基于数据挖掘的物流企业绩效预测研究

夏炎

摘 要：对于任何企业而言，绩效都是最为关注的问题，绩效是企业追求的最大目标。应用数据挖掘技术对物流企业的绩效进行预测，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，以期能够挖掘出潜藏在企业经营管理过程中的重要信息，为物流企业的管理和决策提供帮助，并准确对企业的绩效进行预测。

关键词：数据挖掘；物流企业；绩效；预测

一、研究背景

随着物流企业逐步成熟，物流业的市场竞争压力越来越大，此时如何利用企业自身的资源向社会提供更为物美价廉的服务就是企业必须能够解决的问题。通过对物流企业内部的信息进行深入管理，挖掘潜藏在企业中的重要信息，以期这些信息能够对物流企业的管理和决策提供帮助。通过对数据挖掘技术进行阐述，了解数据挖掘技术在物流企业绩效预测中的应用，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，最后找到数据挖掘在物流企业中存在的问题，以期能够对物流企业的管理做出贡献。

二、数据挖掘技术的相关概念

1.数据挖掘相关概念

数据挖掘主要是指从大量、随机且毫无规律的数据中提取可能隐含在其中的有用的信息，这个信息的有效性是事先不能确定的。数据挖掘是一个复杂的过程，不仅具有计算机的知识，还受到其他学科的影响，主要包括统计分析、情报分析等。数据挖掘的主要步骤包括筛选样本、抽取数据、挖掘数据、解释结果和提供决策五个部分。

2.数据挖掘技术的概念

数据挖掘技术是一项实用型的技术手段，在各个方面都有广泛地应用。利用挖掘技术进行预测最主要是根据所搜集到的数据进行预测和评估。数据挖掘技术在天气领域能进行天气预测、地理状况分析等。数据挖掘是一项新兴的电子信息技术手段，能够帮助企业从大量且繁复的数据中找到有效的信息，减轻企业的管理和决策压力。当前已经应用的挖掘技术不仅能够帮助系统进行信息的搜集和处理还能够对决策产生帮助。

三、数据挖掘技术在物流企业绩效预测中的应用

现代物流企业绩效预测的主要对象是企业未来的盈利能力，因此既要合理预测企业当前的盈利能力，还要包括企业当前可能潜藏且未来有可能获利的能力。如果企业想要对自身的绩效做出全面、科学的预测，需要对财务和非财务指标做出衡量和选择。因为财务指标能够准确且以数字的形式对企业的未来价值进行反映，而非财务指标若想数字化就必须向财务指标靠拢。因此，在对物流企业绩效预测时就需要将财务指标和非财务指标进行衡量和深度结合，为企业能够合理对未来绩效进行预测提供物质保障，也是进一步解决了物流企业进行未来绩效预测可能产生的问题。在我国，物流企业尚属于发展阶段，数据挖掘在企业内部的应用并不常见。数据挖掘技术在物流企业的应用主要集中于成本控制、配送优化、货物仓储、客户分析和市场分析等方面。物流企业若想顺利进行绩效预测必须从以下几个方面进行研究：

四、物流企业绩效预测研究

1.物流企业绩效预测指标体系构建

随着物流业不断发展，物流理论也随之不断更新完善，因而成熟的物流理论就要求物流企业建立绩效预测方法并构建绩效预测指标体系，以便能够更为完整的反映物流企业的经营管理状况。由于物流企业的主要环节包括采购、分包、运输和配送等，因此其绩效预测也与这些环节具有关系。因而物流企业绩效预测指标也应当从上述环节中进行选择。

（1）采购环节指标

采购是物流企业的重要环节之一，通过完善采购环节能够大大提升客户对企业的满意度，降低企业的库存量，对提高企业的市场竞争力具有十分重要的作用。采购环节的指标主要包括交付期限和付款条件两项。这两项主要是为了保障的安全和准确，以及防止纠纷事件的发生。

