这一小节重点阐述制造企业所需要的物流互联网化。首先，理性地看待物流互联网化的诉求，客观上的现实需要与主观上的诉求要一致;其次，从主营业务经营的视角来分析制造企业的物流大数据;最后，围绕“数据驱动物流”来探寻制造企业物流互联网化的出路。
一、统一企业所需要的和所想要的
在“互联网+”的浪潮下，很多制造企业对客观所需的物流互联网化的认识并不十分清晰，而主观上对物流互联网化的诉求又比较强烈，这容易使制造企业的物流互联网化建误入歧途、陷入误区。
在经济增速下滑和整体转型的双重压力下，在“互联网+物流”蓝图的刺激下，很多制造企业萌生了“转型做物流”的想法。制造企业是要做好物流，但不等于是盲目扩张物流业务。特别是大型的制造型企业该不该投巨资成立物流公司，这是业务板块扩张的战略问题，超越了制造企业的物流互联网化的范畴。
这实际上也就是以往行业经常探讨的“企业物流”与“物流企业”的问题。从制造企业主营业务经营的现实需要来看，“企业物流”是维持制造企业正常运营的一项基本职能，而“物流企业”则是从物流外包及企业自有的物流资源得到充分利用的角度出发，将原本的“企业物流部门”进行独立运营的做法。
本书所指的“制造企业的物流互联网化”，其中的物流属于“企业物流”的范畴。对制造企业而言，不管是将物流部门进行独立运营也好还是将物流业务外包出去也好，物流依旧是其主营业务正常运转不可或缺的重要基础。从经营管理的角度来看，制造企业的物流互联网化，其目的是提高企业的供应链效率。
制造企业的物流外包或者物流部门的独立运营，若不能满足其主营业务在成品交付或原材料及零部件供应等方面对物流服务的要求时，就需要审视自身“企业物流”存在的问题。物流外包也好或者物流部门独立运营也好，与制造企业的物流互联网化并不冲突。制造企业的物流互联网化，从目的上来讲，是要强化对“物流外包”或“自营物流”的管理。
所以这里特别强调，制造企业的物流互联网化，是对主营业务所需的物流进行互联网化，而不是制造企业下属物流公司的互联网化。关于物流公司的互联网化会在第七章进行论述。虽然很多制造企业有扩张物流业务板块的想法，但是做好自身的“企业物流”显然比物流业务扩张更加紧迫。
那么问题来了，制造企业怎么才能做好自身的“企业物流”呢?企业物流的互联网化又该怎么做呢?这些问题可以从制造企业物流大数据的角度来探讨。
二、制造企业所需的物流大数据
制造企业需要哪些物流大数据呢?从制造企业的供应链过程来看，至少需要这几个方面的物流大数据：成品交付过程的物流大数据、物流供应商执行表现的大数据、生产物流的大数据、产品生命周期大数据等。
1、成品交付过程的物流大数据
成品交付能力是制造企业核心竞争力的集中体现。成品交付能力，除了受产品设计、制造工艺、生产流程等因素的影响外，还受物流的影响。成品交付过程，是指从发货地的出库环节开始，经过中间的物流过程，直至把商品送到顾客手中并让顾客签收时为止。对这个过程进行信息采集，就会产生成品交付过程的大数据。
有了成品交付过程的大数据，就可以知道交货期的平均时间是多少，对如何压缩交货期以提高供应链效率提供数据依据。有了成品交付过程的大数据，就可以知道交货期出现货损、货差、错货等情况出现的频率和原因，为交货期的货物安全管理提供数据支持。有了成品交付过程的大数据，就可以为顾客提供成品交付过程的物流体验数据，提高顾客的满意度。总之，成品交付过程的大数据，对提高制造企业的顾客黏性和企业的竞争力有很大的帮助。
2、物流供应商执行表现的大数据
制造企业或多或少都有物流外包的情况。物流外包一般会涉及对物流供应商进行管理的问题。物流供应商的服务好不好，彼此之间出现扯皮、纠纷的情况多不多，每一次物流任务的响应和执行是否及时，等等，这些情况不能凭主观判断，需要基于物流供应商执行表现的大数据进行客观分析。
有了物流供应商执行表现的大数据，就可以分析哪些执行环节容易出现问题，需要加强管理;就可以知道哪个供应商的服务更好或更差，以便更有针对性地制定出供应商管理政策;就可以知道如何引导供应商去提升业务执行效率和物流服务水平。
