- 相關(guān)推薦
談數據挖掘技術(shù)在第三方物流企業(yè)的應用
內容摘要：數據挖掘是商務(wù)智能技術(shù)的重要組成部分，是一個(gè)新的重要的研究領(lǐng)域。本文先容了商務(wù)智能技術(shù)應用現狀和組成，闡述了數據挖掘技術(shù)在第三方物流企業(yè)的應用。關(guān)鍵詞：商務(wù)智能 數據挖掘 第三方物流 研究
在當今競爭日益激烈的市場(chǎng)環(huán)境中，第三方物流企業(yè)都�？茨軌驈暮迫鐭熀５纳虅�(wù)數據以及其他相關(guān)的物流業(yè)務(wù)數據中發(fā)現帶來(lái)巨額利潤的商機。只有那些利用先進(jìn)的信息技術(shù)成功地收集、分析、理解信息并依據信息進(jìn)行決策的物流企業(yè)才能獲得競爭上風(fēng)，才是物流市場(chǎng)的贏(yíng)家。因此，越來(lái)越多的物流治理者開(kāi)始借助商務(wù)智能技術(shù)來(lái)發(fā)現物流運營(yíng)過(guò)程中存在的題目，找到有利的物流解決方案。
商務(wù)智能技術(shù)應用現狀
我國加進(jìn)了WTO，在很多領(lǐng)域，如金融、保險、物流等領(lǐng)域將逐步對外開(kāi)放，這就意味著(zhù)很多第三方物流企業(yè)將面臨來(lái)自國際大型跨國物流公司的巨大競爭壓力。國外發(fā)達國家各種企業(yè)采用商務(wù)智能的水平已經(jīng)遠遠超過(guò)了我國。美國Palo Alto 治理團體公司1999年對歐洲、北美和日本375家大中型企業(yè)的商務(wù)智能技術(shù)的采用情況進(jìn)行了調查。結果顯示，在金融領(lǐng)域，商務(wù)智能技術(shù)的應用水平已經(jīng)達到或接近70%，在營(yíng)銷(xiāo)領(lǐng)域也達到50%，并且在其他應用領(lǐng)域對該技術(shù)的采納水平都進(jìn)步約50%�，F在，很多第三方物流企業(yè)都把數據看成寶貴的財富，紛紛利用商務(wù)智能發(fā)現其中隱躲的信息，借此獲得巨額的回報。
據IDC對歐洲和北美62家采用了商務(wù)智能技術(shù)的企業(yè)的調查分析發(fā)現，這些企業(yè)的3年均勻投資回報率為401%，其中25%的企業(yè)的投資回報率超過(guò)600%。調查結果還顯示，一個(gè)企業(yè)要想在復雜的環(huán)境中獲得成功，高層治理者必須能夠控制極其復雜的貿易結構，若沒(méi)有詳實(shí)的事實(shí)和數據支持，是很難辦到的。因此，隨著(zhù)數據挖掘技術(shù)的精益求精和日益成熟，它必將被更多的第三方物流企業(yè)采用，使更多的物流治理者得到更多的商務(wù)智能。
商務(wù)智能技術(shù)的組成
具體地說(shuō)，商務(wù)智能技術(shù)有數據倉庫(data warehousing)、聯(lián)機分析處理(on-line analytical processing，簡(jiǎn)稱(chēng)OLAP)、數據挖掘（data mining），包括這三者在內的用于綜合、探察和分析商務(wù)數據的先進(jìn)的信息技術(shù)的統稱(chēng)就是商務(wù)智能技術(shù)。
