物流管理是一种什么样的职业

物流是指商品在生产、流通、服务过程中所发生的时间空间变化，通过物流活动，可以创造物质资料的时间价值和场所价值，最有效地完成资源配置。现代物流成为了计算机技术、网络通信技术、机电控制技术、管理学、经济学等综合性研究应用领域，成为了企业的“第三利润源泉”。

浙江工商大学物流管理本科专业的人才培养模式将依托计算机与信息工程学院、工商管理学院、经济学院、统计与计算科学学院等部门雄厚的师资力量和成果优势，培养具备现代物流信息技术和物流信息系统管理等方面知识的高级专门人才。本专业学生主要学习物流信息管理方面的基本理论和基本知识，应用物流信息管理理论和方法，进行分析和解决实际问题的基本训练，学生毕业后要求具备实际物流信息管理系统开发与设计的初步能力。

主要专业课程有：运筹学及应用、计算机网络与通信、市场营销、生产运作管理、电子商务概论、物流学概论、供应链管理、配送与配送中心、企业物流管理、国际物流、物流技术与物流设备、地理信息系统及应用、物流系统分析与设计、物流系统规划、基于网络物流信息系统等。

学生毕业后可在工商企业的生产、经营、服务、规划、技改、质量等部门从事物流管理工作，主要立足于商业经济管理部门、大中型工商企业（包括外资合资企业），从事物流管理方案的分析与优化、物流管理系统的设计策划、物流管理信息系统的分析与设计、物流管理新技术的研究与开发等方面的工作。

物流管理科学是近一二十年以来在国外兴起的一门新学科，它是管理科学的新的重要分支。随着生产技术和管理技术的提高，企业之间的竞争日趋激烈，人们逐渐发现，企业在降低生产成本方面的竞争似乎已经走到了尽头，产品质量的好坏也仅仅是一个企业能否进入市场参加竞争的敲门砖。这时，竞争的焦点开始从生产领域转向非生产领域，转向过去那些分散、孤立的，被视为辅助环节而不被重视的，诸如运输、存储、包装、装卸、流通加工等物流活动领域。人们开始研究如何在这些领域里降低物流成本，提高服务质量, 创造"第三个利润源泉"。 物流管理从此从企业传统的生产和销售活动中分离出来，成为独立的研究领域和学科范围。物流管理科学的诞生使得原来在经济活动中处于潜隐状态的物流系统显现出来，它揭示了物流活动的各个环节的内在联系，它的发展和日臻完善，是现代企业在市场竞争中制胜的法宝。

在西方国家，引起现代物流管理科学不断发展和完善，有以下几个直接的技术、经济和政策上的原因：(1)由于产品越来越趋向多品种、小批量生产，产品的多样性和小批量化决定了配送的复杂化；(2)制造业和营销业中JIT、快速响应、连续补货等技术的采用，引进了以时间为基本条件的物流服务，要求人们做到在库存、运输和生产、销售之间进行严格控制与协调，以使存货量能够降低到最低限度，改变传统上依赖于安全库存的物流战略；(3)计算机技术和信息技术的发展，有力地推动了现代物流的发展。物流管理高度依赖对大量的数据、信息的分析、处理。计算机技术和网络技术的发展和商业化为物流系统提供了一个分析问题、处理事务、进行评估和决策的支持处理功能。条形码技术、EDI、卫星通讯技术等信息技术在物流作业中广泛采用，大大提高了物流服务的水平和物流过程的透明度；(4)发达国家在运输领域广泛采取的"放松管制"政策,使运输市场的竞争空前激烈，以客户服务为中心的物流创新层出不穷。

除了以上的原因外，进入20世纪90年代以来，企业的外界市场环境发生了很大的变化，如客户服务激增、时间性成为管理的焦点、以及经济的全球化趋势，迫使企业越来越重视物流管理。由于市场竞争的日趋激烈，人们发现通过在生产过程中降低成本获得竞争优势的空间已经非常有限了，因此，企业开始把寻求成本优势和服务差别化优势的目光转向向生产前后延伸的物流领域，并开始在这一领域里实行全程质量管理。可以说，从世界范围看，在当今工商企业面临的诸多战略问题中，最具挑战的领域之一就是物流管理。

物流管理的内容包括三个方面的内容：即对物流活动诸要素的管理，包括运输、储存等环节的管理；对物流系统诸要素的管理，即对其中人、财、物、设备、方法和信息等六大要素的管理；对物流活动中具体职能的管理，主要包括物流计划、质量、技术、经济等职能的管理等。

实施物流管理的目的就是要在尽可能最低的总成本条件下实现既定的客户服务水平，即寻求服务优势和成本优势的一种动态平衡，并由此创造企业在竞争中的战略优势。根据这个目标，物流管理要解决的基本问题，简单地说，就是把合适的产品以合适的数量和合适的价格在合适的时间和合适的地点提供给客户。

