數據挖掘技術在煙草物流管理中的應用

仝新順

（鄭州輕工業學院 經濟與管理學院，河南 鄭州 450002）

1 引言

近年來煙草企業信息化發展迅速，諸如CRM、GIS等系統的應用，使得配送量和配送效率有了較大的提高。在業務進行和以上各系統運行的過程中會產生與倉儲、分揀和配送等環節有關的大量數據。企業只是關注這些數據中對決策者決策和判斷有價值的部分，而不需要查看這些冗雜的數據?？扇绾螐闹屑皶r發現有用的信息呢？數據挖掘技術提供了一條可行之道。

2 數據挖掘技術

2.1 數據挖掘的概述

數據挖掘(Data Mining,DM)主要用于從大量、不完全和隨機的數據中，找到事先可能未知但又對決策有用的信息。在這一過程中，還可以根據已經掌握的信息對未發生的行為進行結果預測。數據挖掘的理論體系涵蓋了數理統計、并行計算、可視化、數據庫理論和人工智能，是一個多學科的交叉領域。數據挖掘在20世紀90年代產生以來得到快速發展，廣泛應用于信息管理、過程控制、查詢優化和決策支持等。

2.2 數據挖掘的功能

數據挖掘的功能包括兩個方面，即預測和描述。預測是指利用已知的數據預測我們所關心數據和變量的值；描述是通過找出可以解釋其模式的過程[1]。數據挖掘的功能可歸納如下[2]：

（1）關聯分析。若在兩個或者多個的數據值之間存在重復出現的現象，而且這種出現頻率很高時便可認為這些數據之間存在關聯，此時可利用數據挖掘技術挖掘出數據之間的關聯關系。例如，在超市購物中，存在一條關聯規則：買面包的顧客中有80%的同時還購買了牛奶。因此超市可以將面包和牛奶放在一起或進行捆綁促銷，以增加銷量。通常關聯規則具有：X→Y形式，即“ A1A2...Am→B1B2...Bn”；其中Ai(i∈{1 ,...,m})和 Bi(i∈{1 ,...,n})是屬性等值形式。關聯規則X→Y表示“滿足X的條件的同時也滿足Y的條件”。關聯可分為簡單、因果和時序等。

（2）分類。分類是應用最多的任務之一，分類是指以確定的概念來描述一個類，即該類別的內涵描述。分類首先要事先知道訓練樣本標簽，然后將屬于不同類別樣品的標簽利用數據挖掘分開，最后可以利用分類模型預測使用所得樣品屬于哪一類。

（3）聚類。聚類是一種探索性分析過程，首先，數據庫中的數據被劃分成一系列的有意義的數字類別。在分類過程中，并不存在事先給定的分類標準。然后從這些相同類別的數據集中進一步挖掘，可以得到相應的分類預測模型或學習規則。最后，使用聚類分析通過不斷地重復獲得聚類組，及初始數據集合的層次模型。聚類分析能夠從樣本數據出發，自動進行分類（在同一類別中的個體之間距離較小，不同類別的個體之間的距離較大）。聚類加深了人們認識客觀現實的程度。

（4）異常挖掘。在一些應用中，小概率事件或數據的發生，有時候會比發生更頻繁的事件更有挖掘價值。對這些異常情況或者孤立點進行跟蹤、分析，可以減少潛在的損失的發生。對異類數據的分析處理通常稱為異類分析方法。

2.3 數據挖掘的主要技術

數據挖掘主要應用的技術有決策樹、近鄰算法、遺傳算法、神經網絡等。

（1）決策樹。決策樹是一種典型的自頂向下策略的貪婪分類算法，是一種含有內部節點和分支流程圖的樹結構算法。決策樹算法的核心是在存放標號的樹葉節點選取要測試的屬性，對決策樹進行剪枝。

（2）近鄰算法。近鄰算法是以人們思維方式相似的方式檢測和匹配最近的樣本，并將每一對相鄰的樣本進行歸類的方法。近鄰算法在自動化運算方面有很好的性能表現，是一種較容易理解和使用的算法。

