導(dǎo)語(yǔ)：數(shù)據(jù)挖掘在物流中的應(yīng)用一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢(xún)客服老師，歡迎參考。

摘要：隨著科學(xué)技術(shù)的快速發(fā)展以及互聯(lián)網(wǎng)、云計(jì)算、數(shù)據(jù)挖掘等技術(shù)的廣泛應(yīng)用，生產(chǎn)過(guò)程中的海量數(shù)據(jù)不再是一種負(fù)擔(dān)，而已經(jīng)成為了一種資源。物流人逐漸認(rèn)識(shí)到，如果不能對(duì)海量的數(shù)據(jù)進(jìn)行有效的分析、研究和應(yīng)用，那將是巨大的資源浪費(fèi)。本文以數(shù)據(jù)挖掘技術(shù)作為切入點(diǎn)，分析數(shù)據(jù)挖掘技術(shù)的特點(diǎn)及功能，提出了數(shù)據(jù)挖掘技術(shù)在物流主要環(huán)節(jié)中的應(yīng)用，對(duì)于改良物流企業(yè)管理、提高各環(huán)節(jié)工作效率、搭建信息共享平臺(tái)充分利用零散數(shù)據(jù)、降低物流營(yíng)運(yùn)費(fèi)用等方面具有一定影響。

關(guān)鍵詞：數(shù)據(jù)挖掘；物流；應(yīng)用

隨著科技和經(jīng)濟(jì)的快速發(fā)展，物流市場(chǎng)日趨完善，在國(guó)內(nèi)及國(guó)際物流市場(chǎng)的競(jìng)爭(zhēng)機(jī)制的作用下，物流企業(yè)對(duì)于數(shù)據(jù)挖掘技術(shù)的應(yīng)用表現(xiàn)出了極大的興趣。大多數(shù)生產(chǎn)型企業(yè)與零售企業(yè)為了快速發(fā)展經(jīng)營(yíng)規(guī)模、迎合當(dāng)前物流市場(chǎng)的發(fā)展，迫切的需要借助數(shù)據(jù)挖掘技術(shù)來(lái)分析企業(yè)存在的問(wèn)題并據(jù)此優(yōu)化企業(yè)規(guī)劃，提升企業(yè)的市場(chǎng)競(jìng)爭(zhēng)力。深入研究數(shù)據(jù)挖掘技術(shù)及其在物流管理、倉(cāng)儲(chǔ)、運(yùn)輸、配送、信息共享等環(huán)節(jié)的中的應(yīng)用勢(shì)必會(huì)進(jìn)一步加快物流行業(yè)的快速發(fā)展。

