报告，对当代大数据的核心概念和核心目标进行了深刻阐述，激发了世界各地对大数据技术的新一轮探索高潮[ 5 ]。维克托和肯尼斯在《大数据时代》中认为，大数据带来一场世界级的数字风暴，全面改变着人类的生活、工作和思维习惯，科学创造和人工智能达到了前所未有的高度，成为新发明和新创造的思维源泉；智慧演算成为大数据推动物流业务的技术利器，已经促使当前经济社会演变为智慧物流的世界[ 6 ]。2015年8月，在《促进大数据发展行动纲要》中，中国强调加快发展大数据产业，深化数字智慧在各行业中的创新作用。
1.数据急剧膨胀与大数据范式转变
“一带一路”沿线各地、各民族的特色产品及物流业态种类繁多，物流业务匹配度低、数量巨大而价值率不高，急需大数据效能核算工具提高物流业务的灵活适用性。新丝路沿线分分秒秒都在海量地涌现着经济信息、产品视频和用户行为等数据，单一物流节点服务器每小时急剧新增的数据可达到TB级规模，物流数据库时时有爆棚的危险[ 7 ]。当前众多类型的物流数据采集设备被使用，新介质识别技术被广泛开发，加速了海量物流数据的集聚过程。而自媒体网络的盛行，更进一步加剧了物流信息规模膨胀的速度，物流数据集以指数级的速度递增，增长速度已经远远超出了分布式堆叠处理器延展所增长的速度。依靠大量的分布式处理器集群，在规模和速度方面，可实现网络数据分析能力的直线扩展，但不能扭转大数据爆棚的危机局面[ 8 ]。从非关系型数据库（NoSQL）的角度看，传统数据库系统（DBMS）不能有效处理非结构化大数据，不能满足大数据环境下物流数据急剧增长的需要。针对网络数据暴增的局面，实践中已经有多种分布式架构被启用，例如MIUI框架和GAPPS架构等[ 9 ]。
“一带一路”各地物流数据集表现出业态异构、规模巨大、价值稀疏等多维属性，冗余、欺骗和虚假等现象时常发生，就规模十分巨大的物流业务数据集而言，传统“数据集全局遍历，寻求挑选最优结果”的处理方法，已经被实践证实是“NP完全”的结果。许多研究者认为，有效的大数据应用不是如何聚集越来越多的数据，而是如何将大数据集有效进行关系诊断，解决实践中的价值发现问题[ 10 ]。物流大数据体系必须在不同层次进行变革，包括建模、约简和优化等，以便应对随时可能出现的物流信息爆增问题。基于开放式编码的构建假设机理（扎根理论）[ 11 ]，能促进物流大数据分析范式的转变，增强物流业务分析的高效性和适用性。
2.信息价值稀疏与隐性挖掘
物流业务数据集规模越来越大，单项信息的价值越来越稀疏，传统的数据计量方案容易获得假性的结果，价值真相越来越难以捕捉。大数据集体量越来越大，但大部分冗余无用，虚假结果和加工困难并存，只有解决了信息价值稀疏的难题，才能摆脱隐性知识屏障，实现真正的物流增值效应。当前，由于大数据价值稀疏，物流业务与客户需求越来越难以协调，需要改变传统方法，深入探究深藏于大数据隐性领域的数据真相。从大数据分析的发展轨迹看，更重要的大数据技术是解决“规模巨大”之外的价值稀疏问题[ 12 ]。
物流大数据规模巨大与价值稀疏，已经被物流业广泛重视，物流集散中心相应的理念应运而生。物流集散中心需要全方位、全类型、多目标地广泛采集物流业务相关大数据，从克服价值稀疏、畅通渠道、智慧演算和品牌影响力等多个维度，建立隐性价值挖掘机制，保障物流集散的高效适用性。如将物流客户的个体趋向、配送途径、仓储效能、多语种支持等数据聚合在一起，通过关联关系发现隐性价值。另外，物流业务的隐性价值挖掘和追溯问题，已经获得“一带一路”各地广泛一致的共识，具备了共同开发、共享使用的设施基础。