（2）库存环节指标

物流企业的库存是起到防止物品短缺、摊销订货费用及满足客户需求的作用。库存环节的指标主要包括，准确收发货能力，库存容量和周转能力等。物流企业库存容量越大，所能够容纳的货物就越多，企业的库存利用率就越高。

（3）配送环节指标

配送环节是物流企业所有环节中最重要的一环，是直接面向客户的环节。物流企业的配送环节主要通过先进的电子技术的运用对货物进行分拣、打包和配送，使整个过程能够有序进行以减少中间费用实现经济效益。在配送环节主要指标包括运输能力、安全能力、成本控制能力和及时送达能力。

（4）客户满意度

在当前物流业市场竞争急剧增加的时代，留住已有客户和开发潜在客户已经成为了每个物流企业的基本任务。据研究报告，客户保留得越多，企业的利润才会越来越高。客户满意度指标主要包括，交货期限、服务水平、沟通状况等。

（5）市场环节指标。市场是最能够反映物流企业竞争力的因素之一，其主要的分项指标是市场占有率、随机应变能力和新客户开发率等因素。

（6）信息环节指标。物流企业中信息水平不仅是对整个企业的物流活动的支持，也是连接整个供应链，以使其能够更具效率的重要基础。因为其重要的作用，提升物流企业的信息水平就势在必行。信息环节的指标主要包括软硬件水平、信息流量等指标。

（7）企业团结力度。该环节中所包含的指标主要是员工凝聚力。

2.物流企业绩效评价模型

（1）根据前面的绩效预测指标体系对物流企业的绩效进行综合预测，首先确定物流企业绩效等级的评语集即A={A1，A2，A3，A4}={优，良，中，劣}。

（2）其次，根据物流企业绩效预测指标体系，将因素集（M1，M2…Ms）按照各自的属性分成s个子集：每个M中都包含几个二级指标，即M={m1，m2…mnl}，其中nl表示M所包含的二级指标数目。

（3）对每一个M所包含的二级指标进行综合评价。M的判断向量Bl=Wl×Rl，其中Rl可以说是M到A的一个映射，而单独评价二级指标m时，可以通过随机调查法等方法得到二级指标的评价矩阵。见下公式所示。

其中，nl为每一个一级指标所包含的二级指标数，W=（w1，w2…wnl）为采用AHP等方法所取得的每个M中评价指标的权重向量。

（4）在此基础上对每一个一级指标都采用M（·，⊕）法求出其每一个一级指标对应的模糊向量B=W×R=（b1，b2，…，blm），从而得到一级指标的评价矩阵。并采用M（·，⊕）法对物流企业绩效的向量元素集进行评价，得到元素集z=K×B。最后对最终结果z进行归一化处理，得到物流企业绩效的评价结果，并对绩效进行预测。

3.物流企业绩效预测实证分析

（1）根据物流企业的绩效评价的步骤可得物流企业绩效的综合评价指标权重。见下表所示。

表 物流企业绩效评价的权重

在上表中，采购环节和配送环节的一级指标权重明显高于其他环节，分别为0.2和0.19，而库存环节、客户满意度、市场环节、信息水平和企业团结力度的一级权重分别为0.13、0.12、0.14、0.12和0.1。而在二级指标中，影响力较大的则为交付期限0.4，交付条件0.33，库存能力0.38，库存周转0.35，及时交货能力0.22。

（2）运用模糊综合评价方法根据绩效评价模型的各个步骤对各个指标集合进行评价。这时采用综合评价模型对各个指标集进行综合评价，得到如下结果：

z=（z1，z2，…zm）

=K×B=（0.5，0.4，0.6，0.4）

在上式中，K=（k1，k2…knl）主要对应MI（I=1，2，…s）的权重向量。随后对最终结果进行归一化处理，得到物流企业绩效评价结果为（0.26,0.21,0.32,0.21）。结果中最大数为0.32，可知物流企业的绩效只是处于中等水平。

