基于數(shù)據(jù)挖掘技術(shù)的郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)

摘要：現(xiàn)如今隨著油價和人員工資的不斷上漲，運輸成本的不斷提高，郵政運輸也迫切需要改進運輸方式以降低運輸成本。如何對郵政系統(tǒng)現(xiàn)有的海量數(shù)據(jù)進行分析，從中找出最佳的郵路管理方案，成為郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)的最終目標。本文討論了如何結(jié)合數(shù)據(jù)挖掘技術(shù)，對郵政已有的實物網(wǎng)和信息網(wǎng)進行分析，增強系統(tǒng)分析能力，減少不必要的人員、場地和車輛，達到更好的企業(yè)效益。

關(guān)鍵詞：數(shù)據(jù)挖掘；郵政；實物網(wǎng)；運費分析

1 引言

目前郵政運輸網(wǎng)運費用主要包括兩個方面，一方面為占用一級、二級干線實物網(wǎng)資源的費用，另一方面為占用區(qū)內(nèi)實物網(wǎng)資源的費用。目前，全國已實現(xiàn)一級干線郵路運費的結(jié)算，我省已實現(xiàn)二干郵路運費的結(jié)算。

隨著郵政信息化的不斷發(fā)展，電子化支局系統(tǒng)、速遞綜合信息系統(tǒng)、中心局兩個子系統(tǒng)以及兩網(wǎng)互通工程的建設(shè)先后完成，郵政已經(jīng)實現(xiàn)了收寄、運輸、處理、運輸、投遞的閉環(huán)處理的實物流與信息流合而為一。但在區(qū)內(nèi)實物網(wǎng)費用的分析管理方面幾乎是一片空白，現(xiàn)在區(qū)內(nèi)實物網(wǎng)資源使用方面尚未建立科學(xué)的結(jié)算體系，主要通過成本/工作量推算的辦法實行實物網(wǎng)相關(guān)費用的分攤，分析、管理過程缺少數(shù)據(jù)基礎(chǔ)和科學(xué)的管理辦法。首先，各實物網(wǎng)資源使用單位網(wǎng)路成本意識較淡薄，對實物網(wǎng)的高效運行十分不利；其次，缺少從成本角度對實物網(wǎng)運行效率進行分析的手段，不利于實物網(wǎng)郵路的持續(xù)優(yōu)化。

2 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中自動抽取隱藏在數(shù)據(jù)中的隱含在其中的、人們事先不知道的、但又是潛在有用信息的非平凡過程，這些信息的表現(xiàn)形式為：規(guī)則、概念、規(guī)律及模式等。它可幫助決策者分析歷史數(shù)據(jù)及當前數(shù)據(jù)，并從中發(fā)現(xiàn)隱藏的關(guān)系和模式，進而預(yù)測未來可能發(fā)生的行為。數(shù)據(jù)挖掘作為一種新的商業(yè)信息處理技術(shù)， 其主要特點是對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、轉(zhuǎn)換、分析和其他模型化處理， 從中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)。簡而言之， 數(shù)據(jù)挖掘其實是一類深層次的數(shù)據(jù)分析方法。

因此， 數(shù)據(jù)挖掘可以描述為: 按企業(yè)既定業(yè)務(wù)目標， 對大量的企業(yè)數(shù)據(jù)進行探索和分析， 揭示隱藏的、未知的或驗證已知的規(guī)律性， 并進一步將其模型化的先進有效的方法。

3 研究方案

郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)以集團公司、省公司一級干線、二級干線的結(jié)算管理辦法為基礎(chǔ)，結(jié)合我局全區(qū)網(wǎng)運費用的管理現(xiàn)狀，主要從增強實物網(wǎng)網(wǎng)運成本觀念，促進區(qū)內(nèi)實物網(wǎng)郵路的持續(xù)優(yōu)化兩個方面，充分挖掘中心局兩個子系統(tǒng)的交易數(shù)據(jù)，充分利用數(shù)據(jù)分析的相關(guān)手段，對全區(qū)實物網(wǎng)網(wǎng)運費用情況進行分析，實現(xiàn)對業(yè)務(wù)部門、郵件種類的實物網(wǎng)資源占用情況進行分析，對每條郵路的成本情況進行分析等，以達到輔助決策的目的。

分析實物網(wǎng)的三個關(guān)鍵要素：量、能、效。量直接反映實物網(wǎng)的資源使用狀況，實物網(wǎng)轉(zhuǎn)運的郵件量將影響實物網(wǎng)運能建設(shè)；能就是實物網(wǎng)運能，反映實物網(wǎng)轉(zhuǎn)運能力；效就是實物網(wǎng)的效益，反映實物網(wǎng)的成本情況。郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)從實物網(wǎng)郵件量的分析入手，為實物網(wǎng)能力建設(shè)提供決策依據(jù)。從實物網(wǎng)成本分析入手，為業(yè)務(wù)發(fā)展的結(jié)構(gòu)優(yōu)化提供決策依據(jù)。

4 采用數(shù)據(jù)挖掘技術(shù)的郵政區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)架構(gòu)

