智慧物流特征
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇智慧物流特征范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
智慧物流特征范文第1篇
中图分类号：F250 文献标识码：A
Abstract： This article collects the research trends of smart logistics and data mining， and provides the theoretical basis for further research. Based on big data research field of vision， it analyzes the reason of logistics' enterprises exploring opportunity form the data under the pressure of competitive situation and“internet+”opportunity. The article studies the differentiation service method of logistics' enterprises from the establishment of high quality data availability set taking the theme of logistics service as the center and the competitive elements of smart logistics differentiation service.
Key words： smart logistics； data mining； differentiation service
2009年以来，智慧物流理念的提出，给物流业向“智慧化”转型注入了一剂强心针。各种冠以智慧名目的软件和解决方案不胜其数，对于物流企业而言，在享受智慧物流理念的同时，又深深陷入技术应用和业务发展的困局，即采用智慧物流技术之后，业务增长有限。与此对应的是，企业数据量大幅递增，带来了企业IT架构的不稳定。“互联网+”、大数据也在深深地刺激着物流企业的经营神经，如何跟上时代潮流，借助先进理念对企业业务进行升级转型成为了一个迫切需要研究的命题。
1 相关文献研究
1.1 智慧物流及研究动向
从现有文献来看，国内智慧物流理念从提出到引发激烈研讨，经历了以下几个阶段。2009年以前，相关文献使用物流智慧，或者将物流表述为一种智慧，对其展开了相应的研讨。宋则（2007）认为现代物流是一种人类协同合作“本能的智慧”[1]。2009～2013年，该阶段研究强调信息技术在物流行业的推广应用，将智慧物流作为物流信息化发展的较高阶段展开论述。王继祥（2010）指出物联网发展必将推动智慧物流的变革[2]。2014年之后，学者们结合智慧的内涵和外延，从管理角度对智慧物流进行了更加深入的研究。王之泰（2014）将智慧物流定义为是将互联网与新一代信息技术和现代管理应用于物流业，实现物流的自动化、可视化、可控化、智能化、信息化、网络化的创新形态[3]。
以“smart logistics”和“wisdom logistics”为关键词，检索google学术、Emerald数据库可以发现，2006年以前，国外学者往往以物流某环节的智慧（smart）为关键词展开论述，在研究时遵循着IT技术、RFID、系统软件开发的技术路线，同时沿着供应链管理的视角对物流相关环节进行研究。Peter Vervest， Eric van Heck， Kenneth Preiss， Louis-Francois Pau（2005）[4]认为智慧商业网络的实施需要对物流进行更加全面的改造，从而使业务流程更加模块化和动态化，以获得更为灵活的采购性能和资产效率。2006～2009年，国外学者围绕着物流具体功能环节，结合RFID、智能电话等信息技术的应用，进行了相应的研究。Veloso M， Bentos C， Pereira F C（2009）[5]等结合智慧运输系统，研究了感知技术和感知网络对物流的影响，并且论证了使用相关技术应用会对环境带来积极的变化等。2010年以来，国外学者逐渐将研究视野转向了行业应用、网络构建、大数据、信息管理体系、互联网融合、大数据等层面，逐步从原来的微观层面走向了中观，乃至宏观领域。Gubbi J， Buyya R， Marusic S等人（2013）[6]指出智能交通和智慧物流应该分别隔离成一个单独的领域，原因在于数据共享和IOT支柱环节实施的性质需要。
综合上述国内外参考文献可以看出，国内外学者的研究路线基本遵循着语义联想―技术应用―管理拓展的思路，从智慧源头开始，到相关技术应用于物流环节，再围绕RFID典型技术与物流的关系，然后再到产业融合等这样一个研究链条。略微有些差异的地方在于，国内学者对于互联网+、大数据和物流的研究兴趣要高于国外学者。
1.2 数据挖掘及研究动向
数据挖掘，又称数据库中的知识发现，是从大量的、不完整的、有噪声的、模糊的、随机的大型数据中提取隐含其中的、人们事先未知的、具有潜在价值的信息和知识的过程。按照数据结构进行组织、存储和管理数据的数据库技术，在过去60多年来产生了巨大的科技影响，与各行各业进行了有效的融合。泛在知识环境理念提出之前，数据挖掘的研究大多停留在基于结构化数据完成相关知识的描述和预测研究上。马志锋，刑汉承，郑晓妹（2001）基于Rough集的时间序列数据的挖掘策略，讨论了时间序列数据中的时序与非时序信息的获取问题[7]。Agrawal R（1993）等人提出了增量式更新算法[8]，Cheung DW（1995）等人提出了并行发现算法[9]。在数据挖掘方法层面，进行了关联规则挖掘、多层次数据汇总归纳、决策树、神经网络、可视化技术等模式、算法的研究。郑建国，刘芳，焦李成（2002）在分析人工神经网络基础上，将子波与已有的神经网络模型结合，提出了基于自适应子波神经网络的数据挖掘方法[10]。Furuta K（1990）提出了剪辑近邻法[11]。
伴随着大规模数据的增长，人类社会已经进入大数据时代，与传统的数据集合相比，大数据通常包含大量的非结构化数据，且大数据需要更多的实时分析。2011年全球数据量为1.82ZB，据估计2020年全球大数据量将达到40ZB。现有数据库架构在ZB数据规模量级下呈现出一种无能为力的状态。围绕大数据带来的数据量级规模的变化，国内外专家学者对数据挖掘的研究焦点出现两个支分支，其一是如何应对大数据挑战带来的数据类型多样，要求及时响应和数据的不确定层面。余伟等（2015）针对web中不同数据源之间数据不一致的问题，基Hadoop MapReduce架构提出了相应的自动发现算法[12]。Rakthanmanon T， Campana B， Mueen A， et al（2013）[13]提出了DTW（Dynamic Time Warping）法来研究大数据集下的时间序列数据挖掘算法，通过实证验证了可行性。其二，围绕数据量集增大，将数据之间的因果关系转向相关关系，进行相关业务模式、应用和策略等的洞察力研究。曾晖（2014）提出了构建大数据挖掘的管理层次和制度结构及相关解决方法，基于房地产工程项目进行了应用研究[14]。
综合上述文献可以看出，从技术路线上来看，数据挖掘围绕着数据规模量级的问题，遵循着解决数据本身的数据结构异同挖掘，再到解决数据挖掘的实时性技术路线。从商业应用来看，研究领域围绕数据规模问题，从原来的因果关系转向到相关关系，逐步将技术与行业应用进行融合的研究路线。