數據倉庫是一個(gè)面向主題的、集成的、隨時(shí)間變化的主要用于決策支持的數據的集合。一般來(lái)說(shuō)，大的物流公司或企業(yè)內存在著(zhù)各種各樣的信息系統，這些應用驅動(dòng)的操縱型信息系統為企業(yè)不同的物流業(yè)務(wù)系統服務(wù)，具有不同接口和不同的數據表示方法，互相孤立。利用數據倉庫技術(shù)可以動(dòng)態(tài)地將各個(gè)物流企業(yè)子系統中的數據抽取集成到一起，進(jìn)行清洗、轉換等處理之后加載到數據倉庫中，通過(guò)周期性的刷新，為物流用戶(hù)提供一個(gè)同一的干凈的數據視圖，為數據分析提供一個(gè)高質(zhì)量的數據源。
對于數據倉庫中的數據，可以使用一些增強的查詢(xún)和報表工具進(jìn)行復雜的查詢(xún)和即時(shí)的報表制作，可以利用OLAP技術(shù)從多種角度對物流業(yè)務(wù)數據進(jìn)行多方面的匯總、統計、計算，還可以利用數據挖掘技術(shù)自動(dòng)發(fā)現其中隱含的有用的物流信息。
數據挖掘又稱(chēng)知識發(fā)現（Knowledge Discovery in Database，簡(jiǎn)稱(chēng)KDD），是從大量數據中抽取有意義的、隱含的、以前未知的并有潛伏使用價(jià)值的知識的過(guò)程。數據挖掘是一個(gè)多學(xué)科交叉性學(xué)科，它涉及統計學(xué)、數據庫、模式識別、可視化以及高性能計算等多個(gè)學(xué)科。利用數據挖掘技術(shù)可以分析各種類(lèi)型的數據，例如結構化數據、半結構化數據以及非結構化數據、靜態(tài)的歷史數據和動(dòng)態(tài)數據流數據等。
數據挖掘技術(shù)在第三方物流企業(yè)的應用分析
數據挖掘是從大量的、不完全的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛伏有用的數據中發(fā)現其潛伏規律的技術(shù)，是當前計算機科學(xué)研究的熱門(mén)之一。隨著(zhù)信息技術(shù)的高速發(fā)展，積累的有關(guān)物流行業(yè)的數據量劇增，如何從大量的物流數據中提取有用的知識成為第三方物流企業(yè)當務(wù)之急。數據挖掘就是為順應需要應運而生發(fā)展起來(lái)的數據處理技術(shù)。
數據挖掘的對象
關(guān)系數據庫(relational database)中通常存儲和治理的是結構化的數據，它將一個(gè)實(shí)體的各方面信息通過(guò)離散的屬性進(jìn)行描述。而文本數據庫（text database）或文檔數據庫（document database）則通常存儲和治理的是半結構化的數據，例如新聞稿件、研究論文、電子郵件、書(shū)籍以及WEB頁(yè)面等都屬于半結構化數據�？臻g數據庫、多媒體數據庫中存放的是非結構化數據，例如輿圖、圖片、音頻、視頻等都屬于非結構化數據。相對于半結構化和非結構化數據來(lái)說(shuō)，針對結構化數據的數據挖掘技術(shù)比較成熟，市場(chǎng)上有很多的商品軟件可以使用，用的較多的包括IBM Intelligent Miner、SAS Enterprise Miner、SGI MineSet、Clementine SPSS以及Microsoft SQL Server 2000等。關(guān)于半結構化和非結構化的數據挖掘軟件尚未幾，相應的算法相對還較少。從另一個(gè)角度來(lái)說(shuō)，數據挖掘的分析對象分為兩種類(lèi)型：靜態(tài)數據和數據流（data stream）數據�，F在的多數數據挖掘算法是用于分析靜態(tài)數據的。
數據挖掘的分析
無(wú)論要分析的數據對象的類(lèi)型如何，常用的數據挖掘分析包括關(guān)聯(lián)分析、序列分析、分類(lèi)、猜測、聚類(lèi)分析以及時(shí)間序列分析等。
