隨著信息時代數據量的劇增，深化物流管理最為(wei) 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(jue) 策者做出快速、準確的決(jue) 策。
1、物流領域常用數據分析場景　　梳理我們(men) 整個(ge) 物流環節，數據分析的應用可以分為(wei) 兩(liang) 個(ge) 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(wei) 優(you) 化目標，或者是兩(liang) 者綜合的多目標優(you) 化，在分析過程中我們(men) 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(you) ，時間最少。常用的應用場景包括倉(cang) 儲(chu) 選址規劃、運輸路徑規劃、倉(cang) 儲(chu) 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(hui) 直接產(chan) 生經濟效益，它的意義(yi) 主要體(ti) 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(wei) 了合理安排生產(chan) 和庫存，進而獲得供應鏈總體(ti) 成本的最優(you) 。
在大數據時代，我們(men) 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(cang) 儲(chu) 選址規劃常用數據分析方法　　倉(cang) 庫選址是指在一個(ge) 具有若幹供應點及若幹需求點的經濟區域內(nei) ，選一個(ge) 地址建立倉(cang) 庫的規劃過程。合理的選址方案應該使商品通過倉(cang) 庫的匯集、中轉、分發，達到需求點的全過程的效益最好。倉(cang) 儲(chu) 選址步驟如下圖所示。
常用的倉(cang) 儲(chu) 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(cang) 儲(chu) 選址常用方法對比分析
由於(yu) 不同的企業(ye) 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(cang) 儲(chu) 選址方法應用拓展
那麽(me) 在大數據環境下，我們(men) 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(men) 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(cang) 儲(chu) 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(you) 的倉(cang) 儲(chu) 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(chuan) 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。向後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(wei) 圖形，清晰有效地傳(chuan) 達於(yu) 受用者。
歸根結底，倉(cang) 儲(chu) 中心選址的決(jue) 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(ge) 方麵，大數據對倉(cang) 儲(chu) 中心的選址的影響歸根到底還是對於(yu) 這三個(ge) 方麵因素的作用。
大數據時代，通過RFID射頻技術、傳(chuan) 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。
基於(yu) 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(you) 的倉(cang) 儲(chu) 選址結果，選用數據可視化工具直觀和明顯地展示選址後係統流量流向地圖。
大數據已經滲透到物流領域的各個(ge) 環節之中，其作為(wei) 一種新興(xing) 技術，它給物流的發展帶來了更多的機遇。對物流企業(ye) 而言，合理地運用大數據技術，對企業(ye) 的管理、客戶關(guan) 係維護、資源配置等方麵都將起到積極的作用，使物流決(jue) 策更加高效與(yu) 準確。