虽说人工不可能完全消灭，但总的来说，自动化、无人化必然还是未来的大趋势所在。智能仓储真正的优势在今天可能只是初露锋芒，在未来随着电商、零售规模越来越大的时候，智能仓储的优势才会真正凸显出来。

　　数据才是降低物流成本的核心

　　智能仓储仅仅只是一个方面，在整个物流仓储的环节来看，真正最具价值的还是大数据以及社会化物流体系的联合。这才是降低物流成本的核心所在。

　　正如前文所说到的，大物流整个过程实际上非常繁琐。从用户端的用户下单到商家这一端的交寄、单据管理、财务管理，乃至物流端的发件、分拨、分拣，再到终端的网点揽收、派送以及最后的签单，这十几个环节都是需要数据进行优化的，仓储和分拨其实只是其中的一个成本较高的环节而已。

　　今年8月，申通信息技术部总监邱成在接受媒体采访时曾经谈到过这样一句话：两年前，把一吨蔬菜从广州运到北京比从北京运到美国洛杉矶物流成本都高。

　　之所以出现这样的原因，正是说明，j2直播，国内物流环境是高度复杂的，一二线城市和五六线城市的情况完全不同，一二线城市借助自营可以让速度的优势得以体现，一二线城市的集约化程度也能支撑起自营的逻辑，但往三线城市以后想做到物流下沉、降低物流成本，还是要从大数据入手，用数据去优化流程，并且通过社会化协同的方式，让整个社会化的物流体系参与其中。

　　尤其是在物流的末端，物流线城市通过自营的方式来做只会把成本无限推高，通过大数据的方式把社会化物流容纳进来其实才是真正最有效的方式，因为毕竟没有一家企业可以真正做到覆盖整个中国从一线城市到六线乡村的所有物流系统，依靠数据以及整个社会的协同才是最好的做法。所以菜鸟在利用数据推动快递公司提升效率的同时，还搭建了仓配、农村、跨境、城市末端等物流网络，这种方式恰恰是在利用社会化协同让电商真正实现落地。

　　大数据可以做好供应链的管理和仓储的预测，减少资源的消耗，做好更好的无缝对接。菜鸟通正是通过对电商大数据的挖掘算法和供应链优化模型来进行整个流程的优化。以今年仓储管理系统来看，智能优化算法正在指导仓内各个作业环节，包括补货、上架、拣货、打包、出库等。算法在大数据的驱动下正在从全局的角度来优化整个仓储作业的流程。

　　事实上，除了仓内作业以外，大数据运用的范围还在逐步扩散到其他环节。大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化，将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合，建设成可以依据空间地理信息来统一协调监管的现代化物流，逐步利用大数据驱动信息化物流建设。

　　这种做法如果通俗理解来看是这样的——过去十多个环节的流程之中，常常会出现对接上的问题，每一个环节出现问题时无论是时间成本、空间成本还是人力成本都会大幅增加，但是大数据恰恰是让这些流程逐渐变得更加吻合，尽量让各方做好提前量的准备，通过这种方式逐渐把所有成本都降低下来。

　　大数据正在逆向影响企业生产

　　表面上来看，物流大数据看似只是物流方面的数据，只能负责物流、仓储环节，但实际上，物流大数据可以从产业链的后端延伸至前端，逐渐影响到制造业企业的备货、生产、销售的全链路，达到了为企业提供决策支持的程度。

　　这种逆向链路的影响在国内外早已成为共识。亚马逊最近申请了一项技术专利以支持其“预测性运输”的开展。这项技术能够帮助在线零售商根据特定地区顾客的在线消费习惯、搜索频次，以及商品浏览时间等因素来预测顾客需求，从而调整库存水平。

　　总部位于美国俄亥俄州的Glasfloss公司，主要生产用于加热和通风的空气过滤器以及空调。Glasfloss也是通过利用第三方物流供应商TransportationInsight公司的分析软件InsightFusion来实现其供应链的智能化管理。InsightFusion能够将来自不同供应链系统和外部来源(譬如运输管理体系、库房管理体系、资源规划以及生产等)的数据进行融合，同时还提供了实时查看所有完整供应链信息的路径。