關(guān)聯(lián)分析 關(guān)聯(lián)分析是由Rakesh Apwal等人首先提出的。兩個(gè)或兩個(gè)以上變量的取值之間存在某種規律性，就稱(chēng)為關(guān)聯(lián)。數據關(guān)聯(lián)是數據庫中存在的一類(lèi)重要的、可被發(fā)現的知識。關(guān)聯(lián)分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數據庫中隱躲的關(guān)聯(lián)網(wǎng)。一般用支持度和可信度兩個(gè)閥值來(lái)度量關(guān)聯(lián)規則的相關(guān)性，還不斷引進(jìn)愛(ài)好度、相關(guān)性等參數，使得所挖掘的規則更符合需求。關(guān)聯(lián)分析主要用于發(fā)現不同事件之間的關(guān)聯(lián)性，即一個(gè)事件發(fā)生的同時(shí)，另一個(gè)事件也經(jīng)常發(fā)生。關(guān)聯(lián)分析的重點(diǎn)在于快速發(fā)現那些有實(shí)用價(jià)值的關(guān)聯(lián)發(fā)生的事件。其主要依據是事件發(fā)生的概率和條件概率應該符合一定的統計意義。 對于結構化的數據，以物流客戶(hù)的采購習慣數據為例，利用關(guān)聯(lián)分析，可以發(fā)現物流客戶(hù)的關(guān)聯(lián)采購需要。例如，對于第三方物流企業(yè)來(lái)說(shuō)，一個(gè)托運貨物的貨主很可能同時(shí)有貨物的包裝、流通加工等物流業(yè)務(wù)的需求。利用這種知識可以采取積極的物流運營(yíng)策略，擴展物流客戶(hù)采購物流服務(wù)的范圍，吸引更多的物流客戶(hù)。通過(guò)調整服務(wù)的內容便于物流顧客采購到各種物流服務(wù)，或者通過(guò)降低一種物流業(yè)務(wù)的價(jià)格來(lái)促進(jìn)另一種物流業(yè)務(wù)的銷(xiāo)售等。
分類(lèi)分析 分類(lèi)分析是通過(guò)分析具有種別的樣本的特點(diǎn)，得到?jīng)Q定樣本屬于各種種別的規則或方法。利用這些規則和方法對未知種別的樣天職類(lèi)時(shí)應該具有一定的正確度。分類(lèi)分析可以根據顧客的消費水平和基本特征對物流顧客進(jìn)行分類(lèi)，找出對第三方物流企業(yè)有較大利益貢獻的重要的物流客戶(hù)的特征，通過(guò)對其進(jìn)行個(gè)性化物流服務(wù)，進(jìn)步他們的忠誠度。
聚類(lèi)分析 聚類(lèi)分析是根據物以類(lèi)聚的原理，將本身沒(méi)有種別的樣本聚集成不同的組，并且對每一個(gè)這樣的組進(jìn)行描述的過(guò)程。其主要依據是聚到同一個(gè)組中的樣本應該彼此相似，而屬于不同組的樣本應該足夠不相似。
以第三方物流企業(yè)的客戶(hù)關(guān)系治理為例，利用聚類(lèi)分析，根據物流客戶(hù)的個(gè)人特征以及物流業(yè)務(wù)消費數據，可以將客戶(hù)群體進(jìn)行細分。例如，可以得到這樣的一個(gè)物流業(yè)務(wù)消費群體：生產(chǎn)企業(yè)對物流業(yè)務(wù)中運輸需求占41%，對物流業(yè)務(wù)中倉儲業(yè)務(wù)的需求占23%；貿易企業(yè)對物流業(yè)務(wù)中運輸需求占59%，對物流業(yè)務(wù)中倉儲業(yè)務(wù)需求占77%。針對不同的客戶(hù)群，可以實(shí)施不同的物流服務(wù)方式，從而進(jìn)步客戶(hù)的滿(mǎn)足度。
