【內(nèi)容摘要】隨著信息時(shí)代數(shù)據(jù)量的劇增，深化物流管理的最有效方法是在其中引入數(shù)據(jù)挖掘技術(shù)。本文在系統(tǒng)分析數(shù)據(jù)挖掘過程及關(guān)鍵技術(shù)的基礎(chǔ)上，以沃爾瑪公司物流管理系統(tǒng)為例，論述了數(shù)據(jù)挖掘技術(shù)在物流管理應(yīng)用中的優(yōu)勢，指出其必將為企業(yè)物流管理決策提供越來越強(qiáng)大的支持功能。

　　【關(guān)鍵詞】數(shù)據(jù)挖掘 物流管理 信息系統(tǒng)

　　現(xiàn)代物流系統(tǒng)是一個(gè)龐大復(fù)雜的系統(tǒng)，特別是全程物流，包括運(yùn)輸、倉儲(chǔ)、配送、搬運(yùn)、包裝和物流再加工等諸多環(huán)節(jié)，每個(gè)環(huán)節(jié)信息流量十分巨大?，F(xiàn)代信息化物流網(wǎng)絡(luò)體系的應(yīng)用使原來數(shù)據(jù)庫的規(guī)模不斷擴(kuò)大，產(chǎn)生了巨大的數(shù)據(jù)流，使企業(yè)很難對(duì)這些數(shù)據(jù)進(jìn)行準(zhǔn)確、高效的收集和及時(shí)處理，因此也就很難幫助決策者做出快速、準(zhǔn)確地決策，實(shí)現(xiàn)對(duì)物流過程的控制，降低整個(gè)過程的物流成本。隨著知識(shí)經(jīng)濟(jì)和現(xiàn)代信息技術(shù)的迅猛發(fā)展，信息技術(shù)特別是網(wǎng)絡(luò)技術(shù)的發(fā)展，為物流發(fā)展提供了強(qiáng)有力的支撐。物流管理信息系統(tǒng)是企業(yè)信息系統(tǒng)和企業(yè)信息化的基礎(chǔ)，能夠利用信息技術(shù)對(duì)物流中的各種信息進(jìn)行實(shí)時(shí)、集中、統(tǒng)一管理。

　　數(shù)據(jù)挖掘（Data Mining） 能夠挖掘蘊(yùn)藏在海量數(shù)據(jù)中大量未知的和有價(jià)值的信息，為企業(yè)物流管理提供各種決策信息，減輕物流管理者從事低層次信息處理和分析的負(fù)擔(dān)，使他們專注于最需要決策智慧和經(jīng)驗(yàn)的工作，因此提高了管理和決策的水平。隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)將為企業(yè)物流管理決策提供越來越強(qiáng)大的支持功能。

　　數(shù)據(jù)挖掘過程及關(guān)鍵技術(shù)分析

　　數(shù)據(jù)挖掘過程數(shù)據(jù)挖掘技術(shù)就是采用機(jī)器學(xué)習(xí)、統(tǒng)計(jì)、數(shù)學(xué)和可視化技術(shù)，從大量的數(shù)據(jù)庫中識(shí)別出有效的、新穎的、潛在的、有用的以及最終挖掘出可理解模式的高級(jí)處理過程。有時(shí)人們也稱它為數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)（KDD）。它利用數(shù)據(jù)庫技術(shù)對(duì)數(shù)據(jù)進(jìn)行前端處理，而利用人工智能的方法從處理后的數(shù)據(jù)中提取有用的知識(shí)。其挖掘過程可分為四個(gè)步驟：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果的解釋和評(píng)價(jià)、用戶界面。

　　數(shù)據(jù)準(zhǔn)備：包括3個(gè)子步驟，數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理。在這個(gè)階段中，需要搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)；研究數(shù)據(jù)的質(zhì)量，為進(jìn)一步分析做準(zhǔn)備，并確定將要進(jìn)行的挖掘操作的類型；將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型，這個(gè)分析模型是針對(duì)挖掘算法建立的，建立一個(gè)真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵。數(shù)據(jù)準(zhǔn)備需要占用整個(gè)數(shù)據(jù)挖掘過程的60%工作量，這也說明了數(shù)據(jù)挖掘?qū)?shù)據(jù)的嚴(yán)格要求。

　　數(shù)據(jù)挖掘：對(duì)所得到的經(jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘，除了進(jìn)一步完善挖掘算法外，其余一切工作都能自動(dòng)完成。數(shù)據(jù)挖掘一般有兩種方式，發(fā)現(xiàn)型的數(shù)據(jù)挖掘和驗(yàn)證型的數(shù)據(jù)挖掘。前者是讓數(shù)據(jù)挖掘系統(tǒng)為用戶產(chǎn)生假設(shè)，后者是用戶自己對(duì)于數(shù)據(jù)庫中可能包含的知識(shí)提出假設(shè)。