2 竞争态势和“互联网+”机遇倒逼物流企业从数据中探索机遇
智慧物流更强调物流供应链的匹配效率，进而实现供应链整体运作最优。匹配意味着双向配对，无论成员之间的物流服务水平高低与否，在时空效率的约束下，成员的物流服务能力信息必须充分展示在供应链合作伙伴之前，才能实现其与物流供应链的快速匹配。
对于物流企业而言，在一定的时空约束下，物流服务能力是其从事某种物流作业的内在能力表述。物流服务能力会随着业务的熟练程度增加而提升其水平，同样也会随着业务萎缩而固步自封，或者说降低其水平。
提供同质化服务的物流企业面临的竞争环境越来越恶劣，越来越多的物流企业希望摆脱这种尴尬局面。长尾理论告诉我们，这些以往忽视的长尾东西恰恰是我们后续进行差异化经营的变局法宝。企业必须充分重视数据挖掘的细分市场变量集，依靠这些充分挖掘出来的市场细分变量集，我们可以将市场进行无限细分，进而进行有效的目标市场定位，然后根据这些细分市场表现出来的特征，改善我们的物流服务能力，从而形成差异化服务。考虑到物流服务的时空限制，数据挖掘必须重视线上和线下的数据源。对于线下实体运作过程中产生的大量与业务相关联的数据，必须充分纳入NOSQL数据库中进行存储。对于线上数据信息，必须设定相关的情感主题，以充分挖掘物流服务过程中隐藏在不同数据结构类型中的特征信息，借助相关性的数据挖掘技术，对线上和线下两种数据进行细分市场变量集合挖掘，找出相关的细分市场变量结合，从而完成后续的细分市场细分工作。
“互联网+”时代激发越来越多的物流企业将经营目光转向互联网领域，目标是获取更多的经营机会。具体作业时，往往采用“人―机”交互模式进行网上交易信息的检索和分析，并未充分发挥智慧物流的优势，通过机器的自动学习方法来获取和挖掘交易信息。对于网络上的数据信息而言，分为Deep-web和surface-web两种模式，对应的数据结构也分为结构化数据、半结构化数据和非结构化数据形态。对于互联网而言，surface-web模式带来的数据呈现着爆炸性增长的状态，而这些数据背后隐藏的信息给相关经营者提供了大量的商机，只不过这些数据往往以文本、视频、图片等半结构化和非结构化的数据结构存在着。物流企业可以通过提炼自身物流服务能力作为KEY-VALUE，结合能够充分挖掘不同数据结构类型的智慧物流数据挖掘算法，在互联网上进行智慧性的数据挖掘，才能在有限的时间约束范围内，挖掘出匹配自身物流服务能力的物流业务集合。经营者所要做的是，根据自己的服务成本和盈利目标进行二次筛选，形成满足客户需求的信息，主动信息出击，快速完成与相应供应链的对接服务。
3 借用数据挖掘，谋求智慧物流差异化服务创新发展
3.1 以物流服务主题为中心，建立高质量的数据可用性集合
大数据时代的智慧物流运作更强调将数据作为企业的宝贵资源来看待，通过数据挖掘探索出适合自身良性发展的方法和路径，这就决定了数据可用性成为了智慧物流数据挖掘和物流服务有机互动的基础。
随着时间延续，智慧物流运作中的数据量级必然会大幅递增。Web空间和物理空间（如物联网）上的数据流，线下具体作业过程中的数据流等，呈现出不能完全满足数据可用性的特性。一旦数据可用性不足，则数据挖掘结果必然会弱化决策效果。
对于物流企业而言，考虑到目前大数据挖掘技术不成熟的现实约束，必须先将数据可用性这一基础工作落实，只有这样才能随着大数据挖掘技术的突破应用获得实时效益。数据确认工作十分困难，考虑到具体经营条件约束，物流企业可以采取如下路径来完善数据可用性工作。首先，分解数据可用性的五个性质，围绕服务能力，赋予不同的权重，设定相关的弱可用数据指标体系，收集整理弱可用数据集合。其次，以服务相关性为主题，将Web空间上的半结构化和非结构化数据作为收集、整理和存储的重心，为后续进行深入数据挖掘奠定基础。第三，将物理世界中的数据和服务作业现场的数据作为辅助支撑，按照数据可用性的完整指标，收集整理出高质量的数据可用性集合。此路径是一个循环往复的过程，会随着一项物流服务主题的结束，重新开始下一个循环。
3.2 利用数据挖掘，探寻智慧物流差异化竞争要素―细分市场
物流企业的经营思路着重点在于：首先要解决业务有无的问题，其次是开拓对自身有利的业务。对于技术应用而言，同样遵循这样一个规则，那就是无论技术先进与否，如果不能解决上述两个问题，企业也会弃之不用，遵循业务发展路径探索智慧物流数据挖掘和物流服务能力的协同路径会更具研究意义。
“互联网+”时代给物流企业带来了大量的业务机会，物流企业需要借助数据挖掘技术，突破时空限制，充分挖掘不同异构网络平台提供的各种各样的商机，寻求适合自己链入的供应链，完成业务增长任务，这是一种被动性的发展模式。
在被动性发展模式下，如何借助智慧物流数据挖掘，在时间变量约束下，快速找到适合自身物流服务能力的业务显得尤为重要。在进行智慧物流数据挖掘时，需要借助大数据已有的Hadoop MapReduce架构，完成智慧物流数据挖掘的快捷性布局；其次，以业务相关性为原则，基于Item-Based数据挖掘技术完善算法。即将现有物流服务能力进行提炼，转化成User特征值，将原有服务成功的物流业务和网上发现的离散物流业务转换成ITEM数据集，提炼关键词。第三，推测和演化ITEM和ITEM的相似度，构建USER-ITEM矩阵完成后续的智慧物流数据挖掘。在进行数据挖掘和物流服务能力匹配的过程中，不断训练和演化算法，以发掘商机为达成目标，可以有效地协助物流企业解决从互联网上发掘业务有无的问题，尽管这种路径有一定的意义，但是并不能改善物流企业需要谋求的差异化竞争态势。
其次，物流企业必须坚持主动性的发展模式，即挖掘出满意的细分市场之后，必须根据细分市场的需求特征来重构自身的物流服务能力，使供给与需求达到契合，不断地实践和磨练自己的物流服务能力，在细分市场形成竞争优势，从而形成差异性竞争优势。
构建足够大细分市场的前提条件在于能够获取独立于竞争对手所知晓的市场细分变量，这些市场细分变量的特征值往往隐藏在不同异构网络平台上的非结构化数据中，充分挖掘细分变量数据成为主动发展模式需要破解的难题。在此路径下，需要采用CONTENT-BASED和ITEM-BASED数据挖掘相结合的方法进行。首先，根据CONTENT-BASED数据挖掘算法，加入业务情感特征向量集，重构CONTENT-BASED的智慧物流数据挖掘算法，对互联网上的业务进行挖掘，找出业务集（无论是否被竞争对手完成）。其次，结合ITEM-BASED算法，对物流服务能力进行重构，依据时间快捷性和相关性原则，探寻适合的业务集。第三，设定时间段，对服务过的业务结合线下数据进行细分市场变量的可用性数据集进行推敲，将其从弱可用性转化为高质量的可用性数据集。第四，采用智慧物流提供的可视化技术对市场进行细分，探寻出满意的细分市场，根据细分市场呈现的需求特征重构自身物流服务能力，进而进入主动发展模式。
对于市场而言，并不是一成不变的，互联网时代随着信息日益公开透明，市场的变化速率将会比以往更迅速。对于积极进取的物流企业而言，需要不断地跟踪和监控已有市场，积极开拓细分市场，从而形成差异化竞争优势。
4 总 结
大数据时代已经悄然来临，数据将成为企业发展中重要的资源，充分借助互联网和大数据的技术优势，不断探寻新的商业模式，可以帮助企业尽快摆脱恶性竞争，形成差异化竞争优势。本文在收集整理智慧物流和数据挖掘相关文献的基础上，研究了竞争态势和“互联网+”机遇倒逼物流企业从数据中探索机遇的成因。接下来，论文从基于物流服务主题为中心，建立数据可用性集合，再到利用数据挖掘探寻智慧物流差异化竞争要素―细分市场方面进行了研究，并提出了部分方法。
参考文献：
[1] 宋则. “物流”其实是一种智慧[N]. 现代物流报，2007
-05-01（002）.
