大數(shù)據(jù)環(huán)境中物流信息的挖掘和利用研究

許曉華

[摘 要]近年來，我國物流行業(yè)快速崛起，物流信息化建設(shè)也已基本完成，而隨著大數(shù)據(jù)時代的到來，各物流企業(yè)掌握的物流信息越來越多，如何有效挖掘與利用這些數(shù)據(jù)的價值，幫助企業(yè)在激烈的物流市場競爭中做大做強，成為擺在企業(yè)面前的重要課題。文章就大數(shù)據(jù)環(huán)境中物流信息的挖掘和利用進(jìn)行了分析與探討，以期為相關(guān)物流企業(yè)提供一定借鑒和參考。

[關(guān)鍵詞]大數(shù)據(jù);物流信息;數(shù)據(jù)挖掘

[DOI]10.13939/j.cnki.zgsc.2020.15.164

數(shù)據(jù)挖掘技術(shù)是實現(xiàn)物流信息挖掘、利用的重要前提和基本工具，在當(dāng)前大數(shù)據(jù)環(huán)境下，比較先進(jìn)和常用的數(shù)據(jù)挖掘技術(shù)有多種，下面進(jìn)行詳細(xì)介紹。

1 數(shù)據(jù)挖掘的常用技術(shù)

1.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)是模擬生理神經(jīng)網(wǎng)絡(luò)而設(shè)計的一種信息處理系統(tǒng)，它可以通過不斷的學(xué)習(xí)而獲得模式識別的能力。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、并行處理、分布存儲操作等優(yōu)點，輔以計算機高速的處理能力，人工神經(jīng)網(wǎng)絡(luò)能夠快速搜索某些復(fù)雜問題的最優(yōu)解，這使得該技術(shù)在物流信息挖掘中表現(xiàn)出了巨大的應(yīng)用潛力。

1.2 遺傳算法

遺傳算法是通過模擬自然界中的生物進(jìn)化過程而設(shè)計的一種計算模型，其基本原理就是以任意一個初始的種群為出發(fā)點，利用連續(xù)的交換對象成員（相當(dāng)于自然選擇過程中的交配與基因突變）產(chǎn)生新種群（繁殖），然后評估并擇優(yōu)復(fù)制，通過這種優(yōu)勝劣汰的選擇過程，逐漸使新產(chǎn)生的種群向搜索空間中越來越好的區(qū)域進(jìn)化，最終得出最有價值的知識集。遺傳算法是一種隨機和啟發(fā)式的搜索行為，能夠?qū)栴}進(jìn)行并行處理，因此搜索效率大大高于普通算法，在求解復(fù)雜問題的最優(yōu)解時具有很大優(yōu)勢。

除此之外，決策樹、關(guān)聯(lián)分析、聚類檢測等也是數(shù)據(jù)挖掘的常用技術(shù)，這些技術(shù)分別適用于不同的數(shù)據(jù)挖掘場景，企業(yè)需要結(jié)合數(shù)據(jù)挖掘的實際需求進(jìn)行合理選擇。

2 面向物流管理系統(tǒng)的數(shù)據(jù)挖掘流程

2.1 確定待挖掘的數(shù)據(jù)源

隨著物流行業(yè)的不斷壯大和發(fā)展，物流企業(yè)掌握的客戶信息和業(yè)務(wù)數(shù)據(jù)越來越多，這些信息數(shù)據(jù)具有量大面廣的特點，其中既有大量的冗雜信息，也有許多重要客戶的核心信息，而物流企業(yè)需要挖掘和利用的正是這部分核心信息，這些信息與物流客戶的消費行為決策息息相關(guān)，物流企業(yè)通過對這些信息的有效挖掘和分析，可以發(fā)現(xiàn)其中的關(guān)鍵性聯(lián)系，并有針對性地調(diào)整和優(yōu)化客戶服務(wù)方案，進(jìn)而在留住老客戶的同時，為企業(yè)吸納更多的新客戶。當(dāng)然，在實際操作中，要想從龐大的數(shù)據(jù)庫中準(zhǔn)確地定位目標(biāo)數(shù)據(jù)，物流企業(yè)就需要利用先進(jìn)的數(shù)據(jù)挖掘技術(shù)對信息數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析。

