搜索
第8章物流管理信息战略与支持系统主要内容•物流管理信息系统的战略•物流管理信息系统的数据分析模型•物流管理支持系统•物流配送调度支持系统•物流管理信息战略与支持系统的融合分析物流管理信息系统的战略就是要在全球经济的视野中，利用物流信息技术和物流支持系统，低成本的寻找市场机遇，运用设计科学进行物流业务流程的优化设计，在供应网中充分的信息共享，获取在一个或多个方面的竞争优势，形成基于物流管理支持系统的资源优化配置，使信息技术融合投入产出最满意的一种战略。8.1物流管理信息系统的战略物流信息系统及其支持系统运用于物流领域有助于降低决策制定的风险并为决策的制定提供科学依据。主要表现在：（1）提高了物流系统的管理水平，促进了传统物流的现代；（2）为决策者提供了强大的协同运作的能力，协同作用明显；（3）为决策者提供了强大的知识信息处理能力，协助解决了大量耗时、复杂的问题，提高了物流决策的有效性与科学性。特别是不同支持系统发挥了这些作用；（4）推动了3G（包括地理信息系统、全球定位系统和无线通信系统）在物流系统中的运用；（5）运用现代网络、人工智能建模和虚拟技术等来解决复杂的物流决策问题，推动了物流的技术现代化；（6）经营范围可以不断的扩大；（7）资源配置可以不断的优化；（8）基于物流管理信息系统战略的竞争优势尤为凸显。物流战略规划的步骤物流战略规划的步骤主要有物流战略分析和物流战略类型的选择，其步骤如图8-2所示：企业内部环境分析t微观环境分析宏观环境分析图8-1物流战略规划步骤图成本最低服务最优利润最高竞争力最强物流战略分析物流战略类型的选择1）战略分析•宏观环境分析–政治、经济、人文、法律、技术–政府、机会–软件模式•技术与服务领导-美国•国际代工-印度•生产本地化-爱尔兰•嵌入式-日本和欧洲相关产业和支援产业需求条件企业战略企业结构企业竞争同业竞争生产要素图8-2波特的国家竞争优势钻石模型1）战略分析•微观环境分析–产业竞争分析–供应商–购买商–替代品–潜在竞争者–现有竞争者•企业内部环境分析–企业管理现状、财务状况、产品及竞争地位、生产设备状况、市场营销能力和组织结构2)物流战略类型选择物流战略主要分为以下几种：1）成本最低战略2）服务最优战略3）利润最高战略4）竞争力最强战略5）资产占用最少战略8.2物流管理信息系统的数据分析模型随着信息处理技术的不断发展，数据分析能力不断提高。下面介绍常见的数据分析方法。具体包括数据仓库、联机分析处理和数据挖掘模型。1)数据仓库数据仓库是一种为信息分析提供了良好的基础并支持管理决策活动的分析环境，是面向主题的、集成的、稳定的、不可更新的、随时间变化的、分层次的多维的集成数据集合。它为不同层次的管理者提供敏捷性和实用性的决策支持。数据仓库具有两个主要作用：一是从各信息源提取决策需要的数据，加工处理后，存储到数据仓库中；二是用户的查询和决策分析的基础。2）数据仓库的分析•主题与面向主题–独立性、完备性•DW数据的集成性–原数据是分散的、综合数据无法直接得到•DW数据的不可更新性–统计、综合和重组的导出数据，而非联机处理数据•DW数据的时态性–内容不断增加、有存储期限、大量的综合数据2.联机分析处理1993年，E.F.Codd的定义为：OLAP是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术，OLAP具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利迅速做出正确判断。1）操作型数据与分析型数据之间的区别一般数据库由于主要用于企业的日常事务处理工作，存放在数据库中的数据也就大体符合操作型数据的特点。而为适应数据分析处理要求而产生的DW中所存放的数据就应该是分析型的数据。