前言：本站為你精心整理了數(shù)據(jù)挖掘應用于物流業(yè)范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：本文在對數(shù)據(jù)挖掘的概念概述的基礎上，著重介紹了數(shù)據(jù)挖掘在物流業(yè)中的應用。

關鍵詞：數(shù)據(jù)挖掘；物流業(yè)；信息系統(tǒng)

Abstract:Basedontheconceptoutlinedonthebasisofdatamining,thisarticleemphaticallyintroduceditsapplicationinlogisticsindustry.

Keywords:datamining;logisticsindustry;informationsystem

一、數(shù)據(jù)挖掘概述

數(shù)據(jù)挖掘，是指從大量的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們不知道的、但又是潛在有用的信息和知識的過程。它是數(shù)據(jù)庫研究中的一個新領域，融合了數(shù)據(jù)庫、人工智能、機器學習、統(tǒng)計學等多個領域的理論和技術，把人們對數(shù)據(jù)的應用從低層次的查詢，提升到從數(shù)據(jù)中挖掘知識，提供決策支持的層級。

從商業(yè)角度看，數(shù)據(jù)挖掘是一種商業(yè)信息處理技術，特點是對商業(yè)數(shù)據(jù)庫中的數(shù)據(jù)進行抽取、轉換、分析等，從中提取可用于輔助商業(yè)決策的關鍵數(shù)據(jù)。數(shù)據(jù)挖掘的目標是從大量數(shù)據(jù)中，發(fā)現(xiàn)隱藏于其后的規(guī)律或數(shù)據(jù)間的關系，從而服務于決策。數(shù)據(jù)挖掘一般有以下幾類任務：

1、分類。分類分析就是通過分析樣本數(shù)據(jù)庫中的數(shù)據(jù)，為每個類別做出準確的描述，或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其他記錄進行分類。

2、聚類。聚類是把一組個體按照相似性歸成若干類別，即“物以類聚”。聚類將沒有分類的記錄，在不知道應分成幾類的情況下，按照數(shù)據(jù)內在的差異性，合理地劃分成幾類，并確定每個記錄所屬類別。

3、關聯(lián)分析。數(shù)據(jù)關聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關聯(lián)，關聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關聯(lián)網。

4、預測。預測是根據(jù)對象屬性之過去觀察值來預測該屬性未來之值。數(shù)據(jù)挖掘自動在大型數(shù)據(jù)庫中尋找預測性信息。

5、偏差檢測。數(shù)據(jù)庫中的數(shù)據(jù)常有一些異常記錄，稱之為偏差。偏差包括很多潛在的知識，如分類中的反常實例、不滿足規(guī)則的特例等。

二、數(shù)據(jù)挖掘在物流業(yè)中的應用

現(xiàn)代物流系統(tǒng)是一個龐大復雜的系統(tǒng)，特別是全程物流，包括運輸、倉儲、配送、搬運、包裝和再加工等環(huán)節(jié)，每個環(huán)節(jié)信息流量十分巨大，使企業(yè)很難對這些數(shù)據(jù)進行及時、準確的處理。為了幫助決策者快速、準確地做出決策，提高企業(yè)的運作效率，降低物流成本、增加收益，就需要一種新的數(shù)據(jù)分析技術來處理數(shù)據(jù)。數(shù)據(jù)挖掘技術能幫助企業(yè)在物流信息系統(tǒng)管理中，及時、準確地收集和分析各種信息，對客戶的行為及市場趨勢進行有效的分析，了解不同客戶的愛好，從而為客戶提供有針對性的產品和服務，提高各類客戶對企業(yè)和產品的滿意度。

物流決策系統(tǒng)是一種結合了數(shù)據(jù)挖掘和人工智能的新型經營決策系統(tǒng)，主要通過人工智能對原料采購、加工生產、分銷配送到商品銷售的各個環(huán)節(jié)的信息進行采集，并利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘對其進行分析處理，確定相應的經營策略。

數(shù)據(jù)倉庫作為數(shù)據(jù)挖掘的基礎，它具有面向主題的、集成的、隨時間變化的特性。各個聯(lián)機事務處理系統(tǒng)作為數(shù)據(jù)倉庫的原始數(shù)據(jù)源，以文件方式提供企業(yè)在日?；顒又惺占臄?shù)據(jù)資料和報表，同時還有大量的外部信息等數(shù)據(jù)?；跀?shù)據(jù)挖掘的物流信息的體系結構主要由以下幾部分組成：

1、采購進貨管理系統(tǒng)。主要功能是面對供貨商的作業(yè)，包括向廠商發(fā)出訂購信息或接收廠商的出貨信息、采購決策、存貨控制、采購價格管理等信息管理子系統(tǒng)。

2、銷貨出貨管理系統(tǒng)。其功能是收集客戶需求信息、記錄客戶購買信息、管理銷售價格、處理應收貨款及退款等。

3、庫存儲位管理系統(tǒng)。該系統(tǒng)包括儲存管理、進出貨管理、機械設備管理、流通加工等功能子系統(tǒng)，負責相關信息的處理。

4、財務管理和結算系統(tǒng)。財務管理系統(tǒng)主要功能是對銷售管理系統(tǒng)和采購系統(tǒng)所形成的應付、應收帳進行會計操作，同時對物流中心的整個業(yè)務與資金進行平衡、測算和分析，編制財務報表，并與銀行進行轉帳。結算系統(tǒng)主要功能是利用現(xiàn)有的業(yè)務信息管理系統(tǒng)和計算機處理能力，自動為客戶提供各類業(yè)務費用信息，為廣大物流企業(yè)的自動結算提供一套完整的解決方案。

5、運輸配送管理系統(tǒng)。該系統(tǒng)包括出貨配送管理、運輸調度計劃、分配計劃等功能子系統(tǒng)。

6、物流分析系統(tǒng)。其主要功能是應用GIS技術與運籌決策模型，完善物流分析技術。

7、物流決策支持系統(tǒng)。此系統(tǒng)的功能獲取內部各系統(tǒng)業(yè)務信息，取得外部信息，并結合內部和外部信息編制各種報告，提供分析圖表。通過建立決策支持系統(tǒng)，及時地掌握商流、物流、資金流和信息流所產生的信息并加以利用，在數(shù)據(jù)倉庫技術、運籌學模型的基礎上，運用數(shù)據(jù)挖掘工具對歷史數(shù)據(jù)進行多角度、立體的分析，實現(xiàn)對物流中心的資源的綜合管理，為決策提供科學決策的依據(jù)。

隨著物流信息化水平的提高，物流戰(zhàn)略已從內部一體化向外部一體化轉變，數(shù)據(jù)挖掘有效地促進企業(yè)的業(yè)務處理過程重組，改善并強化對客戶的服務，強化企業(yè)的資產，負債管理，促進市場優(yōu)化，加速資金周轉，實現(xiàn)企業(yè)規(guī)模優(yōu)化，有效地提高企業(yè)的競爭力。

參考文獻：

[1]JiaweiHan著,范明,孟小峰等譯:數(shù)據(jù)挖掘概念與技術[M].機械工業(yè)出版社,2001.