[2] 王继祥. 物联网发展推动中国智慧物流变革[J]. 物流技术与应用，2010（6）：80-83.
[3] 王之泰. 城镇化需要“智慧物流”[J]. 中国流通经济，2014，28（3）：4-8.
[4] Peter Vervest， Eric van Heck， Kenneth Preiss. Louis-Francois Pau： Smart Business Networks[M]. Springer， 2005.
[5] Veloso M， Bentos C， Pereira F C. Multi-Sensor Data Fusion on Intelligent Transport Systems[D]. University of Coimbra， 2009.
[6] Gubbi J， Buyya R， Marusic S， et al. Internet of Things（IoT）： A vision， architectural elements， and future directions[J]. Future Generation Computer Systems， 2013，29（7）：1645-1660.
[7] 马志锋，刑汉承，郑晓妹. 一种基于Rough集的时间序列数据挖掘策略[J]. 系统工程理论与实践，2001（12）：22.
[8] Agrawal R， et al. Mining association rules between sets Items in large Database[J]. Acm Sigmod Record， 1993（2）：207-216.
[9] Cheung D W， et al. Maintenance of Discovered Association Rules in Large Database： An Incremental Updating Technique[D]. Hong Kong： University of Hong Kong， 1995.
[10] 郑建国，刘芳，焦李成. 自适应子波神经网络数据挖掘方法[J]. 西安电子科技大学学报（自然科学版），2002，29（4）：474-476.
[11] Furuta K. Sliding mode control of a discrete systems[J]. Syst Contr Lett， 1990，14（2）：145-151.
[12] 余伟，李石君，杨莎，等. Web大数据环境下的不一致跨源数据发现[J]. 计算机研究与发展，2015，52（2）：295-306.
智慧物流特征范文第2篇
关键词：智慧物流；人才；因素；DEMATEL
中图分类号：F253.9 文献标识码：A
Abstract： On the basis of the literature review of smart logistics and smart logistics talent development， the article defines smart logistics' talent. It constructes a set of talent development index system on smart logistics， which is involving government， industry， enterprises， schools and individuals. With the DEMATEL（decision making trial and evaluation laboratory）method， taking the Ningbo smart logistics talent development for example， the article shows the relationships among the related factors， and quantitatively measures the comprehensive degree， causal degree and central degree. It reveals that the talent development of smart logistics should give full play to the causal relationship of the factors which affects its own development. Thus， the smart logistics talent development policy will be more effect.
Key words： smart logistics； talent； factor； DEMATEL
2009年，奥巴马提出将“智慧的地球”作为美国国家战略；2009年8月7日，总理在无锡提出了“感知中国”的理念，表示中国要抓住机遇，大力发展物联网技术。将“物联网”与现有的互联网整合起来，实现人类社会与物理系统的整合，在这个整合的网络当中，存在能力超级强大的中心计算机群，能够对整合网络内的人员、机器、设备和基础设施实施实时的管理和控制，在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关系。
宁波市是一座充满生机和活力的现代化国际港口城市，在港口经济中最为活跃也是最为有发展空间的产业就是物流。数据显示，中国物流行业的成本高达30%，而国外物流行业的成本只有不到10%，如果物流行业的整体成本能下降10%，中国的产品就能提高10%的利润，所以物流产业的提升对整个经济具有巨大的带动作用。宁波拥有物流企业近5 000家，庞大的物流企业群体和得天独厚的港口基础为发展智慧物流提供了广阔的舞台。
为行业企业发展提供合格的从业人员，是一个区域经济发展是否能够做到可持续的一个先决条件。面对着智慧物流这一崭新的理念，如何发挥方方面面的力量，培育出优质高效的智慧物流人才，成为目前急需研究的一个课题。
1 相关文献回顾
1.1 智慧物流内涵的研究
2009年中国物流技术协会信息中心、华夏物联网、《物流技术与应用》编辑部率先在行业提出“智慧物流”概念，即在互联网的基础上将物联网技术运用到物流产业发展中。鉴于智慧物流的新颖性，国内学者对其研究并不多，依据目前所查找到的文献，可以发现国内学者对智慧物流的理解分成三种观点。
观点一：依托信息技术，智慧物流是一种现代化的综合性物流系统。如应琳芝等（2011）认为智慧物流是一种以信息技术为支撑，在物流的运输、仓储、包装、装卸搬运、流通加工、配送、信息服务等各个环节实现系统感知、全面分析、及时处理及自我调整功能，实现物流规整智慧、发现智慧、创新智慧和系统智慧的现代综合性物流系统[1]。马军（2012）认为，智慧物流就是以信息技术为依托，通过系统物流的建设，让物流自动化、创新化、准确化，智慧物流实际上也是现代化综合性的物流系统[2]。
观点二：智慧物流是使物流系统具有自行解决物流中某些问题的能力。如中国物联网校企联盟认为，智慧物流是利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。
观点三：智慧物流是物流发展到倾向于整体智能和服务对象紧密智能联系的状态。如汪鸣（2011）认为，智慧物流是指在物流业领域广泛应用信息化技术、物联网技术、智能技术和匹配的管理和服务技术基础上，使物流业具有整体智能特征和服务对象之间具有紧密智能联系的发展状态[3]。
国内物流界对智慧物流的实践基本上倾向于技术层面，且发展比较迅猛。如安得物流的实践告诉我们信息化助力“智慧”物流，信息化技术使其在物流方案优化与成本控制方面领跑市场。“供应链+物联网=智能物流”的理念促使其开发的可视化管理核心模块，保障了其管理理念和手段的先进性。2010年，明伦高科创造性的提出“企业物流信息化、物流企业信息化、物流信息企业化、信息企业物流化”。将物联网技术与物流公共信息平台进行有机结合，实现了物流公共信息平台的智能化。宁波市以整合宁波口岸公共信息平台资源为基础，利用RFID、GPS、AIS、视频采集、数据交换等物联网技术，搭建宁波口岸物联网智能平台，以拓展宁波电子口岸和第四方物流平台功能为重点，建设智慧物流数据中心，提供智慧物流的基础服务和应用服务。宁波富邦物流有限公司与IBM中国开发中心合作创建的智慧物流是一个能够整合各方资源、实现运输量预测、最优路线设计、合理调度车辆、自动优化拼车、实时查询追踪、自动结算等功能的“智能”平台。该平台突出的重点在于可视化、可控化、智能化，能把现在比较先进的云计算、物联网、智能分析等技术有机地融合在一起。
