數據挖掘在物流業中的應用

本文是由論文工作室上傳的：數據挖掘在物流業中的應用-物流管理論文(1)。您可以通過本文底部的“下載”來下載本文的文檔。

數據挖掘在物流業中的應用劉曉華（山東工商學院 統計學院 山東 煙臺 264005）

論文摘要：本文在對數據挖掘的概念概述的基礎上，着重介紹了數據挖掘在物流業中的應用。

論文關鍵詞：數據挖掘；物流業；信息系統Abstract: Based on the concept outlined on the basis of data mining, this article emphatically introduced its application in logistics industry.

一、數據挖掘概述

數據挖掘，是指從大量的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們不知道的、但又是潛在有用的信息和知識的過程。它是數據庫研究中的一個新領域，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術，把人們對數據的應用從低層次的查詢，提升到從數據中挖掘知識，提供決策支持的層級。從商業角度看，數據挖掘是一種商業信息處理技術，特點是對商業數據庫中的數據進行抽取、轉換、分析等，從中提取可用於輔助商業決策的關鍵數據。數據挖掘的目標是從大量數據中，發現隱藏於其後的規律或數據間的關係，從而服務於決策。數據挖掘一般有以下幾類任務：

1、分類。分類分析就是通過分析樣本數據庫中的數據，爲每個類別做出準確的描述，或挖掘出分類規則，然後用這個分類規則對其他記錄進行分類。

2、聚類。聚類是把一組個體按照相似性歸成若干類別，即“物以類聚”。聚類將沒有分類的記錄，在不知道應分成幾類的情況下，按照數據內在的.差異性，合理地劃分成幾類，並確定每個記錄所屬類別。3、關聯分析。數據關聯是數據庫中存在的一類重要的可被發現的知識。若兩個或多個變量的取值之間存在某種規律性，就稱爲關聯，關聯分析的目的是找出數據庫中隱藏的關聯網。

4、預測。預測是根據對象屬性之過去觀察值來預測該屬性未來之值。數據挖掘自動在大型數據庫中尋找預測性信息。

5、偏差檢測。數據庫中的數據常有一些異常記錄，稱之爲偏差。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規則的特例等。

二、數據挖掘在物流業中的應用

現代物流系統是一個龐大複雜的系統，特別是全程物流，包括運輸、倉儲、配送、搬運、包裝和再加工等環節，每個環節信息流量十分巨大，使企業很難對這些數據進行及時、準確的處理。爲了幫助決策者快速、準確地做出決策，提高企業的運作效率，降低物流成本、增加收益，就需要一種新的數據分析技術來處理數據。數據挖掘技術能幫助企業在物流信息系統管理中，及時、準確地收集和分析各種信息，對客戶的行爲及市場趨勢進行有效的分析，瞭解不同客戶的愛好，從而爲客戶提供有針對性的產品和服務，提高各類客戶對企業和產品的滿意度。物流決策系統是一種結合了數據挖掘和人工智能的新型經營決策系統，主要通過人工智能對原料採購、加工生產、分銷配送到商品銷售的各個環節的信息進行採集，並利用數據倉庫和數據挖掘對其進行分析處理，確定相應的經營策略。數據倉庫作爲數據挖掘的基礎，它具有面向主題的、集成的、隨時間變化的特性。各個聯機事務處理系統作爲數據倉庫的原始數據源，以文件方式提供企業在日常活動中收集的數據資料和報表，同時還有大量的外部信息等數據。基於數據挖掘的物流信息的體系結構主要由以下幾部分組成：

1、採購進貨管理系統。主要功能是面對供貨商的作業，包括向廠商發出訂購信息或接收廠商的出貨信息、採購決策、存貨控制、採購價格管理等信息管理子系統。

2、銷貨出貨管理系統。其功能是收集客戶需求信息、記錄客戶購買信息、管理銷售價格、處理應收貨款及退款等。

3、庫存儲位管理系統。該系統包括儲存管理、進出貨管理、機械設備管理、流通加工等功能子系統，負責相關信息的處理。

4、財務管理和結算系統。財務管理系統主要功能是對銷售管理系統和採購系統所形成的應付、應收帳進行會計操作，同時對物流中心的整個業務與資金進行平衡、測算和分析，編制財務報表，並與銀行進行轉帳。結算系統主要功能是利用現有的業務信息管理系統和計算機處理能力，自動爲客戶提供各類業務費用信息，爲廣大物流企業的自動結算提供一套完整的解決方案。