操作型数据分析型数据细节的综合的，或提炼的在存取期间是准确的代表过去的数据可更新不更新操作需求事先可知道操作需求事先不知道生命周期符合SDLC完全不同的生命周期对性能要求高对性能要求宽松一个时刻操作一单元一个时刻操作一个集合事务驱动分析驱动面向应用面向分析一次操作数据最小一次操作数据量大支持日常操作支持管理需求表8-1操作型数据与分析型数据之间的区别2）OLAP的基本分析方法多维分析是指对以多维形式组织起来的数据采取切片、切换、旋转等各种分析方法，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息、内涵。切片选定多维数组的一个二维子集的方法叫做切片，即选定多维数组（维1，维2，……，维n，变量）中的两个维：维I和维J，在这两个维上取某一区间或任意维成员，而将其余的维都取定一个维成员，则得到的就是多维数组在维I和j上一个二维子集，称这个二维子集为多维数在维I和维J上的一个切片，表示为；（维I，维j，变量）。切块选定多维数的一个三维子集的方法称切块。即选定多维数组（维1，维2，……，维n，变量）中的三个维：维I、维j和维r，在这三个维上取某一区间或任意的维成员，而将其余的维都取定一个维成员，则得到的就是多维数组在维I、维j和维r上一个三维子集，我们称这个三维子集为多维数组在维I、维j和r上的一个切块，表示为：（维I，维j，维r，变量）。切块与切片的作用与目的是相似的。美国中国手机电脑图8-3三维立方体切块（Slice）旋转旋转即是改变一个报告或页面显示的维方向。例如，旋转可能包含了交换行和列；或是把某一个行维移到列维中去，或是把页面显示中的一个维和页面的维进行交换（令其成为新一行或列中的一个）把一个横向为时间、维向维产品的报表旋转成为横向为产品、维向为时间的报表。2005年2006年部门1季度2季度3季度4季度1季度2季度3季度4季度部门一2012182722161929部门二2311241722311234部门三26213433212326321季度2季度3季度4季度部门2005年2006年2005年2006年2005年2006年2005年2006年部门一2022121618192729部门二2322113124121734部门三2621212334263332表8-2旋转前的有关数据描述（单位：万美元）表8-3旋转后的有关数据描述（单位：万美元）钻取钻取是改变维的层次，层系关系有时指的是父—子关系。例如，区域是市场的父，而市场既是区域的子，又是商店的父；商店是市场的子。变换分析的粒度。它包括向上钻取（rollup）和向下钻取（drilldown）。部门销售部门一163部门二174部门三2162005年部门1季度2季度3季度4季度部门一20121827部门二23112417部门三26213433表8-4按时间维(2005-2006年)向上钻取（单位：万美元）表8-5按时间维向下钻取（单位：万美元）3.数据挖掘数据挖掘为在不同的数据源中的数据，包括结构化的数据、半结构化的数据和非结构化的数据，即既可以是数据库，也可以是文件系统或其他任何组织在一起的数据集合，通过一定的工具与方法寻找出有价值的知识的一类深层次的数据分析方法。作用：验证、发现1）数据挖掘的特点•处理的数据规模十分庞大；•由于用户不能形成精确的查询要求，因此需要靠DM技术来寻找其可能感兴趣的东西；•DM对数据的迅速变化应做出快速响应，以提供决策支持信息；•DM既要发现潜在规则，还要管理和维护规则，随着新数据的不断加入，规则需要随之更新；•DM中规则的发现基于统计规律，发现的规则不必适合于所有数据，而且当达到某一阈值时，便认为有此规则。2）数据挖掘的分析方法DM系统利用的技术越多，得出的结果精确性就越高。这主要取决于问题的类型以及数据的类型和规模。无论采用哪几种技术来完成任务，从功能上可以将DM的分析方法划分为以下四种（根据IBM的划分方法）：关联分析、序列模式分析、分类分析、聚类分析。3）DM系统的实施DM的核心技术是人工智能、机器学习、统计等，但一个DM系统不是多项技术的简单组合，而是一个完整的整体，它还需要其他辅助技术的支持，才能完成数据采集、预处理、数据分析、结果表述这一系列任务，最后将分析结果呈现在用户面前。