（3）在对评级指标体系的权重进行研究时，已知采购和配送环节是影响物流企业绩效的最大因素。而在两者的二级指标中，交付期限和条件、交货能力又都是对一级指标具有较大影响的因素。因此，可以得出结论，物流企业的绩效主要集中在企业的交付期限和条件、交货能力这三个指标上。但是因为这三个指标的水平较低，就造成物流企业的绩效水平较低。而企业提升这三者的能力需要时间和金钱，并不能一蹴而就，因而在对物流企业进行绩效预测时也可知其未来绩效也不甚乐观。物流企业需要在经营管理过程中不断提升这三者的水平，进而提升采购和配送的能力。只有这样才能进一步提升物流企业的绩效。

参考文献：

[1]伍平阳,林意群,林木炎.基于数据挖掘技术的决策树算法在医疗设备绩效预测中的应用[J].中国组织工程研究与临床康复,2008(2):1689-1692.

[2]周涛,程钧谟,乔忠.物流企业绩效评价体系及模糊综合评判[J].管理现代化,2012(9):26-28.

[3]肖娟.数据挖掘在物流业的应用综述[J].统计与决策,2013(11):95-97.

[4]王道平,潘静,郝玫.基于数据挖掘的物流信息系统研究与设计[J].价值工程,2004(3):117-119.

endprint

摘 要：对于任何企业而言，绩效都是最为关注的问题，绩效是企业追求的最大目标。应用数据挖掘技术对物流企业的绩效进行预测，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，以期能够挖掘出潜藏在企业经营管理过程中的重要信息，为物流企业的管理和决策提供帮助，并准确对企业的绩效进行预测。

关键词：数据挖掘；物流企业；绩效；预测

一、研究背景

随着物流企业逐步成熟，物流业的市场竞争压力越来越大，此时如何利用企业自身的资源向社会提供更为物美价廉的服务就是企业必须能够解决的问题。通过对物流企业内部的信息进行深入管理，挖掘潜藏在企业中的重要信息，以期这些信息能够对物流企业的管理和决策提供帮助。通过对数据挖掘技术进行阐述，了解数据挖掘技术在物流企业绩效预测中的应用，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，最后找到数据挖掘在物流企业中存在的问题，以期能够对物流企业的管理做出贡献。

二、数据挖掘技术的相关概念

1.数据挖掘相关概念

数据挖掘主要是指从大量、随机且毫无规律的数据中提取可能隐含在其中的有用的信息，这个信息的有效性是事先不能确定的。数据挖掘是一个复杂的过程，不仅具有计算机的知识，还受到其他学科的影响，主要包括统计分析、情报分析等。数据挖掘的主要步骤包括筛选样本、抽取数据、挖掘数据、解释结果和提供决策五个部分。

2.数据挖掘技术的概念

数据挖掘技术是一项实用型的技术手段，在各个方面都有广泛地应用。利用挖掘技术进行预测最主要是根据所搜集到的数据进行预测和评估。数据挖掘技术在天气领域能进行天气预测、地理状况分析等。数据挖掘是一项新兴的电子信息技术手段，能够帮助企业从大量且繁复的数据中找到有效的信息，减轻企业的管理和决策压力。当前已经应用的挖掘技术不仅能够帮助系统进行信息的搜集和处理还能够对决策产生帮助。

三、数据挖掘技术在物流企业绩效预测中的应用

现代物流企业绩效预测的主要对象是企业未来的盈利能力，因此既要合理预测企业当前的盈利能力，还要包括企业当前可能潜藏且未来有可能获利的能力。如果企业想要对自身的绩效做出全面、科学的预测，需要对财务和非财务指标做出衡量和选择。因为财务指标能够准确且以数字的形式对企业的未来价值进行反映，而非财务指标若想数字化就必须向财务指标靠拢。因此，在对物流企业绩效预测时就需要将财务指标和非财务指标进行衡量和深度结合，为企业能够合理对未来绩效进行预测提供物质保障，也是进一步解决了物流企业进行未来绩效预测可能产生的问题。在我国，物流企业尚属于发展阶段，数据挖掘在企业内部的应用并不常见。数据挖掘技术在物流企业的应用主要集中于成本控制、配送优化、货物仓储、客户分析和市场分析等方面。物流企业若想顺利进行绩效预测必须从以下几个方面进行研究：

