數據挖掘在第三方物流企業中的應用

羅娟娟 （廈門海洋職業技術學院，福建 廈門 361000）

·應用物流·

數據挖掘在第三方物流企業中的應用

羅娟娟 （廈門海洋職業技術學院，福建 廈門 361000）

數據挖掘是近年來隨著數據庫和人工智能技術的發展而出現的一種全新的信息技術。數據挖掘是指從數據庫中的大量數據中揭示出隱含的、先前未知的并有潛在價值信息的過程，它通過對商業數據的分析處理，可以發現蘊藏在數據中的商業知識，挖掘數據內在的聯系、規則和模式，輔助商業決策。目前，數據挖掘在金融業、保險業、醫療和電信等領域已經得到廣泛的應用，成為開發信息資源的有效方法和途徑[1]。

1 數據挖掘技術在第三方物流企業中的應用

“第三方物流”是在物流渠道中由中間商提供的服務，中間商以合同的形式在一定期限內提供需方的全部或部分物流服務。第三方物流公司是一個為外部客戶管理、控制和提供物流服務作業的公司。其最顯著的特征之一就是它可以提供個性化的服務，即第三方物流是按企業的實際情況，根據企業流程為企業度身訂做的一種物流服務。而這種服務必須以信息技術作為支撐。第三方物流企業必須通過現代信息技術，充分利用客戶信息，挖掘有用的商業知識，指導企業的市場擴展和服務增值，提高第三方物流企業的市場競爭力。

首先，基于數據挖掘技術，有利于第三方物流企業設計出貨主企業滿意的物流系統和物流運營方式。數據挖掘技術能夠幫助整合客戶的關鍵信息，及時了解客戶的業務特點以及客戶的個性化需求，并對客戶的要求做出正確快速反應，從而提高客戶滿意度。

其次，基于數據挖掘技術，有利于第三方物流企業跟蹤市場節奏，及時調整企業經營戰略。數據挖掘技術能夠幫助第三方物流企業提高市場預測的準確性和市場開發的針對性，減少市場經營策略的盲目性，能夠洞察市場先機，提高市場活動的響應率。

第三，基于數據挖掘技術，有利于第三方物流企業實施精益化運作，提高服務系統的柔性，降低物流系統成本。第三方物流行業是典型的客戶關系維護型行業，企業運營主要依靠老客戶的重復購買。數據挖掘技術能夠幫助第三方物流企業分析客戶詳細的數據，區分出客戶的種類，同時還能使優勢客戶形成規模化經營，降低運作成本。

第四，基于數據挖掘技術，有利于增強物流企業與上下游企業之間的合作，加快服務速度，形成并優化供應鏈。數據挖掘技術能夠幫助第三方物流提高資源利用率，產生很好的經濟效益和社會效益。

2 第三方物流企業運作中數據挖掘技術面臨的問題

2.1 硬技術問題

要進行數據挖掘，第三方物流需要采集的信息種類有很多，包括運輸信息、儲存信息、配送信息、訂貨信息以及一些綜合信息，例如有關物流計劃、統計資料、物流需求社會調查資料、物流客戶年度經營情況總結等。在數據挖掘中，由于技術的限制，很難順利地將所采集到的信息數據進行相應的清理集成和裝載。如何將這些數據與無用數據區分并從中提取出信息來為第三方物流企業服務就成了技術關鍵點。在現有的技術手段下，將會遇到的問題有：

2.1.1 異構數據庫問題。從數據庫研究的角度出發，Web網站上的信息也可以看作一個數據庫，一個更大、更復雜的數據庫。Web上的每一個站點就是一個數據源，不論是老客戶、新客戶，還是潛在客戶，每個客戶的數據源都是異構的，因而每一個站點之間的信息和組織都不一樣，這就構成了一個巨大的異構數據庫的環境。如果想要利用這些數據進行數據挖掘，首先，必須要解決站點之間異構數據的集成問題，只有將這些站點的信息數據都集成起來，提供一個統一的采集渠道和視圖，才有可能從巨大的數據資源中獲取所需的東西。

