淺議第三方物流企業論文

　　進入21世紀，隨著經濟全球一體化的到來，物流的發展方興未艾。物流作為一種新興產業受到了世界各國前所未有的關注，物流業也被我國列為國民經濟的基礎產業。下面是小編為大家整理的第三方物流企業論文，供大家參考。

　　第三方物流企業論文範文一：淺析第三方物流企業併購分析

　　論文關鍵詞：第三方物流　併購　方式　整合

　　論文摘要：在分析第三方物流企業併購必要性的基礎上，探討了第三方物流企業併購的具體方式，提出第三方物流企業併購應注意的問題。最後指出併購雖然是推動產業成長的一種有效方式，但併購本身只是社會資源的一種重新佈局和優化組合，第三方物流企業經營的好壞並不是通過併購就能完全解決的。

　　1第三方物流企業併購的必要性分析

　　企業併購是“兼併”、“合併”以及“收購”等概念的統稱，區別於企業重組及戰略聯盟等概念。物流企業併購是指在市場經濟體制條件下，兩個或更多的物流企業根據特定的法律制度所規定的程式，通過簽訂市場合約的形式合併為一個新物流企業的行為。我國的物流資源過於分散、第三方物流企業規模小、專業化程度低、服務功能單一和第三方物流市場潛力巨大同時並存的現象，對第三方物流企業併購提出了直接的要求。主要可以從以下幾個方面來分析：

　　1.1物流服務綜合化、專業化的需要。面對日益激烈的市場競爭和迅速變化的市場需求，為客戶提供全程物流業務服務，即所謂“一站式”一體化的綜合物流服務，成了現代第三方物流企業生存與發展的關鍵。但是我國大多數第三方物流企業只能提供基礎物流服務，很難實現全過程服務，處於低水平的粗放經營狀態。這就需要對第三方物流企業進行併購整合，改原來的分散式、小規模經營為集約化控制，實現資源與資金、市場與客戶的整合效應，真正實現規模經營效益。

　　1.2整合物流資源並實現資源優化配置的需要。市場集中度低、大量小型第三方物流企業在低端物流服務市場的湧現已經成為制約中國物流產業發展的最大障礙。所以，對物流市場進行各種資源包括人才資源整合，提高物流產業市場集中度是促進中國物流業發展的必然要求，這可以通過物流企業間的併購方式來實現。對於高階物流企業來說，需要通過併購小企業來擴充其網路，對企業的資產進行補充和調整，達到最佳經濟規模，降低企業的物流成本，實現規模經濟效益;而對於低端市場的小企業來說，被兼併重組，又何嘗不是另一種出路。

　　1_3構建並提升企業核心競爭力的需要。近年來全球企業的併購浪潮，不難發現，很多企業正是試圖通過併購來構建新的、更高層次的核心競爭力，以期實現企業的持久競爭優勢。一些比較有實力的第三方物流企業可以通過併購某些有特色的具有專長的或與其擁有互補優勢的物流企業來構建和提升企業的核心競爭力。此外。一些有特色的小型物流企業本身具有它們的核心競爭能力，但因為太小而無法充分運用此能力。採用併購模式後可以獲得更大的市場發展空間，以便能夠使用核心能力，獲得更大的競爭優勢。

　　1.4應對國際競爭的需要。隨著2005年底我國物流業的全面開放，外資物流企業憑藉資本和技術優勢，大張旗鼓地佈局中國物流市場，面對外界壓力，我國本土的物流企業最有效和最直接的做法就是改變自然增長的模式，採用併購的模式進行快速擴張，形成規模經濟。

　　2第三方物流企業併購的方式

　　結合第三方物流企業自身的實際情況，第三方物流企業併購整合的方式大致分為三種，即橫向併購、縱向併購和混合併購。

　　2.1第三方物流企業橫向併購

　　所謂橫向併購是指同屬於一個產業或行業，或產品處於同一市場的企業之間發生的併購行為。第三方物流企業橫向併購即生產同類產品或提供同類服務的第三方物流企業之間的併購。物流企業橫向併購容易生成規模經濟，產生技術和管理上的協同效應，即1+1>2的效應，實現規模效益遞增。所以，橫向併購適用於併購後能實現規模經濟的物流企業。 　　但是過度的橫向併購可能導致獨佔，從而限制競爭。當物流企業通過橫向併購取得了足夠大的市場份額的時候，相關企業就可以憑藉取得的市場優勢地位不顧其它中小物流企業而濫用市場勢力，提高市場價格，限制物流服務量。其它小企業就不得不跟隨大企業的行為來調整自己的經營戰略，從而達成一個非正式的卡特爾。

