1、目標——必須量化和度量

要想獲得成功必須有明確的目標，為了優化，你必須知道怎樣才算被優化。量化目標使得使用計算機決定一個物流計劃方案是否優于另一個方案成為可能，管理人員就可以衡量優化方案是否有投資回報。例如，速遞公司可能把目標定為：日常最低維修成本、燃料成本和勞動力成本，這些成本是很容易被量化和度量的。

2、模型——必須真實的代表物流過程

模型是把優化要求和限制轉化為計算機可以接受的語言途徑。例如，我們需要模型來表示從倉庫出貨到裝運卡車的過程。最簡單如出貨的總重量、體積的模型必須真實表示裝運要求。

如果一種重量、體積模型被用于表示另外一種新型車輛的裝運，模型就失真了，因為它沒有真實代表實際的裝運情況。如果模型不能代表真實的情況那么整個優化措施將會是不切實際、沒有效率的。

3、數據——必須準確、時效和容易理解

數據引導著整個優化過程，如果數據不準確或不及時的納入整個優化過程，那么指定的物流計劃明顯是不能令人信服的。優化過程包含實施計劃，數據必須要容易被理解、接受，這樣才能有良好的溝通，整個系統才會協調。例如，如果卡車運輸對某些貨物有體積限制，那么僅僅掌握運輸貨物的重量是不夠的。

4、整合——必須支持全部數據轉換

數據整和是非常重要的，因為大量的數據要圍繞物流優化來采集。例如，優化從倉庫到商店運輸過程需要相關定單、客戶、車輛、駕駛員和道路信息等數據，這些大量反饋的數據中有的是無用數據，有的是錯誤數據，需要整合，篩選出與優化相關的有效數據。

5、傳達——優化方案必須以一定的形式傳達給執行官、管理者

只提供物流優化解決方案而不具體實施并不能算是成功的，只有提供給管理層實施方案而不具體實施并不能算是成功的，唯有提供給管理層實施方案并最后取得期望的投資回報才算是成功的。因此優化方案必須以最簡單、明了的方式傳達給管理者和執行者，管理者需要更多全面集中的信息來實施整修計劃，其中網絡是信息傳遞的重要媒介。

6、算法——必須以獨立的解決單個問題

物流優化技術之間最大的的區分在于計算機尋求物流優化途徑的算法。毫無疑問，對于每類物流問題都有各處的特點，必須針對每個不同的問題開發相關的計算機算法來提供最佳的優化方案。然而值得注意的是：（1）算法結構必須能夠被每個物流優化系統識別和理解；（2）優化的算法要有彈性，能夠在使用時和其他系統協調。物流優化問題有許多可能的方案，如貨物運輸容量的減少有時有100000000000種可能的方案。利用不合適的算法結構意味著計算機挑選的方案可能以一些不可靠的，違背優化原則的數據為基礎，或者整個方案的運算時間過長，甚至得不出方案。

7、運算——運算平臺必須在有效時間內算出優化方案

由于每一個實際物流問題都有成千上萬的優化方案，因此需要強大的計算機來支持運算，它能保證在合理的時間內計算出最好的物流優化方案。顯然，由于優化技術要在實際環境中運行迅速得到實現，因此在短時間內得出最優方案是必要的。與單一的計算機運算比較，強大的計算機網絡平臺能夠提供更好、更快的解決方案。

8、人才——專業的人才必須占主導地位，技術專家需要大量模型、數據和優化工具

優化技術迅速，但如果沒有一些專業的技術人才來掌握，它不會取得預期的效果。這些技術人才能確保運用數據、模型的正確性，技術投入到實踐中能按設計的運行。僅僅希望通過一些數據收集，運用模型和軟件分析而沒有技術人才的支持是不現實的，他們主導著知識和經驗。

9、流程——商業流程的運作必須支持優化并且保證提升的空間

物流優化是一個不斷累積變化的過程，因為物流的目標、規則和過程并不是一塵不變的。當變化來臨的時候，不但數據、模型、算法需要做出相應的改變，潛在的商業流程也需要考慮如何變化來支持新的優化方案。商業流程如果不能支持優化或者保證物流優化的提升空間將會導致優化技術不能被有效利用甚至是無用的。

10、投資回報——投資回報必須考慮整個技術、人才和實施

天下沒有免費的午餐，物流優化需要大量的資金、技術和人才，投資回報需要考慮兩點：

（1）整體優化價值的評估；

（2）優化方案的比較，優化技術的選擇。

在成本價值估算方面，當公司有現成的網絡平臺、應用軟件之后，一般都過低估計運用物流優化技術的成本，而這些都需要有專業人才來完成。很少有成功的利用物流優化技術的成本低于最初的技術成本價值估算的案例。如果在初期物流優化的總成本能得到控制，則整個方案的成本一般就會減少。

在預算投資回報時，必須要有好的方法決定一個基準線，衡量技術價值和人才的作用，度量提升的效果，然后考慮進一步的優化。因為數據有時效性，實施過程需要不斷的被關注，沒有公司能夠十分準確的預見他們的物流優化方案實際能夠取得怎樣的效果。