物流管理强调运用系统方法解决问题。现代物流通常被认为是由运输、存储、包装、装卸、流通加工、配送和信息诸环节构成。各环节原本都有各自的功能、利益和观念。系统方法就是利用现代管理方法和现代技术，使各个环节共享总体信息，把所有环节作为一个一体化的系统来进行组织和管理，以使系统能够在尽可能低的总成本条件下，提供有竞争优势的客户服务。系统方法认为，系统的效益并不是它们各个局部环节效益的简单相加。系统方法意味着，对于出现的某一个方面的问题，要对全部的影响因素进行分析和评价。从这一思想出发，物流系统并不简单地追求在各个环节上各自的最低成本，因为物流各环节的效益之间存在相互影响、相互制约的倾向，存在着交替易损的关系。比如过分强调包装材料的节约，就可能因其易于破损造成运输和装卸费用的上升。因此，系统方法强调要进行总成本分析，以及避免次佳效应和成本权衡应用的分析，以达到总成本最低，同时满足既定的客户服务水平的目的。

物流管理的发展经历了配送管理、物流管理和供应链管理3个层次。物流管理起源于第二次世界大战中军队输送物资装备所发展出来的储运模式和技术。在战后这些技术被广泛应用于工业界，并极大地提高了企业的运作效率，为企业赢得更多客户。当时的物流管理主要针对企业的配送部分，即在成品生产出来后，如何快速而高效地经过配送中心把产品送达客户，并尽可能维持最低的库存量。美国物流管理协会那时叫做实物配送管理协会，而加拿大供应链与物流管理协会则叫做加拿大实物配送管理协会。在这个初级阶段，物流管理只是在既定数量的成品生产出来后，被动地去迎合客户需求，将产品运到客户指定的地点，并在运输的领域内去实现资源最优化使用，合理设置各配送中心的库存量。准确地说，这个阶段物流管理并未真正出现，有的只是运输管理、仓储管理和库存管理。物流经理的职位当时也不存在，有的只是运输经理或仓库经理。

现代意义上的物流管理出现在20世纪80年代。人们发现利用跨职能的流程管理的方式去观察、分析和解决企业经营中的问题非常有效。通过分析物料从原材料运到工厂，流经生产线上每个工作站，产出成品，再运送到配送中心，最后交付给客户的整个流通过程，企业可以消除很多看似高效率却实际上降低了整体效率的局部优化行为。因为每个职能部门都想尽可能地利用其产能，没有留下任何富余，一旦需求增加，则处处成为瓶颈，导致整个流程的中断。又比如运输部作为一个独立的职能部门，总是想方设法降低其运输成本，但若其因此而将一笔必须加快的订单交付海运而不是空运，这虽然省下了运费，却失去了客户，导致整体的失利。所以传统的垂直职能管理已不适应现代大规模工业化生产，而横向的物流管理却可以综合管理每一个流程上的不同职能，以取得整体最优化的协同作用。

在这个阶段，物流管理的范围扩展到除运输外的需求预测、采购、生产计划、存货管理、配送与客户服务等，以系统化管理企业的运作，达到整体效益的最大化。高德拉特所著的《目标》一书风靡全球制造业界，其精髓就是从生产流程的角度来管理生产。相应地，美国实物配送管理协会在20世纪80年代中期改名为美国物流管理协会，而加拿大实物配送管理协会则在1992年改名为加拿大物流管理协会。

一个典型的制造企业，其需求预测、原材料采购和运输环节通常叫做进向物流，原材料在工厂内部工序间的流通环节叫做生产物流，而配送与客户服务环节叫做出向物流。物流管理的关键则是系统管理从原材料、在制品到成品的整个流程，以保证在最低的存货条件下，物料畅通的买进、运入、加工、运出并交付到客户手中。对于有着高效物流管理的企业的股东而言，这意味着以最少的资本做出最大的生意，产生最大的投资回报。

在20世纪90年代，随着全球一体化的进程，企业分工越来越细化。各大生产企业纷纷外包零部件生产，把低技术、劳动密集型的零部件转移到人工最廉价的国家去生产。以美国的通用、福特、戴姆勒-克莱斯勒三大车厂为例，一辆车上的几千个零部件可能产自十几个不同的国家，几百个不同的供应商。这样一种生产模式给物流管理提出了新课题：如何在维持最低库存量的前提下，保证所有零部件能够按时、按质、按量，以最低的成本供应给装配厂，并将成品车运送到每一个分销商。这已经远远超出一个企业的管理范围，它要求与各级供应商、分销商建立紧密的合作伙伴关系，共享信息，精确配合，集成跨企业供应链上的关键商业流程，才能保证整个流程的畅通。只有实施有效的供应链管理，才能达到同一供应链上企业间协同作用的最大化。市场竞争已从企业与企业之间的竞争转化到供应链与供应链的竞争。