（3）遺傳算法。遺傳算法是基于進化理論發展起來的高效隨機搜索和優化的方法，主要解決非線性、多峰值以及全局優化等復雜度較高的問題。遺傳算法綜合了定向和隨機搜索的優點，以適應值函數為依據，對群體內個體結構進行優化和重組，從而得到全局范圍內的最優值。遺傳算法同時也起到產生優良后代的作用。

（4）神經網絡。神經網絡是通過模擬人腦結構模型，用于聚類、分類、特征挖掘和模式識別的數據挖掘方法。神經網絡方法仿照動物腦神經元結構的非線形預測模型，建立分布式矩陣，輸入數據進行學習，通過反復迭代和累加計算發現數據中的模式。

神經網絡為解決具有上百個參數、復雜度大的問題提供了比較簡單有效的方法，其應用非常廣泛。

2.4 數據挖掘的過程

（1）確定業務對象：了解要解決業務中的實際問題，確定數據挖掘的目的。但要預見到最后的挖掘挖掘結果可能是不可預測的，所以不要帶有盲目性去探索問題。

（2）數據準備：數據的準備包括三個步驟。①數據的選擇：搜索與業務對象相關的所有內部和外部的數據信息，通過篩選這些數據，選取適用于數據挖掘的部分。②數據的預處理：檢查數據的一致性和完整性情況，即通過研究數據的質量，對于冗余的數據進行刪除，對缺失的數據進行補充，使之成為格式標準統一的形式，為下一步的分析做準備。同時要確定將要進行的數據挖掘數據的類型。③數據的轉換：利用挖掘算法理論建立相應的分析模型。

（3）數據挖掘：通過選擇適當的數據挖掘工具，對上面所得到預處理數據進行挖掘，從中選取有價值的、潛在的結果或趨勢。數據挖掘的工具選擇要由數據挖掘的任務和數據特征去決定。

（4）結果評價：根據用戶的決策需求，解釋并評估數據挖掘的結果。需要結合實際問題，避免挖掘出的無意義的知識，有針對性地對挖掘結果進行評價和驗證，提煉出最有價值的信息提交給決策者。解釋并評估結果，通常會用到相關的可視化技術。

（5）知識的同化：將通過分析得到的知識和結論應用到業務系統的組織和結構中。

通常情況下，數據挖掘的過程不是線性的，要得到理想的結果可能要重復上面的步驟。

3 數據挖掘技術在煙草物流管理中的應用

3.1 應用的可行性

煙草物流由于自身的發展和需要，已經開始關注數據挖掘的應用，而且數據挖掘在煙草物流中已具備了技術可行性。這體現在兩方面：首先，數據存儲技術和計算速度的不斷增長；第二，先進的新算法，比如神經網絡等的出現。煙草物流日常業務產生的大量數據的為數據挖掘提供了豐富的數據原料，而計算機技術的發展為煙草物流企業提供了硬件保障，同時新算法的出現增加了數據處理的能力和應用的范圍。

3.2 數據挖掘技術在煙草物流中的具體應用

數據挖掘技術在煙草物流企業中可以應用在以下幾方面[6-7]:

（1）客戶分析。對客戶的分析主要包括以下幾個方面的內容：

①客戶細分分析。利用數據挖掘聚類或分類的方法進行客戶分類，通過對目標市場客戶的細分分析，對客戶進行分類別的服務和管理。通過細分分析對客戶的購買需求、消費特點、價值傾向等進行調查與掌握，有助于幫助煙草企業獲得與客戶有關的更多相關信息，對于進一步的客戶分析具有意義重要。

②客戶流失預測。采用數據挖掘聚類和關聯規則分析技術，重視那些偏離聚點的數據對象，即“孤立點”，警惕這些客戶的流失。

③客戶價值分析。分析客戶對煙草企業卷煙業務量的貢獻值。按照“二八原則”，先找出重點客戶。分析方法是在預先不知道特征目標的情況下，先將重點客戶的銷售量等數據進行聚類分析，通過對企業不同層次的客戶對業務量所作的貢獻來界定客戶價值的大小，然后根據客戶價值的大小，在進行營銷時可以對產品營銷目標客戶群，實施差異化服務。

