数据挖掘在物流管理中的应用.docVIP

数据挖掘在物流中的应用【内容摘要】。 【Abstract】 For the logistics management in large amounts of data, how to timely, accurate, collect and analyze information and data, improve the logistics management level and efficiency, the development of a logistics problem. Through the establishment of a data warehouse, using the data connection and a Q-cluster analysis method, to build MIS system model, the ultimate decision makers in logistics management, raised the need for enterprise and economic development decision-making, the solution to this problem. 【关键词】数据挖掘 物流管理 信息系统 【Key】 words data mining logistics management information system decision-making 现代物流是一个庞大复杂的系统，包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，每个环节信息流量十分巨大。对这些数据进行及时、准确的处理业很难。数据挖掘（Data Mining）技术能帮助企业在物流信息系统管理中，及时、准确地收集和分析各种信息，对客户的行为及市场趋势进行有效的分析，了解不同客户的爱好，从而为客户提供有针对性的产品和服务，提高各类客户对企业和产品的满意度。决策者快速、准确地做出决策，提高企业的运作效率，降低物流成本、增加收益数据挖掘过程就是采用统计、数学和可视化技术，从大量的数据库中识别出有效的、新颖的、潜在的、有用的以及最终挖掘出可理解模式的高级处理过程。Data Warehouse）。数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。数据仓库建设，是以现有系统和大量数据的积累为基础。不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。因此，从的角度看，数据仓库建设是一个工程，是一个过程。数据仓库是决策支持系统和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题面向主题、集成性、稳定性和时变性。数据仓库是一个过程而不是一个项目是一个信息提供平台，业务处理系统获得数据主要以星型模型和雪花模型进行数据组织，并为用户提供各种手段从数据中获取信息和知识。数据仓库为企业带来了一些“以数据为基础的知识”，它们主要应用于对市场战略的评价，和为企业发现新的市场商机，同时，也用来控制库存、检查生产方法和定义客户群。以距离作为聚类统计量 第一类：粤高速A、五洲交通、重庆路桥、芜湖港、皖通高速、山东高速、天津港、福建高速、S东北高、S楚高速、华北高速、湖南投资、深圳机场、大秦铁路、盐田港、S中北、锦州港、S延边路、强生控股、中海海盛、S粤富华、S北海港、宁波海运、S*ST天海。 第二类：海南航空、巴士股份、中信海直、海南高速、亚通股份、捷利股份、中国国航、S南航、交运股份、中储股份、漳州发展、重庆港九、S川路桥、白云机场、深高速、宁沪高速、海越股份、上海航运。 第三类：上港集团、大众交通、上海机场、招商地产、厦门空港、厦门港务、外运发展、营口港、中海发展、中运航空、深赤湾A、现代投资。 第四类：南京水运、江西长运、铁龙物流、中原高速、赣粤高速。 第五类：S东航、ST长运、北京巴士。 聚类结果和前面的排序基本相符，结果是可信的。 通过主成分分析和聚类分析可以看出，整个物流业上市公司业绩较好，属于业绩较差的上市公司只有三家，占整个62家的4.8%。 基于以上聚类分析，搭建MIS系统： 1．采购进货管理系统。主要功能是面对供货商的作业