数据挖掘在烟草物流综合管理系统中应用.docVIP

数据挖掘在烟草物流综合管理系统中应用 　　[摘要]介绍数据挖掘的概念、体系、过程和技术方法，分析基于数据挖掘的烟草物流综合管理系统的体系架构，指出应用数据挖掘技术的烟草物流综合管理系统的优势。 　　[关键词]数据挖掘 数据仓库 烟草物流 　　中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2009）0110098-02 　　 　　一、引言 　　 　　现代物流是极具潜力的新兴产业，作为继物质资源、人力资源之后的“第三利润源”而被高度重视。中国烟草行业的销售配送网络经过多年的发展已经具有现代物流的基本特征，包括卷烟运输、卷烟存储、卷烟分拣（加工）和卷烟配送等环节。由于现在卷烟物流配送实施地区统一配送，客户基数非常大，因此导致每个物流环节都产生大量的数据。另外现代物流信息技术的使用也使得数据库的规模不断扩大，产生了巨大的数据流，使企业很难对这些数据进行准确、高效的收集和及时处理，因此也很难帮助决策者做出快速、准确的决策，难以实现对卷烟物流过程的全程监控，降低整个卷烟物流的成本。数据挖掘技术正可以解决这些问题，能够帮助企业在物流信息管理中，及时、准确的收集和分析客户、市场及整个企业内部的各种信息，对客户的行为及市场趋势进行有效的分析，了解不同客户的需求，从而可以为客户提供针对性的服务，大大提高客户对企业和产品的满意度。 　　 　　二、数据挖掘技术 　　 　　数据挖掘（Data Mining），又称为数据库中的知识发现（Knowledge Discovery in Database，KDD）是指从大量的、有噪声的、模糊的、随机的数据中，获取有效的、新颖的、潜在有用的、最终可理解的模式。数据挖掘是一门交叉学科，涉及到数据库技术、人工智能技术、数理统计、可视化技术、信息提取、空间数据提取和并行计算等方面，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。数据挖掘系统一般由数据库、数据仓库或其他信息库，数据库服务器，知识库，数据挖掘引擎，模式评估模块和图形用户界面组成。数据模式可以从不同类型的数据库挖掘，如关系数据库，数据仓库，面向对象的数据库，也可以从其他类型的信息存储中提取，包括空间的、时间相关的、文本的、多媒体的和遗产数据库，以及万维网等。数据挖掘过程一般由三个步骤组成，即数据准备、数据挖掘、结果的解释和评价。在数据挖掘的处理过程中，数据挖掘方法是最为关键的，目前数据挖掘的方法主要有以下几类：关联规则方法、分类和聚类方法、数据统计方法、机器学习方法、多层次数据汇总归纳、神经网络方法、决策树方法和序列模式分析方法。 　　 　　三、数据挖掘在烟草物流综合管理系统中的应用 　　 　　烟草卷烟物流经过几年的发展，逐步建立了半自动卷烟分拣系统、自动卷烟分拣系统、数字仓储系统和配送车辆GIS系统等物流相关的信息系统。这些信息系统通过应用网络技术、EDI、人工智能、条形码、无线pos、电子标签，RFID等各种先进技术，将物流作业信息化，物流信息处理电子化和计算机化，极大的提高了工作效率，但是由此也产生了大量的信息，难以及时准确的处理，给领导决策带来了困难。在这个背景下，物流综合管理系统的开发迫在眉睫。物流综合管理系统是架构在分拣系统、仓储系统、车辆监控系统之上的物流决策系统，是一种结合了数据挖掘技术和人工智能的新型经营决策系统。它通过数据收集、智能筛选对卷烟采购、卷烟存储、卷烟分拣、卷烟配送、日常管理和绩效考核的各个环节的大量信息进行采集，并利用数据仓库和数据挖掘技术对其进行分析处理，以此确定相应的卷烟物流管理决策。物流综合管理系统的开发和应用，实现了商业企业卷烟商流、物流各个环节的无缝衔接，满足了卷烟物流配送中心精细化管理的要求。通过调度管理、仓储管理、分拣管理、送货管理，实现配送中心各作业活动的前后衔接、左右贯通；通过现场管理、安全管理、设备管理对配送中心的作业细节进行细致管理；通过成本核算，对配送中心的费用进行计算，并生成各项费用指标，实现物流成本监控与分析；通过绩效考核模块，对配送中心进行多级考核；通过监控预警模块，以文字、表格、图形等多种形式展现作业数据、管理数据，实现全面的管理监控与管理优化分析，为配送中心的高效、服务、低成本运作提供管理决策工具。 　　（一）卷烟物流管理信息系统数据仓库的建立 　　数据仓库的建立是数据挖掘的基础。数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理决策制定。烟草物流分拣、仓储、配送等各个作业系统作为数据仓库的原始数据源，为数据仓库提供订单、配货单、客户信息、结算信息、仓储信息、分拣信息等大量数据资料和报表。另外，日常管理的台账、应急预案等信息也通过相应的数据接口导入到数据仓库中。数据仓库通过ETL过程（抽取、