④客戶行為分析。找到重點客戶之后，對其行為進行分析。根據不同客戶類型的銷售量、銷售額實際數據，確定為煙草企業創造高利潤的重點客戶、增長較快的客戶群體以及發現流失或者即將流失的客戶等信息。進一步分析和研究客戶偏好，挖掘潛在的煙草市場，為客戶營銷和市場開拓提供決策支持。例如將占重點客戶銷售量50%以上的卷煙產品或者增長較快的客戶群體主要消費的卷煙產品作為目標類，確定客戶偏好。同時也可以對不同客戶群體之間進行交叉挖掘分析，發現數據庫中客戶組的演變特征和變化趨勢，找到客戶群體的變化規律。通過利用數據挖掘對不同客戶的識別以及客戶行為規律的發現，制定煙草企業相應的營銷策略。

（2）倉儲管理

①卷煙貨品儲位的合理化安排。煙草儲位的不合理會導致倉儲成本增加、倉儲利用率低下。利用數據挖掘技術，煙草企業可以建立以往的卷煙流動數據庫，分析卷煙歷次出貨的時間、品種、數量、需求者以及關聯度等數據，利用數據挖掘中的關聯模式可以解決卷煙的最佳儲存位置和儲存方式等問題。例如，有A、B兩類卷煙，描述A對B的關聯度—卷煙A的出現對卷煙B的影響程度，可以用可信度、支持度、期望可信度和作用可信度四個屬性來描述關聯規則。通過關聯分析可以得出兩種卷煙的簡單規則，為這兩種卷煙在貨架上的配置提供決策建議，戰略性地布置卷煙在倉庫中的位置。

②制定合理的庫存策略，降低庫存成本。卷煙儲位的合理安排是為了找到最佳儲存位置以快速滿足卷煙分揀的需要，同樣卷煙的庫存策略也要防止卷煙缺貨和大量卷煙囤積占用資金和庫位等情況的發生。利用數據挖掘制定合理的庫存策略提高卷煙倉儲效率并降低庫存成本。利用數據挖掘中的分類算法通過對卷煙的存儲序號、卷煙的存儲數量、卷煙的單價以及所有庫存卷煙數量的百分比、占卷煙總價值的百分比等數據進行分析，確定不同卷煙的合理的庫存策略。

（3）煙草配送管理。煙草配送管理包括配送計劃的制定和配送線路的設計優化，其中首要解決的就是配送線路的問題。

配送路徑是典型的VRP（Vehicle Routing Problem）。煙草公司需要對數以千計的客戶的卷煙訂單進行配送，在現有資源的基礎上如何合理調配車輛和線路，從而在降低成本的同時又能滿足客戶的需求。配送線路優化是提高煙草配送服務質量和降低配送成本的重要手段。煙草配送在整個煙草物流管理中占有重要的部分，將遺傳算法等數據挖掘技術運用到煙草配送中解決運輸線路選擇等問題，利于有效利用現有資源和提高運輸效率。

4 結語

數據挖掘是一門涉及多學科領域知識的新興技術，目前在煙草物流中的實際應用取得的成就有目共睹，為煙草企業帶來了可觀的效益。數據挖掘技術可以把煙草企業的營銷策略、庫存策略和總體規劃結合起來，很好地幫助管理決策層做出科學的決策。

[1]張應征.數據挖掘技術在物流管理信息中的應用[J].科技信息,2009,(35):470-472.

[2]丁必榮,屈新懷.基于數據倉庫的生產物流決策管理系統研究[J].物流科技,2008,(1):56-58.

[3]李臘元,李春林.計算機網絡技術[M].北京:國防工業出版社,2004.

[4]王俊珺,夏華麗,田源.物流配送路線規劃中的最短路徑研究[J].農業網絡信息,2007,(5):60-62.

[5]周程.物流配送路徑優化策略研究[J].武漢理工大學學報,2005,29(5):798-800.

[6]陳曉杰，許振華，張婭鋒.數據挖掘在煙草物流綜合管理系統中的應用[J].硅谷,2009,(1):98-99.

[7]劉娜.數據挖掘技術在煙草公司供應鏈管理中的應用研究[D].鄭州:鄭州大學,2010.

[8]李廷佳.基于數據挖掘技術的物流信息系統的研究與實現[D].北京:北京郵電大學,2008.

[9]袁溪.數據挖掘技術及其應用[J].科技資訊,2010,(4):21-22.