數據挖掘在物流中的應用

導語：數據挖掘在物流中的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：隨著科學技術的快速發展以及互聯網、云計算、數據挖掘等技術的廣泛應用，生產過程中的海量數據不再是一種負擔，而已經成為了一種資源。物流人逐漸認識到，如果不能對海量的數據進行有效的分析、研究和應用，那將是巨大的資源浪費。本文以數據挖掘技術作為切入點，分析數據挖掘技術的特點及功能，提出了數據挖掘技術在物流主要環節中的應用，對于改良物流企業管理、提高各環節工作效率、搭建信息共享平臺充分利用零散數據、降低物流營運費用等方面具有一定影響。

關鍵詞：數據挖掘；物流；應用

隨著科技和經濟的快速發展，物流市場日趨完善，在國內及國際物流市場的競爭機制的作用下，物流企業對于數據挖掘技術的應用表現出了極大的興趣。大多數生產型企業與零售企業為了快速發展經營規模、迎合當前物流市場的發展，迫切的需要借助數據挖掘技術來分析企業存在的問題并據此優化企業規劃，提升企業的市場競爭力。深入研究數據挖掘技術及其在物流管理、倉儲、運輸、配送、信息共享等環節的中的應用勢必會進一步加快物流行業的快速發展。

一、數據挖掘概述

1.數據挖掘的歷史。互聯網的快速發展及計算機技術的廣泛運用，使人們獲取信息及搜集數據的能力得到了極大提高，數以萬計的數據庫被運用于工程開發、企業管理、政府辦公、科學研究等領域，并愈演愈烈，與此同時也產生了一個新的挑戰：如何面對信息爆炸時代的海量信息。如果海量信息不能被及時的整理、分析并加以利用，便成為企業的拖累，也將成為新形式下的巨大資源浪費。在人工智能取得重大進展的前提下，數據庫中的知識發現（KDD：KnowledgeDiscoveryinDatabases）應運而生，從而產生了數據挖掘技術，并很快得以蓬勃發展，越來越顯示出其強大的生命力。1989年8月召開的第11屆國際聯合人工智能學術會議上首次提出了數據挖掘這一概念。在隨后的1991年、1993年和1994年分別舉行KDD專題討論會，集中討論海量數據分析算法、數據統計、知識運用、知識表示等問題[1]。1998年在美國紐約舉行的第四屆知識發現與數據挖掘國際學術會議不僅進行了學術討論，并且有30多家軟件公司展示了他們的數據挖掘軟件產品，不少軟件已在北美、歐洲等國得到應用。2.數據挖掘的概念。數據挖掘（英語：Datamining），又譯為資料探勘、數據采礦，它是數據庫知識發現（KDD）中的一個步驟[2]。一般是指從大量的數據中自動搜索隱藏于其中的有著特殊關系性的信息的過程，它將人們應用數據的方式從原本簡單的查詢提升至在數據里挖掘與發現知識以對決策行為提供支持。數據挖掘技術是面向應用的，它不僅是面向特定數據庫的簡單檢索查詢調用，而且要對這些數據進行微觀、中觀乃至宏觀的統計、分析、綜合和推理，以指導實際問題的求解，企圖發現事件間的相互關聯，甚至利用已有的數據對未來的活動進行預測。3.數據挖掘的特點。根據數據源挖掘的目的可將數據挖掘的特點總結為：（1）分析的數據信息量非常巨大；（2）面向對象（用戶）一般是隨機查詢，難以達成精確的查詢要求；（3）在數據快速變化時，需要反映動態數據，以提供決策支持；（4）數據挖掘服從大樣本的統計規律，其分析結果難以適用于所有數據。4.數據挖掘的功能。預測/驗證功能：指用數據庫的若干已知字段預測或驗證其他未知字段值。預測方法有統計分析方法、關聯規則和決策樹預測方法、回歸分析預測方法等。描述功能：找到描述數據的可理解模式。描述方法包括以下幾種：數據分類、回歸分析、簇聚、概括、構造依賴模式、變化和偏差分析、模式發現、路徑發現等。

二、數據挖掘技術在物流主要環節的應用

1.數據挖掘在物流管理中的應用。對于物流管理而言，妥善處理每個環節所產生的大量數據信息，能夠讓決策者做出更為適合企業發展的決定，掌握更為科學的解決問題的方法。數據挖掘技術的引入，可以通過建立大型數據庫，利用數據挖掘技術及時、準確的分析各種信息，并從中獲取新穎且有效的信息，再通過可理解的模型進行深層次處理，進而為客戶提供個性產品和服務，提高客戶滿意度。一般應用步驟為：（1）建立大型數據庫；（2）搭建相關系統模型；（3）進行大數據分析并獲得潛在信息；（4）獲得最適合企業發展的決策。2.數據挖掘在物流倉儲中的應用。物流倉儲涉及入庫、出庫、盤點、庫存控制等多個環節，而這些環節都將產生大量數據，這些數據看似是倉儲管理的負擔，卻也蘊藏著對優化庫管極為有價值的信息，利用數據挖掘技術對有價值的信息進行處理，從而解決庫存管理中存在的問題。具體表現為：（1）根據總成本最小化原理解決倉庫的選址問題；（2）采用關聯模式分析解決合理安排貨位問題；（3）采用神經網絡算法解決揀選最佳路徑問題；（4）采用分類算法解決庫存成本控制問題；（5）分析客戶個性需求解決提高客戶滿意度問題。3.數據挖掘在運輸配送中的應用。物流運輸配送管理，包括運輸配送計劃編制、運輸配送路徑的選擇、車輛的選擇、混搭配載等問題，利用數據挖掘技術從運輸配送大數據中提取出潛在而有價值的信息，從而指導運輸配送各個方面的改進及優化。具體應用的方面包括：（1）通過現有數據進行顧客消費分析及預測；（2）根據歷史同期水平比較進行經營成效分析及評價；（3）通過動態數據研究掌握車輛狀態及事故預測；（4）通過對線路數據分析優化運輸配送路徑。4.數據挖掘在信息共享中的應用。物流信息管理系統的建立在物流企業管理中發揮了巨大的作用，但因建設需求、建設時間及管理體制的不同，各物流企業間形成了自成體系、各自獨立的信息孤島，導致信息資源的巨大浪費[4]。數據挖掘技術的引入能夠促進建立完善的信息共享機制，進而提高物流企業信息共享程度，可以從以下三個方面來分析：（1）政府牽頭搭建基于數據挖掘技術的城市物流資源共享平臺，對城市物流進行有效監督，實現一體化規劃管理；（2）行業牽頭搭建基于數據挖掘技術的行業物流資源共享平臺，物流信息及先進技術得以共享，達到提高物流效率的目標；（3）互聯網公司牽頭搭建基于數據挖掘的大數據共享平臺，將政府、企業及客戶的信息全部整合，以實現大數據共享要求。

作者:張貴彬 單位:陜西科技大學鎬京學院

參考文獻

[1]朱揚勇.數據挖掘技術現狀[J].中國傳媒技術，2006，（12）：11-14.

[2]張貴彬，呂紀榮，郭小艷.數據挖掘技術在物流企業信息共享中的應用[J].企業改革與管理，2016，（5X）：58-59.