　　解釋和評(píng)價(jià)：解釋并評(píng)估結(jié)果，其使用的分析方法一般應(yīng)視不同的數(shù)據(jù)挖掘操作而定。根據(jù)最終用戶的決策目的對(duì)提取的信息進(jìn)行分析，把最有價(jià)值的信息區(qū)分出來，并且通過決策支持工具提交給決策者，因此這一步驟任務(wù)不僅是把結(jié)果表達(dá)出來，還要對(duì)信息進(jìn)行過濾處理，如果不能令決策者滿意，需要重復(fù)以上數(shù)據(jù)挖掘過程。

　　用戶界面：通常會(huì)用到可視化技術(shù)。選擇合適的可視化工具，通過使用者證實(shí)發(fā)現(xiàn)的知識(shí)的可靠性。如果不能令使用者滿意，需要重復(fù)以上數(shù)據(jù)挖掘過程。否則可以將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

　　關(guān)鍵技術(shù)分析基于數(shù)據(jù)挖掘的物流管理信息系統(tǒng)的關(guān)鍵技術(shù)主要包括數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、數(shù)據(jù)分析工具等。

　　數(shù)據(jù)倉庫技術(shù)。數(shù)據(jù)倉庫是來自多個(gè)源的數(shù)據(jù)的存儲(chǔ)庫，它可通過Internet將不同的數(shù)據(jù)庫連接起來，并將數(shù)據(jù)全部或部分復(fù)制到一個(gè)數(shù)據(jù)存儲(chǔ)中心。數(shù)據(jù)倉庫傾向于一個(gè)邏輯的概念，它建立在一定數(shù)量的數(shù)據(jù)庫之上，這些數(shù)據(jù)庫在物理上是可以分開的。數(shù)據(jù)倉庫通過Internet打破地域界限，將它們合成一個(gè)邏輯整體，把一個(gè)海量的數(shù)據(jù)庫展現(xiàn)在用戶面前。數(shù)據(jù)倉庫管理系統(tǒng)的一項(xiàng)重要工作是實(shí)現(xiàn)對(duì)傳統(tǒng)數(shù)據(jù)庫進(jìn)行提取、清理和轉(zhuǎn)載到數(shù)據(jù)倉庫中。

　　數(shù)據(jù)挖掘技術(shù)。這是整個(gè)系統(tǒng)的難點(diǎn)和重點(diǎn)，主要涉及模式模型和挖掘算法。目前，己形成了多種數(shù)據(jù)挖掘方法，如分類知識(shí)發(fā)現(xiàn)、數(shù)據(jù)總結(jié)、數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、序列模式發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常發(fā)現(xiàn)、趨勢預(yù)測等。各種方法均有它一定的優(yōu)點(diǎn)，也有它的不足。幾種技術(shù)并不是單一的使用，而是根據(jù)實(shí)際情況綜合的加以應(yīng)用?，F(xiàn)在一些流行的數(shù)據(jù)挖掘工具一般都包括了幾種方法。如IBM公司Almaden研究中心開發(fā)的QUEST系統(tǒng)，SGI公司開發(fā)的MineSet系統(tǒng)都是多模式的挖掘工具。

　　數(shù)據(jù)分析工具。數(shù)據(jù)倉庫雖然存有大量數(shù)據(jù)，但提供輔助決策的信息需要利用各種分析工具，如聯(lián)機(jī)分析處理（OLAP）工具、統(tǒng)計(jì)分析和查詢優(yōu)化工具等。這些工具的性能對(duì)管理決策的效果有著重要的影響。目前已出現(xiàn)具有智能功能的強(qiáng)大的數(shù)據(jù)分析工具，這些分析工具不僅能在系統(tǒng)運(yùn)行時(shí)采集和處理數(shù)據(jù)，同時(shí)也支持對(duì)其他業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進(jìn)行采集。