四、物流企业绩效预测研究

1.物流企业绩效预测指标体系构建

随着物流业不断发展，物流理论也随之不断更新完善，因而成熟的物流理论就要求物流企业建立绩效预测方法并构建绩效预测指标体系，以便能够更为完整的反映物流企业的经营管理状况。由于物流企业的主要环节包括采购、分包、运输和配送等，因此其绩效预测也与这些环节具有关系。因而物流企业绩效预测指标也应当从上述环节中进行选择。

（1）采购环节指标

采购是物流企业的重要环节之一，通过完善采购环节能够大大提升客户对企业的满意度，降低企业的库存量，对提高企业的市场竞争力具有十分重要的作用。采购环节的指标主要包括交付期限和付款条件两项。这两项主要是为了保障的安全和准确，以及防止纠纷事件的发生。

（2）库存环节指标

物流企业的库存是起到防止物品短缺、摊销订货费用及满足客户需求的作用。库存环节的指标主要包括，准确收发货能力，库存容量和周转能力等。物流企业库存容量越大，所能够容纳的货物就越多，企业的库存利用率就越高。

（3）配送环节指标

配送环节是物流企业所有环节中最重要的一环，是直接面向客户的环节。物流企业的配送环节主要通过先进的电子技术的运用对货物进行分拣、打包和配送，使整个过程能够有序进行以减少中间费用实现经济效益。在配送环节主要指标包括运输能力、安全能力、成本控制能力和及时送达能力。

（4）客户满意度

在当前物流业市场竞争急剧增加的时代，留住已有客户和开发潜在客户已经成为了每个物流企业的基本任务。据研究报告，客户保留得越多，企业的利润才会越来越高。客户满意度指标主要包括，交货期限、服务水平、沟通状况等。

（5）市场环节指标。市场是最能够反映物流企业竞争力的因素之一，其主要的分项指标是市场占有率、随机应变能力和新客户开发率等因素。

（6）信息环节指标。物流企业中信息水平不仅是对整个企业的物流活动的支持，也是连接整个供应链，以使其能够更具效率的重要基础。因为其重要的作用，提升物流企业的信息水平就势在必行。信息环节的指标主要包括软硬件水平、信息流量等指标。

（7）企业团结力度。该环节中所包含的指标主要是员工凝聚力。

2.物流企业绩效评价模型

（1）根据前面的绩效预测指标体系对物流企业的绩效进行综合预测，首先确定物流企业绩效等级的评语集即A={A1，A2，A3，A4}={优，良，中，劣}。

（2）其次，根据物流企业绩效预测指标体系，将因素集（M1，M2…Ms）按照各自的属性分成s个子集：每个M中都包含几个二级指标，即M={m1，m2…mnl}，其中nl表示M所包含的二级指标数目。

（3）对每一个M所包含的二级指标进行综合评价。M的判断向量Bl=Wl×Rl，其中Rl可以说是M到A的一个映射，而单独评价二级指标m时，可以通过随机调查法等方法得到二级指标的评价矩阵。见下公式所示。

其中，nl为每一个一级指标所包含的二级指标数，W=（w1，w2…wnl）为采用AHP等方法所取得的每个M中评价指标的权重向量。

（4）在此基础上对每一个一级指标都采用M（·，⊕）法求出其每一个一级指标对应的模糊向量B=W×R=（b1，b2，…，blm），从而得到一级指标的评价矩阵。并采用M（·，⊕）法对物流企业绩效的向量元素集进行评价，得到元素集z=K×B。最后对最终结果z进行归一化处理，得到物流企业绩效的评价结果，并对绩效进行预测。

