数据挖掘在物流中的应用

导语：数据挖掘在物流中的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：随着科学技术的快速发展以及互联网、云计算、数据挖掘等技术的广泛应用，生产过程中的海量数据不再是一种负担，而已经成为了一种资源。物流人逐渐认识到，如果不能对海量的数据进行有效的分析、研究和应用，那将是巨大的资源浪费。本文以数据挖掘技术作为切入点，分析数据挖掘技术的特点及功能，提出了数据挖掘技术在物流主要环节中的应用，对于改良物流企业管理、提高各环节工作效率、搭建信息共享平台充分利用零散数据、降低物流营运费用等方面具有一定影响。

关键词：数据挖掘；物流；应用

随着科技和经济的快速发展，物流市场日趋完善，在国内及国际物流市场的竞争机制的作用下，物流企业对于数据挖掘技术的应用表现出了极大的兴趣。大多数生产型企业与零售企业为了快速发展经营规模、迎合当前物流市场的发展，迫切的需要借助数据挖掘技术来分析企业存在的问题并据此优化企业规划，提升企业的市场竞争力。深入研究数据挖掘技术及其在物流管理、仓储、运输、配送、信息共享等环节的中的应用势必会进一步加快物流行业的快速发展。

一、数据挖掘概述

1.数据挖掘的历史。互联网的快速发展及计算机技术的广泛运用，使人们获取信息及搜集数据的能力得到了极大提高，数以万计的数据库被运用于工程开发、企业管理、政府办公、科学研究等领域，并愈演愈烈，与此同时也产生了一个新的挑战：如何面对信息爆炸时代的海量信息。如果海量信息不能被及时的整理、分析并加以利用，便成为企业的拖累，也将成为新形式下的巨大资源浪费。在人工智能取得重大进展的前提下，数据库中的知识发现（KDD：KnowledgeDiscoveryinDatabases）应运而生，从而产生了数据挖掘技术，并很快得以蓬勃发展，越来越显示出其强大的生命力。1989年8月召开的第11届国际联合人工智能学术会议上首次提出了数据挖掘这一概念。在随后的1991年、1993年和1994年分别举行KDD专题讨论会，集中讨论海量数据分析算法、数据统计、知识运用、知识表示等问题[1]。1998年在美国纽约举行的第四届知识发现与数据挖掘国际学术会议不仅进行了学术讨论，并且有30多家软件公司展示了他们的数据挖掘软件产品，不少软件已在北美、欧洲等国得到应用。2.数据挖掘的概念。数据挖掘（英语：Datamining），又译为资料探勘、数据采矿，它是数据库知识发现（KDD）中的一个步骤[2]。一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程，它将人们应用数据的方式从原本简单的查询提升至在数据里挖掘与发现知识以对决策行为提供支持。数据挖掘技术是面向应用的，它不仅是面向特定数据库的简单检索查询调用，而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理，以指导实际问题的求解，企图发现事件间的相互关联，甚至利用已有的数据对未来的活动进行预测。3.数据挖掘的特点。根据数据源挖掘的目的可将数据挖掘的特点总结为：（1）分析的数据信息量非常巨大；（2）面向对象（用户）一般是随机查询，难以达成精确的查询要求；（3）在数据快速变化时，需要反映动态数据，以提供决策支持；（4）数据挖掘服从大样本的统计规律，其分析结果难以适用于所有数据。4.数据挖掘的功能。预测/验证功能：指用数据库的若干已知字段预测或验证其他未知字段值。预测方法有统计分析方法、关联规则和决策树预测方法、回归分析预测方法等。描述功能：找到描述数据的可理解模式。描述方法包括以下几种：数据分类、回归分析、簇聚、概括、构造依赖模式、变化和偏差分析、模式发现、路径发现等。

二、数据挖掘技术在物流主要环节的应用

1.数据挖掘在物流管理中的应用。对于物流管理而言，妥善处理每个环节所产生的大量数据信息，能够让决策者做出更为适合企业发展的决定，掌握更为科学的解决问题的方法。数据挖掘技术的引入，可以通过建立大型数据库，利用数据挖掘技术及时、准确的分析各种信息，并从中获取新颖且有效的信息，再通过可理解的模型进行深层次处理，进而为客户提供个性产品和服务，提高客户满意度。一般应用步骤为：（1）建立大型数据库；（2）搭建相关系统模型；（3）进行大数据分析并获得潜在信息；（4）获得最适合企业发展的决策。2.数据挖掘在物流仓储中的应用。物流仓储涉及入库、出库、盘点、库存控制等多个环节，而这些环节都将产生大量数据，这些数据看似是仓储管理的负担，却也蕴藏着对优化库管极为有价值的信息，利用数据挖掘技术对有价值的信息进行处理，从而解决库存管理中存在的问题。具体表现为：（1）根据总成本最小化原理解决仓库的选址问题；（2）采用关联模式分析解决合理安排货位问题；（3）采用神经网络算法解决拣选最佳路径问题；（4）采用分类算法解决库存成本控制问题；（5）分析客户个性需求解决提高客户满意度问题。3.数据挖掘在运输配送中的应用。物流运输配送管理，包括运输配送计划编制、运输配送路径的选择、车辆的选择、混搭配载等问题，利用数据挖掘技术从运输配送大数据中提取出潜在而有价值的信息，从而指导运输配送各个方面的改进及优化。具体应用的方面包括：（1）通过现有数据进行顾客消费分析及预测；（2）根据历史同期水平比较进行经营成效分析及评价；（3）通过动态数据研究掌握车辆状态及事故预测；（4）通过对线路数据分析优化运输配送路径。4.数据挖掘在信息共享中的应用。物流信息管理系统的建立在物流企业管理中发挥了巨大的作用，但因建设需求、建设时间及管理体制的不同，各物流企业间形成了自成体系、各自独立的信息孤岛，导致信息资源的巨大浪费[4]。数据挖掘技术的引入能够促进建立完善的信息共享机制，进而提高物流企业信息共享程度，可以从以下三个方面来分析：（1）政府牵头搭建基于数据挖掘技术的城市物流资源共享平台，对城市物流进行有效监督，实现一体化规划管理；（2）行业牵头搭建基于数据挖掘技术的行业物流资源共享平台，物流信息及先进技术得以共享，达到提高物流效率的目标；（3）互联网公司牵头搭建基于数据挖掘的大数据共享平台，将政府、企业及客户的信息全部整合，以实现大数据共享要求。

作者:张贵彬 单位:陕西科技大学镐京学院

参考文献

[1]朱扬勇.数据挖掘技术现状[J].中国传媒技术，2006，（12）：11-14.

[2]张贵彬，吕纪荣，郭小艳.数据挖掘技术在物流企业信息共享中的应用[J].企业改革与管理，2016，（5X）：58-59.