- 相關(guān)推薦
淺談現代企業(yè)物流管理中的數據挖掘技術(shù)
畢業(yè)論文 [摘要]本文基于現代企業(yè)物流管理現狀中存在的問(wèn)題，分析了將數據挖掘技術(shù)引入現代企業(yè)物流管理中的意義與應用前景，并對相關(guān)的數據挖掘技術(shù)的應用的難點(diǎn)進(jìn)行了歸納總結。
[關(guān)鍵詞]物流 物流管理 數據挖掘
現代物流管理是一項科學(xué)的系統管理方法。隨著(zhù)科學(xué)技術(shù)和新思想、新方法運用于企業(yè)經(jīng)營(yíng)的戰略規劃和管理作業(yè)中，物流管理在企業(yè)管理中獲得了巨大的成就，增強了企業(yè)應變市場(chǎng)的能力，成為支撐企業(yè)發(fā)展壯大的核心競爭力。
隨著(zhù)自動(dòng)化技術(shù)和計算機科學(xué)的發(fā)展，物流也從人工管理向自動(dòng)化管理演變，如自動(dòng)存儲、提取系統等的應用，以及計算機管理與物流控制系統的出現，標志著(zhù)“現代企業(yè)物流”時(shí)代的來(lái)臨。從此，企業(yè)物流變成了新的利潤源。它不僅可以降低生產(chǎn)和銷(xiāo)售成本、提高服務(wù)水平，還有助于整個(gè)社會(huì )資源的合理配置與優(yōu)化。
一、目前物流管理的現狀和問(wèn)題分析
“全球化時(shí)代”與“信息化時(shí)代”帶給企業(yè)機會(huì )的同時(shí)，也帶來(lái)日益激烈的市場(chǎng)競爭。為贏(yíng)得競爭，企業(yè)紛紛實(shí)施回歸戰略——“集中優(yōu)勢資源，培育核心競爭力”。
在該戰略指導下，企業(yè)致力于走集約化道路，降低運營(yíng)成本。物流也越來(lái)越成為企業(yè)總體戰略中不可分割的組成部分。但是，我國企業(yè)長(cháng)期以來(lái)受“重商流”、“輕物流”的理論和思想影響，發(fā)展一體化物流存在著(zhù)各種瓶頸，對物流在經(jīng)濟發(fā)展和在企業(yè)中的作用和地位缺乏足夠認識和重視：
1.缺乏“現代企業(yè)物流是獲取競爭優(yōu)勢的重要源泉”的理念。隨著(zhù)生產(chǎn)機械化、自動(dòng)化程度不斷提高和生產(chǎn)工藝日趨程序化、規范化，以及技術(shù)趨同性的增強，人們開(kāi)始把競爭的焦點(diǎn)從生產(chǎn)領(lǐng)域轉向非生產(chǎn)領(lǐng)域，包括采購、運輸、儲存、包裝、裝卸、流通加工、分銷(xiāo)、售后服務(wù)等物資流通活動(dòng)以及相關(guān)的信息活動(dòng)，這些即構成了企業(yè)物流的基本內容。
在我國，至今仍有許多企業(yè)沒(méi)有將物流看成是優(yōu)化生產(chǎn)過(guò)程、強化市場(chǎng)經(jīng)營(yíng)的關(guān)鍵，而是將物流置于附屬地位。企業(yè)的物流不但沒(méi)有形成利潤源泉，反而成為企業(yè)的負擔。
2.傳統的會(huì )計核算掩蓋了物流成本的真面目。一般情況下，企業(yè)會(huì )計科目中，只把支付給外部運輸、倉儲企業(yè)的費用列入成本，實(shí)際上，物流基礎建設費和自有車(chē)輛運輸、庫房保管、包裝裝卸等費用都沒(méi)有列入物流費用科目?jì)�，掩蓋了物流費用的真面目，無(wú)法喚起企業(yè)對物流的重視。
3.企業(yè)物流職能分散，運作效率低。大多數企業(yè)將倉儲、運輸、采購、包裝、配送等物流活動(dòng)分散在不同部門(mén)，沒(méi)有系統規劃和統一運作與管理，致使整個(gè)系統的運作效率非常低下。
4.物流管理方式落后。在物流管理上，很多企業(yè)在物流運作中缺乏人工智能/專(zhuān)家系統、通信、條碼和掃描等先進(jìn)信息技術(shù)的應用，使企業(yè)無(wú)法全面、準確的把握各方物流信息，無(wú)法實(shí)現內、外部物流一體化以尋求物流系統的最優(yōu)化和合理化。
二、數據挖掘
數據挖掘是一個(gè)利用各種分析方法和分析工具在大規模海量數據中建立模型和發(fā)現數據間關(guān)系的過(guò)程。
