浅析大数据时代物流信息的挖掘与应用

杨曙

摘要：伴随信息技术的飞速进步，为电子商务发展创造了良好契机，近年来，人们对物流市场需求逐步攀升，大数据时代，物流企业不可避免的面临着如何从庞大数据中挖掘有效数据的困境。文章通过阐述大数据时代下的物流行业发展现状，分析物流管理系统中的物流信息挖掘，对数据挖掘在物流信息系统中的应用展开探讨，旨在为如何促进大数据时代物流行业有序健康发展研究适用提供一些思路。

关键词：大数据；物流信息；数据挖掘；应用

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）18-0001-02

大数据时代下，人们对物流需求提出了越来越严苛的要求，如此一来，物流企业应当紧随社会发展脚步，推进企业自身运作流程的优化改良，通过不断创造出更具针对性、更高质量的物流服务，以实现对物流市场发展需求的有效满足。数据挖掘技术可对事物相互间关联性进行充分挖掘，具备一系列优势功能，所以可对物流中产生的海量信息开展有效整合，为物流企业制定决策提供可靠依据。由此可见，对大数据时代物流信息的挖掘与应用开展研究，有着十分重要的现实意义。1大数据时代下的物流行业发展现状

移动互联、云计算、物联网等信息技术的迅猛发展，产生了庞大的信息数据。全球权威科学期刊《自然》于2008年推出将大数据作为封面的专刊，着重关注数据所为各个行业领域带来的影响。2012年，联合国发布大数据政务白皮书《大数据下的机遇与挑战》，提出了大数据时代已全面到来，大数据对于各国而言既带来了机遇也带来了挑战。2014年，我国政府工作报告中首次提到了大数据一词，并将大数据界定为一种基础性战略资源，可为预防、调查、决策等事务提供有力依据。

物流行业作为近年来飞速发展起来的一个新兴行业，正是凭借信息技术发展催生的电子商务为物流行业发展创造了有利契机。2015年7月我国商务部发布《关于智慧物流配送体系建设的实施意见》，提出在未来2年，要在全国范围内创建打造多个智慧物流配送示范城市、智慧物流配送示范基地等项目内容，而这一系列目标的达成，必须要开展好大数据物流信息服务平台建设工作。2016年8月，我国邮政局推出《推进快递业绿色包装工作实施方案》，明确提出要在绿色化、减量化、可循环方面收获显著成效，十三五期间，尽可能在重点地区、重点企业的快递业包装绿色发展上取得有效进展。2物流管理系统中的物流信息挖掘

大数据时代下，数据挖掘技术不断推陈出新。现阶段，应用较为广泛的数据挖掘技术包括有人工神经网络、遗传算法、关联规则以及决策树等。数据挖掘技术应用于物流信息系统中的物流信息挖掘，如图1所示。

2.1待挖掘的物流信息

物流企业涉及的客户信息量十分庞大，且分布覆盖面广，物流服务项目市场竞争日趋白热化。业务交易服务数据涵盖了重要客户的核心信息，通过对该部分信息的有效挖掘利用，可对物流企业起到至关重要的作用。因而，分析影响物流客户消费行为决策的重要影响因素，研究关键性联系，优化物流客户服务方案，方可实现对老客户有效维护的同时，招徕更多的新客户。而物流企业要想实现这一目标，务必要开展好数据挖掘关系分析工作。

2.2数据准备

数据准备是数据挖掘中尤为重要的一环，可将其划分成数据集成、数据选择以及数据预处理三各部分。其中，数据集成是指从各个操作性数据库、文件或遗留系统中提炼相关数据，并对它们开展集成处理；数据选择是指基于技术人员指导，采集对应所需分析的数据，去除无价值的信息，进一步改善数据挖掘质量、效率；数据预处理指的是在开展数据挖掘前，对所选数据开展缩减、转化处理。就好比，物流企业配送效率受配送路径选择直接影响。物流企业要想改善物流服务水平、控制货运成本，就务必要处理好物流配送期间车辆路径选择问题，换言之，应当为专门车辆选择专门的配送路径；同时，还应分析车辆的利用能力，控制好物流企业的运输成本；另外，对于车辆运输能力来说，还应分析货物特征、运输收益高低等问题。

2.3数据挖掘技术选择

对数据挖掘目标予以确立后，进一步要开展好数据挖掘技术选择工作，并逐步开展迭代挖掘，提炼数据集中潜在的、新颖的模式。通过构建数据挖掘模型，便可对转换完毕的数据开展挖掘处理，除去要求深入开展挖掘操作外，大致可实现自动处理。挖掘模型构建环节，包括对学习算法的选择、对算法参数的选择等。各式各样挖掘工具、分析方法所具备应用特点、应用范围各不相同。就好比，关联分析可应用于货品仓储位置安排，定性与对比可应用于客户分析，分类与预测可应用于物流中心选择，聚类分析可应用于市场调研研究，演化分析可应用于配送路径优化等。