3、生产物流的大数据
制造企业的生产过程不仅需要生产设备、生产工艺，还有生产物流。生产物流控制已经成为生产制造环节的重要活动。生产物流的形态有原材料、零部件、半成品、成品等各种形态，生产物流还包括容器、包装、工具等的流转，总之生产物流是一个相对严密和复杂的过程。要做好对生产物流的管理，需要有生产物流大数据的支撑。
制造业分为连续型制造和离散型制造。连续型制造是一个不断添加配方原料，并经过连续性的化学及物理反应过程，最终输出成品并对成品进行分装和包装的过程。连续型制造的物流过程需要从生产线上的各种检测仪表来采集数据，以判断物流(物体)形态的变化。
而离散型制造则涉及到各种零部件的拼装，相对连续型制造的物流过程可能更加复杂。离散型制造中，如果某种零部件供应不上，就会导致生产过程中断;如果某个零部件存在问题，组装出来的成品就是次品。不管是连续型还是离散制造，要更好地组织生产，就需要对生产物流进行更好的管控，就需要生产物流的大数据来支持生产过程的管理。
有了生产物流的大数据，就可以对生产过程进行全方位的监测，以发现生产过程中的纰漏和瑕疵。例如，对生产过程的物流形态进行动态监测和跟踪，就可以知道在哪个环节容易出现次品，然后针对这个环节进行改进。实际上，偶尔出现一个次品，不容易引起企业重视，就算重视也很难追查到导致次品的原因，因为缺乏生产物流大数据来提供依据。
工业4.0和《中国制造2025》中提到的数字化工厂、智能工厂就是能够采集生产物流大数据的工厂。只有实现了对生产物流大数据的掌握，才能称得上是数字化工厂和智能工厂。
4、产品生命周期大数据
对一些生产大型设备的制造企业而言，实现成品交付并不是服务的终点，因为还有售后的保养维修服务。怎样做好售后服务?如何了解产品在使用过程中的情况?产品出现问题，是远程维护、召回，还是上门维修?如何减少售后服务成本?这些都是非常重要的问题。如果有产品生命周期的大数据为依据，这些问题都可以得到更好的解决。
有了产品生命周期的大数据，就可以知道产品什么时候出厂，什么时候交到用户手中;就可以知道产品的使用次数、使用时间、使用频率是多少;就可以了解哪类问题出现的比较多，问题出现的概率是多少，以及问题出现的环境和条件。产品生命周期的大数据对提升制造企业的售后服务水平，改善产品设计，提升产品质量以及提高企业的竞争力都有重要意义。
产品在生命周期过程中的流转是一个物流过程，这个过程的大数据属于物流大数据的范畴。这是制造企业应该重视的物流大数据。制造企业的所有物流要素都可以产生物流大数据，企业应该重视哪些物流大数据，应该采集和积累哪些物流大数据，需要根据企业的产品及主营业务的特点而定。
三、数据驱动制造企业的物流
制造企业的物流将会由数据来驱动。首先是由需求数据来驱动，即由订单数据驱动;其次是由物流大数据驱动。由订单驱动容易理解，客户下单买了，自然要根据订单组织产品生产和交付，进而触发相关的物流过程。
制造企业的物流由“物流大数据”驱动，是因为很多情况下制造企业无法完全按照订单来组织生产。例如，从事连续型生产的制造企业，一旦启动生产线就需要不停地生产。但是生产多少合适?需要保有多少数量的缓冲库存?如何调节生产周期?如何组织原材料的采购?
这些问题需要根据物流大数据来做出更加精准的预测，并以物流大数据的预测结果来驱动生产和完成产品交付所涉及的物流。制造企业的物流过程产生物流大数据，物流大数据反过来又更好地驱动制造企业的物流以及供应链的运转，使企业的主营业务运营进入良性循环的轨道。
制造企业怎样才能做好“企业物流”?怎样才能管理好“物流供应商”?怎么才能做出更加合理的“物流计划”?这些问题都得依靠物流大数据来解决。
所以制造企业的物流互联网化，首先需要考虑如何采集和汇聚“企业物流”的大数据;其次是要考虑如何利用物流大数据来更好地驱动企业物流的管理;最后是考虑如何更好地利用物流大数据来提升企业的供应链效率，提升企业的竞争力。当然制造企业的物流大数据的产生、汇聚及大数据的应用，都在企业的物流体系之中运转。
铁路运输