目前，數據挖掘技術(shù)在企業(yè)中應用的難點(diǎn)集中在企業(yè)數據搜集和提取上:多數企業(yè)內部的數據是分散的,業(yè)務(wù)數據往往被存放在缺乏統一設計和管理的異構環(huán)境中,不易綜合查詢(xún)訪(fǎng)問(wèn)，而且還有大量的歷史數據處于脫機狀態(tài),不能在線(xiàn)集中存儲查詢(xún)。數據挖掘在對這些數據進(jìn)行分析前,必須對這些數據進(jìn)行不同程度的整合和清理，這是數據挖掘的首要環(huán)節,但一般的OLTP(On-line Transaction Processing，聯(lián)機事務(wù)處理)系統的數據環(huán)境不具備這種能力。
數據倉庫正是為了構建新的分析處理環(huán)境而出現的一種數據存儲和組織技術(shù)。實(shí)際上，數據倉庫技術(shù)所要研究和解決的問(wèn)題就是從OLTP系統、異構分散的外部數據源、脫機的歷史業(yè)務(wù)數據中獲取數據，處理后為數據分析和管理決策提供應用服務(wù)。對海量數據的探索式分析的起點(diǎn)是OLAP(On Line Analytical Processing，聯(lián)機分析處理)。
數據挖掘能夠自動(dòng)發(fā)現以前未知的模式，自動(dòng)預測未來(lái)趨勢和行為。因此，數據挖掘技術(shù)廣泛用于以下一些領(lǐng)域：零售/市場(chǎng)營(yíng)銷(xiāo)；金融；信用保險；過(guò)程控制/質(zhì)量監督；化工/醫藥；工程與科學(xué)數據分析。
三、數據挖掘技術(shù)在物流管理中的應用
數據挖掘的主要方法包括：基本統計分析，相關(guān)分析，回歸分析，時(shí)間序列分析，人工神經(jīng)網(wǎng)絡(luò )方法等。不同的分析方法和挖掘工具有其獨特的特征和使用范圍。
1.基本統計分析方法：統計學(xué)研究的對象是客觀(guān)事物的數量關(guān)系和數量特征。統計方法廣泛地運用于各個(gè)領(lǐng)域，供各個(gè)部門(mén)做出決策、執行計劃、檢查監督和宏觀(guān)調控。尤其在物流管理領(lǐng)域，基本統計方法起著(zhù)信息咨詢(xún)、監督、輔助決策的作用。
統計分析方法從總體中抽取一定數量的樣本并測出有關(guān)的數據以及利用數據所提供的關(guān)于總體的信息來(lái)推斷關(guān)于總體的結論。目前企業(yè)內部的相關(guān)海量數據或分散存儲，或是異構數據，無(wú)法利用基本的統計方法進(jìn)行歸納推理。
2.相關(guān)分析：相關(guān)分析法是測定經(jīng)濟現象之間相關(guān)關(guān)系的規律性，并據以進(jìn)行預測和控制的分析方法。物流管理中的各個(gè)要素間存在著(zhù)大量的相互聯(lián)系、相互依賴(lài)、相互制約的關(guān)系：一類(lèi)是函數關(guān)系，它反映著(zhù)要素之間嚴格的依存關(guān)系；另一類(lèi)為相關(guān)關(guān)系，就是說(shuō)變量之間存在著(zhù)不確定、不嚴格的依存關(guān)系。
物流管理中的相關(guān)分析要解決以下問(wèn)題：
(1)確定物流各個(gè)要素之間有無(wú)相關(guān)關(guān)系以及相關(guān)關(guān)系的類(lèi)型：正相關(guān)關(guān)系或負相關(guān)關(guān)系；直線(xiàn)關(guān)系還是曲線(xiàn)相關(guān)；一元相關(guān)還是多元相關(guān)。
(2)確定各個(gè)要素之間相關(guān)關(guān)系的密切程度,通常是計算相關(guān)系數。
(3)擬合回歸方程，如果要素間相關(guān)關(guān)系密切，就根據其關(guān)系的類(lèi)型，建立數學(xué)模型用相應回歸方程來(lái)反映這種數量關(guān)系。
(4)判斷回歸分析的可靠性，只有通過(guò)檢驗的回歸方程才能用于預測和控制。
(5)根據回歸方程進(jìn)行預測和控制。如果變量數量比較多，并且變量之間無(wú)法用線(xiàn)性關(guān)系來(lái)表示，那么相關(guān)分析就不能很好的反映出各變量之間的關(guān)系。
3.回歸分析：考察變量之間的數量變化規律，確定自變量和因變量之間的數學(xué)關(guān)系式，建立回歸方程，對回歸方程進(jìn)行各種統計檢驗，并能進(jìn)行預測�；貧w分析按照涉及的自變量的多少，可分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關(guān)系類(lèi)型，可分為線(xiàn)性回歸分析和非線(xiàn)性回歸分析。