3.物流企业绩效预测实证分析

（1）根据物流企业的绩效评价的步骤可得物流企业绩效的综合评价指标权重。见下表所示。

表 物流企业绩效评价的权重

在上表中，采购环节和配送环节的一级指标权重明显高于其他环节，分别为0.2和0.19，而库存环节、客户满意度、市场环节、信息水平和企业团结力度的一级权重分别为0.13、0.12、0.14、0.12和0.1。而在二级指标中，影响力较大的则为交付期限0.4，交付条件0.33，库存能力0.38，库存周转0.35，及时交货能力0.22。

（2）运用模糊综合评价方法根据绩效评价模型的各个步骤对各个指标集合进行评价。这时采用综合评价模型对各个指标集进行综合评价，得到如下结果：

z=（z1，z2，…zm）

=K×B=（0.5，0.4，0.6，0.4）

在上式中，K=（k1，k2…knl）主要对应MI（I=1，2，…s）的权重向量。随后对最终结果进行归一化处理，得到物流企业绩效评价结果为（0.26,0.21,0.32,0.21）。结果中最大数为0.32，可知物流企业的绩效只是处于中等水平。

（3）在对评级指标体系的权重进行研究时，已知采购和配送环节是影响物流企业绩效的最大因素。而在两者的二级指标中，交付期限和条件、交货能力又都是对一级指标具有较大影响的因素。因此，可以得出结论，物流企业的绩效主要集中在企业的交付期限和条件、交货能力这三个指标上。但是因为这三个指标的水平较低，就造成物流企业的绩效水平较低。而企业提升这三者的能力需要时间和金钱，并不能一蹴而就，因而在对物流企业进行绩效预测时也可知其未来绩效也不甚乐观。物流企业需要在经营管理过程中不断提升这三者的水平，进而提升采购和配送的能力。只有这样才能进一步提升物流企业的绩效。

参考文献：

[1]伍平阳,林意群,林木炎.基于数据挖掘技术的决策树算法在医疗设备绩效预测中的应用[J].中国组织工程研究与临床康复,2008(2):1689-1692.

[2]周涛,程钧谟,乔忠.物流企业绩效评价体系及模糊综合评判[J].管理现代化,2012(9):26-28.

[3]肖娟.数据挖掘在物流业的应用综述[J].统计与决策,2013(11):95-97.

[4]王道平,潘静,郝玫.基于数据挖掘的物流信息系统研究与设计[J].价值工程,2004(3):117-119.

endprint

摘 要：对于任何企业而言，绩效都是最为关注的问题，绩效是企业追求的最大目标。应用数据挖掘技术对物流企业的绩效进行预测，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，以期能够挖掘出潜藏在企业经营管理过程中的重要信息，为物流企业的管理和决策提供帮助，并准确对企业的绩效进行预测。

关键词：数据挖掘；物流企业；绩效；预测

一、研究背景

随着物流企业逐步成熟，物流业的市场竞争压力越来越大，此时如何利用企业自身的资源向社会提供更为物美价廉的服务就是企业必须能够解决的问题。通过对物流企业内部的信息进行深入管理，挖掘潜藏在企业中的重要信息，以期这些信息能够对物流企业的管理和决策提供帮助。通过对数据挖掘技术进行阐述，了解数据挖掘技术在物流企业绩效预测中的应用，随后构建物流企业绩效预测指标体系，对其绩效预测进行系统规划，最后找到数据挖掘在物流企业中存在的问题，以期能够对物流企业的管理做出贡献。

二、数据挖掘技术的相关概念

1.数据挖掘相关概念

数据挖掘主要是指从大量、随机且毫无规律的数据中提取可能隐含在其中的有用的信息，这个信息的有效性是事先不能确定的。数据挖掘是一个复杂的过程，不仅具有计算机的知识，还受到其他学科的影响，主要包括统计分析、情报分析等。数据挖掘的主要步骤包括筛选样本、抽取数据、挖掘数据、解释结果和提供决策五个部分。