数据准备表述评价挖掘挖掘数据反映数据提供数据图8-4DM的数据分析过程4.DM与OLAP的区别•DM是一种挖掘型工具，它能有效地从大量数据中自动地发现隐藏在数据中的模式。DM与其他分析型工具最大的不同在于：它的分析过程是自动的。•OLAP是一种自上而下、不断深入的分析工具：用户提出问题或假设，OLAP负责从上至下深入地提取出关于该问题的详细信息，并以可视化的方式呈现给用户。从对数据分析的深度的角度来看，OLAP位于较浅的层次，而DM所处的位置则较深。•DM可以发现OLAP所不能发现的更为复杂而细致的信息。•MIS、OLAP、DM联系8.3物流管理支持系统物流管理支持系统是一个复杂的动态人机系统，它能够综合利用各种定量模型、人工智能方法、行为分析方法、系统模拟和其他新的模型和算法，使得能够在物流信息技术的融合下，支持物流系统管理和一定的决策支持的综合信息系统，其目的是提供支持系统达到最佳配置和最佳效果。1）物流管理支持系统分类物流管理支持系统可以从不同的角度分类，表8-7一种分类方法。维度类别按主要强调的功能分物流管理信息系统和物流支持系统按主要强调的建库分物流管理信息系统、决策支持系统、专家系统按主要强调的管理层次分办公自动化系统、业务处理信息系统和高层管理系统按主要强调的算法和模型分基于预测的、基于知识管理的、基于系统动力学的、基于行为分析的、基于模拟的和基于信息分析的支持系统按主要强调的业务功能分运输调度系统、库存系统和其他业务系统按支持决策的不同程度分结构化的物流管理信息系统、半结构化的物流支持系统和非结构化的物流支持系统表8-6物流管理支持系统分类2)物流管理支持系统中的决策支持特点•产品差异性•客户差异性•地理差异性•模型支持的复杂性•信息技术支持的集成性•数据库和模型库2.基于预测的支持系统物流预测是预测理论和方法在物流中的具体运用，它利用各种物流统计资料和其他情报信息(过去和现在)，预测未来，根据经验，教训资料等，揭示物流业务变化的规律，从而减少物流经营的盲目性以指导物流企业的生产经营。1）预测方法预测方法一般有定性分析预测法和定量预测法。定性预测包括:集合意见、用户意见法(对象调查法)、员工意见法、专家评估法、类推法、判断预测和目标分解法等；定量预测方法包括:时间序列分析法、因果分析法、回归预测、非线性模型、组合预测软件：SPSS、SAS、Minitab、Staticstica、Matlab2）预测模型选取的原则•模型选择的原则：要在数据识别上建模、建立何种模型，并不取决于预测者意图；应考虑适用、数据易采集和时效的原则；定量与定性相结合的原则等。•对数据选取选用的原则：数据应该具有代表性，有一定客观规律。对于异常的数据可采用比例法，移动平均，指数平滑等方法进行适当的修正。3)预测支持系统主动学习t训练算法数据分类图8-5物流预测支持系统数据库设计功能设计人机界面设计安全设计理论分析方法设计物流预测目标收据资料预测支持系统发展趋势•模型管理的自动化选择•提高学习技术•构建智能化预测支持系统•融合专家系统技术•预测结果的调整3.基于知识管理的支持系统KM是集体智慧的结晶，通过获取、评价、修整后共享企业的信息资源，这些资源包括数据库、文档、政策、程序、当前未成文的专家意见和个别员工的经验能提高应变能力，能增加团队精神，能提升整体的协调统一；KM包括充分利用各种智力资本在激烈的社会竞争中取得成功的各种管理策略、途径和技能。知识按性质分•知道是什么的知识•知道为什么的知识•知道怎样做的知识•知道是谁的知识商务智能系统(BIS:BusinessIntelligenceSystem)是运用知识管理中的知识获取与共享技术来处理和分析商业数据,并根据行业特点与特定应用领域提供支持商务活动中所遇到的在复杂环境中的复杂问题解决方案,该方案能够快速反应、支持合理决策的商业决策服务系统。基于知识管理的支持系统结构如图8-7所示