浅析基础数据挖掘技术的物流企业管理

摘 要：随着经济的发展，物流发展会越来越被人们所关注，在激烈的市场竞争下，企业必须以客户为中心，满足客户多样化的需求，而面对如此巨大的客户数据，运用数据挖掘技术能有效的挖掘客户信息，为物流企业提供准确的决策信息，促进物流企业的发展。本文则详细分析基础数据挖掘技术下的物流企业管理策略。

关键词：基础数据挖掘技术；物流企业；管理

现代物理管理是一项科学的、系统的管理概念，随着经济的不断发展，物流需求的个性化、多样化以及集成化特点，要求物流企业必须不断的改进企业的运作流程，不断的创新物流服务，适应市场发展的变化。数据挖掘技术以其强大的关联、分类、预测等功能，将物流信息数据进行有效的整理，为物流企业决策项目提供准确的依据。

一、物流企业管理中存在的问题

进入21世纪以后，人们开始跨入全球化与信息化时代，各个企业间的竞争越来越激烈，在给企业带来机遇的同时也给企业带来很大的挑战。特别是物流企业，在面对竞争如此激烈的市场，更应该积极改变管理策略，集中资源优势，提高自身竞争力。

1.现代企业物流观念淡薄。我国很多企业长期在“重商流、轻物流”的理念下经营，对发展一体化物流意识比较淡薄，没有对物流在企业发展中的作用给予足够的重视。随着我国加入WTO，国际间的合作不断扩大，以及生产机械化、自动化技术的发展，企业必须走集约化道路，降低运营成本，提高经济效益。把竞争的焦点从生产领域转向非非生产领域，包括采购、运输、储存、加工、分销、售后等各个程序，这就是物流企业的基本内容。而我国仍有很多企业将物流置于附属地位，致使物流很难起到优化生产的作用。

2.不合理的会计核算掩盖了物流成本。在我国的企业财务管理中，企业会计科目仅仅把支付给外部运输、仓储企业的费用列入到企业成本中，忽略了物流基础建设费、库房保管、包装、装卸费等物流费用。没有统计完整的物流费用，掩盖了物流费用的真面目，也无法使企业领导从根本上重视物流。

3.企业物流运作效率低下。很多企业把物流中仓储、运输、采购、包装、配送等环节分散在不同的部分，没有对物流进行系统的规划与统一的管理，很难提高整个物流系统的运作效率。

4.物流管理方式落后。我国很多企业在物流管理中缺乏对新技术的应用，比如对人工智能、通信、条码、扫描等先进的信息技术运用比较落后，致使物流企业不能实现内、外部物流一体化进行，不利于物流系统化发展。

二、数据挖掘技术的应用模式

数据挖掘是建立在传统数据分析基础上的一种高层次的数据分析方法，它主要是利用统计学、人工智能等技术进行自动化分析数据然后对数据节能型相应的推理，从中挖掘出潜在的信息，进而利用这些信息对未来的情况作出较为准确的预测，辅助决策者评估企业风险。数据挖掘解决的问题主要可以分为以下几个模式：

1.分类分析。数据挖掘的这种分析方式是找出一组可以描述数据集合典型特征的函数，用于对未知数据进行整理、归纳。物流企业在进行客户关系管理中可以利用数据挖掘技术对商场销售商品情况进行挖掘，依据商品要素对顾客的影响程度，分析顾客对于商品的感觉，进而可以预测顾客对商品的感觉的分类规则，帮助企业管理者展开商业活动。

2.聚类分析。聚类分析是一种对具有共同趋势和模式的数据进行的分组，组与组之间存在差别，但是组内记录具有相似性，在物流企业客户管理中，聚类分析主要应用与客户细分中，能有效的分析客户类型与偏好。

3.关联分析。关联分析是利用数学上的规则归纳法进行的数据挖掘，对过对数据的分析、归纳，挖掘隐藏在数据间的相互联系，这个数据的挖掘主要是从产品目录中导出与产品有关的商用信息，从这些信息中发现商品销售规则，从而评估规则的正确性。关联信息的置信度越高，规则越可靠，也就代表此商品的商业价值越高。