　　2.2第三方物流企業縱向併購

　　所謂縱向併購是指生產和銷售過程處於產業鏈的上下游、相互銜接、緊密聯絡的企業之間的併購行為。第三方物流企業縱向併購即供應鏈中的物流企業把其承擔的功能轉移到供應鏈的上游或下游，前者稱為上游替代，後者稱為下游替代。採用縱向併購的方式，其目的是為了減少經營活動的交易費用。縱向併購適用於經營的產業比較多，包括有志建立和形成自己核心價值鏈的物流集團公司。

　　2_3第三方物流企業混合併購

　　所謂混合併購是指生產和經營彼此沒有關聯的產品或服務的企業之間的併購行為。混合併購的主要目的是分散經營風險，提高企業的市場適應能力。第三方物流企業混合併購即物流企業和其他產業、行業的企業之間的併購行為，混和併購適用於在其經營主業中實力很強，居產業龍頭地位的物流企業，在原來主業已經實現了規模經濟效益，同時有較好的管理能力和有剩餘的資金、精力等資源的條件下，物流企業可以根據市場條件，通過混合併購，積極尋找新的行業增長點，實現多元化經營。

　　3第三方物流企業併購應注意的問題

　　併購對企業發展具有重大的意義，但是從實際情況來看，許多併購案都是失敗的。為保證第三方物流企業併購的成功，應該注意以下幾個問題：

　　3.1併購目標一定要明確

　　第三方物流企業在併購前必須清楚地瞭解自己通過併購所要達到的戰略目標，之後根據戰略目標甄別、選擇市場上的目標企業，只有這樣才能保證自己所併購企業能真正為自己所用，達到整合資源、擴張規模的基本目的。而且，併購目標明確後，也有助於各項併購工作的開展和決策方向性的制定。

　　3.2注意目標公司合法性。併購是市場經濟主體之間的產權交易，交易主體是否具有合法資質至關重要。交易主體是否依法成立併合法存續，是否具備從事特定行業的特定資質等等都會影響併購的進行，甚至可能會造成收購方重大損失，導致併購失敗。

　　3.3併購後對目標企業進行迅速有效的整合。目標公司被收購以後，很容易形成經營混亂的局面，尤其是在敵意收購的情況下，這時許多管理人員紛紛離去、客戶流失、生產混亂，因此需要對目標公司進行迅速有效的整合。通過向目標公司派駐高階管理人員穩定目標公司的日常經營，然後對各個方面進行的整合。其中企業文化整合尤其應該受到重視，因為許多研究發現：很多併購的失敗都是由於雙方企業文化不能很好的融合所造成的。

　　4結束語

　　從當前我國第三方物流業發展的內外特點看，併購是其必由之路。也是整個市場走向成熟的標誌。併購雖然是推動產業成長的一種有效方式，但併購本身只是社會資源的一種重新佈局、一種優化組合，企業經營的好壞並不是通過併購就能徹底解決的。併購後為了確保企業發展戰略目標的實現，還必須從產品、市場、財務、計劃、人事管理以及企業文化等方面對被併購企業進行一體化管理。

　　第三方物流企業論文範文二：談資料探勘技術在第三方物流企業的應用

　　內容摘要：資料探勘是商務智慧技術的重要組成部分，是一個新的重要的研究領域。本文介紹了商務智慧技術應用現狀和組成，闡述了資料探勘技術在第三方物流企業的應用。

　　關鍵詞：商務智慧 資料探勘 第三方物流 研究

　　在當今競爭日益激烈的市場環境中，第三方物流企業都希望能夠從浩如煙海的商務資料以及其他相關的物流業務資料中發現帶來鉅額利潤的商機。只有那些利用先進的資訊科技成功地收集、分析、理解資訊並依據資訊進行決策的物流企業才能獲得競爭優勢，才是物流市場的贏家。因此，越來越多的物流管理者開始藉助商務智慧技術來發現物流運營過程中存在的問題，找到有利的物流解決方案。

　　商務智慧技術應用現狀

　　我國加入了WTO，在許多領域，如金融、保險、物流等領域將逐步對外開放，這就意味著許多第三方物流企業將面臨來自國際大型跨國物流公司的巨大競爭壓力。國外發達國家各種企業採用商務智慧的水平已經遠遠超過了我國。美國Palo Alto 管理集團公司1999年對歐洲、北美和日本375家大中型企業的商務智慧技術的採用情況進行了調查。結果顯示，在金融領域，商務智慧技術的應用水平已經達到或接近70%，在營銷領域也達到50%，並且在其他應用領域對該技術的採納水平都提高約50%。現在，許多第三方物流企業都把資料看成寶貴的財富，紛紛利用商務智慧發現其中隱藏的資訊，藉此獲得鉅額的回報。