国外学者对智慧物流的研究大多通过信息系统的实现来开展对智慧物流的研究，如H.C.W. Lau， K.L. Choy， Peter K.H. Lau， W.T. Tsui（2004）认为智慧物流能对要开展的业务提供专家级的意见，并能够在价值链中提升物流运作效率[4]。Michael Stolarczyk（2006）认为智慧物流是一种充满智慧、有远见、自身具有敏感性和反应效果的自适应物流系统[5]。
综合以上分析，可以清晰的看出，智慧物流必须依赖信息化技术，具有自行解决物流中某些问题的能力，且需要整个物流行业的智能化程度配合。
1.2 智慧物流人才开发研究
人才开发包括：挖掘人才、培养人才，即从现有人才资源中发现有能力的人，进行培养、训练，提高他们的业务技术和经营水平。
截止目前，学术界对智慧物流人才开发方面的文献基本上没有，面对着智慧物流建设的日新月异，如何能够促进智慧物流人才开发成为了一个迫切需要研究的课题。借鉴智慧物流特征中体现的特性，可以查阅相关人才开发的文献作为研究的依据。如王凌（2009）认为政府在开发高素质的相关人才中应实现“战略规划者”、“制度设计者”、“要素保障者”和“政策宣讲者”四大职责[6]。李和中（2009）借鉴新加坡、印度政府建立人才开发机制时提出应该通过政府投入导向来引导企业的发展方向[7]。王熠、孙健（2012）提出应该强化科技人才开发意识、增加教育投入、完善科技人才培训体系、加大对科技型企业支持力度等要素来影响本地区科技人才开发水平[8]。王娜（2011）提出培养和引进高素质科技人才，需要进行合作教育的有效实施，相互间的深层次融合至为关键[9]。
综合以上两个方面的回顾，可以看出，智慧物流人才开发必须结合智慧物流的特性，对现有物流人才资源进行培训和训练，进而挖掘和培养行业企业能够用得上的人才。
2 智慧物流人才开发的指标体系构建
2.1 智慧物流人才开发影响环境分析
人力资源提升是行业发展的动力，新理念的提出和深化，必须有一大批行业从业人员相关理论和技能的培养，才能真正促进该行业的升级换代。智慧物流人才开发的初始离不开物流人才信息化水平的提升，其本质的体现在于学校是否给予学生必要的物流信息化知识和技能的培养。当学生转换成物流企业的员工后，是否能够适应智慧物流所要求的岗位技能就成为了物流企业升级换代的大事。智慧物流人才的生存环境好坏，是否能体现物流信息化人才长期投入所获得的必要回报，是智慧物流人才集聚的必要条件，而这种集聚效应反过来又会促进物流行业的进一步升级换代。物流行业是否能够有魄力使用智慧物流人才，换句话说，是否给与对方足够的重视和信心，将是智慧物流推广的关键。政策是否能够有效地激励物流行业提升信息化水平，将会是智慧物流人才在物流行业活跃的“活性”因子。
综合以上观点，构建了如图1所示的智慧物流人才开发影响环境因素，其中微观环境包括员工自身构成的个人发展环境和企业职场氛围环境，这将直接影响智慧物流人才的开发；中宏观环境包括行业竞争环境、政府、学校等环境，将从一定程度上加强或弱化智慧物流人才的开发。
2.2 智慧物流人才开发指标体系
结合文献研究和智慧物流的特性，构建了如表1所示的智慧物流人才开发指标体系。
3 实证分析
3.1 基于DEMATEL方法的宁波智慧物流人才开发分析模型
基于宁波市大力发展智慧城市、智慧物流的决心和魄力，本文将上述智慧物流人才开发的指标体系制作了调查问卷，进行了调研。调查范围如表2所示。其中发放问卷148份，回收问卷123份，有效问卷117份，占回收总数的95.12%。
结合调查结果，依据DEMATEL的验证理论及思路，评价了每个因素对其他因素的直接影响关系，构建了表3所示的直接影响矩阵Y■。其中，矩阵内的每一个值Y■表示因素i对因素j的影响程度。表中0—3作为衡量因素之间关系的标度，0代表因素之间的没有关系，1代表因素之间关系一般，2代表因素之间的关系较强，3代表因素之间的关系很强。计算时，采用了EXCEL进行模型的计算。
依据DEMATEL法的计算步骤，得到宁波智慧物流人才开发指标之间的原因度和中心度（如表4所示）。其中，因素F■的中心度表明了因素i在指标体系中的位置及其所发挥的作用大小；其原因度表明了因素i对其他因素的影响程度，当原因度大于0时，表明该因素对其他因素的影响大，成为原因因素；当原因度小于0时，表明该因素受其他因素的影响大，称为结果因素。
3.2 影响宁波市智慧物流人才开发的因素分析
如表4所示，将影响宁波市智慧物流人才开发的因素可以分为两类：
（1）原因因素。按其大小顺序依次是：F11、F17、F9、F10、F18、F16、F13、F12、F22、F8、F21、F15、F26、F3。这些因素对宁波市智慧物流人才开发影响较深，应该着力强化此类指标因素，进而促进宁波市智慧物流人才开发的成效。
F11的原因度最高，作为复合性人才的智慧物流人才对其就职的行业比较看重，只有提升了行业的薪酬待遇，才能在一定程度上激励更多的高科技人才进入物流行业，进而促进智慧物流人才的集聚。其次F17的原因度较高，表明智慧物流人才对政府是否具有明确的智慧物流发展战略比较看重，说明目前智慧物流人才更多地愿意与区域经济发展共进退，但同时也希望政府能够在行业支持力度方面多下功夫，使自己明确如何规划自己的职业生涯，进而能够提升自己的实力。F3的原因度最低，说明智慧物流人才对所就职的企业晋升与培养机制虽然有看重，但是在所有原因度中不是主要地位，从另一个侧面也反映了智慧物流人才希望获得的是比较自由的就业空间，不太愿意把自己局限在一个单位中发展，更多的是能够获取整体就业环境的完善性。
（2）结果因素。按其绝对值大小顺序依次是：F29、F28、F7、F23、F30、F19、F27、F25、F20、F6、F14、F2、F24、F4、F5、F1。这些指标会受到其他指标的影响，进而影响宁波市智慧物流人才开发的成效。比较靠前的是F29、F28、F7、F23等结果因素，从分类表中能够看出，个人在工作中的信息与技术应用意识、个人在工作中的价值取向、智慧物流人才的职业道德等指标与员工个人发展和经过学校职业技能培养阶段密切相关，这反映了宁波智慧人才开发时，应该将更多的关注度放在培养和提供员工就业环境的载体（即企业和学校）上，而不是将关注力放在员工个人身上，因为可以通过其他环境因素来影响员工个人的发展。
因素中心度越大表明其在系统中的作用和功能越大，在宁波市智慧物流人才开发指标中，排在最靠前的几位依次是F10、F22、F8、F19、F21、F3、F18、F11、F12、F20等。这说明了宁波智慧物流人才开发时，要想取得较好的成效，必须把行业创新氛围、智慧物流人才的信息管理能力、行业人才集聚度、学校智慧物流人才定位等环境要素放在首位进行发展，进而通过这些关键因素的投入和发展，推动宁波智慧物流人才开发的可持续性。
4 结论、建议和展望
智慧物流的发展离不开智慧物流人才的开发，只有充分重视“以人为本”，培育一大批适合智慧物流发展的智慧物流人才，才能够真正有效地促进智慧物流行业的发展。
从中宏观层面而言，智慧物流行业的竞争态势将在很大程度上影响到宁波智慧物流行业的发展，其中智慧物流行业平均报酬、智慧物流行业竞争激烈程度、智慧物流行业创新氛围等环节对宁波智慧物流人才的开发具有明显的作用。如果能够充分发挥物流行业协会的力量，对宁波物流行业、企业进行一定程度的规范，按照影响宁波智慧物流人才开发的原因度指标因素来有条不紊的开展工作，必将对该行业智慧物流人才的开发起到较大的辅助作用。对政府而言，需要进一步明确智慧物流发展战略，加大对物流行业对智慧物流环节的倾斜力度，提供智慧物流的基础设施等主要环节，通过政府公共管理的针对性和区域经济发展的侧重点不同，进而推动宁波智慧物流人才开发。对于学校而言，应该加强对智慧物流人才的信息管理能力和知识体系完备性方面的设计，同时强化提升员工就业前的学习，帮助企业建立能适应智慧物流人才发展的晋升与培养机制，都将在很大程度上推动宁波智慧物流人才的开发。综合以上分析能够看出，目前宁波智慧物流人才在开发时，行业协会、政府、学校、企业在其中所起到作用各有偏差，相关机构在制定政策时，必须充分考虑这些因素在智慧物流人才开发时的因果关系，进而推出真正能推动智慧物流人才发展的策略。
本文研究的视角主要集中于影响智慧物流人才开发时的环境因素，考虑到智慧物流人才的复合性，以及各区域经济发展对智慧物流的不同要求，智慧物流人才开发的研究还可以从区域经济与人才发展联动性、企业的用人环境构建等多维度多视角开展研究，进而不断丰富智慧物流人才开发的维度和深度，为后续研究奠定良好的研究基础。
参考文献：
[1] 应琳芝，俞海宏，章合杰. 宁波市智慧物流建设策略研究[J]. 商场现代化，2011（17）：94.