值得注意的是，构建数据挖掘模型是全面挖掘过程中的重要一环。构建数据挖掘模型过程中，借助数据源中的实体，经由向导开展相应步骤的调节，从而完成建模任务。同时，可经由有序確定数据源、数据挖掘算法及模型表等步骤完成构建。

2.4解释及评价

于此环节，主要是就对应获取的规则可存入知识库与否开展评定，通常由人机交互及专家经验开展完成。其中所采用的分析方法，通常要结合数据挖掘实际操作来进行选择。正是因为挖掘得到的数据并非所有都是有价值的，所以应当结合实际情况，科学地对挖掘数据开展筛选、分析，进而得出尽可能有效的信息。所以于此环节，一方面要对结果进行表达，一方面要对数据开展筛选分析，并对这一环节进行不断重复，一直到得到满意的信息。

2.5知识库

知识库主要涵盖了相关领域的知识及借助数据挖掘等手段获取的知识，可为决策人员提供可靠的依据。数据库中涉及各式各样的形式，诸如图表、规则等，它们主要是为了使知识变得进一步简化，从而为决策人员实现快速理解并开展决策提供切实保障。

3数据挖掘在物流信息系统中的应用

3.1数据挖掘推动物流数据资源的有效运用

物流信息是物流企业的不可多得的财富，面对庞大的物流数据资源，倘若无法对它们开展有效运用，实则是一种极大的浪费。现有物流信息的有效挖掘，是现阶段众多物流企业所一致热点关注的问题，针对原始数据资源，依托反复不断的筛选，最后将它们转化为有价值、能够为物流企业所用的知识，是大数据时代下物流企业对物流信息开展挖掘研究的核心目标。通过对数据挖掘技术的科学合理应用，可有助于物流企业迅速找出问题的关键，极大程度上降低物流企业运营成本，并且还可有效降低风险事故的引发，促进物流企业收获更可观的经济收益。

3.2数据挖掘推动物流企业朝知识化方向发展

伴随信息技术的不断进步，为数据挖掘技术发展创造了有利契机，数据挖掘技术的推广得到了广大物流企业的一致推崇，对庞大物流信息的挖掘与应用可自如下步骤达成：

1）自物流企业实际情况及企业所拥有的基础设施出发，第一步对各式各样零零散散的物流信息开展采集整理，同时利用云技术达成庞大信息数据存储的需求。

2）物流企业经由数据存储构建数据源，结合物流企业现阶段发展状况对数据源开展初步筛选，再利用聚类分析法对各项数据开展预处理。

3）经聚类分析处理后，数据会被划分成不同种类的数据模块分别存储于“云”中，物流企业可结合不同部门的实际需求，再从“云”中筛选出相关部门所需的数据模块用以进一步开展专项研究，最终将数据转化成知识，一方面增强企业今后发展的可预测性，一方面为企业制定决策方针提供有力数据依据。

举例而言，倘若A物流企业的营业部接收到一份加班车数据报表通知，结合报表可知，调度中心在当班次安排了两辆加班车，车型分别为4.5米厢式货车、5.5米厢式货车，同时表中显示存在爆仓25方货，如此一来，物流企业可结合发件扫描记录调出当日加班车对应载货重量、营业部提供的发车时间记录报表等数据，对本次加班车安排合理与否开展有效分析。通过大体计算得出本次两辆加班车总计花费约800元，倘若调度中心改换一辆7.6米厢式货车取代原本的两辆车，便可满足货物载重需求，并且可使运费降低至一半。上述案例即为一个简单的数据挖掘过程，经由对物流企业营业部提供的原始数据开展有效分析，然后得出可能引发不良结果的原因，再借助数据分析开展评定，进一步得出科学的优化方案。

3.3数据挖掘推动信息共享

数据挖掘技术在诸多领域得到广泛推广，在构建物流企业科学健全的信息共享机制方面，同样可起到十分重要的作用。物流企业可对现有信息数据开展分析，得出物流信息的流通规律。就好比，物流企业可结合物流信息流向在何处易发生拥堵，在何处可实现十分畅通，寻找到一个规律，然后对该部分盲点予以逐步完善，使物流企业在信息流通方面实现全面畅通。值得一提的是，物流企业要明确认识到沟通交流在推动企业有序发展中所能起到的有效作用，唯有构建起尽可能透明公开的信息共享机制，企业员工方可第一时间获取有效指令，切實提高工作效率。

4结束语

总而言之，物流行业是国民经济中必不可少的一部分，是推动产业结构调整、提高国民经济竞争力的有力支撑。强化物流信息挖掘与应用，是推动物流产业有序健康发展的重要需求。鉴于此，相关人员务必要不断钻研研究、总结经验，清楚认识大数据时代下的物流行业发展现状，全面分析物流管理系统中的物流信息挖掘，结合物流企业实际情况，充分发挥“数据挖掘推动物流数据资源的有效运用”、“数据挖掘推动物流企业朝知识化方向发展”、“数据挖掘推动信息共享”等有效作用，积极促进物流行业的有序健康发展。