　　據IDC對歐洲和北美62家採用了商務智慧技術的企業的調查分析發現，這些企業的3年平均投資回報率為401%，其中25%的企業的投資回報率超過600%。調查結果還顯示，一個企業要想在複雜的環境中獲得成功，高層管理者必須能夠控制極其複雜的商業結構，若沒有詳實的事實和資料支援，是很難辦到的。因此，隨著資料探勘技術的不斷改進和日益成熟，它必將被更多的第三方物流企業採用，使更多的物流管理者得到更多的商務智慧。

　　商務智慧技術的組成

　　具體地說，商務智慧技術有資料倉庫data warehousing、聯機分析處理on-line analytical processing，簡稱OLAP、資料探勘data mining，包括這三者在內的用於綜合、探察和分析商務資料的先進的資訊科技的統稱就是商務智慧技術。

　　資料倉庫是一個面向主題的、整合的、隨時間變化的主要用於決策支援的資料的集合。一般來說，大的物流公司或企業記憶體在著各種各樣的資訊系統，這些應用驅動的操作型資訊系統為企業不同的物流業務系統服務，具有不同介面和不同的資料表示方法，互相孤立。利用資料倉庫技術可以動態地將各個物流企業子系統中的資料抽取整合到一起，進行清洗、轉換等處理之後載入到資料倉庫中，通過週期性的重新整理，為物流使用者提供一個統一的乾淨的資料檢視，為資料分析提供一個高質量的資料來源。

　　對於資料倉庫中的資料，可以使用一些增強的查詢和報表工具進行復雜的查詢和即時的報表製作，可以利用OLAP技術從多種角度對物流業務資料進行多方面的彙總、統計、計算，還可以利用資料探勘技術自動發現其中隱含的有用的物流資訊。

　　資料探勘又稱知識發現Knowledge Discovery in Database，簡稱KDD，是從大量資料中抽取有意義的、隱含的、以前未知的並有潛在使用價值的知識的過程。資料探勘是一個多學科交叉性學科，它涉及統計學、資料庫、模式識別、視覺化以及高效能運算等多個學科。利用資料探勘技術可以分析各種型別的資料，例如結構化資料、半結構化資料以及非結構化資料、靜態的歷史資料和動態資料流資料等。

　　資料探勘技術在第三方物流企業的應用分析

　　資料探勘是從大量的、不完全的、模糊的、隨機的資料中提取隱含在其中的、人們事先不知道的、但又是潛在有用的資料中發現其潛在規律的技術，是當前電腦科學研究的熱點之一。隨著資訊科技的高速發展，積累的有關物流行業的資料量劇增，如何從大量的物流資料中提取有用的知識成為第三方物流企業當務之急。資料探勘就是為順應需要應運而生髮展起來的資料處理技術。

　　資料探勘的物件

　　關係資料庫relational database中通常儲存和管理的是結構化的資料，它將一個實體的各方面資訊通過離散的屬性進行描述。而文字資料庫text database或文件資料庫document database則通常儲存和管理的是半結構化的資料，例如新聞稿件、研究論文、電子郵件、書籍以及WEB頁面等都屬於半結構化資料。空間資料庫、多媒體資料庫中存放的是非結構化資料，例如地圖、圖片、音訊、視訊等都屬於非結構化資料。相對於半結構化和非結構化資料來說，針對結構化資料的資料探勘技術比較成熟，市場上有很多的商品軟體可以使用，用的較多的包括IBM Intelligent Miner、SAS Enterprise Miner、SGI MineSet、Clementine SPSS以及Microsoft SQL Server 2000等。關於半結構化和非結構化的資料探勘軟體尚不多，相應的演算法相對還較少。從另一個角度來說，資料探勘的分析物件分為兩種型別：靜態資料和資料流data stream資料。現在的多數資料探勘演算法是用於分析靜態資料的。

　　資料探勘的分析

　　無論要分析的資料物件的型別如何，常用的資料探勘分析包括關聯分析、序列分析、分類、預測、聚類分析以及時間序列分析等。

　　關聯分析 關聯分析是由Rakesh Apwal等人首先提出的。兩個或兩個以上變數的取值之間存在某種規律性，就稱為關聯。資料關聯是資料庫中存在的一類重要的、可被發現的知識。關聯分為簡單關聯、時序關聯和因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。一般用支援度和可信度兩個閥值來度量關聯規則的相關性，還不斷引入興趣度、相關性等引數，使得所挖掘的規則更符合需求。關聯分析主要用於發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是事件發生的概率和條件概率應該符合一定的統計意義。 對於結構化的資料，以物流客戶的採購習慣資料為例，利用關聯分析，可以發現物流客戶的關聯採購需要。例如，對於第三方物流企業來說，一個託運貨物的貨主很可能同時有貨物的包裝、流通加工等物流業務的需求。利用這種知識可以採取積極的物流運營策略，擴充套件物流客戶採購物流服務的範圍，吸引更多的物流客戶。通過調整服務的內容便於物流顧客採購到各種物流服務，或者通過降低一種物流業務的價格來促進另一種物流業務的銷售等。

