数据挖掘在物流信息管理中的应用

文｜张淑丽，崔岩，董洋溢

数据挖掘在物流信息管理中的应用

文｜张淑丽，崔岩，董洋溢

众所周知，物流业是一个新兴产业，它是指商品、物资、物料等从发送地向接受地的实体流动过程；它又是融合包装、运输、仓储、销售、信息等的综合型服务业，是现代社会及企业发展的“第三利润源”，更是支撑我国国民经济的战略性支柱产业。随着国内经济的高速增长，电子商务得到了快速发展，行业需求急剧增加，由此物流产业也得到了大力发展，物流模式逐渐从传统的物资供应行业向智慧物流转变。

物流各个环节产生的数据信息呈爆炸式增长，这些海量的信息既有显性的又有隐性的信息显性的信息可以用语言表达清楚、可以很方便的编码实现，隐性的信息存在于个人的行为，思想的世界观、价值观和情感之中，通常很难用某种方式简单、直接表达出来或发现，也难以传递、交流，但是隐性的信息一般都可以直接转化为有效的行动，其价值远远高于和大于显性的信息。因此，为了充分发挥各种信息的作用，需要我们对显性的信息进行整理、提取和加工等，充分挖掘出隐藏在其后面的有价值的信息，这正是数据挖掘的重要任务。

一、物流业信息管理现状分析

2017年3月9日，国家发改委通报，截止到2016年底我国社会物流总额已经达到229.7万亿元（如图1所示），虽然这一数据已经达到相当规模，但是我国物流成本占GDP的比重依然非常高，当前我国的这一比值为14.8%，同期日本的只有11%，而美国的仅为8%，究其原因是在物流业务运行过程中，没有把数据背后的有用信息充分挖掘出来，使得物流行业间的管理混乱、效率低下、利益链加长。

图1 2006-2016年社会物流总额规模图

二十一世纪进入知识经济、网络经济时代，随着数据挖掘技术、人工智能的大量使用，人类的信息管理、信息分析和处理的水平获得了大幅度的提高，同时物流行业的经营管理模式、企业的组织结构等也发生了深刻的变化，但是，随着业务规模的不断扩大，物流企业在经营过程中发现了越来越多难以解决的问题，比如：物流管理分散，物流整体效益较差；物流业务网点多、遍布广，信息沟通不畅；当前大部分企业仍然采用传统的手工操作开展采购、运输、仓储、配送等工作，因此信息化、自动化、智能化水平普遍偏低，大量的数据没有被全方位收集；物流各个环节彼此孤立、信息不能共享，集成管理难度大；业务呈动态性发展趋势，信息收集滞后，不能及时地收集信息；由此带来的直接后果是：物流企业不能为客户提供实时跟踪、精准查询等服务；资源得不到优化和有效的配置；无效物流多，运力浪费；市场反应迟钝，库存大；服务质量差，客户投诉多；经营效率低下，成本过高。

当前市场环境竞争激烈、瞬息万变，许多物流企业的空载问题导致其成本急剧增加，主要原因是物流企业缺少对数据的精准分析及挖掘，从而对未来市场没有正确的预判，尤其一些中小型的物流企业，盲目跟风，只注重眼前利益，不切实际地扩大仓储面积、增加企业运力，市场经济一旦不景气，业务量就开始下滑，闲置了大量的空仓库和富余运力，由此带来的最直接后果就是企业的物流成本增加、利润下降。

因此，中国的物流业已经达成共识，要想发展现代物流，必须对物流行业产生的各种信息进行科学管理。为了适应经济全球化和市场一体化的要求，必须充分运用信息技术和现代化的方法，通过资源整合和对物流市场做出快速反应，使企业的物流、信息流、资金流得到最大的集成。物流信息化、网络化、智能化建设是现代物流发展的根本，也是今后物流行业发展的趋势和方向。

物流信息管理就是运用计划、组织、指挥、协调、控制等管理方法，对物流信息收集、检索、存储、加工、传递和应用的全过程，并运用人力、物力、财力使物流各环节协调一致，实现物流供应链信息的畅通传递与共享，减少信息的不对称，实现企业内部四种流的高度统一，提升企业核心竞争力。

二、数据挖掘在物流信息管理中的应用

现代物流是一个大的系统工程，特别是全程物流，它是一个人机系统、大跨度系统，包括包装、仓储、装卸搬运、运输、配送以及流通加工等环节，各个环节每天都高频率重复，因此会产生海量的信息，企业及时准确地进行数据处理的难度就变得非常大。决策者要想及时而准确地做出决策，降低物流成本，同时提高企业的运营效率，必须借助一种新的数据处理技术，这就是数据挖掘技术（Data Mining）。