在物流管理中回歸分析應用的主要內容為：
(1)從一組數據出發(fā)確定某些變量之間的定量關(guān)系式，并估計其中的未知參數。估計參數的常用方法是最小二乘法。
(2)對這些關(guān)系式的可信度進(jìn)行檢驗。
(3)在多自變量共同影響一個(gè)因變量的關(guān)系中，判斷并將影響顯著(zhù)的自變量選入模型中，而剔除影響不顯著(zhù)的變量，通常用逐步回歸、向前回歸和向后回歸等方法。
(4)利用所求的關(guān)系式對物流需求或是其他物流管理相關(guān)內容進(jìn)行預測或控制。
回歸分析僅考慮到變量之間的數量變化規律，沒(méi)有考慮到變量之間由于時(shí)間等因素產(chǎn)生的不確定關(guān)系，這使得回歸分析，特別是線(xiàn)性分析，對于時(shí)間不敏感變量的檢驗結果是可信的，對于時(shí)間敏感的變量的變化規律不能很好的表示。
4.時(shí)間序列分析：對按時(shí)間順序的一組數字序列應用數理統計方法加以處理，以預測未來(lái)事物的發(fā)展。
時(shí)間序列分析是定量預測方法之一，它的基本原理：一是承認事物發(fā)展的延續性，根據過(guò)去的變化趨勢預測未來(lái)的發(fā)展，前提是假定過(guò)去會(huì )同樣延續到未來(lái)；二是突出了時(shí)間因素在預測中的作用，因而存在預測誤差。當外界發(fā)生較大變化，預測往往會(huì )有較大偏差，為此要利用加權平均法對歷史數據進(jìn)行處理。
時(shí)間序列預測法簡(jiǎn)單易行，便于掌握，中短期預測比長(cháng)期預測的效果好。
5.人工神經(jīng)網(wǎng)絡(luò )：人工神經(jīng)網(wǎng)絡(luò )(Artificial Neural Network，ANN)是一個(gè)由很多節點(diǎn)通過(guò)方向性連接組成的一個(gè)網(wǎng)絡(luò )結構，是基于模仿人的大腦的神經(jīng)網(wǎng)絡(luò )的結構和功能而建立的一種具有學(xué)習能力的信息處理系統。ANN通過(guò)從過(guò)去的知識中學(xué)習、概括和抽取解決問(wèn)題的經(jīng)驗知識，可以將這些知識進(jìn)行運用。
ANN的優(yōu)點(diǎn)是：并行處理；非線(xiàn)性映射；自學(xué)習功能；高速尋找優(yōu)化解的能力。由于具有這些優(yōu)點(diǎn)，ANN具有高度的非線(xiàn)性和極強的模糊推理能力，這是傳統數學(xué)分析方法無(wú)法比擬的。物流過(guò)程涉及的因素比較多，若僅用推理和建立數學(xué)模型的方法來(lái)解決物流管理中出現的問(wèn)題是不夠的，還需依靠經(jīng)驗和某些難以用公式表達的知識，因此，ANN比較適合于解決復雜的物流管理問(wèn)題。
四、結語(yǔ)
隨著(zhù)科學(xué)技術(shù)的發(fā)展，越來(lái)越多的新思想、新方法運用于企業(yè)經(jīng)營(yíng)的戰略規劃和管理作業(yè)，增強了企業(yè)應變市場(chǎng)的能力。在所有改進(jìn)企業(yè)經(jīng)營(yíng)管理的措施當中，現代企業(yè)物流技術(shù)合理高效地參與，正成為企業(yè)贏(yíng)得市場(chǎng)優(yōu)勢的重要手段。很明顯，數據挖掘技術(shù)為企業(yè)從戰略高度把物流系統與營(yíng)銷(xiāo)戰略以及企業(yè)的總體戰略有機地結合起來(lái)，科學(xué)地做出物流決策提供了有效的工具和手段。
參考文獻:
[1]郭獻山樂(lè )業(yè):我國企業(yè)物流發(fā)展現狀及對策的思考[J].集團經(jīng)濟研究,2006(12月下旬刊):122～123
[2]劉同明等編著(zhù):數據挖掘技術(shù)及其應用[M].北京國防工業(yè)出版社,2001:8～9
【淺談現代企業(yè)物流管理中的數據挖掘技術(shù)】相關(guān)文章：
基于數據挖掘技術(shù)的現代物流管理03-25
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
數據挖掘技術(shù)在客戶(hù)關(guān)系管理中的應用12-09
電子商務(wù)中數據挖掘方法淺談03-01
數據挖掘技術(shù)在飯店營(yíng)銷(xiāo)中的運用03-28