5．運輸配送管理系統。該系統包括出貨配送管理、運輸調度計劃、分配計劃等功能子系統。

6．物流分析系統。其主要功能是應用ＧＩＳ技術與運籌決策模型，完善物流分析技術。

7．物流決策支持系統。此係統的功能獲取內部各系統業務信息，取得外部信息，並結合內部和外部信息編制各種報告，提供分析圖表。通過建立決策支持系統，及時地掌握商流、物流、資金流和信息流所產生的信息並加以利用，在數據倉庫技術、運籌學模型的基礎上，運用數據挖掘工具對歷史數據進行多角度、立體的分析，實現對物流中心的資源的綜合管理，爲決策提供科學決策的依據。

三、進行數據分析與決策

決策管理人員在日常管理業務中收集並存儲了大量的數據，但卻很難掌握到所希望得到的信息，這是因爲一方面缺乏足夠的信息來支持科學的決策，另一方面，積累的豐富數據沒有發揮應有的作用。這是由於涉及的數據量大，且來源廣泛，傳統的操作型數據庫已無法支持生產物流管理系統的分析功能。

搭建的系統模型可有效的爲決策者提供強有力的數據，以便於進行最終的決策，而使企業立於不敗之地。

沃爾瑪公司就是一個成功應用數據挖掘技術的大公司。一個典型例子，是客戶的菜籃子分析，從客戶購買的記錄中得出客戶會同時購買哪些產品。其中最著名的結論是，一個生病的消費者的購買籃包括橙汁和咳嗽糖漿??如果一個消費者購買了咳嗽糖漿，他就有30%的可能會同時購買橙汁。這些結論可以戰略性的佈置貨品在倉庫中的位置，以促進交叉銷售和某類交易模式。

很顯然這正是庫存儲位管理系統所表現出來的強勁的說服力。由此可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始數據庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。這樣通過對數據分析，可以制定出有利於企業發展的戰略決策，使其立於不改之地。

此外，還可得出以下決策過程中的結論：

★客戶發展分析：對於生產物流來說，客戶是影響利潤的一個重要因素，所以從不同層次分析客戶，提供更加快捷、周全的服務來增加新客戶，以提供生產效率和利潤。

★市場競爭分析：通過對市場佔有率、競爭對手情況等分析來爲決策人員提供科學的信息，以提高自身在市場競爭中的地位。

★部門績效分析：將生產物流管理策略轉化爲企業內部各個部門的執行力，通過制定各個部門，包括財務、倉儲、配送、生產等方面的考覈指標，在統計分析的基礎之上形成各個部門的績效考覈體系，通過分析掌握和了解各個部門的執行力度以及效率等情況。

★生產利潤分析：分析各種產品的產出與投入之比以及發展趨勢等。

★客戶價值分析：根據客戶與企業之間的關係，衡量客戶對整個企業生產效率的貢獻度進行分析，包括客戶當前價值分析和潛在價值分析等。

★業務發展分析：在現有業務的基礎之上，如何通過改善管理來發展業務，譬如說如何根據生產節拍，使倉庫的供貨和庫存達到一個平衡，同時也使生產線的排隊達到平衡，從而提高物流效率，爲進一步業務發展提供科學的依據。

★供應商信用度分析：對供應商供應的商品進行質量、時效、質量價格比等進行分析，是衡量供應商供貨好壞的一個標準，也是企業選擇合作伙伴的一個重要參考指標。引入數據倉庫技術，在分析其系統體系結構的基礎上，提出基於數據倉庫的生產物流決策管理系統，解決基於傳統操作型數據庫的決策管理系統存在的問題，將分散的、標準不同的、邏輯關係不一致的數據經過分析、抽取、轉換、整合到統一的數據倉庫中，通過多維分析和數據挖掘，形成生產物流決策管理人員所需要的信息和數據，從而有利於生產物流決策管理人員做出科學的決策，提高自身在市場競爭中的地位。

在現代物流管理系統中充分利用基於數據挖掘技術的物流體系，爲物流企業決策者提供決策支持，有利於提升物流企業的核心競爭力，使企業能夠及時、準確地調整經營策略，適應市場的變化，有效的拓展市場，擴大生存空間，實現可持續發展，在激烈的市場競爭中立於不敗之地。