2.数据挖掘技术的概念

数据挖掘技术是一项实用型的技术手段，在各个方面都有广泛地应用。利用挖掘技术进行预测最主要是根据所搜集到的数据进行预测和评估。数据挖掘技术在天气领域能进行天气预测、地理状况分析等。数据挖掘是一项新兴的电子信息技术手段，能够帮助企业从大量且繁复的数据中找到有效的信息，减轻企业的管理和决策压力。当前已经应用的挖掘技术不仅能够帮助系统进行信息的搜集和处理还能够对决策产生帮助。

三、数据挖掘技术在物流企业绩效预测中的应用

现代物流企业绩效预测的主要对象是企业未来的盈利能力，因此既要合理预测企业当前的盈利能力，还要包括企业当前可能潜藏且未来有可能获利的能力。如果企业想要对自身的绩效做出全面、科学的预测，需要对财务和非财务指标做出衡量和选择。因为财务指标能够准确且以数字的形式对企业的未来价值进行反映，而非财务指标若想数字化就必须向财务指标靠拢。因此，在对物流企业绩效预测时就需要将财务指标和非财务指标进行衡量和深度结合，为企业能够合理对未来绩效进行预测提供物质保障，也是进一步解决了物流企业进行未来绩效预测可能产生的问题。在我国，物流企业尚属于发展阶段，数据挖掘在企业内部的应用并不常见。数据挖掘技术在物流企业的应用主要集中于成本控制、配送优化、货物仓储、客户分析和市场分析等方面。物流企业若想顺利进行绩效预测必须从以下几个方面进行研究：

四、物流企业绩效预测研究

1.物流企业绩效预测指标体系构建

随着物流业不断发展，物流理论也随之不断更新完善，因而成熟的物流理论就要求物流企业建立绩效预测方法并构建绩效预测指标体系，以便能够更为完整的反映物流企业的经营管理状况。由于物流企业的主要环节包括采购、分包、运输和配送等，因此其绩效预测也与这些环节具有关系。因而物流企业绩效预测指标也应当从上述环节中进行选择。

（1）采购环节指标

采购是物流企业的重要环节之一，通过完善采购环节能够大大提升客户对企业的满意度，降低企业的库存量，对提高企业的市场竞争力具有十分重要的作用。采购环节的指标主要包括交付期限和付款条件两项。这两项主要是为了保障的安全和准确，以及防止纠纷事件的发生。

（2）库存环节指标

物流企业的库存是起到防止物品短缺、摊销订货费用及满足客户需求的作用。库存环节的指标主要包括，准确收发货能力，库存容量和周转能力等。物流企业库存容量越大，所能够容纳的货物就越多，企业的库存利用率就越高。

（3）配送环节指标

配送环节是物流企业所有环节中最重要的一环，是直接面向客户的环节。物流企业的配送环节主要通过先进的电子技术的运用对货物进行分拣、打包和配送，使整个过程能够有序进行以减少中间费用实现经济效益。在配送环节主要指标包括运输能力、安全能力、成本控制能力和及时送达能力。

（4）客户满意度

在当前物流业市场竞争急剧增加的时代，留住已有客户和开发潜在客户已经成为了每个物流企业的基本任务。据研究报告，客户保留得越多，企业的利润才会越来越高。客户满意度指标主要包括，交货期限、服务水平、沟通状况等。

（5）市场环节指标。市场是最能够反映物流企业竞争力的因素之一，其主要的分项指标是市场占有率、随机应变能力和新客户开发率等因素。

（6）信息环节指标。物流企业中信息水平不仅是对整个企业的物流活动的支持，也是连接整个供应链，以使其能够更具效率的重要基础。因为其重要的作用，提升物流企业的信息水平就势在必行。信息环节的指标主要包括软硬件水平、信息流量等指标。