　　分類分析 分類分析是通過分析具有類別的樣本的特點，得到決定樣本屬於各種類別的規則或方法。利用這些規則和方法對未知類別的樣本分類時應該具有一定的準確度。分類分析可以根據顧客的消費水平和基本特徵對物流顧客進行分類，找出對第三方物流企業有較大利益貢獻的重要的物流客戶的特徵，通過對其進行個性化物流服務，提高他們的忠誠度。

　　聚類分析 聚類分析是根據物以類聚的原理，將本身沒有類別的樣本聚整合不同的組，並且對每一個這樣的組進行描述的過程。其主要依據是聚到同一個組中的樣本應該彼此相似，而屬於不同組的樣本應該足夠不相似。

　　以第三方物流企業的客戶關係管理為例，利用聚類分析，根據物流客戶的個人特徵以及物流業務消費資料，可以將客戶群體進行細分。例如，可以得到這樣的一個物流業務消費群體：生產企業對物流業務中運輸需求佔41%，對物流業務中倉儲業務的需求佔23%;商業企業對物流業務中運輸需求佔59%，對物流業務中倉儲業務需求佔77%。針對不同的客戶群，可以實施不同的物流服務方式，從而提高客戶的滿意度。

　　資料探勘流程

　　定義問題：第三方物流企業首先清晰地定義出各種物流業務問題，確定資料探勘的目的。

　　資料準備：首先第三方物流企業在大型資料庫和資料倉庫目標中提取資料探勘的目標資料集進行資料選擇;其次進行資料的預處理，包括檢查資料的完整性及資料的一致性、填補丟失的域，刪除無效資料等。

　　資料探勘：第三方物流企業根據資料功能的型別和資料的特點選擇相應的演算法，在淨化和轉換過的資料集上進行資料探勘。

　　結果分析：第三方物流企業對資料探勘的結果進行解釋和評價，轉換成為能夠最終被理解的知識。

　　知識的運用：第三方物流企業將分析所得到的知識整合到物流業務資訊系統的組織結構中去。

　　評價資料探勘軟體需要考慮的問題

　　越來越多的軟體供應商加入了資料探勘這一領域的競爭。第三方物流企業如何正確評價一個商業軟體，選擇合適的軟體成為資料探勘成功應用的關鍵。評價一個數據挖掘軟體主要應從以下四個主要方面：

　　計算效能：如該軟體能否在不同的物流業務平臺執行;軟體的架構;能否連線不同的資料來源;操作大資料集時，效能變化是線性的還是指數的;算的效率;是否基於元件結構易於擴充套件;執行的穩定性等;

　　功能性：如軟體是否提供足夠多樣的演算法;能否避免挖掘過程黑箱化;軟體提供的演算法能否應用於多種型別的資料;第三方物流企業能否調整演算法和演算法的引數;軟體能否從資料集隨機抽取資料建立預挖掘模型;能否以不同的形式表現挖掘結果等。

　　可用性：如使用者介面是否友好;軟體是否易學易用;軟體面對的使用者是初學者、高階使用者還是專家;錯誤報告對使用者除錯是否有很大幫助。

　　輔助功能：如是否允許第三方物流企業更改資料集中的錯誤值或進行資料清洗;是否允許值的全域性替代;能否將連續資料離散化;能否根據使用者制定的規則從資料集中提取子集;能否將資料中的空值用某一適當均值或使用者指定的值代替;能否將一次分析的結果反饋到另一次分析中等等。

　　資料探勘技術是一個年輕且充滿希望的研究領域，利益的強大驅動力將會不停地促進它的發展。每年都有新的資料探勘方法和模型問世，人們對它的研究正日益廣泛和深入。儘管如此，資料探勘技術仍然面臨著許多問題和挑戰：如資料探勘方法的效率亟待提高，尤其是超大規模資料集中資料探勘的效率;開發適應多資料型別的挖掘方法，以解決異質資料集的資料探勘問題;動態資料和知識的資料探勘;網路與分散式環境下的資料探勘等。