數據挖掘在物流業中的應用

　　摘要：本文在對數據挖掘的概念概述的基礎上，著重介紹了數據挖掘在物流業中的應用。
　　關鍵詞：數據挖掘；物流業；信息系統
　　
　　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，從中提取可用于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，發現隱藏于其后的規律或數據間的關系，從而服務于決策。數據挖掘一般有以下幾類任務：
　　分類。分類分析就是通過分析樣本數據庫中的數據，為每個類別做出準確的描述，或挖掘出分類規則，然后用這個分類規則對其他記錄進行分類。
　　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，并確定每個記錄所屬類別。
　　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，就稱為關聯，關聯分析的目的是找出數據庫中隱藏的關聯網。
　　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。
　　偏差檢測。數據庫中的數據常有一些異常記錄，稱之為偏差。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復雜的系統，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。為了幫助決策者快速、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，對客戶的行為及市場趨勢進行有效的分析，了解不同客戶的愛好，從而為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采購、加工生產、分銷配送到商品銷售的各個環節的信息進行采集，并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。
　　數據倉庫作為數據挖掘的基礎，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為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。基于數據挖掘的物流信息的體系結構主要由以下幾部分組成：
　　采購進貨管理系統。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、采購決策、存貨控制、采購價格管理等信息管理子系統。
　　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。
　　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。
　　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采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，并與銀行進行轉帳。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，自動為客戶提供各類業務費用信息，為廣大物流企業的自動結算提供一套完整的解決方案。
　　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。
　　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。
　　物流決策支持系統。此系統的功能獲取內部各系統業務信息，取得外部信息，并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并加以利用，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，為決策提供科學決策的依據。
　　作者單位：山東工商學院 統計學院
　　(編輯 雨露)
　　
　　參考文獻：
　　[1]Jiawei H