一、數(shù)據(jù)挖掘概述

1.數(shù)據(jù)挖掘的歷史。互聯(lián)網(wǎng)的快速發(fā)展及計(jì)算機(jī)技術(shù)的廣泛運(yùn)用，使人們獲取信息及搜集數(shù)據(jù)的能力得到了極大提高，數(shù)以萬(wàn)計(jì)的數(shù)據(jù)庫(kù)被運(yùn)用于工程開(kāi)發(fā)、企業(yè)管理、政府辦公、科學(xué)研究等領(lǐng)域，并愈演愈烈，與此同時(shí)也產(chǎn)生了一個(gè)新的挑戰(zhàn)：如何面對(duì)信息爆炸時(shí)代的海量信息。如果海量信息不能被及時(shí)的整理、分析并加以利用，便成為企業(yè)的拖累，也將成為新形式下的巨大資源浪費(fèi)。在人工智能取得重大進(jìn)展的前提下，數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（KDD：KnowledgeDiscoveryinDatabases）應(yīng)運(yùn)而生，從而產(chǎn)生了數(shù)據(jù)挖掘技術(shù)，并很快得以蓬勃發(fā)展，越來(lái)越顯示出其強(qiáng)大的生命力。1989年8月召開(kāi)的第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上首次提出了數(shù)據(jù)挖掘這一概念。在隨后的1991年、1993年和1994年分別舉行KDD專(zhuān)題討論會(huì)，集中討論海量數(shù)據(jù)分析算法、數(shù)據(jù)統(tǒng)計(jì)、知識(shí)運(yùn)用、知識(shí)表示等問(wèn)題[1]。1998年在美國(guó)紐約舉行的第四屆知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘國(guó)際學(xué)術(shù)會(huì)議不僅進(jìn)行了學(xué)術(shù)討論，并且有30多家軟件公司展示了他們的數(shù)據(jù)挖掘軟件產(chǎn)品，不少軟件已在北美、歐洲等國(guó)得到應(yīng)用。2.數(shù)據(jù)挖掘的概念。數(shù)據(jù)挖掘（英語(yǔ)：Datamining），又譯為資料探勘、數(shù)據(jù)采礦，它是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（KDD）中的一個(gè)步驟[2]。一般是指從大量的數(shù)據(jù)中自動(dòng)搜索隱藏于其中的有著特殊關(guān)系性的信息的過(guò)程，它將人們應(yīng)用數(shù)據(jù)的方式從原本簡(jiǎn)單的查詢(xún)提升至在數(shù)據(jù)里挖掘與發(fā)現(xiàn)知識(shí)以對(duì)決策行為提供支持。數(shù)據(jù)挖掘技術(shù)是面向應(yīng)用的，它不僅是面向特定數(shù)據(jù)庫(kù)的簡(jiǎn)單檢索查詢(xún)調(diào)用，而且要對(duì)這些數(shù)據(jù)進(jìn)行微觀、中觀乃至宏觀的統(tǒng)計(jì)、分析、綜合和推理，以指導(dǎo)實(shí)際問(wèn)題的求解，企圖發(fā)現(xiàn)事件間的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù)對(duì)未來(lái)的活動(dòng)進(jìn)行預(yù)測(cè)。3.數(shù)據(jù)挖掘的特點(diǎn)。根據(jù)數(shù)據(jù)源挖掘的目的可將數(shù)據(jù)挖掘的特點(diǎn)總結(jié)為：（1）分析的數(shù)據(jù)信息量非常巨大；（2）面向?qū)ο螅ㄓ脩?hù)）一般是隨機(jī)查詢(xún)，難以達(dá)成精確的查詢(xún)要求；（3）在數(shù)據(jù)快速變化時(shí)，需要反映動(dòng)態(tài)數(shù)據(jù)，以提供決策支持；（4）數(shù)據(jù)挖掘服從大樣本的統(tǒng)計(jì)規(guī)律，其分析結(jié)果難以適用于所有數(shù)據(jù)。4.數(shù)據(jù)挖掘的功能。預(yù)測(cè)/驗(yàn)證功能：指用數(shù)據(jù)庫(kù)的若干已知字段預(yù)測(cè)或驗(yàn)證其他未知字段值。預(yù)測(cè)方法有統(tǒng)計(jì)分析方法、關(guān)聯(lián)規(guī)則和決策樹(shù)預(yù)測(cè)方法、回歸分析預(yù)測(cè)方法等。描述功能：找到描述數(shù)據(jù)的可理解模式。描述方法包括以下幾種：數(shù)據(jù)分類(lèi)、回歸分析、簇聚、概括、構(gòu)造依賴(lài)模式、變化和偏差分析、模式發(fā)現(xiàn)、路徑發(fā)現(xiàn)等。