2.2 做好數(shù)據(jù)準(zhǔn)備工作

數(shù)據(jù)準(zhǔn)備是數(shù)據(jù)挖掘的重要前提，一般由數(shù)據(jù)的集成、選擇、預(yù)處理三個環(huán)節(jié)構(gòu)成。數(shù)據(jù)集成即從各操作性數(shù)據(jù)庫、文件及遺留系統(tǒng)中提取有用數(shù)據(jù)，然后對數(shù)據(jù)進(jìn)行集成處理;數(shù)據(jù)選擇即在技術(shù)人員指導(dǎo)下，收集需要分析的目標(biāo)數(shù)據(jù)，剔除其中的冗余信息，以提高數(shù)據(jù)品質(zhì)，為后續(xù)高效開展數(shù)據(jù)挖掘工作奠定基礎(chǔ);預(yù)處理是數(shù)據(jù)挖掘之前的最后一道準(zhǔn)備工序，也就是通過縮減、轉(zhuǎn)化等方式對選定數(shù)據(jù)進(jìn)行進(jìn)一步的處理。以物流配送的路徑選擇為例，物流企業(yè)需要為每一輛配送車輛規(guī)劃專門的客戶路徑，這就要求物流企業(yè)在綜合考慮車輛利用程度、車輛運輸能力、貨物規(guī)格、運送成本、利潤高低等多方面因素的基礎(chǔ)上，圍繞相關(guān)數(shù)據(jù)進(jìn)行一系列的集成、選擇及預(yù)處理操作，這樣才能開展后續(xù)的數(shù)據(jù)挖掘工作，達(dá)到提高物流配送效率、降低貨物運輸成本的目的。

2.3 選擇合適的數(shù)據(jù)挖掘技術(shù)

在確定待挖掘數(shù)據(jù)源并做好數(shù)據(jù)準(zhǔn)備工作的基礎(chǔ)上，便可以根據(jù)要解決的具體問題來選擇相應(yīng)的數(shù)據(jù)挖掘技術(shù)，對數(shù)據(jù)進(jìn)行迭代挖掘，從中發(fā)現(xiàn)隱藏的、新穎的模式。當(dāng)然，數(shù)據(jù)挖掘需要先建立相應(yīng)的數(shù)據(jù)挖掘模型，建模之后除需要深度挖掘的部分之外，其他部分一般是可以自動完成的。在構(gòu)建數(shù)據(jù)挖掘模型時，最關(guān)鍵的工作就是確定學(xué)習(xí)算法和算法參數(shù)，也就是選取合適的挖掘工具及分析方法。例如，在選擇和規(guī)劃倉儲位置時，可以采用關(guān)聯(lián)分析法;在選擇配送路徑時，可以采用演化分析法;在市場調(diào)研方面，可以采用聚類分析法;在選擇物流中心時，可以使用分類與預(yù)測工具。

2.4 數(shù)據(jù)解釋及評價

受各方面因素的限制，通過數(shù)據(jù)挖掘所得到的知識集并非全部都有意義，因此還應(yīng)根據(jù)實際情況，對挖掘出來的信息進(jìn)行科學(xué)的評價、篩選及檢驗，以確保最終提交給決策者的信息是經(jīng)得起推敲的有效信息。數(shù)據(jù)解釋及評價就是對數(shù)據(jù)挖掘得到的結(jié)果進(jìn)行評價和分析，以確定其是否具有存入知識庫的價值，一般通過人機交互及專家經(jīng)驗評判的方式完成該過程，具體的評價方法會因采用的數(shù)據(jù)挖掘技術(shù)而異。數(shù)據(jù)解釋及評價是一個不斷重復(fù)的過程，直到最終得出的數(shù)據(jù)令人滿意為止。

2.5 建立知識庫

為保證挖掘出來的數(shù)據(jù)信息得到有效應(yīng)用，物流企業(yè)需要建立相應(yīng)的知識庫，并將上述流程所得到的信息數(shù)據(jù)存入知識庫中。宜采用圖表、規(guī)則等簡單易懂的形式表示知識庫中的數(shù)據(jù)，這樣才能確保決策者迅速讀懂相關(guān)數(shù)據(jù)，進(jìn)而為其決策提供參考和依據(jù)。

