其對物流企業發展帶來的影響主要表現在壹下幾個方面：
(1)信息對接，掌握企業運作信息
在信息化時代，網購呈現出壹種不斷增長的趨勢，規模已經達到了空前巨大的地步，這給網購之後的物流帶來了沈重的負擔，對每壹個節點的信息需求也越來越多。每壹個環節產生的數據都是海量的，過去傳統數據收集、分析處理方式已經不能滿足物流企業對每壹個節點的信息需求，這就需要通過大數據把信息對接起來，將每個節點的數據收集並且整合，通過數據中心分析、處理轉化為有價值的信息，從而掌握物流企業的整體運作情況。
(2)提供依據，幫助物流企業做出正確的決策
傳統的根據市場調研和個人經驗來進行決策已經不能適應這個數據化的時代，只有真實的、海量的數據才能真正反映市場的需求變化。通過對市場數據的收集、分析處理，物流企業可以了解到具體的業務運作情況，能夠清楚地判斷出哪些業務帶來的利潤率高、增長速度較快等，把主要精力放在真正能夠給企業帶來高額利潤的業務上，避免無端的浪費。同時，通過對數據的實時掌控，物流企業還可以隨時對業務進行調整，確保每個業務都可以帶來贏利，從而實現高效的運營。
(3)培養客戶粘性，避免客戶流失
網購人群的急劇膨脹，使得客戶越來越重視物流服務的體驗，希望物流企業能夠提供最好的服務，甚至掌控物流業務運作過程中商品配送的所有信息。這就需要物流企業以數據中心為支撐，通過對數據挖掘和分析，合理地運用這些分析成果，進壹步鞏固和客戶之間的關系，增加客戶的信賴，培養客戶的粘性，避免客戶流失。
(4)數據“加工”從而實現數據“增值”
在物流企業運營的每個環節中，只有壹小部分結構化數據是可以直接分析利用的，絕大部分非結構化數據必須要轉化為結構化數據才能儲存分析。這就造成了並不是所有的數據都是準確的、有效的，很大壹部分數據都是延遲、無效、甚至是錯誤的。物流企業的數據中心必須要對這些數據進行“加工”，從而篩選出有價值的信息，實現數據的“增值”。
，大數椐在物流企業中的應用主要包括以下幾個方面。
(1)市場預測
商品進入市場後，並不會壹直保持最高的銷量，是隨著時間的推移，消費者行為和需求的變化而不斷變化的。在過去，我們總是習慣於通過采用調查問卷和以往經驗來尋找客戶的來源。而當調查結果總結出來時，結果往往已經是過時的了，延遲、錯誤的調查結果只會讓管理者對市場需求做出錯誤的信計。而大數據能夠幫助企業完全勾勒出其客戶的行為和需求信息，通過真實而有效的數據反映市場的需求變化，從而對產品進入市場後的各個階段作出預測，進而合理的控制物流企業庫存和安排運輸方案。
(2)物流中心的選址
物流中心選址問題要求物流企業在充分考慮到自身的經營特點、商品特點和交通狀況等因素的基礎上，使配送成本和匿定成本等之和達到最小。針對這壹問題，可以利用大數據中分類樹方法來解決。
(3)優化配送線路
配送線路的優化是壹個典型的非線性規劃問題，它壹直影響著物流企業的配送效率和配送成本。物流企業運用大數據來分析商品的特性和規格、客戶的不同需求（時間和金錢）等問題，從而用最快的速度對這些影響配送計劃的因素做出反映（比如選擇哪種運輸方案、哪種運輸線路等），制定最合理的配送線路。而且企業還可以通過配送過程中實時產生的數據，快速地分析出配送路線的交通狀況，對事故多發路段的做出提前預警。精確分析配送整個過程的信息，使物流的配送管理智能化，提高了物流企業的信息化水平和可預見性。
(4)倉庫儲位優化
合理的安排商品儲存位置對於倉庫利用率和搬運分揀的效率有著極為重要的意義。對於商品數量多、出貨頻率快的物流中心，儲位優化就意味著工作效率和效益。哪些貨物放在壹起可以提高分揀率，哪些貨物儲存的時間較短，都可以通過大數據的關聯模式法分析出商品數據間的相互關系來合理的安排倉庫位置。
上海歐堅及其旗下倉儲積極學習大數據，並將其運用到對倉庫的日常管理當中。取得壹定的成效。