數據挖掘流程
定義題目：第三方物流企業(yè)首先清楚地定義出各種物流業(yè)務(wù)題目，確定數據挖掘的目的。
數據預備：首先第三方物流企業(yè)在大型數據庫和數據倉庫目標中提取數據挖掘的目標數據集進(jìn)行數據選擇；其次進(jìn)行數據的預處理，包括檢查數據的完整性及數據的一致性、填補丟失的域，刪除無(wú)效數據等。
數據挖掘：第三方物流企業(yè)根據數據功能的類(lèi)型和數據的特點(diǎn)選擇相應的算法，在凈化和轉換過(guò)的數據集上進(jìn)行數據挖掘。
結果分析：第三方物流企業(yè)對數據挖掘的結果進(jìn)行解釋和評價(jià)，轉換成為能夠終極被理解的知識。
知識的運用：第三方物流企業(yè)將分析所得到的知識集成到物流業(yè)務(wù)信息系統的組織結構中往。
評價(jià)數據挖掘軟件需要考慮的題目
越來(lái)越多的軟件供給商加進(jìn)了數據挖掘這一領(lǐng)域的競爭。第三方物流企業(yè)如何正確評價(jià)一個(gè)貿易軟件，選擇合適的軟件成為數據挖掘成功應用的關(guān)鍵。評價(jià)一個(gè)數據挖掘軟件主要應從以下四個(gè)主要方面：
計算性能：如該軟件能否在不同的物流業(yè)務(wù)平臺運行；軟件的架構；能否連接不同的數據源；操縱大數據集時(shí)，性能變化是線(xiàn)性的還是指數的；算的效率；是否基于組件結構易于擴展；運行的穩定性等；
功能性：如軟件是否提供足夠多樣的算法；能否避免挖掘過(guò)程黑箱化；軟件提供的算法能否應用于多種類(lèi)型的數據；第三方物流企業(yè)能否調整算法和算法的參數；軟件能否從數據集隨機抽取數據建立預挖掘模型；能否以不同的形式表現挖掘結果等。
可用性：如用戶(hù)界面是否友好；軟件是否易學(xué)易用；軟件面對的用戶(hù)是初學(xué)者、高級用戶(hù)還是專(zhuān)家；錯誤報告對用戶(hù)調試是否有很大幫助。
輔助功能：如是否答應第三方物流企業(yè)更改數據集中的錯誤值或進(jìn)行數據清洗；是否答應值的全局替換；能否將連續數據離散化；能否根據用戶(hù)制定的規則從數據集中提取子集；能否將數據中的空值用某一適當均值或用戶(hù)指定的值代替；能否將一次分析的結果反饋到另一次分析中等等。
數據挖掘技術(shù)是一個(gè)年輕且布滿(mǎn)�？吹难芯款I(lǐng)域，利益的強大驅動(dòng)力將會(huì )不停地促進(jìn)它的發(fā)展。每年都有新的數據挖掘方法和模型問(wèn)世，人們對它的研究正日益廣泛和深進(jìn)。盡管如此，數據挖掘技術(shù)仍然面臨著(zhù)很多題目和挑戰：如數據挖掘方法的效率亟待進(jìn)步，尤其是超大規模數據集中數據挖掘的效率；開(kāi)發(fā)適應多數據類(lèi)型的挖掘方法，以解決異質(zhì)數據集的數據挖掘題目；動(dòng)態(tài)數據和知識的數據挖掘；網(wǎng)絡(luò )與分布式環(huán)境下的數據挖掘等。
【談數據挖掘技術(shù)在第三方物流企業(yè)的應用】相關(guān)文章：
談數據挖掘技術(shù)在電子商務(wù)中的應用03-21
數據挖掘技術(shù)在企業(yè)知識管理中的應用03-19
數據挖掘技術(shù)在ＣＲＭ中的應用03-22
淺談現代企業(yè)物流管理中的數據挖掘技術(shù)03-07
基于數據挖掘技術(shù)的現代物流管理03-25
第三方物流企業(yè)中的商務(wù)智能技術(shù)應用03-23
數據挖掘技術(shù)在客戶(hù)關(guān)系管理中的應用12-09