2.1.2 半結構化的數據結構。要獲悉客戶需求，為客戶量身定制物流服務，需要采集的信息種類有很多，同時也非常復雜，沒有特定的模型描述，每一個數據源都各自獨立設計，并且數據本身具有自述性和動態可變性[2]。信息系統中的數據具有一定的結構性，但因自述層次的存在，從而是一種非完全結構化的數據，這也被稱之為半結構化數據。半結構化是信息數據中的最大特點。對于這些復雜煩瑣的半結構化的數據，很難順利地應用現有的數據挖掘技術對其進行有效的數據挖掘。

2.1.3 系統安全和網絡安全問題。第三方物流公司又被稱為第三方物流供應商，最佳的合作方式就是和貨主企業結成共享系統的戰略聯盟[3]，也更容易實現數據挖掘。一旦數據信息和利益相關聯，就有了可盜取的價值。數據挖掘技術正是使看似不相關的數據信息與以利益為目的的商業行為相關聯的技術。那么，這方面的系統安全環境的構建和網絡安全的維護就迫在眉睫。

2.2 軟技術問題

目前，由于信息共享和數據挖掘的環境體系不夠健全，缺乏必要的信用保障體系和意識，所以很大程度降低了第三方物流企業和客戶進行雙向信息溝通的積極性，這很大程度也限制了第三方物流企業功能的完善。

（1）社會意識問題。許多現有的所謂的戰略聯盟往往由于所處的社會意識問題而使其發展無法順利進行。社會意識，主要就是客戶對第三方物流企業信息共享和數據挖掘的理解。這些問題直接成為影響數據挖掘的基礎：數據源成立的直接因素。試想如果一個第三方物流企業需用信息系統的數據挖掘來優化客戶服務，而他們的客戶考慮到風險性，根本不愿意留下自己的相關信息，包括自己的運營計劃、計劃需求數量、價格等，這樣是完全無法進行有效的數據采集的，更不用說數據挖掘了。

（2）法律法規問題。由于數據挖掘的步驟和定義，要進行有效的數據挖掘并得出可行結論，對于個人信息和商業信息的調用就不免觸及到個人和商業商務集團的利益。這里就會涉及到法律方面有關于此類問題的相關法律法規問題。當然，為了進行數據挖掘，必要的數據采集是一定的基礎，但作為一個遵紀守法的從業人員，一切數據來源的渠道必須是合法的，符合一般社會道德標準的。現如今在我國法律還不完備的情況下，對數據和信息的保護在科技發展日新月異的當今而言，法律對于數據信息的保護顯得尤為重要。

3 對 策

3.1 硬技術問題對策

3.1.1 異構數據庫問題的對策。異構數據庫是相關的多個數據庫系統的集合，異構數據庫系統的各個組成部分具有自身的自治性，每個數據庫系統仍保有自己的應用特性、完整性控制和安全性控制。這樣的數據庫結構對于數據挖掘要求的數據清理、集成、裝載而言是一種障礙。在這樣的異構數據庫中實現數據挖掘，需要對其中的數據進行相應的改造以達到兩點：一是實現數據庫的轉換，二是實現數據的透明訪問。

（1）數據庫的轉換。由于需要進行數據挖掘的數據庫之間存在的互異性，在挖掘開始前首先要進行數據庫的轉換。這種轉換的目的是使源數據庫模式中所需要共享的信息全部轉換到目標數據庫中，同時這種轉換還不能產生冗余的關聯信息。現有的技術可以在一定程度上滿足這個要求，有很多應用軟件是被設計來解決這種異構數據庫的同化問題的。但是需要提出的是，這些軟件有時并不能做到嚴格的等價轉換，遺留的異構數據庫中的共享信息可以通過建立新的數據庫框架來給予解決。

（2）數據的透明訪問。在異構數據系統中實現了數據的透明訪問，用戶就可以將異構分布式數據庫系統看成是普通的分布式數據庫系統，用自己熟悉的數據處理語言去訪問數據庫，如同訪問一個數據庫系統一樣。實現數據的透明訪問可以采用多對一轉換、雙向的中間件等技術。開放式數據庫互連 （Open Database Connectivity，ODBC）是一種用來在相關或不相關的數據庫管理系統中存取數據的標準應用程序接口。ODBC為應用程序提供了一套高層調用接口規范和基于動態鏈接庫的運行支持環境。ODBC最大的優點是其互操作能力，理想情況下，每個驅動程序和數據源應支持完全相同的ODBC函數調用和SQL語句，使得ODBC應用程序可以操作所有的數據庫系統。

