數據挖掘技術在物流企業管理的應用研究

　　[摘要]本文針對物流領域的實際業務流程、業務需要以及實際擁有的數據進行了研究，論述了物流企業管理中數據挖掘的目標、算法和操作。闡述了數據挖掘技術及其在物流領域管理中的應用。
　　[關鍵詞]物流；管理；數據倉庫；數據挖掘
　　[中圖分類號]F252　[文獻標識碼]A　[文章編號]1005-6432(2008)49-0048-02
　　物流是現代商品流通系統的重要組成部分，物流業的發展程度，反映了一個國家和地區經濟的綜合配套能力與社會化服務程度，是其經濟發展水平的集中體現。作為繼勞動力和自然資源之后的“第三利潤源泉”，現代物流產業的發展已經成為拉動我國經濟發展的新增長點。如今國內大部分物流企業都相繼引入了客戶關系管理對商業事務以及客戶進行管理。如何將企業中積累的大量的原始客戶數據轉化成有用的信息為決策者提供決策支持，已經成為數據庫研究中一個很有應用價值的新領域，數據挖掘技術由此應運而生。數據挖掘是一種新的商業信息處理技術，其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據。數據挖掘具有統計分析、聯機事務處理和聯機分析處理等數據分析工具無可比擬的優點。數據挖掘的支持。使客戶關系管理的理念和目標得以實現，滿足了現代物流的需求和挑戰。
　　
　　1 物流企業管理中數據挖掘的目標
　　
　　(1)數據挖掘的第一步就是挖出顧客的特征描述。企業在了解客戶信息方面永不滿足，要想方設法了解顧客的地址、年齡、性別、收入、職業、教育程度等基本信息，對企業狀況、管理者的喜好等的收集也應該不遺余力。
　　(2)通過客戶行為分析，歸類出消費額最高、最為穩定的客戶群，確定為“黃金客戶”。針對不同的客戶檔次，確定相應的營銷投入。對于“黃金客戶”，還需要制定個性化營銷策略，以求留住高利潤客戶。
　　(3)通過與客戶接觸，收集大量客戶消費行為信息，經過分析得出客戶最關注的方面，從而有針對性地進行營銷活動。
　　(4)得出客戶持久性、牢固性及穩定性分析。對于高忠誠度客戶，要注意保持其良好印象，對于低忠誠度客戶，要么不要浪費錢財，要么就下大工夫把他們培養成忠誠客戶。
　　
　　2　物流企業管理中數據挖掘的算法
　　
　　數據挖掘是一門邊緣學科，它的解決方案和研究方法使用了諸如統計學、人工智能、機器學習和數據倉庫查詢處理等許多技術。根據數據挖掘致力于解決的各種問題，可將其分成三種模式。
　　(1)分類分析。分類分析就是找出一組能夠描述數據集合典型特征的模型或函數，以便能夠分類識別未知數據的歸屬或類別。在客戶關系管理系統中，利用分類挖掘技術對商場銷售商品情況進行挖掘，根據商品要素對顧客的影響程度，分析顧客對于商品的感覺是屬于積極、一般或消極，從而獲得利用商品特征來預測顧客對其感覺的分類知識及規則，幫助企業的主管更有效地開展商業活動運作。
　　(2)聚類分析。聚類是一種對具有共同趨勢和模式的數據元組進行分組的方法。分組后，組與組之間被認為是相異的，而組內記錄被認為具有相似性。聚類分析在物流企業客戶關系管理中的典型應用是客戶細分。
　　(3)關聯分析。即利用規則歸納方法進行數據挖掘，目的是挖掘隱藏在數據間的未知的相互聯系，是指從產品目錄或是零售店的銷售數據中導出與產品關聯的商用信息的過程。關聯分析的目的是發現規則。數據庫中所有可能的規則都要被系統地抽取出來，然后再評估它們的正確性和重要性以判斷規則令人信服的程度有多高，再次出現的可能性有多大。目前大多數的關聯分析都基于“支持度一置信度”的框架，置信度高表示規則比較可靠。規則能夠帶來潛在的商業利益。
　　
　　3　物流企業管理中數據挖掘的操作
　　
　　(1)定義商業問題。每一個客戶關系管理應用程序都有一個或多個商業目標，為此需要建立恰當的有針對性的模型。在數據挖掘之前，應從企業的營銷角度分析要達到的需求和目標，將營銷目標轉換成數據挖掘目標，給出數據挖掘問題的定義，并設計一個達到目標的初步計劃。
　　(2)建立行銷數據庫。因為操作性數據庫和共同的數據倉庫常常沒有提供所需格式的數據，因此需要建立一個行銷數據庫。建立行銷數據庫時，要對它進行凈化。因為需要的數據可能在不同的數據庫中，所以需要集成和合并數據到單一的行銷數據庫中，并協調來自多個數據源的數據在數值上的差異。
　　(3)為建模準備數據。根據已確定的挖掘目標，選擇挖掘的數據源，一般包括企業客戶數據庫、業務數據庫、外部數據庫，對取得的各種數據源進行預處理，檢查數據的完整性和一致性。
　　(4)數據挖掘模型的構建。模型建立是一個迭代的過程，需要研究可供選擇的模型，從中找出最能解決企業商業問題的一個。根據確定的挖掘目標，選擇適合的挖掘模型和挖掘算法，對數據挖掘庫中數據進行處理，對模型的參數進行調整，可綜合運用幾種挖掘模型，然后再對結果進行分析。
　　(5)模型評估。要及時對建立的模型進行解釋和評估。企業的客戶關系管理人員根據挖掘的結果和先確立的挖掘目標進行解釋和評價，過濾出要呈現給用戶的知識，并將有意義的知識以圖形或邏輯可視化的形式表現出來，易于讓用戶理解。如果跟挖掘目標有出入，需要重新對數據建模、改進和完善。
　　(6)將數據挖掘運用到客戶關系管理方案中。在建立客戶關系管理應用時，數據挖掘常常是整個產品中很小的但意義重大的一部分。通過數據挖掘而得出的預測模式可以和各個領域的專家知識結合在一起，構成一個可供不同類型的人使用的應用程序。
　　我國物流企業現階段總體上還處于向現代物流轉型的時期，在客戶關系管理方面，雖然企業對客戶十分關注，并積累了一定的客戶信息，但仍然存在著許多問題。雖然客戶關系管理逐步得到應用，但在客戶關系管理中積累下來的海量數據并沒有得到企業決策層的足夠的認識，尚未完全挖掘出這些數據中蘊藏的有用信息。客戶關系管理以其先進理念，為提高企業核心競爭力創造了條件，數據挖掘以其強大的數據分析能力，為切實落實物流企業的客戶管理計劃提供了可能。隨著經濟的不斷發展，數據挖掘技術與物流企業客戶關系管理的結合，將為物流企業客戶關系管理帶來更好的應用前景和市場價