[2] 马军. 智慧物流——打造现代化物流平台[J]. 数字技术与应用，2012（7）：239.
[3] 汪鸣. 智慧物流重在智慧[J]. 物流时代，2011（11）：13.
[4] H.C.W. Lau， K.L. Choy， Peter K.H. Lau， W.T. Tsui. An intelligent logistics support system for enhancing the airfreight forwarding business[J]. Expert Systems， 2004（5）：253-268.
[5] Michael Stolarczyk. Intelligent Logistics or Just Good Old Common Sense？[EB/OL]. （2006-12-08）[2013-10-30]. http：///intelligent-logistics-or-just-good-old-common-sense-2006-12.
[6] 王凌. 知识型服务业人才开发中的政府职责实现[J]. 云南行政学院学报，2009（4）：88.
[7] 李和中. 新加坡、印度政府建立人才开发投入机制的经验及其对我国的启示[J]. 湘潭大学学报，2009（1）：19.
智慧物流特征范文第3篇
关键词：农产品流通；智慧化基础支持；智慧化服务；智慧化效益；协调机制
农产品流通对于平衡农副产品市场供给、推动农业产业化进程、支撑经济社会稳步发展具有重要作用。然而，受农产品保存时间短、易腐坏以及跨区域流通运输时间长和方式滞后等因素影响，农产品流通整体发展水平并不高。进入21世纪以来，随着多元化互联网技术在流通领域的深入应用，农产品流通逐步走上数字化发展道路，流通速度和效率大幅提高。这一过程中，以大数据、人工智能、云计算为代表的新一代信息技术迅速发展，促使各行各业逐渐开始向智慧化方向转型。在此背景下，推进我国农产品流通业趁势实现转型升级成为国家关注的重点。加速推进农产品流通智慧化发展，既可以促进以农产品流通业为主的农业现代化发展，又能有效保障粮食供应链安全。为此，本文立足农产品流通智慧化发展基本现状，通过构建指标评价体系对农产品流通智慧化发展水平进行实证测度，并提出新时期农产品流通智慧化发展协调机制构建策略，以期为农产品流通业发展提供有益借鉴。
农产品流通智慧化发展基本现状
（一）农产品生产环节：流程长且成本高，智慧化生产尚未实现
一直以来，农产品生产环节存在流程长且成本高的难题，对农产品智慧化生产造成一定负面影响。具言之，农产品生产一般需经过播种、灌溉、施肥、除草、打药、收获等过程，且不同类型农产品对温度、湿度和土壤等生长环境存在差异。为了保证农产品稳定、规模化生长，部分会运用现代化技术搭建恒温暖棚、保持良好灌溉，也有少部分有条件农户会借助多源遥感设备、“3S”技术、智能监控录像设备、物联网和智能报警系统，监测农产品生产环境和生长状况，以智能化、精细化方式促进农产品生产提质增效，但这些行为均会增加农产品生产成本。不可否认的是，目前我国农产品生产过程长、成本高的现状依然存在。现阶段我国依旧面临农产品智慧化生产尚未实现的现状，农产品生产总量和盈利仍由市场实际需求决定，部分农产品过剩或供给不足问题仍然存在。
（二）农产品批发环节：管理与模式滞后，智慧化服务有待增强
现阶段，我国农产品批发市场管理与发展模式仍较为滞后，一定程度上影响农产品批发环节的智慧化服务水平。一方面，农产品批发市场管理方式滞后。现阶段，我国依旧有大部分农产品批发市场整体设计以地摊和档铺为主，内部空间狭窄且设施简陋，数字化设施不健全，污水和垃圾处理以及空气置换系统设施不完善。同时，批发管理人员对数字化信息技术与智能化设施的应用意识欠缺，使得农产品批发管理方式明显滞后。另一方面，农产品批发服务模式不健全。目前我国只有少数大型农产品批发市场拥有智能化服务功能，其他批发市场依旧存在服务功能不健全、服务层次低等问题，甚至一些市场仅有最基础的场地服务功能。总体而言，受管理与模式滞后影响，我国农产品批发市场主渠道作用发挥不明显，批发环节智慧化服务有待增强。
（三）农产品物流环节：路程长保鲜难，智慧化运输质效待提高
近几年，顺丰、京东、菜鸟等物流企业均已开始使用相关技术，不断推动农产品冷链物流、冷藏运输发展。然而受农产品保鲜难、跨区域运输路程长等因素影响，当前我国农产品物流环节智慧化运输的综合质效仍然较低，亟需提升农产品品质、食品安全和消费者满意度。具体而言，农户和消费者都属于个体，存在地址分散、路途较长的特征。农户大多位于山区或远离城市的农村，消费者则更多集中于城市，这使得农产品从生产端到消费端的运输路程长、环节多。当前我国虽有部分地区实现了农产品物流运输线上线下融合发展，形成物流环节农产品信息的可监控化、可追溯化、可视化。但这一模式并未全面普及，尤其是偏远地区和技术设施差的山区，农产品物流运输、包装和存储均存在较大问题。而农产品自身易腐坏的特性使其保鲜较难，加之运输路程长、新型冷链物流技术应用不足等多重因素影响，致使农产品物流智慧化运输质效亟待提高。
（四）农产品零售环节：外部支持不足，智慧化营销模式不健全
当下我国农产品零售环节面临外部支持不足的挑战，致使智慧化营销模式与农村电商生态圈构建仍处于初级发展阶段。一方面，政府支持与引导不足。现阶段，国家已经出台有关农产品零售的相关扶持政策，如《深化农商协作 大力发展农产品电子商务的通知》《关于免征蔬菜流通环节增值税有关问题的通知》。但这些政策均是宏观性指导文件，具体支持与引导措施、细则、标准仍旧匮乏，无法有效支撑农产品零售企业形成良好的市场竞争秩序，进一步制约智慧化营销模式的完善。另一方面，零售营销环境不成熟。构建农产品电商生态圈是线上线下融合发展的重要基础。就目前来看，我国农村电商生态发展环境尚不成熟，企业间资源整合力度不够，难以有效发挥带动作用；中小企业线上线下销售模式仍处于初步探索阶段，难以充分参与农产品流通市场竞争。这使得特色农产品销售渠道依旧以线下为主，农产品智慧化营销模式不健全。
指标体系构建及数据来源
（一）农产品流通智慧化发展水平指标评价体系构建
考虑数据获取可得性、综合性、客观性、可表征性和可度量性等原则，本文结合农产品流通智慧化发展基本现状，立足孙伟仁等（2019）、何新（2021）、孙磊等（2021）的研究成果，从农产品流通智慧化的基础支持、服务水平及综合效益三个维度构建指标评价体系（见表1）。
（二）农产品流通智慧化发展水平测度方法
