（一）模型：它是把优化要求和限制转化为计算机可以接受的语言途径。如果模型不能代表真实的情况那么整个物流优化措施将会是不切实际、没有效率的。

    （二）算法：物流优化技术之间最大的的区分在于计算机寻求物流优化途径的算法。毫无疑问，对于每类物流问题都有各处的特点，必须针对每个不同的问题开发相关的计算机算法来提供最佳的优化方案。然而值得注意的是：(1)算法结构必须能够被每个物流优化系统识别和理解；(2)优化的算法要有弹性，能够在使用时和其他系统协调。

    （三）运算：由于每一个实际物流问题都有成千上万的优化方案，因此需要强大的计算机来支持运算，它能保证在合理的时间内计算出最好的物流优化方案。显然，由于优化技术要在实际环境中运行迅速得到实现，因此在短时间内得出最优方案是必要的。

    （四）目标：要想获得成功必须有明确的目标，为了优化，你必须知道怎样才算被优化。量化目标使得使用计算机决定一个物流计划方案是否优于另一个方案成为可能，管理人员就可以衡量优化方案是否有投资回报。

    （五）数据：它引导着整个优化过程，如果数据不准确或不及时的纳入整个优化过程，那么指定的物流计划明显是不能令人信服的。优化过程包含实施计划，数据必须要容易被理解、接受，这样才能有良好的沟通，整个系统才会协调。

    （六）整合：数据整和是非常重要的，因为大量的数据要围绕物流优化来采集。例如，优化从仓库到商店运输过程需要相关定单、客户、车辆、驾驶员和道路信息等数据，这些大量反馈的数据中有的是无用数据，有的是错误数据，需要整合，筛选出与优化相关的有效数据。

    （七）回报：物流回报需要考虑两点：(1)整体优化价值的评估；(2) 优化方案的比较，优化技术的选择。在成本价值估算方面，当公司有现成的网络平台、应用软件之后，一般都过低估计运用物流优化技术的成本。

    （八）传达：只提供物流优化解决方案而不具体实施并不能算是成功的，只有提供给管理层实施方案而不具体实施并不能算是成功的，唯有提供给管理层实施方案并最后取得期望的投资回报才算是成功的。

    （九）流程：物流优化是一个不断累积变化的过程，因为物流的目标、规则和过程并不是一尘不变的。当变化来临的时候，不但数据、模型、算法需要做出相应的改变，潜在的商业流程也需要考虑如何变化来支持新的优化方案。商业流程如果不能支持优化或者保证物流优化的提升空间将会导致优化技术不能被有效利用甚至是无用的。

    （十）人才：优化技术迅速，但如果没有一些专业的技术人才来掌握，它不会取得预期的效果。这些技术人才能确保运用数据、模型的正确性，技术投入到实践中能按设计的运行。