基于数据挖掘在物流管理决策中的应用

第28卷第10期湖北广播电视大学学报Vol.28,No.102008年10月JournalofHuBeiTVUniversityOctober.2008,083～084（1中国银行江西省分行，江西南昌330002；2南昌大学科技学院，江西南昌330029）[内容提要]在数据量剧增的信息时代，深化物流管理决策的最有效的方法是在其中引入数据挖掘技术。本文介绍了数据挖掘技术在物流管理决策中的作用，分析了数据挖掘在物流管理信息中的挖掘过程及实现的关键技术。指出数据挖掘技术将为物流管理决策提供越来越强大的支持功能。[关键词]数据挖掘；物流信息系统；数据仓库；OLAP[中图分类号]F713[文献标识码]A[文章编号]1008-7427（2008）10-0083-02现代物流管理信息系统是以现代物流思想体系为基础，依靠现代科学技术，特别是计算机科学等信息技术，在计划管理和控制以及作业环节等方面充分利用信息，快速反馈信息，为决策提供依据并辅助决策，提高物流效率和优化供应链的信息系统。物流信息化中包含了以优化决策为目的的信息加工、挖掘，把信息变为知识，提供决策依据。数据挖掘的发展为物流管理决策提供了强大的技术支持。数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。这些规则蕴含了数据库中一组对象之间的特定联系，揭示出一些有用的信息，为经营决策、市场策划、工业控制、领导决策提供依据。1数据挖掘在物流管理决策中的作用1.1数据挖掘在物流管理中具有销售决策作用物流管理是实现客户服务的管理活动，是一种对客户服务的管理。在现代物流管理中，客户服务是一项关键的内容，与客户积极主动的关系是客户服务的重要组成部分。利用数据挖掘可以发掘目标客户群的商品购买模式，预测目标客户群的商品购买趋势，挖掘目标客户群的购买力，为企业提供动态实时和准确的促销决策支持。使企业能对目标客户群采取有针对性的高效的促销措施，以更快的速度更高的准确度和更出色的客户服务，满足客户个性化的需求，以提高企业的客户服务水平，建立并保持客户忠诚度，增加企业的销售额，降低企业的营销成本。1.2提高仓储效率利用数据挖掘技术可以帮助优化仓库的存储。当今世界竞争非常激烈，正确及时的决策对企业的生存和发展是至关重要的。越来越多的企业已经认识到，要想在竞争中取胜，必须利用计算机网络技术和数据仓库技术，深层次地挖掘、分析当前和历史的业务数据，以及相关环境的数据，为企业提供快速、准确的决策信息。近年来，数据仓库已经在电信领域、银行领域、证券业、保险、客户管理等众多领域得到了越来越广泛的应用。随着因特网和电子商务的发展，各大数据仓库产品供应商纷纷把注意力投向电子商务领域，并且通过数据仓库技术来构造商业智能平台。数据仓库的特点是物理地存放数据，数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念，一个主题通常与多个操作型信息系统相关。数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，消除了源数据中的不一致性。这些数据仓库的建立不是取代数据库，相反，它是建立在全面和完善的信息应用基础上，支持高层决策分析，是数据库技术的一种新的应用。例如：基于粗糙集、关联规则、贝叶斯网等方法的一组数据挖掘组件，挖掘出基于日常仓储和配送作业信息的知识发现问题、结合管理信息系统各子系统确定能够给企业带来最大利润物品的仓储问题、关联密切的物品仓储问题等；面向规则、贝叶斯网、决策树、加权模糊逻辑等知识表示、推理控制策略的一组推理机组件，发现如基于物品信息自动分类仓储和确定货位问题，基于物品信息进行有效的配货或配载问题等。1.3数据挖掘使物流管理更加科学、快速实现从单一的运输、仓储等分段服务向从原材料、产成品到消费者全过程的物流服务转变：用户提供报关、流通加工、包装、配送等增值服务，以最简便方式、最佳运距、最短时间完成运送程序，使物流的效率与效益得以最大程度的发挥。同时，也使服务价格向更加弹性化、多样化、组合的公开价格策略变化。有效地提高物流服务功能和效率，降低服务成本，提高企业的竞争力。2数据挖掘在物流管理信息系统中的挖掘过程数据挖掘在物流信息系统中的挖掘流程如图1所示。图1数据挖掘在物流信息系统中的挖掘流程2.1物流信息系统中有待挖掘的数据源物流系统中的主要数据来源大致有四类：客户与供应商、企业经营报告、公共信息、企业员工。客户的数据包括：客户分布、客户订货总量及每次订货量记录、顾客订货的时间和地点、送货批量和成本、运输单据、发票、付款记录等。此外，企业的供应商也会提供一些重要数据。企业经营报告和公共信息包含了大量有价值的数据。前者主要是企业的财务报告、各种研究报告以及各部门的业务运营报告等；后者包括政府或行业协会资助的研究报告、公开出版的专业杂志等。其实，企业员工掌握着大量的尚未以书面形式记录的重要数据和信息，他们能提供关于销售预测、市场竞争、物流[收稿日期]2008-07-19湖北广播电视大学学报第10期84采购等方面的重要数据。把这些数据汇总到数据库中，必要时建立数据仓库，这对数据挖掘来说更加方便，因为数据仓库中的数据已经进行了适当的加工、转换。2.2数据准备数据准备对于数据挖掘的成功应用至关重要，数据准备大致分为3步：数据集成、数据选择、数据预处理。数据集成是从多个异质操作性数据库、文件或遗留系统提取并集成数据；数据选择是在相关领域和专家知识的指导下，辨别出需要进行分析的数据集合，缩小挖掘范围，避免盲目搜索，提高数据挖掘的效率和质量；数据缩减和转化是选定的数据在挖掘前，加以精炼处理，在专家的指导下得到的数据。