二、數(shù)據(jù)挖掘技術(shù)在物流主要環(huán)節(jié)的應(yīng)用

1.數(shù)據(jù)挖掘在物流管理中的應(yīng)用。對(duì)于物流管理而言，妥善處理每個(gè)環(huán)節(jié)所產(chǎn)生的大量數(shù)據(jù)信息，能夠讓決策者做出更為適合企業(yè)發(fā)展的決定，掌握更為科學(xué)的解決問(wèn)題的方法。數(shù)據(jù)挖掘技術(shù)的引入，可以通過(guò)建立大型數(shù)據(jù)庫(kù)，利用數(shù)據(jù)挖掘技術(shù)及時(shí)、準(zhǔn)確的分析各種信息，并從中獲取新穎且有效的信息，再通過(guò)可理解的模型進(jìn)行深層次處理，進(jìn)而為客戶(hù)提供個(gè)性產(chǎn)品和服務(wù)，提高客戶(hù)滿(mǎn)意度。一般應(yīng)用步驟為：（1）建立大型數(shù)據(jù)庫(kù)；（2）搭建相關(guān)系統(tǒng)模型；（3）進(jìn)行大數(shù)據(jù)分析并獲得潛在信息；（4）獲得最適合企業(yè)發(fā)展的決策。2.數(shù)據(jù)挖掘在物流倉(cāng)儲(chǔ)中的應(yīng)用。物流倉(cāng)儲(chǔ)涉及入庫(kù)、出庫(kù)、盤(pán)點(diǎn)、庫(kù)存控制等多個(gè)環(huán)節(jié)，而這些環(huán)節(jié)都將產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)看似是倉(cāng)儲(chǔ)管理的負(fù)擔(dān)，卻也蘊(yùn)藏著對(duì)優(yōu)化庫(kù)管極為有價(jià)值的信息，利用數(shù)據(jù)挖掘技術(shù)對(duì)有價(jià)值的信息進(jìn)行處理，從而解決庫(kù)存管理中存在的問(wèn)題。具體表現(xiàn)為：（1）根據(jù)總成本最小化原理解決倉(cāng)庫(kù)的選址問(wèn)題；（2）采用關(guān)聯(lián)模式分析解決合理安排貨位問(wèn)題；（3）采用神經(jīng)網(wǎng)絡(luò)算法解決揀選最佳路徑問(wèn)題；（4）采用分類(lèi)算法解決庫(kù)存成本控制問(wèn)題；（5）分析客戶(hù)個(gè)性需求解決提高客戶(hù)滿(mǎn)意度問(wèn)題。3.數(shù)據(jù)挖掘在運(yùn)輸配送中的應(yīng)用。物流運(yùn)輸配送管理，包括運(yùn)輸配送計(jì)劃編制、運(yùn)輸配送路徑的選擇、車(chē)輛的選擇、混搭配載等問(wèn)題，利用數(shù)據(jù)挖掘技術(shù)從運(yùn)輸配送大數(shù)據(jù)中提取出潛在而有價(jià)值的信息，從而指導(dǎo)運(yùn)輸配送各個(gè)方面的改進(jìn)及優(yōu)化。具體應(yīng)用的方面包括：（1）通過(guò)現(xiàn)有數(shù)據(jù)進(jìn)行顧客消費(fèi)分析及預(yù)測(cè)；（2）根據(jù)歷史同期水平比較進(jìn)行經(jīng)營(yíng)成效分析及評(píng)價(jià)；（3）通過(guò)動(dòng)態(tài)數(shù)據(jù)研究掌握車(chē)輛狀態(tài)及事故預(yù)測(cè)；（4）通過(guò)對(duì)線路數(shù)據(jù)分析優(yōu)化運(yùn)輸配送路徑。4.數(shù)據(jù)挖掘在信息共享中的應(yīng)用。物流信息管理系統(tǒng)的建立在物流企業(yè)管理中發(fā)揮了巨大的作用，但因建設(shè)需求、建設(shè)時(shí)間及管理體制的不同，各物流企業(yè)間形成了自成體系、各自獨(dú)立的信息孤島，導(dǎo)致信息資源的巨大浪費(fèi)[4]。數(shù)據(jù)挖掘技術(shù)的引入能夠促進(jìn)建立完善的信息共享機(jī)制，進(jìn)而提高物流企業(yè)信息共享程度，可以從以下三個(gè)方面來(lái)分析：（1）政府牽頭搭建基于數(shù)據(jù)挖掘技術(shù)的城市物流資源共享平臺(tái)，對(duì)城市物流進(jìn)行有效監(jiān)督，實(shí)現(xiàn)一體化規(guī)劃管理；（2）行業(yè)牽頭搭建基于數(shù)據(jù)挖掘技術(shù)的行業(yè)物流資源共享平臺(tái)，物流信息及先進(jìn)技術(shù)得以共享，達(dá)到提高物流效率的目標(biāo)；（3）互聯(lián)網(wǎng)公司牽頭搭建基于數(shù)據(jù)挖掘的大數(shù)據(jù)共享平臺(tái)，將政府、企業(yè)及客戶(hù)的信息全部整合，以實(shí)現(xiàn)大數(shù)據(jù)共享要求。

作者:張貴彬 單位:陜西科技大學(xué)鎬京學(xué)院

參考文獻(xiàn)

[1]朱揚(yáng)勇.數(shù)據(jù)挖掘技術(shù)現(xiàn)狀[J].中國(guó)傳媒技術(shù)，2006，（12）：11-14.

[2]張貴彬，呂紀(jì)榮，郭小艷.數(shù)據(jù)挖掘技術(shù)在物流企業(yè)信息共享中的應(yīng)用[J].企業(yè)改革與管理，2016，（5X）：58-59.