3 數(shù)據(jù)挖掘技術(shù)的具體應(yīng)用

3.1 市場預(yù)測

精細(xì)化管理是企業(yè)重要的生存之道，特別是對數(shù)據(jù)體量大、來源廣、更新快的物流企業(yè)來說，通過精細(xì)化管理挖掘數(shù)據(jù)價值，準(zhǔn)確預(yù)測市場趨勢，對物流企業(yè)的生存顯得尤為重要。物流企業(yè)可以通過聚類分析等數(shù)據(jù)挖掘技術(shù)，建立市場預(yù)測模型，精準(zhǔn)確定自己的客戶群，因人而宜地推出競爭力強的產(chǎn)品，當(dāng)產(chǎn)品打入市場之后，還要密切關(guān)注產(chǎn)品銷量、利潤等變化，同時結(jié)合企業(yè)生產(chǎn)、配送、銷售等方面的實際情況，有針對性地做好生產(chǎn)計劃、庫存配置等工作。在這一過程中，預(yù)測模型可以起到?jīng)Q策支持的作用。

3.2 物流選址

物流選址是決定物流體系發(fā)展的關(guān)鍵，物流企業(yè)需要綜合考慮運送成本、固定成本、變動處理成本等多方面因素，求解成本最小化的方案。與此同時，還要考慮中心點的分布模式、數(shù)量等情況，特別是在多中心選址中，需要在確保物流網(wǎng)絡(luò)總成本最低的情況下，從多個備選中心點中選出若干地點作為物流中心，這是一個涉及顧客需求量等市場因素的數(shù)學(xué)規(guī)劃問題，求解難度相當(dāng)大，這時就需要用到數(shù)據(jù)挖掘技術(shù)中的決策樹方法。

3.3 倉儲管理

電子商務(wù)的迅猛崛起，對物流企業(yè)的倉儲管理提出了巨大挑戰(zhàn)。如何配置商品，控制成本，提高揀貨效率，為消費者提供更好的購物體驗和更快捷靈活的物流服務(wù)，就成為物流企業(yè)能否發(fā)展壯大的關(guān)鍵。而借助數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)分析方法，就能找出數(shù)據(jù)中隱含的相互關(guān)系，進(jìn)而有效解決物流企業(yè)的倉儲難題。

3.4 客戶分析

客戶分析即根據(jù)企業(yè)所掌握的客戶資料與數(shù)據(jù)，分析客戶特征與需求，對客戶直接或潛在價值進(jìn)行合理評估，從而確定有利于企業(yè)利益最大化的資源配置方案，制定出客戶滿意的營銷策略，鞏固客戶忠誠度，提高企業(yè)銷售額。客戶分析主要采用數(shù)據(jù)挖掘技術(shù)中的定性比較分析法，這種分析方法能夠?qū)蛻籼卣鬟M(jìn)行準(zhǔn)確的概念描述，精準(zhǔn)挖掘客戶價值，還能夠發(fā)現(xiàn)流失客戶存在的一些共性特征，進(jìn)而對其他擁有類似特征的客戶制訂相應(yīng)的彌補方案，減少物流客戶流失率。

4 結(jié)論

綜上所述，文章以數(shù)據(jù)挖掘的常用技術(shù)為切入點，從確定待挖掘數(shù)據(jù)源、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘技術(shù)選擇、數(shù)據(jù)解釋及評價、知識庫構(gòu)建等方面介紹了面向物流管理系統(tǒng)的數(shù)據(jù)挖掘流程，并提出了數(shù)據(jù)挖掘技術(shù)在市場預(yù)測、物流選址、倉儲管理、客戶分析中的具體應(yīng)用，多角度入手，旨在促進(jìn)大數(shù)據(jù)環(huán)境中對物流信息的挖掘和利用，推動物流企業(yè)健康持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]趙影.基于Web挖掘的物流信息平臺個性化推薦研究[J].中國市場，2015（20）.

[2]張玉峰，曾奕棠.基于動態(tài)數(shù)據(jù)挖掘的物流信息分析模型研究[J].情報科學(xué)，2016（1）.

[3]左玉潔.數(shù)據(jù)挖掘在物流客戶關(guān)系管理中的應(yīng)用[J].環(huán)球市場信息導(dǎo)報，2016（37）.

[4]包訓(xùn)艷，王丹.大數(shù)據(jù)時代物流信息平臺構(gòu)建與建設(shè)對策研究[J].物流工程與管理，2019（1）.