本文借鉴孙磊等（2021）、潘雄锋等（2015）的研究，采取全局熵值法，构建指标-时间-空间三维时序立体数据表，对农产品流通智慧化发展水平进行测度。具体测度步骤如下：第一步，全局评价矩阵构建。假设对农产品流通智慧化发展水平进行评价时，共有c个指标，分别记为Y1，Y2，…，Yc，研究时间范围为t年，研究区域为m个省份，则每个指标不同年限的截面数据为Yt=(yij)mt×c，研究期内共有t张截面数据表。运用全局思想，按照时间先后顺序将t张截面数据表进行排列，即可建立全局评价矩阵：Y=(Y1,Y2,…,Yt)`mt×c=(yij)mt×c （1）第二步，标准化处理指标数据。基于上述全局评价矩阵，结合本文所构建的指标评价体系，对选取指标进行无量纲化处理：为规避无意义计算，将Yij指标的最大值定义为Max(Yij)，取值为1.01*Yij；最小值定义为Min(Yij)，取值为0.99*Yij。第三步，指标数值计算。计算第j个指标在第i个省份的占比、信息熵值和差异系数，公式分别为：
（三）数据来源及权重计算
基于统计数据的可获得性原则，选取2010-2020年我国30个省份（不含港澳台地区及）数据进行研究。指标原始数据来源于《中国统计年鉴》《中国第三产业统计年鉴》《中国电子信息产业统计年鉴》、地方统计年鉴、中国宏观经济数据库、农产品电商发展报告以及国研网统计数据库。另外，农产品贸易增加值指标以2010年为基期进行指数平减，个别缺失值利用插值法进行补齐。农产品流通智慧化发展水平测度基于全局熵值法对各指标权重进行计算，获取农产品流通智慧化发展水平各指标权重，具体测度结果见表2。进一步运用公式（8）计算2010-2020年农产品流通智慧化的基础支持、服务水平及综合效益评价值，并采用加权算法对农产品流通智慧化发展水平进行测算。具体测算结果如表3所示，根据表3绘制图1。从表3和图1可以看出，整体而言，研究期内农产品流通智慧化发展水平整体呈现上升趋势，且上升幅度以2018年为时间节点可划分为两个阶段：一是2010-2018年，我国农产品流通智慧化发展水平整体呈现缓慢上升态势，这可能与农产品流通业数字化技术应用不足以及冷链物流等先进物流模式发展水平不高有关；二是2019-2020年，随着各行业智慧化发展加速，智慧化基础支持不断增多，促使农产品流通智慧化发展水平快速提升，到2020年末已超过30，达到34.56。分维度来看，农产品流通三个维度的智慧化发展变化存在一定差异。基础支持方面，2010-2020年，我国农产品流通智慧化的基础支持呈现先缓慢上升后加速提升的演变态势，演变态势变化时间节点为2015年。原因可能在于，“十三五”以来我国逐渐加大对农产品流通的重视力度，并先后出台多项政策文件，大力倡导“互联网+”，推动互联网与农业深度融合。在此过程中，互联网电商巨头与第三方物流企业开始迅速发展，并逐步加大对流通设施的投入，不断优化流通组织结构，因此2015年以来我国农产品智慧化的基础支持提升幅度明显增大。服务水平方面，2010-2020年，我国农产品流通智慧化服务整体呈现稳步上升态势，且增长波动变化较小。细分指标来看，2014年农产品智慧流通的零售服务和物流服务均有所下降。原因可能在于，2013-2014年仍处于世界经济复苏不稳定和不确定上升阶段，农产品电商企业销售额有所下降，进一步影响农产品流通智慧化服务水平的提升。同时这一现象也说明，该时期农产品市场的重要地位并没有完全建立，还存在较大提升空间。综合效益方面，2010-2020年，我国农产品流通智慧化的综合效益整体提升显著，且以2016和2018年为节点呈现分阶段跨越式递增趋势。2010-2016年，农产品流通智慧化的综合效益整体呈现稳步上升态势；2017-2018年，综合效益上升幅度有所放缓；2019-2020年，综合效益整体呈现大幅度增长态势。究其原因，近几年随着物联网、大数据、区块链等新一代技术在农产品流通中应用的深化，流通智慧化新业态、新模式渐趋成熟，因此农产品智慧化的综合效益得以显著增强。
农产品流通智慧化发展协调机制构建策略
（一）打造农产品智慧供应链一体化协调机制
农产品流通智慧化发展的关键在于，将多元化数字技术深度嵌入农产品生产、批发、物流、零售等流通供应链各环节，打造农产品智慧供应链一体化协调机制。在生产环节，农业部门应收集各种农产品生产信息，打造农产品数据库，并利用智能化技术与信息系统，分析农产品生产相关信息，推动农产品智慧化生产落地。在批发环节，农产品批发商应运用大数据、射频识别等技术，分析并记录各项数据信息，制定农产品流通协调计划，进而提升批发效率。在物流环节，农业部门应加快建成覆盖面广的冷链物流渠道网，充分发挥各省、市、县、村物流存储设施的整体联动和共享协同效应，减小农产品储运损耗。在零售环节，农产品零售企业应利用云计算、大数据技术收集和分析消费者需求信息与市场信息，并运用人工智能技术为其匹配最优配送机制和零售方案。综合而言，农产品供应链各主体应运用多样化数字技术，串联生产-批发-配送-零售环节的一体化智慧流通链条，以此制定并打造农产品智慧供应链一体化协调机制，提升农产品智慧化发展水平。
（二）建立农产品智慧流通与监管协调机制
未来我国应着力推动数字技术在农产品流通领域的深度应用，本着安全可靠的核心原则，着力构建农产品智慧流通与监管机制，提升农产品流通安全水平。首先，扩充农产品智慧流通监管内容。监管机构应拓展大数据平台监管范围，由市场内部向生产和采购端延伸，构建覆盖全供应链、互联互通的农产品安全溯源体系，最终形成一系列可追溯的智慧监管链条，以此提升农产品智慧流通监管力度。其次，加强农产品智慧物流运输监管。第三方物流企业应在各大城市建立智慧物流、配货、仓储等技术设施，同时搭建内部自纠和外部抽检系统，形成制度化监管机制，实现主动监管与被动监管相结合，提高农产品流通安全水平。最后，加大农产品流通智慧
参考文献：
1.俞彤晖，陈斐.数字经济时代的流通智慧化转型：特征、动力与实现路径[J].中国流通经济，2020（11）
2.赵丹.农产品批发市场智慧化转型研究[J].农业经济，2021（9）
3.孙伟仁，徐珉钰.数字经济时代我国农产品流通体系现代化水平实证测度[J].商业经济研究，2021（6）
4.何新.电子商务发展对我国农产品流通效率影响研究[D].重庆：重庆工商大学，2021
5.孙磊，张树山，郭坤.中国物流产业智慧化水平测度及影响因素[J].中国流通经济，2021（10）
6.潘雄锋，刘清，彭晓雪.基于全局熵值法模型的我国区域创新能力动态评价与分析[J].运筹与管理，2015（4）
7.赖阳，王春娟，康健.城市农产品流通趋势的几点研判[J].时代经贸，2017（10）
智慧物流特征范文第4篇
关键词：煤电智慧供应链；华电集团北京燃料物流有限公司；模式创新
一、煤电供应链基本架构
