大数据在物流管理的应用研究.docVIP

大数据在物流管理的应用研究 1大数据概述 1．1大数据的概念。常规软件工具进行捕捉、管理和处理的数据集合。是一种必须采用新的处理方法才能够获得完整可靠的结果，并且有着更良好的决策能力、洞察能力和流程优化可能性的这么一种海量的、增长率明显的和多样化的信息资产。从技术角度来看，近年来不同研究机构及学者关于大数据及大数据技术的定义逐渐趋于相同。一般来讲，大数据是指体量巨大，产生速度极快，具有非结构化性质的数据，不能在固定时间使用普通数据处理软件对数据进行清洗和筛选。大数据技术指从数量庞大，结构复杂的数据集合中获得信息的能力。而与大数据最初的定义不同的是，大数据的技术发展到今天，已经成为基于神经网络学，深度学习和云技术上的。研究方向涵盖计算信息科学、工程、商业、经济管理、社会公共服务等多个领域的综合性学科。1．2大数据的特点。大数据相比于传统的数据应用来讲，其有着数据量巨大，可查询分析等特点。而IBM提出了5V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、Veracity(真实性)［10］。这五个特点作为五个方面:第一，数据量巨大，如今的数据量已经大到了可以被称为海量数据，且无处不在;第二，处理速度快，应用者能够从海量的数据信息当中快速的获取有价值的数据信息，这正是和常规的数据挖掘技术有着显著区别的特点;第三，数据的种类繁多，不仅包括报纸期刊书籍文献，还包括社交记录、视频、图片、地理位置等;第四，只要将得到的数据进行合理的运用分析，那么这些数据就能创造巨大的价值;第五，各个渠道收集到的数据繁杂而多变，并非是单一的样本数据，而是多方面的信息，研究者能够更加准确的抓住这些数据背后的真实情况，通过正确的数据做出合理的判断。 2大数据技术 2．1大数据的应用模型。①统计理论模型。统计模型(stochasticmodel)是指以概率论和大数法则为基础，以统计学为辅助，使用纯数学方法创造的一种模型。总的来说，统计模型就是某种分布的集合或者说是密度函数的集合或者回归函数的集合。统计模型分为参数模型和非参数模型两种类型。比如说正态分布是由均值和标准差两个参数确定的分布集合，这就属于参数统计模型。有些模型的样本中的分布函数F是不确定的，如何确定由样本确定F就是统计学和非参数统计模型的研究内容。②时间序列模型。时间序列分析(Time－SeriesAnalysis)顾名思义，输入列都是与时间相关的数据，同时需要考虑季节、历史、周期、趋势等因素，通过一些手段来预测未来某个时间点会怎么样。使用的分析方法有:移动平均法、指数平滑法、模型拟和法等。通常的判断方法叫做时序图检验，由于一个平稳的时间序列的均值和方差都是常数，那么平稳序列的时序图一定会在一个常数附件波动。而且波动的范围是有界的;如果有明显趋势或者呈现一定的周期，那么它通常不是平稳数列。那么如果判断出是平稳序列，则使用AＲMA模型。如果是非平稳序列，就要使用AＲIMA模型。2．2大数据应用技术。大数据分析是发掘出数据价值的重要手段，大数据的分析技术能够对数据进行高效、快速、准确的挖掘，同时还能够探究出大数据之间的隐藏相关关系。目前的数据分析手段主要包括以下几种:①数据可视化。数据可视化是对最后大数据分析的结果进行输出与展示的一种技术。它主要通过使用计算机图形学和图像处理技术来对已经分析好的数据进行数据到图形的转换，或者直接显示出来，并进行交互处理，使得图形化的数据能够更好的显示出数据与数据之间的关联，让用户们能够更加直接的发现出数据之中隐含的规律［2］。②数据分析。大数据的分析过程是关键的一环，而涉及到的数据分析技术自然也是其中关键。一般来说，无论是哪个领域或者行业，常用的分析方法都是相对适用的，如统计分析、数据挖掘。统计分析在概率理论当中是对数据的随机性以及不确定性来建立模型，然后对模型进行分析叙述，最后总结得出其内在联系。统计分析主要包括回归分析、因子分析、判别和聚类分析。数据挖掘是将大数据集中数据模式的算法，许多数据挖掘的计算方法已经在智能识别、信息追踪、人工智能等方面得到了广泛应用。数据挖掘算法主要包括决策树、最大期望算法、k最邻近算法等［3］。③云计算。云计算是整个大数据分析的基石，正是因为云计算技术在数据储存，数据库以及数据管理与分析方面作为基础支撑着，所以大数据在今天才能够进行广泛的应用，因此，大数据时代之中，大数据和云计算两者相辅相成，不可或缺。云计算其实是一种商业计算模型，通过将任务分布到异地大量的计算机构成的资源池上，使各种应用系统能够根据需要获取计算能力、储存空间和信息服务。目前来说云计算可以看做是一种作为商品购买的计算能力，可以让应用者便捷的按需求访问网络获取资源，所需要的数据短时间之内就