　　數(shù)據(jù)挖掘技術(shù)在物流管理中的應(yīng)用

　　信息是企業(yè)最重要的有效資源，最大限度地提高信息的利用率是企業(yè)經(jīng)營成敗的關(guān)鍵。沃爾瑪公司是現(xiàn)代物流管理在商業(yè)運(yùn)用最好的例證。沃爾瑪擁有由信息系統(tǒng)、供應(yīng)商伙伴關(guān)系、可靠的運(yùn)輸及先進(jìn)的全自動(dòng)配送中心組成的完整物流配送系統(tǒng)，可以及時(shí)保證貨品從倉庫運(yùn)送到任何一家商店的時(shí)間不超過48小時(shí)，相對(duì)于其他同業(yè)商店平均兩周補(bǔ)貨一次來說，沃爾瑪可保證分店貨架平均一周補(bǔ)兩次。通過迅速的信息傳遞與先進(jìn)的電腦跟蹤系統(tǒng)，沃爾瑪可以在全美國范圍內(nèi)快速地輸送貨物，使各分店即使只維持極少存貨也能保持正常銷售，從而大大節(jié)省了存貯空間和存貨成本。沃爾瑪?shù)奈锪鞲咝适且驗(yàn)樗麄冞\(yùn)用了最先進(jìn)的數(shù)據(jù)挖掘技術(shù)，據(jù)統(tǒng)計(jì)，沃爾瑪公司專門從事物流信息系統(tǒng)工作的科技人員有1200多人，每年投入信息的資金約6億美元。

　　利用數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)，沃爾瑪對(duì)商品進(jìn)行市場分組分析，即分析哪些商品顧客最有希望一起購買。沃爾瑪數(shù)據(jù)倉庫里集中了各個(gè)商店一年多的詳細(xì)原始交易數(shù)據(jù)。在這些原始交易數(shù)據(jù)的基礎(chǔ)上，沃爾瑪利用自動(dòng)數(shù)據(jù)挖掘工具對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘。沃爾瑪公司近年來用大容量的數(shù)據(jù)倉庫來進(jìn)行數(shù)據(jù)挖掘和客戶關(guān)系管理，對(duì)其3000多家零售店的8萬種產(chǎn)品時(shí)刻把握住利潤最高的商品品種和數(shù)量。他們在從事由數(shù)據(jù)變信息，由信息變知識(shí)的知識(shí)挖掘工作，通過全球全集團(tuán)、全方位、全過程、全天候的自動(dòng)數(shù)據(jù)采集技術(shù)，改變傳統(tǒng)的依靠假設(shè)和推斷來確定訂貨的方式，從數(shù)據(jù)的不斷積累過程中以小時(shí)為單位動(dòng)態(tài)地運(yùn)行決策模型，導(dǎo)出數(shù)億個(gè)品種的最佳訂貨量與最佳商品組合分配，降價(jià)以及商品陳列等。

　　數(shù)據(jù)挖掘技術(shù)在銀行、生物工程、市場營銷等領(lǐng)域有許多成功的應(yīng)用案例。數(shù)據(jù)挖掘?qū)⑹俏磥韺?duì)企業(yè)產(chǎn)生深遠(yuǎn)影響的關(guān)鍵技術(shù)，并且還將成為未來投資的焦點(diǎn)。隨著集成化物流管理信息系統(tǒng)的建立，以及網(wǎng)絡(luò)技術(shù)、EDI、人工智能、條形碼與POS等各種先進(jìn)技術(shù)的應(yīng)用，物流信息的商品化、物流信息收集的數(shù)據(jù)庫化和代碼、物流信息處理的電子化和計(jì)算機(jī)化，把挖掘到的規(guī)則與物流管理各方面有機(jī)地結(jié)合，就能極大地提高企業(yè)的競爭力。

　　隨著信息時(shí)代的數(shù)據(jù)量的劇增，深化物流信息管理最有效的方法是在其中引進(jìn)數(shù)據(jù)挖掘技術(shù)，數(shù)據(jù)挖掘可以從數(shù)據(jù)中發(fā)現(xiàn)趨勢和模式，人們通過數(shù)據(jù)挖掘得到的回報(bào)就是將這些新發(fā)現(xiàn)的知識(shí)轉(zhuǎn)變?yōu)榻?jīng)營上的成果，如增加顧客購買欲望，減少信用卡欺詐的數(shù)量等。充分合理的利用數(shù)據(jù)挖掘技術(shù)，可以進(jìn)行市場預(yù)測和分析，這必將為正確的決策奠定堅(jiān)實(shí)的基礎(chǔ)。邁向21世紀(jì)的物流管理技術(shù)，不僅是企業(yè)戰(zhàn)略的“商務(wù)物流”，而且是向整個(gè)社會(huì)實(shí)現(xiàn)物資供給的“社會(huì)物流”，進(jìn)而在全球化市場的激烈競爭中形成多元化網(wǎng)絡(luò)所必需的“全球物流”。

　　參考文獻(xiàn)：

　　1.蔡少華。網(wǎng)絡(luò)空間物流信息系統(tǒng)的分析與探討[J].地球信息科學(xué)，2002（3）

　　2.董泉源?；赪eb的物流管理系統(tǒng)LH的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2002（8）