物流信息管理的历史
　　物流信息管理作为一个动态的发展的概念，其内涵和外延不断随着物流实践的深化和物流管理的发展而不断发展。在物流信息管理的早期主要是采用人工方式进行管理，当计算机出现之后，伴随着信息技术的发展出现了基于信息技术的物流信息系统。物流信息系统是利用计算机技术和通信技术，对物流信息进行收集、整理、加工、存储、服务等工作的人―机系统。企业的信息处理最初主要限于销售管理和采购（生产）管理，自60年代后半期以来，为适应市场竞争的激化、销售渠道的扩大和降低流通成本的需要，在物流系统化的同时，物流信息处理体系的完善也取得了很大的进步。特别是电子计算机和数据通信系统的进步，显著的提高了物流信息的处理能力。电子计算机和通信系统的利用，使物流信息系统达到了迅速的进行远距离信息交换并处理大量的信息，并且对商流，会计处理，经营管理也起着非常重要的作用。
　　物流信息管理的内容
　　物流信息管理就是对物流信息资源进行统一规划和组织，并对物流信息的收集、加工、存储、检索、传递和应用的全过程进行合理控制，从而使物流供应链各环节协调一致，实现信息共享和互动，减少信息冗余和错误，辅助决策支持，改善客户关系，最终实现信息流、资金流、商流、物流的高度统一，达到提高物流供应链竞争力的目的，其主要内容如下：
　　信息政策制订
　　为了实现不同区域、不同国度、不同企业、不同部门间物流信息的相互识别和利用，实现物流供应链信息的通畅传递与共享，必须确定一系列共同遵守和认同的物流信息规则或规范，这就是物流信息政策的制订，如信息的格式与精度、信息传递的协议、信息共享的规则、信息安全的标准、信息存储的要求等等，这是实现物流信息管理的基础。
　　信息规划
　　即从企业或行业的战略高度出发，对信息资源的管理、开发、利用进行长远发展的计划，确定信息管理工作的目标与方向，制订出不同阶段的任务，指导数据库系统的建立和信息系统的开发，保证信息管理工作有条不紊地进行。
　　信息收集
　　即应用各种手段、通过各种渠道进行物流信息的采集，以反映物流系统及其所处环境情况，为物流信息管理提供素材和原料。信息收集是整个物流信息管理中工作量最大、最费时间、最占人力的环节，操作时注意把握以下要点：首先，收集工作前要进行信息的需求分析。明确了解企业各级管理人员在进行管理决策和开展日常管理活动过程中何时、何处以及如何需要哪些信息，确定信息需求的层次、目的、范围、精度、深度等要求，实现按需收集，避免收集的信息量过大，造成人、财、物的浪费，或收集的信息过于狭窄影响使用效果等。其次，收集工作要具有系统性和连续性。要求收集到的信息能客观地、系统地反映物流活动的情况，并能随一定时间的变化，记录经济活动的状况，为预测未来物流发展提供依据。第三，要合理选择信息源。信息源的选择与信息内容及收集目的有关，为实现既定目标，必须选择能提供所需信息的最有效信息源。信息源一般较多，应进行比较，选择提供信息数量大、种类多、质量可靠的信息源，建立固定信息源和渠道。第四，信息收集过程的管理工作要有计划，使信息收集过程成为有组织、有目的的活动。
　　信息处理
　　信息处理工作，就是根据使用者的信息需求，对收集到的信息进行筛选、分类、加工及储存等活动，加工出对使用者有用的信息。信息处理的内容如下：
　　1．信息分类及汇总。按照一定的分类标准或规定，将信息分成不同的类别进行汇总，以便信息的存储和提取。
　　2．信息编目（或编码）。所谓编目（或编码）指的是用一定的代号来代表不同信息项目。用普通方式（如资料室、档案室、图书室）保存信息则需进行编目，用电子计算机保存信息则需确定编码。在信息项目、信息数量很大的情况下，编目及编码是将信息系统化、条理化的重要手段。
　　3．信息储存。应用电子计算机及外部设备的储存介质，建立有关数据库进行信息的存储，或通过传统的纸质介质如卡片、报表、档案等对信息进行抄录存储。
　　4．信息更新。信息具有有效的使用期限，失效的信息需要及时淘汰、变更、补充等，才能满足使用者的需求。
　　5．数据挖掘。信息可区分为显性信息和隐性信息，显性信息是可用语言明确表达出来的、可编码化的信息，隐性信息则存在于人头脑中的个人的行为、世界观、价值双和情感之中，往往很难以某种方式直接表达出来或直接发现，也难于传递与交流，但隐性信息具有可直接转化为有效行动的重要作用，其价值高于和广于显性信息。因此，为了充分发挥信息的作用，需要对显性信息进行分析、加工和提取等，挖掘出隐藏在后面的隐性信息，这就是数据挖掘的任务。数据挖掘包括数据准备、数据挖掘、模式模型的评估与解释、信息巩固与应用等几个处理过程。首先通过数据准备对数据库系统中的积累数据进行处理，包括选择、净化、推测、转换、缩减等操作，然后进入数据挖掘阶段，依据有关目标，选取相应算法参数，分析数据，得到形成隐性信息的模式模型，并通过模式模型的评估与解释，依据评估标准完成对模式模型的评估，剔除无效、无用的模式模型，最后在隐性信息的巩固与运用中，对形成模式模型的隐性信息做一致性检查，消除其中的矛盾与冲突，然后运用数据分析手段对挖掘出的信息做二次处理，形成专业化、可视化、形象化的数据表现形式，这个过程是一个不断循环、反馈、完善的过程。