数据挖掘（又叫资料探勘、数据采矿）是指从大量的、模糊的、嘈杂的、随机的数据中，识别并提取隐含在其中的、先前未知的、新颖的但又是有价值的信息和知识。数据挖掘技术主要有分类、聚类、关联、异常检测等，不同的数据挖掘技术都有其各自的特点和使用方法，因此数据挖掘的使用步骤会因其应用领域的不同而发生变化。数据挖掘过程完整的步骤如下：

1) 问题的理解和提出；

2) 数据准备；

3) 数据整理；

4) 建立模型；

5) 评价和解释；

6) 实施。

由以上步骤可以得出如下结论：数据挖掘前期的基础工作非常重要，包括问题的定义、数据的准备与处理等，我们通常将这些工作统称为数据的预处理，现实中，许多行内学者认为该阶段工作占据全过程五分之四的精力和时间。实际上，数据挖掘是一个不断循环、更新反馈的过程，一次挖掘往往很难获取有用的信息，必须经过多次反复的提炼与挖掘。所以，在未来物流企业要取得成功，不光要衡量使用的IT技术以及技术水平的高低，更重要的是要衡量企业如何应用数据来实现价值。因此，建立统一的、合适的、全球化的数据模型是非常关键的。

那么，如何将数据挖掘与物流信息管理结合起来，使数据挖掘技术全面地支撑起其在现代物流中的应用呢？数据挖掘的基础和对象是数据仓库（Data Warehouse，简称DW），首先我们按照现代物流发生的领域不同，对其进行详细分解，然后全面收集物流活动每一个环节、每一道工序中产生的各种单据、图表、文字等，最后将所有的数据分门别类录入计算机系统形成多种数据源，建立数据仓库，这样就可以搭建起一座数据挖掘和现代物流相互沟通的桥梁和纽带，接下来的工作就是使用各种数据挖掘技术和工具对数据进行充分的提炼、加工，使得数据挖掘应用到现代物流的各个领域。

在大部分物流环节中，数据挖掘技术和数学建模的使用可以对业务流程进行优化，因此可以减少无效物流、加速资金周转、降低成本。一个典型的案例就是小米科技公司和顺丰速运公司合力打造的极致供应链。2014年4月6日，小米官网米粉节当天共接受订单226万单，当天发货订单数为20万单。小米的WMS系统（仓储管理系统）与顺丰的MIS系统实现了实时、无缝对接，小米这边一产生出仓订单，顺丰的数据库马上就会自动更新，由于全程通过网络传递电子单据，信息可以在第一时间完全共享，物流环节大大简化、效率大大提高，同时也做到了实时提货。

过去，像沃尔玛这样的连锁企业主要依靠内部分析软件、供应链软件来预测库存需求。日益增加的竞争压力，使得许多零售商开始寻找预测连锁店应保持库存的一些更准确的方法。数据挖掘技术可以准确地预测哪种存储位置应保持什么产品。例如，SQL Server 2005 分析服务获得的数据挖掘模型，可以预测在接下来的一周，一本书是否会缺货，准确性为98.52%。一般来说，预测该书在未来两周内是否会缺货的准确性为 86.45%。

物流在运输和配送过程中，采用GPS、GIS 技术与决策模型建立物流的决策支持系统，通过数据挖掘中分类的方法，利用各种工具对系统内外部的各种信息和图表进行多层次、多角度的立体分析，可以编制科学的配送方案，确定配送网络中节点（即配送中心）的数量、具体位置和各节点之间的运送量，设计并优化配送路线，从而实现对物流资源的有效管理，为制定科学、准确的物流决策提供依据。

数据挖掘技术科学地用于物流企业信息管理过程中，最显著的优势是可以降低人工误操作率，最大限度地提高物品分拣和配送的效率，同时可以实时跟踪货物、掌握货物的动态，实现货物“零库存”；同时，还可以规范企业经营活动，优化配置物流各个环节，将公司资源进行有效整合，实现高自动化、信息化、智能化物流，从而发挥物流作为“第三利润源”的作用，降低企业运营成本，增加利润，提高客户服务能力和水平。此外，数据挖掘技术应用到企业经营活动中，还可以准确把握资金运作情况、加速资金的周转，结合物流CRM系统，以确保持有效益最好的商品种类和数量，加强并改善对客户的服务水平，获得良好的客户关系。

三、结束语

互联网时代企业的发展离不开物流，企业如果想要提供优秀的物流服务，大量有用的、有价值的信息是取胜法宝。针对物流的各个基础业务环节，及时、有效地收集各种数据、信息，利用各种数据挖掘工具分析处理，识别出什么数据对企业有价值，企业才能更好地获知行业发展态势及客户的行为特征，从而为客户提供有针对性的产品和服务，提高客户满意度，降低企业成本。在激烈的市场竞争中，企业经营活动必须满足市场的需求，因此，利用数据挖掘技术把隐藏在大量数据背后的有用信息充分挖掘出来，企业才能更好地经营管理，这也将成为物流企业生存与发展的关键所在。

作者单位：西北工业大学明德学院