- 相關推薦
基于數據挖掘技術的現代物流管理
內容摘要：隨著信息時代數據量的劇增，深化物流管理的最有效方法是在其中引入數據挖掘技術。本文在系統分析數據挖掘過程及關鍵技術的基礎上，以沃爾瑪公司物流管理系統為例，論述了數據挖掘技術在物流管理應用中的優勢，指出其必將為企業物流管理決策提供越來越強大的支持功能。 關鍵詞：數據挖掘 物流管理 信息系統現代物流系統是一個龐大復雜的系統，特別是全程物流，包括運輸、倉儲、配送、搬運、包裝和物流再加工等諸多環節，每個環節信息流量十分巨大。現代信息化物流網絡體系的應用使原來數據庫的規模不斷擴大，產生了巨大的數據流，使企業很難對這些數據進行準確、高效的收集和及時處理，因此也就很難幫助決策者做出快速、準確地決策，實現對物流過程的控制，降低整個過程的物流成本。隨著知識經濟和現代信息技術的迅猛發展，信息技術特別是網絡技術的發展，為物流發展提供了強有力的支撐。物流管理信息系統是企業信息系統和企業信息化的基礎，能夠利用信息技術對物流中的各種信息進行實時、集中、統一管理。
數據挖掘(Data Mining) 能夠挖掘蘊藏在海量數據中大量未知的和有價值的信息，為企業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擔，使他們專注于最需要決策智慧和經驗的工作，因此提高了管理和決策的水平。隨著信息技術的不斷發展，數據挖掘技術將為企業物流管理決策提供越來越強大的支持功能。
數據挖掘過程及關鍵技術分析
數據挖掘過程
數據挖掘技術就是采用機器學習、統計、數學和可視化技術，從大量的數據庫中識別出有效的、新穎的、潛在的、有用的以及最終挖掘出可理解模式的高級處理過程。有時人們也稱它為數據庫中的知識發現(KDD)。它利用數據庫技術對數據進行前端處理，而利用人工智能的方法從處理后的數據中提取有用的知識。其挖掘過程可分為四個步驟：數據準備、數據挖掘、結果的解釋和評價、用戶界面。
數據準備：包括3個子步驟，數據集成、數據選擇、數據預處理。在這個階段中，需要搜索所有與業務對象有關的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據；研究數據的質量，為進一步分析做準備，并確定將要進行的挖掘操作的類型；將數據轉換成一個分析模型，這個分析模型是針對挖掘算法建立的，建立一個真正適合挖掘算法的分析模型是數據挖掘成功的關鍵。數據準備需要占用整個數據挖掘過程的60%工作量，這也說明了數據挖掘對數據的嚴格要求。
數據挖掘：對所得到的經過轉換的數據進行挖掘，除了進一步完善挖掘算法外，其余一切工作都能自動完成。數據挖掘一般有兩種方式，發現型的數據挖掘和驗證型的數據挖掘。前者是讓數據挖掘系統為用戶產生假設，后者是用戶自己對于數據庫中可能包含的知識提出假設。
解釋和評價：解釋并評估結果，其使用的分析方法一般應視不同的數據挖掘操作而定。根據最終用戶的決策目的對提取的信息進行分析，把最有價值的信息區分出來，并且通過決策支持工具提交給決策者，因此這一步驟任務不僅是把結果表達出來，還要對信息進行過濾處理，如果不能令決策者滿意，需要重復以上數據挖掘過程。
用戶界面：通常會用到可視化技術。選擇合適的可視化工具，通過使用者證實發現的知識的可靠性。如果不能令使用者滿意，需要重復以上數據挖掘過程。否則可以將分析所得到的知識集成到業務信息系統的組織結構中去。
關鍵技術分析
基于數據挖掘的物流管理信息系統的關鍵技術主要包括數據倉庫、數據挖掘、數據分析工具等。
數據倉庫技術。數據倉庫是來自多個源的數據的存儲庫，它可通過Internet將不同的數據庫連接起來，并將數據全部或部分復制到一個數據存儲中心。數據倉庫傾向于一個邏輯的概念，它建立在一定數量的數據庫之上，這些數據庫在物理上是可以分開的。數據倉庫通過Internet打破地域界限，將它們合成一個邏輯整體，把一個海量的數據庫展現在用戶面前。數據倉庫管理系統的一項重要工作是實現對傳統數據庫進行提取、清理和轉載到數據倉庫中。
【基于數據挖掘技術的現代物流管理】相關文章：
淺談現代企業物流管理中的數據挖掘技術03-07
基于數據挖掘技術的交叉銷售分析12-08
基于數據挖掘的網絡入侵檢測技術11-23
基于愛好的電子商務數據挖掘技術的研究12-08
基于聚類分析的數據挖掘方法03-08
數據挖掘技術在企業知識管理中的應用03-19
客戶關系管理與數據挖掘技術綜述03-21
基于數據挖掘技術的保險行業決策分析研究03-09
數據挖掘技術在客戶關系管理中的應用12-09