在这样的背景下，加拿大物流管理协会于2000年改名为"加拿大供应链与物流管理协会"，以反映行业的变化与发展。美国物流管理协会曾试图扩大物流管理概念的外延来表达供应链管理的理念，最后因多方反对，不得不修订物流管理概念，承认物流管理是供应链管理的一部分。

用SPSS作Logistic回归分析，结果能说明什么

算法原理　　

首先要提到的概念是回归。 对于回归这个概念，在以后的文章会有系统而深入的学习。简单的说，回归就是用一条线对N多数据点进行一个拟合，这个拟合的过程就叫做回归。 Logistic回归分类算法就是对数据集建立回归公式，以此进行分类。 而至于如何寻找最佳回归系数，或者说是分类器的训练，就需要使用到最优化算法了。

回归分类器的形式

基本形式是用每个特征都乘以一个回归系数，然后把所有的结果值相加。 这样算出的很多结果都是连续的，不利于分类，故可以将结果再带入到一个Sigmoid函数以得到一些比较离散的分类结果。 Sigmoid函数的轮廓如下： 这样，计算的结果会是一个0-1的值。进而0.5以上归为一类，以下归为一类即可。(一般的逻辑回归只能解决两个分类的问题) 接下来的工作重点就转移到了最佳回归系数的确定了。

最佳回归系数的确定

确定最佳回归系数的过程，也就是对数据集进行训练的过程。 求最佳回归系数的步骤如下： 1. 列出分类函数： (θ 指回归系数，在实践中往往会再对结果进行一个Sigmoid转换) 2. 给出分类函数对应的错误估计函数： (m为样本个数) 只有当某个θ向量使上面的错误估计函数J(θ)取得最小值的时候，这个θ向量才是最佳回归系数向量。 3. 采用梯度下降法或者最小二乘法求错误函数取得最小值的时候θ的取值： 为表述方便，上式仅为一个样本的情况，实际中要综合多个样本的情况需要进行一个求和 (除非你使用后面会介绍的随机梯度上升算法)，具体请参考下面的代码实现部分。

将步骤 2 中的错误函数加上负号，就可以把问题转换为求极大值，梯度下降法转换为梯度上升法。

Logistic回归分析，结果能说明什么

以有序logit回归进行举列。

有序Logit（Logistic）回归Y为定类且有序，类别通常较少，比如3~8个之间。

比如当前有一份研究数据是用来研究民众幸福度影响因素，包括性别，年龄，学历和年收入水平共4个潜在的影响因素对于幸福水平的影响情况。幸福水平共由三项表示，分别是“不幸福，比较幸福和十分幸福”，由于Y为定类数据且有序，因而适用于有序Logit回归分析。

SPSSAU操作如下：

SPSSAU共输出五个表格,分别是因变量频数分布统计表格，平行性检验表格，模型似然比检验表格，回归模型分析结果表格和回归模型预测准确率表格。

第1个表格展示因变量各个类别的分布情况。如果因变量各类别分布非常分散，则需要对类别进行重新组合后再次进行分析。同时，如果因变量的类别个数非常多，也需要针对类别进行重新组合后才能进行分析。

第2个表格展示模型的平行性检验，检验的原假设为模型满足平行性，因而如果p?值大于0.05则说明模型接受原假设，即符合平行性检验。反之如果p?值小于0.05则说明模型拒绝原假设，模型不满足平行性检验。平行性是有序Logit回归的前提条件，如果不满足平行性，SPSSAU建议使用多分类Logit回归模型。

第3个表格展示模型的似然比检验结果，其原假设是模型的回归系数全部均为0，因此如果p?值小于0.05，则说明拒绝原假设，即说明模型有效；反之如果p?值大于0.05则说明接受原假设，即说明模型回归系数全部均应该为0，模型无意义。同时上表格还列出赤池信息准则AIC和BIC 值，如果进行过多次模型分析(比如模型的自变量个数变化时)，然后需要对比模型的优劣，则可通过此两个指标进行分析，此两个指标值越小越好，没有固定范围标准。

第4个表格展示模型的结果，包括回归系数的显著性，模型R?2值等。上表格中包括因变量阈值，其值基本无意义，仅从数学角度上看有此值输出而已。

第5个表格展示模型的预测准确率情况，包括各个类别和整体的预测准确率。如果模型用于预测分析，则预测准确率非常重要，如果模型用于研究影响关系，则不太关注预测准确率值。通常情况下样本量较小，预测准确率均非常低，但是多数实证研究的目的在于研究影响关系，因而预测准确率的关注度较小。

鹏仔 微信 15129739599

百科狗 baikegou.com