三、基础数据挖掘技术在物流企业管理中的应用

现代物流信息系统环节繁多、流程复杂、数据杂乱，信息流量巨大，传统的单纯利用信息的沟通、传递、调控功能而决策的形式已经不能满足现代物流的发展，现代物流必须挖掘信息中的有效数据，建立数据仓库，对数据库中的数据进行分析、挖掘，从而协助企业管理者做出正确的决策。数据库在物流企业中的应用可以从以下几个方面进行分析。

1.市场预测。从产品销售规则来看，一种商品进入市场都要经历四个阶段：导入期、增长期、成熟期、衰退期，不同的发展阶段，产品的生产、销售策略也不同。比如在导入期，产品逐步得到市场的肯定，销售会逐渐增多，这是需要提前安排生产计划、库存、仓储以及运输策略等，根据具体的信息，合理控制物流各个环节。在这里数据挖掘可以预测市场需求变化，从而为决策者提供重要的依据。

2.物流中心的选择。物流中心的选址要考虑中心点放在什么位置能使物流成本最小化，通过数据挖掘中的分类树方法可以解决这个问题。利用分类树连续划分数据的功能，将数据分类到不同的分支中，建立最强划分标准，然后一一挖掘四个方面的数据，他们分别是：中心点的位置、中心点的业务需求量、备选点的位置；中心点与备选点的距离。通过这些分析，确定中心点的位置以及各个地址间产品的运输量，从而保障产品的销售量，从而减少成本。

3.优化配送路径。合理的配送路径能有效的提高物流企业的配送效率，物流的配送需要考虑车辆路径问题，比如车辆的承载能力、路径长短问题、车辆的运输能力以及货品的规格大小等。通过数据挖掘技术可以解决路径选择问题，通过非遗传算法模型，把得到的信息用来决策输出，根据内次配送数量、顾客的位置、订单量、输出本次送货线路车辆调度的动态优化方案。

4.物流需求预测。物流企业规划物流活动，需要在估计供应链中产品和服务数量的基础上进行控制分析。数据挖掘可以对物流活动中产品和服务类型以及它的发展规律建立模型，通过相应的模型分析，确定需要开发商品的类型以及重点发展的区域，这些问题的分析有利于物流企业的长远发展。

四、物流企业管理中数据挖掘重点技术

数据挖掘技术属于是一项借助于及其实施学习、统计、数学的可视化技术，在数据库大量的数据中识别有效数据，并对其实施高级处理的过程。其也被成为是数据库中的知识发现。其能够对相关数据采用数据库技术对其实施前端处理，从而对数据中的有用数据实施人工智能提取。其步骤可以分成四个，分别是：

1.前期准备：其可以被分成三部分，分别是数据集成、数据选择以及数据预处理。在这一过程之中与其业务对象有关的数据信息，不管是内部的还是外部的均需要进行搜索，在其中选择出能够被数据挖掘应用的数据；对选取的数据质量详细分析研究，将其做好进一步讲实施分析的准备，明确其挖掘操作具体类型；最后针对挖掘算法将这些数据全部都转换成一个分析模型，选择和数据挖掘真正适应的算法，是确保数据挖掘成功的一个重点。在这一过程中主要就是实施数据准备，其占到整个工作量的60%，从这一点可以明确看出其数据挖掘对于数据的要求非常严格。

2.数据挖掘：在将所有准备好的数据实施转换之后，即可以对其实施挖掘，不但要对其挖掘算法进一步完善，同时也应该将其他工作自动完成。数据挖掘通常有两种方式，分别是验证型数据挖掘以及发现型数据挖掘，其中发现性数据挖掘是采用数据挖掘系统为用户产生假设，验证型数据挖掘则是对于数据苦衷可能包含的知识，由用户自己提出假设。

