构化数据是可以直接分析利用的，绝大部分非结构化数据必须要转化为结构化数据才能储存分析。这就造成了并不是所有的数据都是准确的、有效的，很大一部分数据都是延迟、无效、甚至是错误的。物流企业的数据中心必须要对这些数据进行“加工”，从而筛选出有价值的信息，实现数据的“增值”。
，大数椐在物流企业中的应用主要包括以下几个方面。
(1)市场预测
商品进入市场后，并不会一直保持最高的销量，是随着时间的推移，消费者行为和需求的变化而不断变化的。在过去，我们总是习惯于通过采用调查问卷和以往经验来寻找客户的来源。而当调查结果总结出来时，结果往往已经是过时的了，延迟、错误的调查结果只会让管理者对市场需求做出错误的信计。而大数据能够帮助企业完全勾勒出其客户的行为和需求信息，通过真实而有效的数据反映市场的需求变化，从而对产品进入市场后的各个阶段作出预测，进而合理的控制物流企业库存和安排运输方案。
(2)物流中心的选址
物流中心选址问题要求物流企业在充分考虑到自身的经营特点、商品特点和交通状况等因素的基础上，使配送成本和匿定成本等之和达到最小。针对这一问题，可以利用大数据中分类树方法来解决。
(3)优化配送线路
配送线路的优化是一个典型的非线性规划问题，它一直影响着物流企业的配送效率和配送成本。物流企业运用大数据来分析商品的特性和规格、客户的不同需求（时间和金钱）等问题，从而用最快的速度对这些影响配送计划的因素做出反映（比如选择哪种运输方案、哪种运输线路等），制定最合理的配送线路。而且企业还可以通过配送过程中实时产生的数据，快速地分析出配送路线的交通状况，对事故多发路段的做出提前预警。精确分析配送整个过程的信息，使物流的配送管理智能化，提高了物流企业的信息化水平和可预见性。
(4)仓库储位优化
合理的安排商品储存位置对于仓库利用率和搬运分拣的效率有着极为重要的意义。对于商品数量多、出货频率快的物流中心，储位优化就意味着工作效率和效益。哪些货物放在一起可以提高分拣率，哪些货物储存的时间较短，都可以通过大数据的关联模式法分析出商品数据间的相互关系来合理的安排仓库位置。
上海欧坚及其旗下仓储积极学习大数据，并将其运用到对仓库的日常管理当中。取得一定的成效。
物流企业的大数据有什么用
物流公司的大数据有两大方面的价值，一方面，优化物流企业本身的运营和决策;另外一方面，物流大数据可用于非物流领域的应用，比如征信和金融应用，下面我们一起来详细看一下!
第一方面，优化物流企业本身的运营和决策。
物流企业的数据包括运输、仓储、配送、包装、流通加工等数据。对于物流企业，通过大数据分析，可以帮助提高企业运营管理效率，降低物流库存率，提高商品处理效率、运输效率、送达准确率等方面。以物流的路径优化为例，路径优化是节约物流企业成本的一个重要大数据分析应用。在物流配送运输中，由于货运点多、客户多、货物种类繁多、城市交通路线复杂、运输服务地区内运输网点分布不均匀等诸多因素的影响，同时还要满足客户提出的如时间窗等约束条件的要求，使得如何安排最佳路线，如何使配装和配送路线有效搭配等，成为物流配送中的难点。
车辆的路径问题是一个有约束的组合优化问题。合理解决车辆路径问题，不仅可以简化配送程序、减少配送次数、降低配送车辆的空载率，从而降低物流成本，提高经济效益，而且可加快对客户需求的响应速度，提高服务质量，增强客户对物流环节的满意度等。阿里在路况预测的基础上，使用基于集合划分的树型搜索算法进行车辆分配和路径优化。该算法用于车辆路径计算，比业界通用的经典算法包括局部搜索、遗传算法、蚁群算法等，运输成本至少降低了6%
第二方面，物流大数据可用于非物流领域，尤其是征信和金融应用。
以物流配送单为例，我们做一个简单的数据分析，便可以实现客户画像，以作为征信模型的基础数据。物流配送单至少有两类信息。一类是寄件人的姓名、手机号和地址;另外是收件人的姓名、手机号和地址。通过这些信息，可以分析：寄件人或收件人的常住地或办公地点，如果是常住地，则还可以通过小区地址分析出来这个小区的房价(通过关联房产网站的价格数据实现)，反过来推断该客户的.消费能力;通过手机号，可以分析出这个客户的年龄、性别等人口统计学特征，以及兴趣爱好(与拥有客户的人口统计学特征的企业做数据关联得出)。如果在电商购物，有些物流配送单还会标注是哪个商家发货，从而可以分析这个客户喜欢的商品类别。以上这些数据可以作为征信模型的基础数据。企业使用数据的使用，一定要尊重用户隐私，对隐私类信息做好脱敏和保护。当然，这只是对个人客户的征信应用。物流企业还可以对供应商(如发货单位)进行信用评估(根据发货量等大数据)，从而进行金融服务。
总之，物流企业的数据不仅仅可以优化企业内部的运营效率，还可以做更多的增值分析，如以上提到的征信数据以及金融的应用。我们从顺丰的官方网上可以看到一个顺丰有三大业务，一是众所周知的物流，第二是金融，第三是电商(顺丰优选)。金融是物流企业大数据应用很好的一个方向，顺丰在其官方网提到：我们致力于为顺丰的供应商和客户提供存货质押、保理、订单融资、小额信贷、融资租赁等一系列“物流+金融”服务。
;