零售業(yè)逆向物流管理中的數(shù)據(jù)挖掘技術(shù)研究

摘要：數(shù)據(jù)挖掘可以從海量數(shù)據(jù)中提取有用的知識(shí)。本文針對(duì)來(lái)自零售業(yè)逆向物流系統(tǒng)的數(shù)據(jù)數(shù)量大且更新速度快的特點(diǎn)，運(yùn)用統(tǒng)計(jì)分析方法，研究數(shù)據(jù)挖掘在這一領(lǐng)域的具體應(yīng)用，為零售企業(yè)提供了一種在產(chǎn)品質(zhì)量上對(duì)供應(yīng)商進(jìn)行評(píng)估的方法。

關(guān)鍵詞：數(shù)據(jù)挖掘；逆向物流；供應(yīng)商評(píng)估

中圖分類(lèi)號(hào)：F715文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1002-3100(2007)09-0110-03

Abstract: By data mining， we may acquire some useful knowledge from large amounts of data. There is plenty of data in the reverse logistics system of retail industry， and it updates frequently. Based on the two characteristics， the authors make a research on the concrete application of Data Mining in this field with the method of statistics， and further provide a method of supplier evaluation about the quality of goods for retail enterprises.

Key words: data mining; reverse logistics; supplier evaluation

數(shù)據(jù)挖掘又被稱(chēng)為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discovery from Database，KDD）[1]或探測(cè)性的數(shù)據(jù)分析，它是一個(gè)從大量的、冗余的、有噪聲的甚至缺損的數(shù)據(jù)中提取有用知識(shí)的復(fù)雜過(guò)程。根據(jù)《物流術(shù)語(yǔ)》（2001），逆向物流可分為兩大類(lèi)：回收物流和廢棄物物流[2]。零售行業(yè)的顧客驅(qū)動(dòng)特征比較明顯，因顧客退貨、零售企業(yè)日常管理等原因產(chǎn)生的回收物流比例較大。這類(lèi)逆向物流數(shù)據(jù)來(lái)自生產(chǎn)實(shí)踐環(huán)節(jié)，不但數(shù)量大，而且更新速度快，為運(yùn)用統(tǒng)計(jì)分析方法進(jìn)行數(shù)據(jù)挖掘帶來(lái)了便利。

1研究零售業(yè)逆向物流的意義

1.1零售業(yè)逆向物流。零售業(yè)逆向物流具有流動(dòng)對(duì)象數(shù)量大、種類(lèi)多及物流業(yè)務(wù)頻繁等特點(diǎn)。在因顧客退貨、零售企業(yè)日常管理等原因產(chǎn)生的回收物流中，大量的退貨不但占用了巨額的流動(dòng)資金，而且耗費(fèi)了物流管理層的大量時(shí)間和精力，增加了企業(yè)的營(yíng)銷(xiāo)成本。這些退貨中，零售企業(yè)通過(guò)加強(qiáng)管理，可將來(lái)源于自身的那部分退貨比例控制在可接受的水平。因此，管理者更關(guān)心的是如何減少顧客的退貨行為，降低退貨數(shù)量。

1.2顧客退貨行為。顧客滿意度是預(yù)測(cè)顧客行為的可靠指標(biāo)[3]。在這里，我們把零售行業(yè)顧客采取退貨行為的原因分為滿意度不夠和無(wú)條件退貨兩類(lèi)。無(wú)條件退貨即顧客退貨的原因無(wú)法確定，對(duì)這類(lèi)退貨進(jìn)行分析較為困難。而顧客滿意度不夠，通常顯性地表現(xiàn)為對(duì)商品質(zhì)量或服務(wù)質(zhì)量的抱怨。

顧客行為也可通過(guò)忠誠(chéng)度、支付更多、轉(zhuǎn)移行為、內(nèi)部反應(yīng)和外部反應(yīng)等5個(gè)變量來(lái)進(jìn)行測(cè)評(píng)[3]。對(duì)零售商而言，當(dāng)顧客對(duì)商品質(zhì)量或服務(wù)質(zhì)量不滿意時(shí)，其忠誠(chéng)度會(huì)下降，支付更多的可能性會(huì)降低，轉(zhuǎn)移行為增多，內(nèi)部反應(yīng)表現(xiàn)出向本零售企業(yè)抱怨、要求賠償?shù)龋獠糠磻?yīng)則表現(xiàn)為負(fù)面宣傳、通過(guò)第三方進(jìn)行交涉等。因此，退貨行為在降低該商品的品牌聲譽(yù)的同時(shí)，也給零售商帶來(lái)了不利影響。