（7）企业团结力度。该环节中所包含的指标主要是员工凝聚力。

2.物流企业绩效评价模型

（1）根据前面的绩效预测指标体系对物流企业的绩效进行综合预测，首先确定物流企业绩效等级的评语集即A={A1，A2，A3，A4}={优，良，中，劣}。

（2）其次，根据物流企业绩效预测指标体系，将因素集（M1，M2…Ms）按照各自的属性分成s个子集：每个M中都包含几个二级指标，即M={m1，m2…mnl}，其中nl表示M所包含的二级指标数目。

（3）对每一个M所包含的二级指标进行综合评价。M的判断向量Bl=Wl×Rl，其中Rl可以说是M到A的一个映射，而单独评价二级指标m时，可以通过随机调查法等方法得到二级指标的评价矩阵。见下公式所示。

其中，nl为每一个一级指标所包含的二级指标数，W=（w1，w2…wnl）为采用AHP等方法所取得的每个M中评价指标的权重向量。

（4）在此基础上对每一个一级指标都采用M（·，⊕）法求出其每一个一级指标对应的模糊向量B=W×R=（b1，b2，…，blm），从而得到一级指标的评价矩阵。并采用M（·，⊕）法对物流企业绩效的向量元素集进行评价，得到元素集z=K×B。最后对最终结果z进行归一化处理，得到物流企业绩效的评价结果，并对绩效进行预测。

3.物流企业绩效预测实证分析

（1）根据物流企业的绩效评价的步骤可得物流企业绩效的综合评价指标权重。见下表所示。

表 物流企业绩效评价的权重

在上表中，采购环节和配送环节的一级指标权重明显高于其他环节，分别为0.2和0.19，而库存环节、客户满意度、市场环节、信息水平和企业团结力度的一级权重分别为0.13、0.12、0.14、0.12和0.1。而在二级指标中，影响力较大的则为交付期限0.4，交付条件0.33，库存能力0.38，库存周转0.35，及时交货能力0.22。

（2）运用模糊综合评价方法根据绩效评价模型的各个步骤对各个指标集合进行评价。这时采用综合评价模型对各个指标集进行综合评价，得到如下结果：

z=（z1，z2，…zm）

=K×B=（0.5，0.4，0.6，0.4）

在上式中，K=（k1，k2…knl）主要对应MI（I=1，2，…s）的权重向量。随后对最终结果进行归一化处理，得到物流企业绩效评价结果为（0.26,0.21,0.32,0.21）。结果中最大数为0.32，可知物流企业的绩效只是处于中等水平。

（3）在对评级指标体系的权重进行研究时，已知采购和配送环节是影响物流企业绩效的最大因素。而在两者的二级指标中，交付期限和条件、交货能力又都是对一级指标具有较大影响的因素。因此，可以得出结论，物流企业的绩效主要集中在企业的交付期限和条件、交货能力这三个指标上。但是因为这三个指标的水平较低，就造成物流企业的绩效水平较低。而企业提升这三者的能力需要时间和金钱，并不能一蹴而就，因而在对物流企业进行绩效预测时也可知其未来绩效也不甚乐观。物流企业需要在经营管理过程中不断提升这三者的水平，进而提升采购和配送的能力。只有这样才能进一步提升物流企业的绩效。

参考文献：

[1]伍平阳,林意群,林木炎.基于数据挖掘技术的决策树算法在医疗设备绩效预测中的应用[J].中国组织工程研究与临床康复,2008(2):1689-1692.

[2]周涛,程钧谟,乔忠.物流企业绩效评价体系及模糊综合评判[J].管理现代化,2012(9):26-28.

[3]肖娟.数据挖掘在物流业的应用综述[J].统计与决策,2013(11):95-97.

[4]王道平,潘静,郝玫.基于数据挖掘的物流信息系统研究与设计[J].价值工程,2004(3):117-119.

endprint