煤电供应链主要包括供应链上游的煤炭资源、煤炭开采设备商、煤矿生产企业，供应链供应链中游包括所有的运输、中转、储存等物流企业环节，下游则是所有的煤炭用户，包括电力企业、冶金、化工、建材等企业。其主要节点企业为煤炭生产企业和火电发电企业。电力作为国民经济的基础产业，在国家的经济运行中起着十分重要的作用。煤炭生产企业是以地下煤炭资源为依托的资源开发型企业，80%左右通过火电企业转化为电能。电和煤均为国民经济的基础产业，在供应链上具有相当高的相关性和依存度。
煤电供应链组织结构如图1所示。
二、煤供应链管理特点
煤电供应链管理以煤炭消费客户为中心，通过煤炭生产与火电企业间的资源优化配置，基于社会网络结成战略联盟，利益共享、风险共担。在煤炭生产企业与电厂终端用户需求之间，连接港口、铁路等物流活动，集成商流、资金流、信息流，通过配煤加工、库存管理，提供标准化产品和个性化解决方案，实现从坑口到炉口之间价值逐级增加，提升客户满意度。
煤电供应链有其独有的行业特点：
（1）供应链物流管理复杂。煤电供应链物流物理距离长、物流方式复杂，涵盖了皮带、汽车、火车、轮船多种运输方式。
（2）供应链节点企业复杂。煤电供应链节点多，并且各个节点企业的权属归不同的行业产业主体，包括个体户、国有企业等各个行业的多种性质不同的合作伙伴，在客观上加大了各节点间管理协作的难度和复杂性。
（3）煤电价格管理矛盾突出。煤炭价格由国家计划调节和市场供求关系双重决定，电能上网电价格由国家行政刚性控制，两者缺乏市场化调节功能的联动机制和制度安排，导致在煤价上涨与下降之时，电价调整严重滞后，煤电价格机制错位运行，不利于煤电供应链的运行。
（4）煤电仓储管理矛盾突出。煤炭生产与销售可以短暂库存，而电能生产与销售同步运行，无法存储，客观上供应链存在煤炭与电力生产销售节拍的矛盾。
（5）煤电供应链协同落后。由于煤电供应链点多、线长、面广、网大、人杂，供应链管理的更需要高度协同，但恰恰这也给供应链协同带来了空前的难度。
三、智慧供应链诞生发展
“智慧供应链”是结合物联网技术和现代供应链管理的理论、方法和技术，在企业中和企业间构建的，实现供应链的智能化、网络化和自动化的技术与管理综合集成系统。这一概念由复旦大学罗钢博士在2009年上海市信息化与工业化融合会议上首先提出。
传统供应链的发展，技术的渗透性日益增强，很多供应链已经具备了信息化、数字化、网络化、集成化、智能化、柔性化、敏捷化、可视化、自动化等先进技术特征。在此基础上，“智慧供应链”将技术和管理进行综合集成，综合集成供应链理论、方法和技术，指导现代供应链管理与运营的实践。
“智慧供应链”与传统供应链相比，具备以下特点：
（1）智慧供应链技术复合创新。与传统供应链相比，在智慧供应链的语境下，供应链管理和运营者主动吸收包括物联网、互联网、人工智能等在内的各种现代技术，主动将管理过程引入新技术带来的变化。
（2）智慧供应链可视移动化。与传统供应链相比，智慧供应链更倾向于使用可视化的手段来表现数据，采用移动化的手段来处理供应链运营问题。
（3）智慧供应链智能人性化。与传统供应链相比，在主动吸收物联网、互联网、人工智能等技术的同时，智慧供应链更加系统的考虑问题，考虑人机系统的协调性，实现人性化的技术和管理系统。
四、煤电智慧供应链的实践探索
近年来，按照国家供给侧改革的总体部署，“去产能”系列政策持续发力，煤电供应链的煤炭企业和火电企业的生存发展竞争压力越来越大。煤电智慧供应链的管控模式成了煤电供应链核心企业增强供应链核心竞争力的必然选择。
煤电智慧供应链管理就是充分结合煤电供应链的管理特点，加强物联网技术、大数据技术、互联网技术和人工智能技术等各种现代技术在供应链中科学耦合，实现供应链业务运营和金融产品的管理创新，达到供应链运作管控协同、资源高度共享、交易成本最低的供应链战略共赢的供应链管理效果，提升供应链的整体核心竞争力。
煤电供应链中的先知先觉企业，面对竞争环境的压力，大胆创新，纷纷采用煤电智慧供应链管理，取得了卓有成效的管理效果，值得煤电供应链中的关键节点企业学习借鉴。
华电集团北京燃料物流有限公司是华电集团煤电供应链燃料物流管理的专业化公司，公司发挥集约化、规模化管理优势，抢抓机遇，通过强力整合华电集团内外部煤炭资源、物流资源、客户资源、信息资源、金融资源，加强战略协同和精益管控，构建基于大数据的物流、商流、信息流、资金流“四流合一、管控精益”的智慧供应链服务与管控电子商务平台，建立内外部一体化的互联网+煤电智慧供应链战略管控创新模式，燃料物流综合成本同比大大降低，极大地提升了华电集团战略协同核心竞争能力，开创了我国煤电智慧供应链实践的先河。
参考文献：
智慧物流特征范文第5篇
【关键词】智慧城市；洗钱；反洗钱；资金流；信息流；物流
0 引言
智慧城市是新一代信息技术支撑、知识社会下一代创新（创新2.0）环境下的城市形态。通过建设智慧城市，及时传递、整合、交流、使用城市经济、文化、公共资源、管理服务、市民生活、生态环境等各类信息，提高物与物、物与人、人与人的互联互通、全面感知和利用信息能力[1]。可以预计智慧城市一定是以信息流的调控改变每个人的决策，让每个人的生活更加智慧，让政府决策更加高效科学。它会让城市变成一个高速的物流、人流、信息流、资金流的集合体。本文通过分析洗钱与反洗钱过程中的信息学含义，试图在智慧城市环境中分析资金流、信息流、物流三者匹配关系，从而发现并处置洗钱行为。
1 洗钱与反洗钱
1.1 洗钱（Money Laundering）
商务印书馆《英汉证券投资词典》解释洗钱：将非法资金放入合法经营过程或银行账户内，以掩盖其原始来源，使之合法化。简明扼要来说，洗钱只指“通过合法的活动或建设将违法获得的收入隐藏、伪装或投资的过程”。
巴塞尔银行法规及监管实践委员会定义为：从金融交易角度对洗钱进行了描述：犯罪分子及其同伙利用金融系统将资金从一个帐户向另一个帐户作支付或转移，以掩盖款项的真实来源和受益所有权关系；或者利用金融系统提供的资金保管服务存放款项，即常言之“洗钱”[2]。美国认为，无论是犯罪收益还是合法收入，如果经过一系列隐瞒、掩盖性的交易将其运用于恐怖活动或资助恐怖组织，均视为洗钱。因此，从广义上讲，凡是与严重犯罪尤其是有组织犯罪相配合的金融活动，都应视为洗钱。
从理论上说，完成一个完整的洗钱过程包括三个阶段。
1.1.1 处置阶段（placement）
处置阶段又称“放置”的过程，是洗钱的开始阶段，该阶段是对来自犯罪活动的财产通过进行有形的处理，并把它投入到清洗系统中。较为常见的形式是把作为犯罪收益的零散现金转化便于控制、隐藏的财产形式。经过这一阶段后，不法分子就对上游犯罪得来的收益进行了初步的加工和处理后，使得犯罪收益变得更为方便进行交易和隐藏，为以下步骤的顺利实施提供了条件，成为了整个洗钱活动的基础。
1.1.2 离析阶段（layering）