3.解释和评价：对其结果实施解释和评价，关于其具体的使用分析方法，则需要依照不同数据挖掘操作确定。依照用户的决策目的，对其挖掘出来的信息实施分析，区分出最有价值的信息，采用决策指出工具将其传递给决策者，在此步骤之中不但可以表达出挖掘结果，同时还能够对相关信息实施过滤处理，如果其挖掘结果决策者不满意，则也就需要对之上数据挖掘步骤重新进行。

4.用户界面：这里需要用到可视化技术，使用者能够借助于可视化工具对其所发现知识的可靠性进行证实，如果证实结果不满意则重新实施数据挖掘；如果满意则也就可以将其所得到的知识，全部集合在业务信息系统之中。

在现代物理企业管理中数据挖掘技术的重点包括数据仓库、数据挖掘以及数据分析工具。其中数据仓库技术，是将多个源数据存储在一起的数据库，其可以把不同数据库采用因特网连接在一起，并将之中存储的数据全部或者一部分复制到一个数据存储中心。在数据仓库中其属于是逻辑概念，必须要建立在一定数量数据库基础上，基于物理角度来看可以将这些数据分开。数据仓库则可以采用Internet将这些数据之间的地域界限打破，组成成一个逻辑整体，能够在用户面前呈现出一个海量数据库。其主要工作就是提取、清理以及转载传统数据库。数据挖掘技术，这则是数据处理系统中的重点和难点，需要涉及到很多模式模型以及挖掘算法。现今已经有很多数据挖掘技术，其中包括数据总结、关联规则发现、依赖关系、数据聚类等等。这些技术在应用中有各自的优势也有各自的劣势，因此在实际应用中可以将多项技术结合应用，目前流行的也就是将多种技术结合应用，比如SGI公司开发的MineSer系统则也就属于是多模式挖掘技术。数据分析工具，在数据仓库中存在有很多数据，想要找到能够提供辅助决策的信息，则也就必须要对其分析工具加以应用。其工具包括有统计分析、查询优化工具以及联机分析处理工具等等。工具本身的性能能够直接影响到管理决策的有效性。现目前已经有具有智能功能的强大数据分析工具的出现，其不但可以在系统运行对数据实施采集和处理，并且也能够对其他系统数据采集提供支持。

对于物流企业来讲，信息是企业发展的重要资源，只有最大化的提高信息利用率，才能够确保企业的健康发展，在对基础数据挖掘技术应用过程中，必须要根据物流企业的实际情况，决定其具体的数据挖掘技术应用方法，从而提高数据挖掘技术应用合理性和有效性，并且为企业发展决策提供切实有效的数据信息。

五、结语

随着全球化经济的发展，物流业逐渐发展壮大，再加上电子商务的迅速发展，第三方物流异军突起，促进了物流业的发展壮大。随着物流业的发展壮大以及信息技术的发展，传统的物流管理模式已经不能适应现代物流管理的需要，面对大量的产品信息和客户关系，必须建立新的信息管理模式，提高管理效率。基础数据挖掘技术的应用，能够对新时期物流企业管理需求进行满足，因此这一技术在现代物流管理中具有广阔应用前景。以上本文主要谈论基础数据挖掘技术在物流企业管理中的应用，以供参考。

参考文献：

[1]陈奕宁.略论数据挖掘技术在物流企业管理中的一般应用[J].广西政法管理干部学院学报2011（2）：128-129.

[2]刘晓洪，裴素萍.数据挖掘技术在物流管理中的应用[J].物流技术，2012（9）：201-202.

[3]叶玉萍.数据挖掘技术在物流业中的应用研究[J].福建电脑，2009（5）：102-103.

[4]刘世平.SQL数据挖掘技术在物流企业管理中的应用[J].物流技术，2013（3）：209-211.

[5]陆澎，樊重俊，李文.现代企业物流管理中的数据挖掘技术[J].商场现代化2009（3）：131-132

[6]陈频.数据挖掘技术在物流决策支持系统中的应用研究[J].数字技术与应用，2009（7）：175-176.

作者简介：高明浩（1981.10- ），女，硕士研究生，研究方向：物流管理、企业管理