数据挖掘在物流信息管理中应用.docVIP

数据挖掘在物流信息管理中应用 　　众所周知，物流业是一个新兴产业，它是指商品、物资、物料等从发送地向接受地的实体流动过程；它又是融合包装、运输、仓储、销售、信息等的综合型服务业，是现代社会及企业发展的“第三利润源”，更是支撑我国国民经济的战略性支柱产业。随着国内经济的高速增长，电子商务得到了快速发展，行业需求急剧增加，由此物流产业也得到了大力发展，物流模式逐渐从传统的物资供应行业向智慧物流转变。 　　物流各个环节产生的数据信息呈爆炸式增长，这些海量的信息既有显性的又有隐性的信息显性的信息可以用语言表达清楚、可以很方便的编码实现，隐性的信息存在于个人的行为，思想的世界观、价值观和情感之中，通常很难用某种方式简单、直接表达出来或发现，也难以传递、交流，但是隐性的信息一般都可以直接转化为有效的行动，其价值远远高于和大于显性的信息。因此，为了充分发挥各种信息的作用，需要我们对显性的信息进行整理、提取和加工等，充分挖掘出隐藏在其后面的有价值的信息，这正是数据挖掘的重要任务。 　　一、物流业信息管理现状分析 　　2017年3月9日，国家发改委通报，截止到2016年底我国社会物流总额已经达到229.7万亿元（如图1所示），虽然这一数据已经达到相当规模，但是我国物流成本占GDP的比重依然非常高，当前我国的这一比值为14.8%，同期日本的只有11%，而美国的仅为8%，究其原因是在物流业务运行过程中，没有把数据背后的有用信息充分挖掘出来，使得物流行业间的管理混乱、效率低下、利益链加长。 　　二十一世纪进入知识经济、网络经济时代，随着数据挖掘技术、人工智能的大量使用，人类的信息管理、信息分析和处理的水平获得了大幅度的提高，同时物流行业的经营管理模式、企业的组织结构等也发生了深刻的变化，但是，随着业务规模的不断扩大，物流企业在经营过程中发现了越来越多难以解决的问题，比如：物流管理分散，物流整体效益较差；物流业务网点多、遍布广，信息沟通不畅；当前大部分企业仍然采用传统的手工操作开展采购、运输、仓储、配送等工作，因此信息化、自动化、智能化水平普遍偏低，大量的数据没有被全方位收集；物流各个环节彼此孤立、信息不能共享，集成管理难度大；业务呈动态性发展趋势，信息收集滞后，不能及时地收集信息；由此带来的直接后果是：物流企业不能为客户提供实时跟踪、精准查询等服务；资源得不到优化和有效的配置；无效物流多，运力浪费；市场反应迟钝，库存大；服务质量差，客户投诉多；经营效率低下，成本过高。 　　当前市场环境竞争激烈、瞬息万变，许多物流企业的空载问题导致其成本急剧增加，主要原因是物流企业缺少对数据的精准分析及挖掘，从而对未来市场没有正确的预判，尤其一些中小型的物流企业，盲目跟风，只注重眼前利益，不切实际地扩大仓储面积、增加企业运力，市场经济一旦不景气，业务量就开始下滑，闲置了大量的空仓库和富余运力，由此带来的最直接后果就是企业的物流成本增加、利润下降。 　　因此，中国的物流业已经达成共识，要想发展现代物流，必须对物流行业产生的各种信息进行科学管理。为了适应经济全球化和市场一体化的要求，必须充分运用信息技术和现代化的方法，通过资源整合和对物流市场做出快速反应，使企业的物流、信息流、资金流得到最大的集成。物流信息化、网络化、智能化建设是现代物流发展的根本，也是今后物流行业发展的趋势和方向。 　　物流信息管理就是运用计划、组织、指挥、协调、控制等管理方法，对物流信息收集、检索、存储、加工、传递和应用的全过程，并运用人力、物力、财力使物流各环节协调一致，实现物流供应链信息的畅通传递与共享，减少信息的不对称，实现企业内部四种流的高度统一，提升企业核心竞争力。 　　二、数据挖掘在物流信息管理中的应用 　　现代物流是一个大的系统工程，特别是全程物流，它是一个人机系统、大跨度系统，包括包装、仓储、装卸搬运、运输、配送以及流通加工等环节，各个环节每天都高频率重复，因此会产生海量的信息，企业及时准确地进行数据处理的难度就变得非常大。决策者要想及时而准确地做出决策，降低物流成本，同时提高企业的运营效率，必须借助一种新的数据处理技术，这就是数据挖掘技术（Data Mining）。 　　数据挖掘（又叫资料探勘、数据采矿）是指从大量的、模糊的、嘈杂的、随机的数据中，识别并提取隐含在其中的、先前未知的、新颖的但又是有价值的信息和知识。数据挖掘技术主要有分类、聚类、关联、异常检测等，不同的数据挖掘技术都有其各自的特点和使用方法，因此数据挖掘的使用步骤会因其应用领域的不同而发生变化。数据挖掘过程完整的步骤如下： 　　1） 问题的理解和提出； 　　2） 数据准备； 　　3） 数据整理； 　　4） 建立模型； 　　5） 评价和解释； 　　6） 实施。 　　由以上步骤可以得出