3.1.2 半結構化數據問題的對策。針對企業的需求，數據管理首先需要支持廣泛的數據源，包括ERP系統、Lotus Notes、數據庫、文字處理和表格文件等。通過從后臺系統（如數據庫、ERP等）抽取業務信息、建立索引并映射到基于Internet和Intranet的內容。其次，數據管理必須有一個強大的、可擴展的系統用于儲存和組織數據。由于后端結構數據庫或者文件系統是動態的、異構的，這意味著自動抽取數據源并遞交給桌面是一種非常復雜的連接，需要一種靈活的、可擴展的信息抽取機制和個性化的界面定制工具。

3.1.3 系統安全和網絡安全維護。對于系統安全和網絡安全狀況，每個企業都有自己的解決方案。各種已知的防護措施都能在一定程度上解決來自系統和網絡的安全隱患。要想解決第三方物流企業客戶的擔憂，首先要實現信息共享和數據挖掘的規范性，盡量避免行為中的漏洞來防止攻擊者的趁機侵入。必須采用身份認證、數據加密等技術來防止攻擊者對數據庫進行推理攻擊和聚類攻擊，偷取數據。

3.2 軟技術問題對策

3.2.1 社會意識的培養。數據挖掘技術運用必須由來自不同領域的人員共同參與。包括行業專家、數據管理員、數據分析人員、業務分析人員、數據挖掘專家等。企業要想在市場中具有競爭力，必須擁有數據挖掘技術專家，專門從事數據分析和數據挖掘工作，并把挖掘出的知識物化。同時，數據挖掘必須得到最高管理決策層的支持、認可和參與。物流企業要想使得多年積累下來的數據資料和由客戶數據挖掘得來的知識完美結合，就必須在內部培養數據挖掘專業人才，通過他們來將數據挖掘提升為企業的核心競爭力。

3.2.2 法律法規的完善。法律法規是保證經濟和社會健康發展的必要前提，想要使商務中的數據挖掘能夠受到法律保護，想要使數據采集能夠在法律規定的范圍內進行，避免第三方企業與客戶之間信息共享和數據挖掘的糾紛，制定相關的法規政策是十分必要的，應該借鑒國外在相關方面的立法，結合國內的實際情況，維護有關各方的合法權益。

盡管數據挖掘的應用領域相當廣泛，但就我國當前的應用來看，尚處于萌芽階段，第三方企業運用數據挖掘技術尚不普遍。我國第三方物流企業必須要在實踐中根據實際應用去開發適用于自身實際需要的數據挖掘工具，提高信息使用程度，大力推進從傳統物流企業向現代物流企業的轉型，完善自身企業的功能。

[1] 張毅.MIS中引入數據挖掘技術的必要性和可行性探討[J].大眾科技，2006(7):16-20.

[2] 張天橋.面向電子商務的數據挖掘系統設計[J].中國管理信息化，2008(11):70-72.

[3] 董蕊.供應鏈管理與第三方物流策劃[M].北京：中國經濟出版社，2003:309.

The Discuss About the Application of Data Mining in the Third-Party Logistics Enterprises

LUO Juan-juan (Xiamen Ocean College,Xiamen 361000,China)

分析了數據挖掘技術在第三方物流企業中應用的優勢，探討了第三方物流企業運作中數據挖掘技術面臨的問題并提出解決對策。

數據挖掘；第三方物流；應用

The paper analyzes the advantages of the data mining technology in the application of third party logistics enterprises,and give the solution about the data mining problem in the operation of the third party logistics enterprises.

data mining;third-party logistics;application

F719

A

2010-12-16

羅娟娟（1980-），女，福建閩清人，廈門海洋職業技術學院，講師，碩士，研究方向：物流管理。

1002-3100(2011)03-0085-02