基于决策树技术仓储企业综合竞争力评估研究.docVIP

基于决策树技术仓储企业综合竞争力评估研究 　　摘 要：文章运用SQL Server 2008商务智能平台和决策树分析技术，通过构建决策树挖掘模型，对仓储企业的综合竞争力进行了科学的、准确的、合理的评估分析，实现了认知规则的提取和知识的发现，具有一定的理论和现实意义。 　　关键词：决策树；仓储企业；评估；SQL Server 2008 　　中图分类号：F253 文献标识码：A 　　Ahstract： The use of SQL Server 2008 business intelligence 　　platform and decision tree analysis technology， by constructing a decision tree mining model， comprehensive competitiveness of enterprise logistics were analyzed and the scientific， accurate and reasonable assessment. The cognitive rules extraction and knowledge discovery have certain theoretical and practical significance. 　　Key words： decision tree； storage enterprise； evaluation； SQL Server 2008 　　仓储业是物流业的重要组成部分，也是第三产业中的独立行业，近10年来，我国经济持续稳定高速增长，电子商务迅猛发展，促使物流业的规模不断扩大，传统物流企业逐步转型，现代物流发展的生态环境日益优化，物流基础设施和信息化建设进度加快，现代物流服务体系已逐渐形成，仓储物流配送服务的能力和水平得到了显著的提高，现代物流业已成为现代服务业的重要支撑。然而，与西方发达国家相比，我国仓储业的发展还不够成熟，存在着许多不足，需要进一步加强和完善现代仓储物流体系的构建，并对仓储物流企业进行综合评估和考察，促使仓储物流企业竞争、创新和发展，不断提升仓储物流企业的服务质量和综合竞争力，以更好地适应现代仓储业的发展。 　　1 SQL Server 2008 BI平台概述 　　Business Intelligence Development Studio，即微软公司SQL Server 2008商业智能平台，被用于创建和使用数据挖掘模型，通过对该平台中数据挖掘算法和工具的使用，进而为企业提供有价值的、高效的、可靠的商务智能决策方案。 　　SQL Server 2008系统结构主要包括4个部分，即数据库引擎、分析服务（Analysis Services）、报表服务（Reporting Services）和集成服务（Integration Services）。在用BI平台进行数据挖掘时，主要使用的是Analysis Services，它不仅能够被用来进行多维数据分析，还能创建数据挖掘结构和模型，并且提供了9种比较常用的数据挖掘技术（Microsoft Naive Bayes、关联规则、聚类分析、决策树、逻辑回归、神经网络、时序、线性回归、顺序分析和聚类分析），除此之外用户还能自定义算法。 　　2 决策树简介 　　数据挖掘的本质就是知识发现的过程，它是从海量的数据中提取有价值的、对人们有用的信息和知识[1]，而决策树是数据挖掘技术中常用的一种，在分类和预测中运用比较广泛，该技术就是通过分析已知类别训练集，挖掘并发现分类规则，再对未知数据的类别进行分析预测，从而给决策者提供参考[2-3]。 　　据此可知该技术的实施一般分为模型训练和应用两个步骤[4]，该方法具有以下几个优点：方法简单，计算量较小；容易挖掘和发现有价值的规则；连续和离散字段均能适用；能够明显直观地显现出各字段的重要性程度。然而也存在一些不足，比如对连续字段和时间顺序这样的字段需要进一步转化处理，类别太多会增加错误决策的概率等。 　　3 数据挖掘的ETL过程 　　3.1 数据的获取和导入 　　根据挖掘和分析的需要，文章随机从物流产业大数据平台[5]中抽取全国仓储物流企业相关数据集，该样本数据集合共有400条记录，每条记录主要选取了10个相关属性，其属性名称分别为Comp_ID（企业ID）、Comp_Name（企业名称）、Comp_Prop（企业性质）、Region（所属区域）、Address（企业地址）、Cont_Way（联系方式）、Asset（TTY）（企业资产（万元））、Income（TTY）（企业经营收入（万元））、Comp_Numb（企业员工数）和Comp_Eval_Re