集團客戶管理系統(tǒng)根據(jù)其功能特征主要分為接口層、中間層和表現(xiàn)層， 其結(jié)構(gòu)如圖1 所示。

4.1 接口層

接口層主要負責從中心局子系統(tǒng)數(shù)據(jù)庫、國家省結(jié)算數(shù)據(jù)庫、中心局運營成本數(shù)據(jù)庫和郵路運營成本數(shù)據(jù)庫中抽取與郵路相關(guān)的數(shù)據(jù)， 通過轉(zhuǎn)換和分析， 以既定的格式存儲到數(shù)據(jù)倉庫中， 為數(shù)據(jù)分析提供基礎(chǔ)數(shù)據(jù)。主要需要提取的資料包括一干結(jié)算數(shù)據(jù)、二干結(jié)算數(shù)據(jù)、中心子系統(tǒng)每日總包明細數(shù)據(jù)、郵路運行成本明細數(shù)據(jù)、中心局每月運營成本數(shù)據(jù)等。

4.2 中間層

中間層主要對數(shù)據(jù)倉庫中的數(shù)據(jù)進行分析和處理， 采用聯(lián)機分析處理(OLAP) 工具， 通過多維的方式對數(shù)據(jù)進行分析、查詢和生成報表， 在龐大的數(shù)據(jù)倉庫中檢索出具有一定規(guī)律性的東西， 它是實現(xiàn)郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)數(shù)據(jù)分析功能模塊最重要的一部分。

4.3 表現(xiàn)層

表現(xiàn)層主要實現(xiàn)數(shù)據(jù)統(tǒng)計、數(shù)據(jù)分析結(jié)果展現(xiàn)等功能。該層面主要面向管理決策層和財務(wù)人員， 其表現(xiàn)形式必須簡單易用， 因此， 其實現(xiàn)方式主要采用Web 服務(wù)器模式， 管理決策層和財務(wù)人員通過IE 瀏覽器登錄系統(tǒng)就可以使用。

5 系統(tǒng)功能及實現(xiàn)

5．1 數(shù)據(jù)統(tǒng)計功能模塊

市縣中心實物網(wǎng)處理能力測算：將實物網(wǎng)處理能力進行量化，便于實現(xiàn)與網(wǎng)路負載進行對比分析。對各中心處理環(huán)節(jié)的關(guān)鍵節(jié)點的處理能力進行人工估算（最大處理能力理論應(yīng)為MIN（各節(jié)點最大處理能力）），科學(xué)情況應(yīng)達到在該中心最大處理能力下，每個處理環(huán)節(jié)無瓶頸，影響因素主要包括人員、臺席、場地等。

全區(qū)郵路最大負載能力測算：將實物網(wǎng)郵路的負載能力進行量化，便于實現(xiàn)與網(wǎng)路負載進行對比分析。對每條郵路的負載能力進行人工估算，影響因素主要包括車輛荷載等。

5.2 數(shù)據(jù)分析功能模塊

各市縣局處理中心負載分析，進行最合理的設(shè)備、人員場地的配置；郵路負載分析，進行合適的車型配置和運輸班次，優(yōu)化運輸路線；負載預(yù)警，根據(jù)每日郵路的負載趨勢，當將會出現(xiàn)超過實際運輸能力的情況時，及時安排加班郵路，確保郵路的正常運行；實物網(wǎng)成本分析，給前臺郵件收費定價提供參考標準；不同業(yè)務(wù)種類平均成本趨勢分析，對不同的業(yè)務(wù)種類進行不同的定價，對前景和效益好的業(yè)務(wù)重點發(fā)展。

結(jié)束語

在郵政實物網(wǎng)區(qū)內(nèi)網(wǎng)運費分析系統(tǒng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)， 實現(xiàn)了聯(lián)機分析的功能， 為郵政運營管理提供了策略決策依據(jù)。在實際運行中， 該系統(tǒng)對降低郵政運輸成本、減少不必要的場地和人員投入、制定業(yè)務(wù)推廣方案等方面都能起到很好作用， 改變了以往被動的郵路運輸?shù)臓顩r， 為郵政企業(yè)的更好發(fā)展提供了依據(jù)。

參考文獻

[1]羅可，蔡碧野.數(shù)據(jù)挖掘及其發(fā)展研究[J]計算機工程與應(yīng)用，2002

[2]趙丹群.數(shù)據(jù)挖掘：原理、方法及其應(yīng)用[J]現(xiàn)代圖書情報技術(shù)，2000

[3]金從力.上市公司財務(wù)數(shù)據(jù)多維聯(lián)機分析設(shè)計[D]上海海事大學(xué)，2003

[4]李亞巍.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘在機組運行數(shù)據(jù)分析中的應(yīng)用[D]華北電力大學(xué)（北京），2006

[5]張蓉.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在銀行客戶關(guān)系管理(CRM)系統(tǒng)中的應(yīng)用[J]計算機與信息技術(shù)，2006，(07) 。

[6]Agrawal J， et al. Automatic subspace clustering of high dimensional data mining applications .Proc. ACM SIGMOD Inter'l Conf. Management of Data. 1998， pages73～84