在基于客戶訂貨（Build To Order， BTO）的生產(chǎn)模式下，零售企業(yè)對(duì)供應(yīng)商有著顯著的影響力。因此，利用這些來(lái)自逆向物流信息系統(tǒng)的退貨數(shù)據(jù)，零售企業(yè)可定期地在產(chǎn)品質(zhì)量上對(duì)供應(yīng)商進(jìn)行評(píng)估，為相關(guān)決策提供依據(jù)。

1.3產(chǎn)品質(zhì)量與供應(yīng)商評(píng)估。在供應(yīng)鏈管理中，價(jià)格、質(zhì)量、交貨提前期、服務(wù)水準(zhǔn)等4個(gè)因素是對(duì)供應(yīng)商進(jìn)行評(píng)估的關(guān)鍵因素[4]。質(zhì)量是評(píng)價(jià)供應(yīng)商的基本指標(biāo)之一，是指供應(yīng)商的產(chǎn)品滿足企業(yè)需求的程度。客戶企業(yè)對(duì)產(chǎn)品注重的是整體質(zhì)量，次品過(guò)多可能直接導(dǎo)致客戶企業(yè)無(wú)法按計(jì)劃運(yùn)營(yíng)，而少量產(chǎn)品質(zhì)量過(guò)高只會(huì)增加供應(yīng)商的成本[5]。因此，每一個(gè)零售企業(yè)都應(yīng)建立自己的質(zhì)量標(biāo)準(zhǔn)，產(chǎn)品質(zhì)量符合雙方的約定即可。在這里，質(zhì)量標(biāo)準(zhǔn)用每100件產(chǎn)品中的破損數(shù)量值即次品率來(lái)表征。通過(guò)對(duì)逆向物流數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，可提取包括次品率在內(nèi)的很多新信息。這些知識(shí)既可用自身選擇供應(yīng)商的決策，也可反饋給供應(yīng)商以改進(jìn)產(chǎn)品質(zhì)量，增強(qiáng)本供應(yīng)鏈的競(jìng)爭(zhēng)力。

2零售業(yè)逆向物流中的數(shù)據(jù)挖掘應(yīng)用

2.1.2基于成對(duì)數(shù)據(jù)的t檢驗(yàn)法。基于成對(duì)數(shù)據(jù)的t檢驗(yàn)用于對(duì)2個(gè)供應(yīng)商進(jìn)行評(píng)估，判斷其中一個(gè)的供貨質(zhì)量是否有顯著的優(yōu)勢(shì)。選用這一方法的原因在于：這里討論的樣本均由歷史數(shù)據(jù)組成。在不同時(shí)期，原材料價(jià)格、供需關(guān)系等市場(chǎng)條件是不同的。反之，同一時(shí)期來(lái)自不同供應(yīng)商的次品率數(shù)據(jù)是在相似條件下出現(xiàn)的，可認(rèn)為是成對(duì)的。

依次進(jìn)行上述3種假設(shè)檢驗(yàn)方法，可了解某種商品中不同供應(yīng)商的供貨質(zhì)量情況，為選擇和評(píng)估供應(yīng)商提供依據(jù)。

2.2數(shù)據(jù)挖掘過(guò)程。零售業(yè)逆向物流的退貨數(shù)據(jù)部分來(lái)自顧客因質(zhì)量缺陷的退貨，部分來(lái)自顧客無(wú)條件退貨，還有的來(lái)自零售企業(yè)自身的經(jīng)營(yíng)活動(dòng)。為了準(zhǔn)確地反映某種商品的次品率，與銷(xiāo)售量對(duì)應(yīng)，在逆向物流數(shù)據(jù)中只選擇來(lái)自顧客因質(zhì)量缺陷的這部分退貨數(shù)據(jù)。兩者的比值即為該商品的次品率。這樣做排除了零售商自身業(yè)務(wù)活動(dòng)的干擾，在顧客足夠理性的前提下，影響產(chǎn)品質(zhì)量的因素只剩下一個(gè)即供應(yīng)商，下面對(duì)某種商品供貨質(zhì)量進(jìn)行的統(tǒng)計(jì)分析就成為單因素分析。數(shù)據(jù)挖掘步驟見(jiàn)圖1。