离析阶段又称“分离”、“分层”、“培植”的过程，也有人称其为搅动（agitation）过程。
离析阶段是洗钱的关键环节，不法分子目标在于经过这一阶段里财产的交易或转移，实现分散和聚集犯罪所得、变换财产的外在形态，使分别置于各处的犯罪所得与其最初的来源脱钩，从而逐步地让犯罪收益的真实性质、来源变得模糊，以求逃避监管。不法分子往往充分利用现代复杂而完备的市场体系，通过银行、保险公司、证券公司到黄金市场、汽车市场甚至是街头零售业，制造出复杂的交易层次，多次转移或多次交易，甚至不惜采用匿名交易，刻意蒙蔽或规避审计，将非法的资金与其来源之间的联系人为地割断。常见的是通过实施以假名或受托人的名义开立银行账户，虚拟贸易收支或买卖无记名证券等复杂的金融操作，以此来掩盖犯罪资金的来龙去脉和真实所有权关系，模糊其非法特征。
1.1.3 归并阶段（integration）
归并阶段又称“一体化”、“整合”、“融合”的过程。归并阶段是洗钱行为的完成阶段，在这一阶段，不法分子把经过离析后、一般人难以觉察其非法性质和来源的财产以合法财产的名义转移到与犯罪集团或犯罪分子无明显联系的合法机构或个人的名下，投放到正常的社会经济活动中去。如果离析的过程能够顺利实施，犯罪收益已经与一般的正常收入混同，普通人难以觉察其非法的本来面目。而犯罪分子就可以将以合法面目出现的犯罪收益进行自由地支配和使用，把资金转移至与犯罪组织或个人无明显联系的合法组织或个人的账户之中，像一般的商业资金往来过程那样，让“洗净”的资金再次进入金融系统[3]。
通过对洗钱的定义和过程分析，我们可以得出洗钱是一种有目的改变资金流对应信息的过程，它需要改变原有的附属信息，赋予上新的信息。
1.2 反洗钱（Anti-Money Laundering）
反洗钱是政府动用立法、司法力量，调动有关的组织和商业机构对可能的洗钱活动予以识别，对有关款项予以处置，对相关机构和人士予以惩罚，从而达到阻止犯罪活动目的的一项系统工程[4]。
反洗钱我们可以总结为识别资金附属信息，处置资金、惩戒违法机构和人员的过程。
2 资金流与信息流、物流
资金流（fund flow）我们可以定义为在经济关系相关者间随着商品实物及其所有权的转移而发生的资金往来流程。
信息流（Information flow；the flow of information）是指信息的传播与流动，信息流是物流过程的流动影象[5]。
物流，或作运筹（Logistics）是一个控制原材料、制成品、产成品和信息的系统。“物流”或也可详称为其最终目的之“策略性物流运输”或“策运”[6]。本文将物流定义为人或物的物理移动。
在现代社会中任何一笔经济交易都必不可少的包含这“三流”。它们时刻同在，互为因果。任何一个交易者在完成一笔交易之前必然同这“三流”打完了交道。其次，信息技术的不断进步、物流系统效率的不断提高为这“三流”的一体化整合创造了条件。三者之间在智慧城市环境下更为有效互动构成了一个完整的电子商务模型：信息流是模型的肉体，是资金流和物流的基础；资金流和物流是模型的血液，是信息流的结果。在交易中，资金流是条件，信息流是手段，物流是过程。
3 资金流、信息流、物流与反洗钱
物流、资金流、信息流，虽然各有独立存在的意义，并各有自身的运行规律，但是，“四流”是一个相互联系、互为伴随、共同支撑经济活动的整体。资金流进入金融机构，它所带来的信息流或物流必定在其他系统中有所反应和表现，并存在相关性。如果有充分的手段获取该笔资金流与之相关的物流、信息流的数据，就能够迅速确定一笔资金流对应的信息流和物流的映射关系。当三者有一项或多项不符合交易规则时，即可初步判定为可疑交易。
金融机构上报的可疑交易，原该笔可疑交易的附属信息，通过确定与该笔交易附属的信息对应的商品交易、人员往来、合同签订等对应的视频、图片、人员资料，建立该笔交易的物流、资金流、信息流三者的映射关系，通过分析映射关系是否违反相应的法律法规。
通过“三流”的一体化整合，建立基于资金流的三者映射关系，对三者映射关系进行反洗钱情报分析是一条有效的路径。
4 智慧城市与新反洗钱模式
按照住建部《国家智慧城市试点暂行管理办法》和《国家智慧城市（区、镇）试点指标体系（试行）》，智慧城市建设包括网络基础设施、公共平台与数据库等指标控制，实现全面透彻的感知、宽带泛在的互联、智能融合的应用的新阶段。智慧城市通过空间数据基础设施的标准化、各类城市信息的数字化整合多方资源，从技术和体制两方面为实现数据共享和互操作提供了基础。
通过智慧物流、智慧交通、政府公共服务平台等资源平台提取视频、图片、人员资料、企业资料等进行综合判读，能够确定一笔资金流的来源、目的地、实际控制人、用途、交易背景等指标是否违反相应的法律法规。
智慧城市的建设和推广，也为建立区域性的反洗钱情报中心提供了可能。积极参与智慧城市建设中政府公共服务平台的建设，添加反洗钱情报分析模块，即减少反洗钱工作成本，同时也极大地提高工作效率。
5 结语
资金流与物流、信息流存在着必然的联系，分析三者的对应关系对提高判断洗钱活动的有效性和实效性方面有着一定意义，智慧城市建设为分析资金流与物流、信息流是否匹配提高了技术和制度上的保证。随着智慧城市不断推广必定形成国家层面的数据集中和智能分析，这将为反洗钱工作提供了更加有效的手段。
【参考文献】
[1]智慧城市_百度百科[OL].（2013-10-02）[2013-10-10].http：///link？url=Ww1w8Qhj0dSIKWuVD6wDji3K7K1-Dmo9J3NSCWdPA_qBQLQ2tFH7WyXf-j7qejyGalV9wgf8kH0gjvwAFIYVsq.
[2]洗钱-百度百科[OL].（2013-06-23）[2013-10-10].http：///link？url=t17yHHc9VE9k52a5whD9bxKt3dtjEsN-LajXiB_2-oEWHOAxn-eKeec-_SFmWBknC18rxCzDJiGkW3_dw7B7C-VVplHIzVwE1ZcdLfL6Rfu.
[3]洗钱-MBA智库百科[OL].（2013-10-09）[2013-10-10].http：///wiki/%E6%B4%97%E9%92%B1.
[4]反洗钱-MBA智库百科[OL].（2013-10-09）[2013-10-10].http：///wiki/%E5%8F%8D%E6%B4%97%E9%92%B1.
[5]信息流_百度百科[OL].（2013-09-06）[2013-10-10].http：///link？url=YXGn_o2WEFFGVMu0l2avr5LXkCgm2M8dkPWqBbWx4qx8EIWdDyculxi-zmou76vw.