2.3选择适当的挖掘工具这一步主要是在确定挖掘任务的基础上，选择适当的数据挖掘技术和算法，并在此基础上反复迭代的搜索，从数据集合中抽取隐藏的、新颖的模式。如神经元网络、决策树、聚类分析技术、关联发现和序列发现技术等和ID3算法、BP算法等。2.4解释及评价解释并评估结果，其使用的分析方法一般应视不同的数据挖掘操作而定。根据最终用户的决策目的对提取的信息进行分析，把最有价值的信息区分出来，并且通过决策支持工具提交给决策者，因此这一步骤任务不仅是把结果表达出来，还要对信息进行过滤处理，如果不能令决策者满意，需要重复以上数据挖掘过程。2.5知识库知识库中存有相关领域的知识以及利用数据挖掘方法及其他科学发方法总结发现的知识，这为用户决策者提供了强大的决策支持。知识库中的知识的表现形式是多样的，有图表表示，规则表示等。其根本原则就是让决策者能够明白这些知识并迅速作出决策。3数据挖掘过程中具体实现的关键技术具体实现过程中会用到数据挖掘的OLAP技术，同时最好建立数据仓库，其具体实现流程如图2。图2数据挖掘过程实现流程3.1数据仓库的建立数据仓库是一个面向主体的、集成的、时变的、非易失的数据集合，支持管理部门的决策。数据仓库的设计可以基于数据驱动和应用驱动这两种方法实现。自顶向下的数据驱动法是：选择连续的数据源添加到数据仓库的数据库中，最终覆盖所有数据资源而完成数据仓库数据库的构筑。这种方法的优势是每一阶段的技术很简单，但不能及时地映射到实际决策中。自底向上的应用驱动法是：根据数据仓库的最初应用，选择可能来自不同的事务系统的数据源通过整理和传送，加载到数据仓库数据库，并不断根据不同的应用，向混合数据载体中添加越来越多的数据源，最终达到覆盖所有数据资源而完成数据仓库数据库构筑的目的。这种方法可以在第一阶段就能提供有用的业务信息，但达到这一阶段要花费比数据驱动法更长的时间。数据仓库存储从各信息源提取的、决策所需要的、加工处理后的数据；作为前端分析工具的联机分析和数据挖掘在数据仓库的基础上实施分析，提供给决策者灵活自主的信息访问权利、丰富的数据分析与报表功能，并且集成到数据仓库之中，使管理者方便、有效和准确地使用数据仓库。3.2联机分析处理OLAPOLAP（OnLineAnalyticalProcessing）主要通过多维的方式来对数据进行分析、查询和报表。在物流管理信息的挖掘过程中，根据采购人员反馈的采购完成情况，结合知识库和数据仓库，对所涉及的各个用户进行评估与预测，为决策者提供有价值的信息。3.3数据挖掘和数据分析这是整个系统的难点和重点，主要涉及模式模型和挖掘算法。目前，已形成了多种数据挖掘方法，如分类知识发现、数据总结、数据聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常发现、趋势预测等。在MSSQLSever2000提供的AnalysisSev2er工具中，包含了两种用于数据挖掘的数学模型，即决策树模型和聚类分析模型，根据分析需求可选择不同模型。数据分析以MSSQLSever2000AnalysisServices的数据透视服务表，即PivotTableService为接口，通过MicrosoftExcel、Web组件以及客户端应用程序和ADO对象模型连接到多维立方体，并进行数据分析，将数据呈现在决策者面前。4结论发展现代物流产业是创建大型企业集团的需要，物流产业有利于提升企业的核心竞争力，有利于提高集团整体经济效益，有利于拓展市场，扩大生存空间，有利于实现长远可持续发展。在现代物流管理系统中充分利用数据挖掘技术能够为企业决策者提供决策支持，使企业能够及时、准确地调整经营策略，适应市场的变化，提高企业核心竞争力，在激烈的市场竞争中立于不败之地。[参考文献][1]李其芳.数据挖掘技术在物流信息系统中的应用[J].商品储运与养护，2006，（1）.[2]肖刚，姜继铎.物流管理信息系统研究[J].现代物流，2006，（2）.[3]JiaweiHan，MichelineCamber.数据挖掘概念与技术[M].北京：机械工业出版社，2001.[4]别文群，钟其.基于数据挖掘的物流信息系统的分析与设计[J].现代物流，2005.[5]宋金生，朱洁，刘军.仓储与配送作业智能决策系统研究[J].现代物流，2006.[6]王志远，耿祥义.决策支持物流管理信息系统的设计与开发[J].大连铁道学院学报，2004.[7]王珊.数据仓库技术与联机分析处理[M].北京:科学出版社，1999.[8]彭木根.数据仓库技术与实现[M].北京:电子工业出版社，2002.BasedondatamininginlogisticsmanagementapplicationFANKun，HEZhi-wen[Abstract]Withthegreatincreaseofdataquantityininformationage，thedataminingtechnologywillbecomeoneofthemosteffectivemethodstostrengthenthedecisionoflogisticsmanagement.Thispaperintroducesthefunctionofdatamininginlogisticsmanagementandanalyzestheprocessesindataminingandthekeytechnology.Atlastitpointsoutthatthedataminingtechnologyisbecomingmoreandmorepowerfulinthedecisionoflogisticsmanagement.[Keywords]datamining，logisticsinformationsystem，datawarehouse，OLAP