在圖1中，對(duì)來(lái)自各供應(yīng)商的次品率數(shù)據(jù)進(jìn)行方差分析后，若發(fā)現(xiàn)數(shù)據(jù)間存在明顯差異，下一步就進(jìn)行成對(duì)t檢驗(yàn)；否則，可認(rèn)為不需要對(duì)該種商品的各類(lèi)別進(jìn)行比較，下一步直接進(jìn)行單個(gè)類(lèi)別的t檢驗(yàn)。因此，通過(guò)這一數(shù)據(jù)挖掘過(guò)程，無(wú)論該種商品有多個(gè)供應(yīng)商，還是只有一個(gè)，都可得到相應(yīng)的評(píng)估結(jié)果。

2.3數(shù)據(jù)挖掘?qū)嵗?/p>

2.3.1數(shù)據(jù)準(zhǔn)備。首先進(jìn)行數(shù)據(jù)準(zhǔn)備，將所需的各個(gè)商店前端設(shè)備（POS、掃描儀）采集來(lái)的原始銷(xiāo)售數(shù)據(jù)和逆向物流信息系統(tǒng)采集來(lái)的退貨數(shù)據(jù)納入挖掘數(shù)據(jù)庫(kù)。原始銷(xiāo)售數(shù)據(jù)表用來(lái)統(tǒng)計(jì)指定商品的銷(xiāo)售量，逆向物流數(shù)據(jù)表則用來(lái)統(tǒng)計(jì)指定商品的退貨數(shù)量。這里按評(píng)估的時(shí)間周期對(duì)這些數(shù)據(jù)分類(lèi)，那么在不同評(píng)估周期內(nèi)，具有不同的銷(xiāo)售量和退貨量，求得的次品率也不相同。

2.3.3結(jié)果分析。上述實(shí)例中首先由方差分析法得到來(lái)自3個(gè)供應(yīng)商的次品率顯著不同的結(jié)論；然后用成對(duì)數(shù)據(jù)的t檢驗(yàn)法對(duì)這3類(lèi)次品率進(jìn)行兩兩比較，找出差異明顯的類(lèi)別；最后以規(guī)定標(biāo)準(zhǔn)為依據(jù)，對(duì)各商品類(lèi)進(jìn)行逐一判斷。通過(guò)這一挖掘過(guò)程，完成了對(duì)該種商品的全部3個(gè)供應(yīng)商的評(píng)估，結(jié)論為：01類(lèi)供應(yīng)商異常，表現(xiàn)為供貨質(zhì)量明顯優(yōu)于02類(lèi)；02類(lèi)供應(yīng)商異常，表現(xiàn)為供貨質(zhì)量明顯劣于01類(lèi)且明顯劣于規(guī)定標(biāo)準(zhǔn)；其余供應(yīng)商為正常狀態(tài)。

3結(jié)束語(yǔ)

數(shù)據(jù)挖掘技術(shù)在零售業(yè)逆向物流領(lǐng)域具有廣泛的應(yīng)用前景，如通過(guò)收集商品退貨信息，可了解產(chǎn)品的真實(shí)銷(xiāo)售情況，對(duì)市場(chǎng)變化做出快速反應(yīng)；通過(guò)收集逆向物流信息，可了解顧客對(duì)商品的外觀或功能建議，與上級(jí)供應(yīng)鏈成員共享信息，優(yōu)化整個(gè)供應(yīng)鏈。本文提出的統(tǒng)計(jì)分析方法用于在產(chǎn)品質(zhì)量上對(duì)供應(yīng)商進(jìn)行評(píng)估。為減少干擾，可適當(dāng)增大樣本容量，靈活設(shè)置顯著性水平α的值，以提高數(shù)據(jù)挖掘的有效性。

參考文獻(xiàn)：

[1] 朱明. 數(shù)據(jù)挖掘[M]. 合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2002.

[2] 鄢飛. 廣義逆向物流淺析[J]. 西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2006(2):75-77.

[3] 劉耘. 電子企業(yè)消費(fèi)者行為預(yù)測(cè)模型及應(yīng)用[J]. 通信企業(yè)管理，2006(8):68-69.

[4] 孫朝苑，彭其淵. 利用多維灰度評(píng)估進(jìn)行供應(yīng)商的選擇與評(píng)價(jià)[J]. 西南交通大學(xué)學(xué)報(bào)，2004，39(3):277-280.

[5] 何彤. 外資企業(yè)對(duì)供應(yīng)商的評(píng)估要素[J]. 中國(guó)物流與采購(gòu)，2005(15):58-59.

[6] 盛驟，謝式千，潘承毅. 概率論與數(shù)理統(tǒng)計(jì)[M]. 2版. 北京：高等教育出版社，1989.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文”