现代企业物流管理中的数据挖掘技术.docxVIP

现代企业物流管理中的数据挖掘技 术 ［摘要］本文基于现代企业物流管理现 状中存在的问题，分析了将数据挖掘技术引 入现代企业物流管理中的意义与应用前景， 并对相关的数据挖掘技术的应用的难点进 行了归纳总结。 ［关键词］物流 物流管理 数据挖掘 现代物流管理是一项科学的系统管理 方法。随着科学技术和新思想、新方法运用 于企业经营的战略规划和管理作业中， 物流 管理在企业管理中获得了巨大的成就， 增强 了企业应变市场的能力， 成为支撑企业发展 壮大的核心竞争力。 随着自动化技术和计算机科学的发展， 物流也从人工管理向自动化管理演变， 如自 动存储、提取系统等的应用，以及计算机管 理与物流控制系统的出现， 标志着“现代企 业物流”时代的来临。从此，企业物流变成 了新的利润源。它不仅可以降低生产和销售 成本、提高服务水平，还有助于整个社会资 源的合理配置与优化。 一、目前物流管理的现状和问题分析 “全球化时代”与“信息化时代”带 给企业机会的同时，也带来日益激烈的市场 竞争。为赢得竞争，企业纷纷实施回归战略 ——“集中优势资源，培育核心竞争力”。 在该战略指导下，企业致力于走集约化 道路，降低运营成本。物流也越来越成为企 业总体战略中不可分割的组成部分。但是， 我国企业长期以来受“重商流”、 “轻物流” 的理论和思想影响，发展一体化物流存在着 各种瓶颈，对物流在经济发展和在企业中的 作用和地位缺乏足够认识和重视： 1.缺乏“现代企业物流是获取竞争优 势的重要源泉”的理念。随着生产机械化、 自动化程度不断提高和生产工艺日趋程序 化、规范化，以及技术趋同性的增强，人们 开始把竞争的焦点从生产领域转向非生产 领域，包括采购、运输、储存、包装、装卸、 流通加工、分销、售后服务等物资流通活动 以及相关的信息活动，这些即构成了企业物 流的基本内容。 在我国，至今仍有许多企业没有将物流 看成是优化生产过程、 强化市场经营的关键, 而是将物流置于附属地位。 企业的物流不但 没有形成利润源泉，反而成为企业的负担。 传统的会计核算掩盖了物流成本的真面目。 一般情况下，企业会计科目中，只把支付给 外部运输、仓储企业的费用列入成本，实际 上，物流基础建设费和自有车辆运输、库房 保管、包装装卸等费用都没有列入物流费用 科目内，掩盖了物流费用的真面目，无法唤 起企业对物流的重视。企业物流职能分散， 运作效率低。大多数企业将仓储、运输、采 购、包装、配送等物流活动分散在不同部门， 没有系统规划和统一运作与管理，致使整个 系统的运作效率非常低下。 物流管理方式 落后。在物流管理上，很多企业在物流运作 中缺乏人工智能/专家系统、通信、条码和 扫描等先进信息技术的应用，使企业无法全 面、准确的把握各方物流信息， 无法实现内、 外部物流一体化以寻求物流系统的最优化 和合理化。 二、数据挖掘 数据挖掘是一个利用各种分析方法和 分析工具在大规模海量数据中建立模型和 发现数据间关系的过程。 目前，数据挖掘技术在企业中应用的难 点集中在企业数据搜集和提取上：多数企业 内部的数据是分散的，业务数据往往被存放 在缺乏统一设计和管理的异构环境中，不易 综合查询访问，而且还有大量的历史数据处 于脱机状态，不能在线集中存储查询。数据 挖掘在对这些数据进行分析前，必须对这些 数据进行不同程度的整合和清理， 这是数据 挖掘的首要环节，但一般的OLTP（On-line Transaction Processing ，联机事务处理） 系统的数据环境不具备这种能力。 数据仓库正是为了构建新的分析处理 环境而出现的一种数据存储和组织技术。 实 际上，数据仓库技术所要研究和解决的问题 就是从OLTF^统、异构分散的外部数据源、 脱机的历史业务数据中获取数据，处理后为 数据分析和管理决策提供应用服务。 对海量 数据的探索式分析的起点是 OLAP（On Line Analytical Processing ，联机分析处理）。 数据挖掘能够自动发现以前未知的模 式，自动预测未来趋势和行为。因此，数据 挖掘技术广泛用于以下一些领域：零售 /市 场营销；金融；信用保险；过程控制 /质量 监督；化工/医药；工程与科学数据分析。 三、数据挖掘技术在物流管理中的应用 数据挖掘的主要方法包括： 基本统计分 析，相关分析，回归分析，时间序列分析， 人工神经网络方法等。 不同的分析方法和挖 掘工具有其独特的特征和使用范围。 1.基本统计分析方法：统计学研究的对 象是客观事物的数量关系和数量特征。 统计 方法广泛地运用于各个领域，供各个部门做 出决策、执行计划、检查监督和宏观调控。 尤其在物流管理领域，基本统计方法起着信 息咨询、监督、辅助决策的作用。 统计分析方法从总体中抽取一定数量 的样本并测出有关的数据以及利用数据所 提